DAILY AI
每日AI头条｜百度开放长文档OCR，Terra降价、LFM3走向端侧
百度把文档识别推进到更长的多页材料，OpenAI用更低单价提供视觉与电脑操作模型，Liquid AI则发布可在本地调整的小型多模态模型。今天还关注灵光如何在对话结束后持续跟进事务，以及Cadence把AI接入芯片设计验证流程的新尝试。
百度开放Unlimited OCR 2，长文档解析保留跨页信息
百度10月27日在官方项目中发布Unlimited OCR 2，同步提供模型权重、演示和超长文档评测集MarathonDocBench。新版本采用稀疏参考滑动窗口注意力，把长文档中的文字与视觉交互压缩到固定规模的参考信息；项目支持一次请求输入多页图像，让模型结合前后页解析内容，而非逐页识别后简单拼接。
这类工具面向整本书、研报和跨页表格，价值在于减少分页造成的信息断裂。不过，项目名称里的“Unlimited”不能理解为处理任何长度都没有成本：官方部署说明仍设置页面窗口与输出预算，并指出缩小窗口虽能省显存，也可能损失跨窗口内容的合并效果。实际使用仍需在硬件资源与解析质量之间取舍。
GPT-6.1 Terra上线，标准API价格较前代减半
OpenAI发布GPT-6.1 Terra，面向视觉理解、跨应用操作与日常写作，在ChatGPT Work、Codex和API提供。官方列出的标准价格为每百万输入token 1美元、缓存输入0.05美元、输出5美元，比GPT-5.6 Terra与GPT-6.1 Sol的标准API价格低50%。公告列出的Work与Codex开放对象包括Plus、Pro、Enterprise和Edu用户。
价格下降让票据录入、表单处理等高频工作更容易纳入自动化预算，但token单价并不等于整项工作的成本；重复尝试、工具调用和人工检查同样影响投入。OpenAI仍建议复杂编程任务使用Sol或Astra。对开发团队而言，更实际的选择是用自己的任务测试完成率，再决定哪些流程适合切换到Terra。
Liquid AI发布LFM3，小模型覆盖文字、视听与决策
Liquid AI于10月27日发布LFM3首批模型，六款约20亿参数级模型共用新的混合架构，分别覆盖文字、视觉、音频、全模态和决策任务。基础与后训练模型已开放权重。其中文字模型LFM3-1.7B支持256K上下文；全模态版本则把图像、视频、声音和语言结合起来，支持用语音询问画面并生成文字或语音回复。
这一系列更强调把小模型调整成特定任务的工具，而不是让每台设备都运行巨型通用模型。团队提供单GPU微调路径，并展示工业检查与机器人研究。不过，不同版本的输入能力、内存和运行条件各有差异，文字模型约1GB的四位量化占用不能直接套用到整个系列；开放权重也需要结合具体许可和部署环境使用。
灵光2.0转向持续跟进，退出对话后任务仍可运行
蚂蚁集团10月27日发布灵光2.0。据新京报记者报道，升级重点包括跨会话记忆、长期任务调度和工具连接：在获得授权后，助手可结合接入的信息持续分析、监测与跟进，用户离开对话后也能依托独立云主机继续运行。报道列举了账单整理、关注机票酒店价格变化，以及提取钉钉班级群待办等场景。
它把AI助手的竞争从“这次答得怎么样”推向“能否持续把事情跟完”。对用户来说，连接了哪些服务、授予了什么范围，以及提醒能否送达，会直接决定体验。现有报道介绍的是产品能力与场景，并没有证明所有第三方账号都能无条件接入；使用前仍要确认对应服务的连接状态和授权范围。
参考来源：新京报：灵光2.0升级报道 ↗
Cadence推出Maestro，让芯片设计AI在企业内部运行
Cadence于10月26日公布Maestro模型组合，面向芯片与系统设计，把专业模型、智能体和电子设计自动化工具连接起来。公司与NVIDIA合作使用Nemotron、OpenShell等技术，并允许利用客户自己的设计与工作流继续训练。整套环境可部署在Cadence云、公有云或客户控制的本地环境；首批模型面向2026年第四季度的部分早期客户。
芯片设计需要生成方案，更需要用工程工具验证是否满足约束。Maestro把求解器与设计工具的反馈放入学习流程，也给不愿把核心设计送到外部平台的企业提供部署选择。公司报告的质量与token效率提升属于初步结果，不能直接换算成每个项目都能获得的收益；当前早期访问安排也与全面开放有明显距离。