全文概述

10月，国内开源社区发布了多个重要模型，涵盖视觉、语言和多模态领域。Qwen、混元、蚂蚁等公司持续发力，美团进军视频领域，OCR技术成为亮点。这些模型在性能和应用场景上均有显著提升。

主要模型发布

Qwen发布了Qwen3-VL系列模型，尺寸齐全且支持多种版本；腾讯混元推出了Hunyuan-Vision-1.5，表现出色；蚂蚁发布了Ling、Ring、Ming等多个万亿参数级别的通用语言模型。

OCR技术进展

DeepSeekOCR和PaddleOCR成为本月的焦点，前者以高立意著称，后者则以强落地应用闻名，两者都获得了广泛认可。

视频与语音模型

美团发布了LongCat-Audio-Codec和LongCat-Video模型，分别提供语音编解码方案和支持文生/图生视频生成；腾讯混元还推出了HunyuanWorld-Mirror，支持多视图及视频输入。

其他重要模型

快手开源了KA T-Dev-72B-Exp模型，专注于Coding任务；字节跳动开源了FaceCLIP，专注于人脸理解与生成；智源开源了EditScore-72B，用于图像编辑奖励模型。