腾讯开源世界模型Hy-Nomas 单张RTX 4090可运行

腾讯开源了世界模型Hy-Nomas，该模型可依据文本指令与镜头运动延续视频生成。据aitimes.com报道，用户可在生成过程中添加物体，或改变角色的动作、背景与艺术风格，并可指定镜头视角与运动路径。

Hy-Nomas同时开放模型权重与代码，并提供低显存配置，可在单张RTX 4090上运行。

Block推出Dessa，这是一个仅以人类对话语音训练的AI，不使用文本数据，也不依赖预训练模型。Block称，Dessa是首个仅从人声学习、以实现自然实时对话的AI。

IBM发布Granite Speech 5.0 2B，这是一个20亿参数模型，用于多语种语音识别与语音翻译，覆盖英语、法语、德语、西班牙语、葡萄牙语和日语。该模型提升了嘈杂与混响环境下的识别准确率以及长语音翻译能力，支持最多2000个自定义关键词，并以Apache 2.0协议分发。蚂蚁集团旗下InclusionAI则公开了医疗专用模型Ling-3.0-flash-Sante的权重，该模型基于Ling-3.0-flash构建，总参数1240亿，每token激活51亿。

本地运行与专用决策模型

Perplexity发布Mac版Decider，可在配备16GB及以上内存的Apple Silicon Mac上本地运行40亿参数的决策模型pplx-decider-flash-v1.2。该应用无需API密钥或使用费，输入内容不发送至外部服务器，首次启动时下载5.8GB模型。Baselten旗下Baselabs以MIT许可证开源决策专用模型Mammut-1（270亿参数）与Elephant-1（90亿参数），其中Mammut-1在Jev Decision Index 0.4上得分71.24，在208个模型中排名第一。

此外，开发者Abdulla Ababakre于10月21日在X上公布PhoneUse，这是一个MCP/API，可让Claude Code、Codex、Cursor等AI代理读取手机屏幕，并通过点按、输入与滚动操作移动应用。VAST AI Research于10月20日开源实时生成渲染器EdenLive，其50亿参数模型可在单张RTX 5090上以每秒超过24帧生成720p视频，并发布5B与14B权重。Kylon于10月22日推出Annotations功能，可分析参考视频、加入基于标注的剪辑，并改写为适合团队自身产品的新视频。