11月2日多款AI工具更新：覆盖多模态、语音与编程场景

近期AI领域多项新模型与工具原型发布，覆盖多模态编程、请求路由、实时交互及团队协作等方向，以下是核心进展梳理：

多模态理解与编程方向

美团推出的LongCat-2.5正式版于11月2日上线，在Preview版本基础上进一步结合原生视觉理解与Agent编程能力，可处理视觉设计、3D创作及复杂代码库开发任务。该模型支持将图像中的需求与后续代码操作整合到同一条任务链，减少跨环节的转述成本，还兼容现有主流编程工具，开发者可通过官方API接入工作流，测试各类相关功能。

商汤开放的SenseNova-Loop-9B-Preview预览模型于10月30日开放权重，采用Apache 2.0许可证。该模型的核心特点是共享权重的循环计算架构，32层中24层共享权重并执行两遍，总计完成56次层计算，在不重复复制参数的前提下提升了计算深度。它可处理图文理解、文档处理、代码及工具相关任务，自部署时需注意推理实现要适配循环架构，不同部署框架需匹配对应开发分支。

请求路由与信息抽取方向

vLLM Semantic Router与KRLabs联合推出Vela 3.0系列模型，覆盖0.3B至27B的不同规格，定位为决策与抽取工具，而非面向用户的长篇聊天模型。其中fast版本支持英文处理，可返回分类概率、文本片段偏移、证据、实体及敏感信息识别结果，骨干约380M，完整模型含适配器约1.65B，部署体量不可简单按骨干规模估算；fast-vision用于图像决策与定位预览，lite适配多语言与小型GPU，mini提供平衡选项，flash与turbo为更大规格，系列采用Apache 2.0许可证，支持官方加载与本地HTTP服务，可按资源预算选择合适版本。

实时语音交互方向

MOSS-Live 1.0目前处于Beta阶段，支持全双工实时交互，可同时接收音视频输入并输出语音与文字，用户能自然打断对话，系统也可在持续交互中处理新输入。针对复杂推理或耗时任务，该模型支持异步委派到后台执行，前台可继续沟通，避免对话中断。它还具备主动回应、多方场景中忽略非对己讲话、工具使用及同声传译等能力，开发者可通过WebSocket接口接入，需对接音视频流并处理交互事件。

编程Agent协作方向

DeepSeek开放dsh-superagent-prototype研究原型，采用MIT许可证，基于DeepSeekHarness开发，暂非正式产品。该原型围绕GitHub仓库设计，可监听仓库事件，也支持对接飞书，将授权请求转化为工作项后，通过独立Agent会话与工作目录处理，结果与PR会返回原会话，还提供Web面板展示工作状态与需人工介入环节。它探索了请求、执行空间与协作反馈的整合方式，适合团队编程工作流的探索，试用时需配置仓库授权、事件接入及模型服务，不可直接作为无人值守交付系统。

此外，同期还涉及Mistral Large 4开放权重的相关回顾，为开发者提供了另一款大模型的应用参考选项。