Google 2026 年 10 月 6 日发布的开源嵌入模型：740M 参数、Apache 2.0，把文本、代码、图像、音频、视频映射到同一个 768 维向量空间。
Google Cloud 2026 年 10 月 8 日发布的通用工作 Agent：编排子 Agent、按任务路由模型，带企业级身份、审计与花费管控。
Google 开源的声明式 Agent 编排运行时，用 Kubernetes 风格在集群里跑大规模自主 Agent 工作负载。
MiniMax 开放权重音乐生成模型，单次生成最长 5 分钟的完整歌曲，含人声与编曲。
Google Gemini API 新一代文本转语音模型，含音色设计、授权音色复刻与 150+ 音色库。
阶跃星辰开放平台语音系列：全双工实时对话、流式 TTS、综合音频生成、音乐生成与专业 ASR
xAI 2026 年 9 月 18 日发布的语音转文字模型，批量 $0.10/音频小时、流式 $0.20/音频小时
阿里云百炼全模态模型：文本/图片/音频/视频输入，1M 上下文，音频覆盖 113 种语言与方言
Odyssey 2026 年 9 月发布的基础世界模型，一个模型可驱动机器人、汽车、无人机，也能用来训练 AI。
Fotor 推出的 AI 视频智能体，支持长视频、4K 动态图形与时间线剪辑，拿下 Product Hunt 当日第一。
腾讯开源的 LLM 知识平台，把文档变成可查询的 RAG、会推理的 Agent 和自动维护的 Wiki，约 2.5 万 star。
阿里通义 Qwen3.8 系列的 27B 稠密开源模型，原生视觉语言、支持思考控制，本地部署友好。
多邻国基于 GPT-4 的高阶订阅，用 AI 对话与视频通话练就开口说外语。
可汗学院推出的 AI 导师与助教，一对一引导式学习而非直接给答案。
Google 基于学习科学调优的教育专用模型系列，已融入 Gemini 与 Google Classroom。
飞书多维表格内置的 AI 助手，用自然语言实现数据分析、字段生成与业务系统搭建。
智谱推出的手机与电脑双端 Agent，能自主操作 App 与网页完成订票、点餐等任务。
CAMEL-AI 开源的多智能体协作框架，面向开放式任务的工作流学习型 Agent 系统。
面向企业的开源浏览器自动化 Agent，用 AI 自动完成任意网站的重复操作流程。
字节跳动开源的多模态 GUI Agent，能看懂屏幕并自动操作电脑完成任务。
字节跳动扣子旗下的通用 AI Agent 协作空间，一个指令即可调用多智能体完成任务。
新一代 Agentic AI 浏览器，能自动拆解任务并跨网站搜索、操作与生成报告。
快手可灵第二代视频模型，多模态剪辑与高动态运镜，国产视频标杆。
Midjourney 第七代模型，画质与语义理解跃升，新增个性化与语音出图。
以文字渲染见长的设计向生图模型，海报、Logo 与排版一句话直出。
ElevenLabs 高精度语音转文字模型，多语言、低延迟，附带说话人分离。
Suno 第五代 AI 音乐模型，歌词到完整歌曲一分钟生成，支持翻唱与分轨。
Pika 第二代特效视频模型，以创意转场与 Pikaffects 一键特效走红。
Runway 第四代世界一致性视频模型，影视级特效与 Aleph 剪辑工作流。
MiniMax 海螺新一代视频模型，强调导演级镜头控制与高性价比出片。
