ChatGPT新增GIF生成，Kimi K3.1 Pro正式开放权重

11 月 5 日，今天值得关注的项目覆盖图像创作、长上下文 Agent、科学推理与游戏控制：OpenAI 为 Images 2.6 补上 GIF 生成和更细的 API 编辑能力，Kimi K3.1 Pro 正式开放权重，游戏智能体研究也提供了可供部署的多档模型。

★ Images 2.6

生成和编辑图像及 GIF，并通过两档 API 模型匹配速度与细节需求。

OpenAI 于 11 月 4 日公布 Images 2.6，面向全球 ChatGPT 与 Codex 各订阅层上线，并新增 GIF 生成。对于需要把静态创意延伸为动态素材的用户，这次更新扩展了创作输出的形式。

API 同时提供 Flare 和 Sunburst：前者偏重速度，后者侧重细节、编辑效果与一致性。开发者还可使用 SVG、标注编辑和 complexity 参数，把图像生成与修改嵌入自己的工作流。模型未开放权重，开发接入按用量计费。

★ Kimi K3.1 Pro

处理百万 token 多模态上下文，并开放可供自行部署的 Agent 模型权重。

Kimi K3.1 Pro 此次的主要变化是正式开放权重，将此前的 API 使用路径延伸到自行部署。模型采用混合专家架构，总参数量为 2.8 万亿，每次激活约 1040 亿参数，支持 100 万 token 上下文，面向多模态理解与 Agent 任务。

开放权重带来更多部署控制空间，但模型权重文件约 1.56 TB，不能把激活参数量当作全部加载规模。使用须遵循专用的 kimi-k3.1-pro 许可证；模型服务商达到协议规定的收入门槛后，还需另行取得授权。

★ Ripple-65B-Preview

以 65B 稠密模型处理长文本与代码，支持面向编程 Agent 的部署研究。

Ricursive Intelligence 发布 Ripple-65B-Preview，采用 650 亿参数稠密架构，支持 100 万 token 上下文。模型使用约 12 万亿 token 预训练，文本以英语和代码为主，重点面向编程与 Agent 场景，适合研究长代码上下文和工具协作任务。

项目提供 Base、Instruct 及 NVFP4 等权重选择，并采用 Apache 2.0 许可证。部署时应区分训练阶段与精度版本，按任务选择对应模型。官方 NVFP4 路径支持 DGX Spark，但这并不意味着普通小显存设备都能运行；65B 规模仍需认真评估资源。

★ ERNIE-5.5-Flash-Base

提供预训练基础权重，供开发者开展领域适配、监督微调与强化学习。

ERNIE-5.5-Flash-Base 是文本混合专家模型，总参数量为 2800 亿，激活参数约 140 亿，预训练数据规模为 33.5 万亿 token。它停留在预训练终点，未经中训练与后训练，因此更适合作为领域适配、监督微调和强化学习的起点，不能直接当成聊天指令模型。

模型预训练上下文为 128K，微调与推理支持扩展到 100 万 token。官方提供 FP8、BF16 权重及 SGLang、vLLM 部署路径，示例使用四卡配置。权重遵循自定义 ERNIE 5.5 Flash Base Model License Agreement v1.0，部署前还需结合完整参数规模评估资源。

★ Axion 1.0

通过监督微调与强化学习训练科学推理模型，开放代码、数据和评测流程。

字节跳动与高校团队的 Axion 1.0 面向科学推理和工具调用，研究覆盖 35B 与 122B 模型。其训练先进行两阶段监督微调，再进行强化学习，开放内容涵盖数据生成、过滤、训练及评测代码，也提供训练数据，便于研究者检查数据构建与训练流程。

项目代码采用 Apache 2.0 许可证，但官方模型检查点尚未开放，因此当前主要价值在于研究方法与复现材料。仓库推荐的社区复现不能等同于官方权重；需要直接运行成品模型的读者，应留意这一开放边界，避免将代码发布理解成模型已经可下载。

★ GameScaling

读取游戏画面并输出键鼠动作，用多档模型研究跨游戏控制与泛化。

清华、米哈游等团队的 GameScaling 研究如何借助覆盖 80 款游戏的语料，提升智能体的游戏控制与泛化能力。模型接收画面，输出键盘和鼠标动作，将视觉理解与操作连接起来，但不能据此认为它能无需适配地自动运行所有游戏。

项目提供 0.8B、2B、9B、27B 四种规模，每种均有 S1 Minecraft 与 S3 混合版本，共八个检查点。代码和权重采用 Apache 2.0 许可证，训练数据未公开。官方小规格模型支持单卡，27B 使用双卡；实际运行仍需对接游戏画面采集与键鼠执行环境。