月之暗面发布 Kimi K3.1 Pro，3 万亿参数并宣布 11 月 4 日前开源
月之暗面发布旗舰模型 Kimi K3.1 Pro，由 Kimi K3 后训练而来，参数量级 3 万亿，上下文窗口 100 万 token，并宣布 11 月 4 日前完成开源。
研判 Kimi K3.1 Pro 以 3 万亿参数、100 万 token 上下文和约为 GPT-6 Astra 20% 的刊例价进入市场，可能压低长上下文与编程类任务的调用成本。
#模型发布
WeChatRSS：智东西精选
Hugging Face Blog精选 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做流失、需求、欺诈等预测，单次前向推理完成，无需任务训练和特征工程。
研判 Kumo Relational 把关系型数据库上的预测从特征工程加任务训练改为单次前向推理，若在真实企业库上复现论文结果，可能压缩传统 XGBoost 流水线的搭建与维护成本。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，即日起通过 AI Studio 与 Gemini API 向开发者和企业开放，Google AI Ultra、Pro 订阅者可在 Gemini 应用与搜索 AI Mode 中使用。
研判 Argon 以 1M 统一输入输出 token 和每百万输入 2 美元、输出 10 美元的定价进入 API 与 Gemini 应用，直接抬高前沿模型的上下文与价格竞争门槛；其自述在 Vals Index 与 ERQA 上居首，若第三方复现则可能改变企业与科研团队的模型选型。
Google DeepMind精选 Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一款面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，参数 740M，采用 Apache 2.0 许可，支持 8K token 上下文，文本任务最低 270M 参数即可运行。官方称其在 MTEB Code 上从 68.76 提升至 78.68。
研判 740M 参数、Apache 2.0 许可的多模态嵌入模型把文本、图像、音频、视频映射到同一向量空间，端侧检索与 RAG 可在离线环境完成，可能降低对云端向量服务的依赖。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，正通过 Fairwind Program 向一批受信任的网络安全防御方开放。该模型输出 token 上限从 64K 提升至 1M，在 DeepSWE v1.1 上得分 77.9%，在 LVBench 上得分 91.7%。
研判 Gemini 4 Argon 将输出上限提升至 1M tokens，并优先向网络安全防御方开放，显示前沿模型正以分阶段、受控方式进入高敏感企业场景。
已经到底了