Moonshot 发布 Kimi K3.1 Pro，这是一款 2.8 万亿总参数、104B 激活参数、100 万 token 上下文的多模态 MoE 模型，已在官网、App、Kimi Work、Kimi Code 和 API 上线标准版与 Highspeed 版，权重承诺 11 月 4 日开放。
推荐理由：聚合了第三方基准与社区对成本、安全干预和推广争议的多方讨论，便于对照厂商宣传与独立评测的差异。
NVIDIA 发布预训练关系型基础模型 Kumo Relational，直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。在 15 个数据库的 41 项任务上，它超过监督式关系深度学习模型和专家特征工程 GBDT 管线；在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%，微调后扩大到 16%。
推荐理由：原文给出与企业数据库上直接预测的对比结果和开放权重，可供读者判断无需训练的范式在关系型数据上走到哪一步。
Mistral AI 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一，参数量为前 SOTA 的三分之二。
推荐理由：原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于横向比较时间序列基础模型的准确率与成本。