Flower Labs于2026年11月3日发布Endeavor 1.1。公司称，这是其今年推出的第三个模型版本，重点升级推理和编码能力，并新增图像输入，使模型能够在文本之外处理视觉信息。Flower Labs原文
此次发布的重点不只是多模态能力本身，而是将模型部署控制权作为产品卖点。Endeavor 1.1支持Flower托管、私有云和本地部署，并提供位于欧盟的GPU推理选项。对于受数据主权、行业合规或跨境传输限制影响的企业，区域化推理可以减少对单一海外API的依赖，但实际合规效果仍取决于部署架构、数据处理流程和合同条款，不能仅凭“欧盟推理”标签判断。
Flower还强调，用户可以查看可读的思考轨迹，保留推理输出和相关轨迹，并将经过审核的数据用于训练自有模型。若这些功能能够在生产环境稳定提供，模型供应商与企业之间的关系就可能从一次性调用API，转向围绕数据资产、审计记录和专用模型持续积累。不过，思考轨迹的可读性不等于完整的决策解释，企业仍需要独立的日志、权限和结果复核机制。
在性能方面，Flower公布的数据显示，Endeavor 1.1在GPQA上的成绩由1.0版本的92.0提升至94.4，HumanEval由98.2提升至99.9，并报告了81.12的MMMU-Pro成绩。上述数字均来自厂商自测和自定义对比，文章未提供足够的独立复现实验信息，不能据此直接认定其全面超过其他商业模型。值得注意的是，MMMU-Pro成绩说明模型开始将图像理解纳入评测，但仅凭单一多模态基准也无法证明其在企业图像检索、文档理解或视觉质检中的实际效果。
这条信息反映出多模态模型竞争正在出现新的产品化方向：除了输入模态和基准分数，企业还会关注模型运行地点、输出归属、推理过程审计以及能否迁移到私有环境。对采购方而言，下一步应重点核验图像数据是否用于训练、轨迹保存周期、区域推理的技术边界、模型升级策略和真实业务样本上的错误率。Flower Labs此次发布的具体商业可用范围、价格和独立第三方评测结果，原文未作完整披露，因此目前更适合视为一次面向企业控制权和部署灵活性的产品更新，而不是多模态性能已经全面领先的证据。
参考来源：
- Introducing Endeavor 1.1 2026-11-03
由 AI 整理，仅供参考；请以原始来源为准。
