腾讯在2026全球数字生态大会上宣布混元Hy4及Hy4 flash即将发布，首次引入视觉理解能力，长程任务与思维链效率显著提升。
讯飞医疗升级星火医疗大模型V3.7，多模态能力覆盖语音、影像、语义，以99.6分登顶MedBench5.0，推动医疗AI深度融入全链条。
小米MiMo-V2.6-Pro大模型上线WorkBuddy，以46分位居全球开源模型榜首，支持1M上下文与多智能体协作，拓展专业办公场景。
Cloudflare发布开源权重多模态决策模型Clef-omni，支持音频、视频、图像和文本在同一个决策打分调用中输入，基于Qwen3-Omni-30B-A3B构建，21秒带声音视频约1.5秒完成评分。
Scale Labs推出Humanity's Sixth Sense基准，用522项图像与视频任务测试直觉视觉推理，人类通过率93.1%，而最强模型GPT-6-astra仅53.6%、中位数模型30.9%，暴露出AI在空间、因果与社会理解上的巨大鸿沟。
Google DeepMind发布基于Gemma 4的740M参数多模态嵌入模型EmbeddingGemma 2，将文本、代码、图像、视频和音频统一映射到768维向量空间，采用Apache 2.0许可，量化后在手机上仅需约191MB运行内存。
何恺明团队发布VISTA论文，通过为前沿大模型提供视觉画面与无损记忆相册，让Claude Opus 5在ARC-AGI-3测试中从40分飙升至满分100分。
OpenCode将DeepSeek V4.1 Flash的60美元使用额度从限时活动调整为永久有效，该模型凭借新架构与低成本优势成为平台使用量第一。
腾讯推出混元图像3.5预览版，支持2K文生图与多轮创作，每张仅0.15元且只对输出收费，已接入元宝等多项应用。
2026云栖大会上，阿里公布大模型最新进展：Qwen4已投入训练，参数将扩至5到10万亿，下一代视频模型将于11月发布。
MiniMax海外连获突破，但股价较巅峰跌超80%，M3模型翻车、收入从C端转向B端，多模态路线面临市场考验。