产业链环节
国产大模型的发布、开源与能力进展，以及配套框架与算子库生态。
9 条精选近 30 天 9 条共收录 48 条
科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台上线 API 服务，开发者可直接接入调用。该模型支持文本和语音输入、文本输出，覆盖语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析和音频问答等任务，支持 99 种语言、202 种方言，并采用全国产算力训练。
推荐理由：原文列出 SparkAudio 1.0 的语言方言覆盖与全国产算力训练信息，读者可据此判断语音基座模型的自主可控程度。
百度发布文心5.5 Flash Preview，模型已上线千帆平台，Web端与API同步开放，权重将于11月25日前以Apache 2.0许可证开源，支持SGLang和vLLM部署。
推荐理由：原文给出文心5.5 Flash Preview的稀疏参数配置、定价与开源计划，可据此判断效率档模型的成本取舍。
MiniMax开源图像模型H3-Image，支持16MP（4096×4096）原生4K生成，最多可输入16张参考图。作者实测显示该模型能根据产品外观图推演正交三视图、生成机械爆炸图，并在高数试卷排版中保持字符与公式完整。API调用价格为主流竞品的50%到70%，首周16MP请求再打五折。
推荐理由：作者实测了开源图像模型在CAD拆解、文字排版与4K生成上的表现，可据此判断国产开源生图模型的当前水平。
DeepSeek Harness 公布截至 11 月 4 日以官方 API 用户为统计范围的日活跃用户达 154 万，日消耗 Token 约 92 万亿，第三方插件约 3.5 万个，约 60% 活跃用户制作或安装过至少一款第三方插件。
推荐理由：材料把插件数量增长与上下文成本、升级丢配置两类反馈放在一起，可看出开放插件生态扩张时的治理难点。
智元正式发布 WITA-Omni（硅光动语全模态大模型），官方称其为行业首个具身全模态端到端交互大模型。该模型在音视频之外新增触觉、本体状态等输入，并输出机器人动作与表情，基于流式全双工架构实现边听边想边应边动，交互响应最快约 400 毫秒、平均约 600 毫秒。全模态拒识使其无需唤醒词即可自然对话，并支持上百种语言和方言的流式同声传译。
推荐理由：原文给出交互时延、全模态输入输出与免唤醒设计，可据此判断具身交互模型的产品形态。
11 月 10 日，蚂蚁灵波科技开源触觉基础模型 LingBot-Touch，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类传感原理，将不同信号编码为统一触觉 Token。
推荐理由：原文给出触觉基础模型的预训练数据规模与真机测试结果，可据此判断触觉表征跨硬件复用的做法。
量子位在豆包中实测字节 Seedream 5.5，用100轮连续编辑任务对比 GPT-Image 2.6，后者约第10轮起出现明显畸变，Seedream 5.5 后期虽有畸变但保真度更高。
推荐理由：作者用100轮连续编辑、多图合成、图层拆分等实测，对比Seedream 5.5与GPT-Image 2.6的稳定性差异。
11 月 9 日，字节跳动正式发布豆包图像创作模型 Seedream 5.5，相比 Seedream 5.0 Pro 生成速度大幅提升，并增强多轮编辑稳定性、原生支持透明素材生成，重点优化图像真实感与小字渲染。
推荐理由：原文列出新模型在速度、多轮编辑与透明素材上的具体变化及单张成本，便于判断图像模型的迭代方向。
百度文心首次披露自动研究系统ERNIE Evolve，该系统可自主提出研究方向、开展实验并验证结果，在NanoChat AutoResearch和NanoGPT Speedrun两项任务的三个评测指标上取得公开验证的SOTA表现。
推荐理由：原文给出ERNIE Evolve在昆仑芯P800上三项推理优化的耗时与提升幅度，可了解RSI在真实研发中的落地方式。