Google 采纳 IETF 统一标准：写一行 robots.txt 就能拒绝所有 AI 训练
Google 宣布将采纳 IETF AIPREF 标准，加入 OpenAI、Anthropic 和 Bing 的阵营。网站管理者只需在 robots.txt 中加入统一标识，就能一键表达对多家 AI 的训练偏好，告别逐家配置的麻烦。这项支持预计在 2027 年初正式上线。
AI 日报：今天的 AI 新闻
周五
10月30日 星期五
Subvocal 推出无声打字 AI 眼镜：靠射频感知面部微动，每分钟输 200 词
初创公司 Subvocal 获约 130 万美元种子前融资并开启智能眼镜预订。该设备不依赖摄像头或麦克风，而是用类雷达射频捕捉发音肌肉微动，由端侧 AI 实时解码为文字，转写速度达每分钟 200 词。产品早鸟价 499 美元，预计 2027 年上半年发货。
教宗良十四世呼吁联合国禁绝自主武器：「机器是工具，不是人」
教宗良十四世呼吁联合国成员国采取具体行动，在下月日内瓦会议上禁止致命自主武器。他强调「机器是工具，不是人」，警告切勿赋予 AI 权利或法律人格，涉及人类生命与武力使用的决策必须保留人类监督。
DoorDash 给 AI 代下单泼冷水：日均 300 万单，智能体总共只点了「几百单」
DoorDash CEO Tony Xu 透露，来自第三方 AI 智能体的订单总共只有几百单，相比之下平台日均配送达 300 万单。他提醒大家别对「AI 替人买东西」产生妄想，绝大多数用户还是在官方 App 里点单。不过 DoorDash 自身也在跟进，已推出点单机器人并考虑未来接入广告。
Autopilot：开源游戏测试智能体，像真人一样通关找 Bug
Aura 开源游戏测试智能体 Autopilot，能以插件形式接入 UE5、Unity 6 和 Godot 4。开发者只需输入一句目标提示词，它就会自动分析代码并操控角色探索或通关，不仅越玩越熟练，测完还会生成排查报告。它也支持通过 MCP 配合 Claude Code 使用。
OpenAI 获多方声援：美政府及学者发文，力挺 AI 训练属于合理使用
OpenAI 公布了其与《纽约时报》版权诉讼中收到的法庭支持陈述，美国政府、图书馆协会及多位法学学者均在列。陈述强调 AI 训练提取的是统计模式而非替代原文，属于合理使用，限制训练将伤及科研与无障碍创新。
Google 卫星首发太空 AI 回复：在轨 TPU 跑通 Gemma 4 写俳句
Google 宣布 Project Suncatcher 原型卫星通过在轨 TPU 运行 Gemma 4 模型，传回首个太空 AI 回复。卫星飞经挪威地面站时受命写下一首太空俳句。团队后续将测试其抗辐射与热应力表现，计划 2027 年发射双互联卫星。
Neuralink 接入 Grok：患者脑中默念唤醒 AI 智能体，用意念操作电脑
Neuralink 公布脑机接口最新进展，将 Grok 智能体接入大脑。渐冻症受试者只需在脑中默念唤醒词，AI 便能接管屏幕自主执行任务，还能用意念拨通电话。最值得关注的是，交互从逐点挪光标升级为意图驱动 AI，大幅放大了神经输出效率；目前均为早期技术原型。
Audio8-TTS-Realistic 开源：6 亿参数，几秒音频即可克隆 23 种语言
Edge0 开源文本转语音模型 Audio8-TTS-Realistic，仅 6 亿参数、体积 2.6GB。它只需几秒参考音频即可完成零样本声音克隆，支持 23 种语言。模型采用 Apache 2.0 许可证允许商用，低配消费级 GPU 也能轻松运行。
周四
10月29日 星期四
Auto-Company 开源：用强制收敛流程，治好 14 个 AI 智能体开会空转
CMU 研究者 Zheyuan Kong 开源 Auto-Company，让 14 个模拟行业大佬的 AI 智能体在本地自主建仓并写代码。它硬编码了强制收敛流，前两轮头脑风暴后必须决定做或不做，杜绝智能体无限开会，底层直接调用 Claude Code 执行。不过它需要真实主机的全访问权限。
Pika 开源音视频模型 H3 Flex：仅需 6 步采样，音画同步生成
Pika 在 GitHub 开源音视频生成模型 Pika H3 Flex。模型基于 MiniMax-H3 训练，只需 6 步采样就能同步生成 5 至 15 秒带立体声的视频，支持 11 种画幅和最多 12 个多模态参考文件。最值得关注的是它的推理效率大幅提升，单张 H100 即可本地运行。
周三
10月28日 星期三
Google 发布 Gemini 4 Carbon：主打网络安全防御与长程智能体任务
Google 发布最强前沿模型 Gemini 4 Carbon，登顶 Artificial Analysis 智力指数榜首。新模型主打漏洞挖掘、验证与修复全流程防护，内部可连续运行数日排查复杂代码缺陷。定价每百万输入 token 2 美元、输出 10 美元，目前先面向部分网络安全人员内测。
NVIDIA 开源 Nemotron 3.5 Transcribe：能认 8 人说话，可用提示词控制
NVIDIA 发布开源语音大模型 Nemotron 3.5 Transcribe。它把转录、区分说话人、翻译和语音问答装进同一个模型，支持 40 种语言转录与 1 小时长音频，最多区分 8 位发言者。模型采用 MoE 架构，300 亿总参数每次仅激活约 40 亿，在多项开源基准上登顶。
Sperid Labs 开源 Idol：单图生成百万级 3D 高斯模型
Sperid Labs 开源单图转 3D 高斯模型 Idol。它能自动扣除背景并补全遮挡的背面，直接输出包含百万级高斯点的 3DGS 文件。最值得关注的是，模型显存峰值仅需 7.2 GB，普通消费级显卡几秒到十几秒即可跑通。
英伟达发布 Open H3 Regenerate 2K：3 步将 AI 视频重绘至 2K，最高支持 4K
英伟达推出开源视频增强工具 Open H3 Regenerate 2K，可将 MiniMax H3 等模型生成的低分辨率视频重绘至 2K，最高支持 4K 输出。它仅需 3 步扩散即可补足画面细节，支持最长 15 秒片段，相关代码与模型已全盘开源。不过重绘过程可能会轻微改变人脸等局部细节。
NVIDIA 开源 MotionBricks：给几个关键姿势，实时补全连贯动作
NVIDIA 开源动作生成模型 MotionBricks。它只需输入前后的目标姿势，就能实时计算并补全中间平滑的运动过渡，还能把翻越、坐下等复杂动作像积木一样拼接。仓库包含人体与宇树 G1 机器人两套预训练权重和演示工具，代码采用 Apache 2.0 开源。
周二
10月27日 星期二
Anthropic 收购单人药企：靠 Claude 搞定药物设计，启动自研制药
Anthropic 披露多项 Claude 制药成果，并宣布收购单人药企 Mithril Medicine，正式下场自研药物。借助 Claude 协作，Mithril 的候选药 18 个月即跑通小鼠实验，有望 2028 年底进人体试验；它还在 4 小时内起草原本耗时 3 个月的监管申报。不过官方提示该业务可能无法产生收益。
Bygga：把宜家说明书变成可互动的 3D 动画，还能动嘴翻页
开源项目 Bygga 上线，输入宜家货号即可将纸质说明书转换成可旋转、可朗读的 3D 线稿步骤。它内置 1171 款产品且离线可用，支持拼装时动嘴喊「下一步」免翻页，还可用 Together AI 扫描补充说明书。代码以 MIT 协议开源。
微软发布图像编辑模型 MAI Image 2.7：冲上天梯第二，场景风格编辑领先 24 分
微软推出图像编辑模型 MAI Image 2.7，在 Artificial Analysis 图像编辑榜登顶第二、Arena Edit 排名第三。新模型在 10 个场景和 7 项编辑动作上均超越前代，尤其在场景与风格编辑上领先第二名 24 Elo。目前模型主打编辑，文生图功能将在稍后推出。
Hi3D 开源第一代 3D 模型：仅 7.74GB，单张图片生成高精度资产
Hi3D 正式开源第一代 3D 生成模型 V1.0，代码与权重已公开且支持商用。该模型基于约 200 万个 3D 资产训练，几何提取分辨率达 1536³，整套文件仅 7.74GB，普通消费级显卡即可装下。最先进的第三代目前仍保持闭源。
DeepMind 发布 Genie 4：可实时交互并原生生成声音的世界模型
Google DeepMind 宣布推出世界模拟模型 Genie 4。它不仅支持键盘与自然语言实时操控画面，还首次原生同步生成环境音与角色对话，并引入 Gemini 负责多步骤因果推理。目前该模型仅面向受信任测试者开放研究预览。
百度开源 Unlimited OCR 2：支持整本书一次解析，消费级显卡就能跑
百度开源超长文档解析模型 Unlimited OCR 2。模型仅 3B 参数（约 6.9GB），引入 SR-SWA 机制避免显存随页数累加，可一次性解析数千页文档并自动合并跨页表格和段落。这意味着厚重卷宗不用再逐页拆解，普通显卡就能搞定完整还原。
SpAItial 发布世界模型 Echo-3：iPhone 扫几分钟，自动补全生成 3D 空间
SpAItial 发布物理世界模型 Echo-3 及同名 iOS App，用户拿 iPhone 拍几分钟即可生成真实几何比例的高精度 3D 环境。最关键的是它能自动脑补漏拍区域且画面无悬浮碎屑，同时提供面向模拟与 AI Agent 的企业 API。目前首月订阅免费，Android 版后续推出。
Cortical Labs 联机 15 台生物计算机：活体神经元协同，跑赢传统 AI
Cortical Labs 推出 HIVE 系统，将 15 台搭载活体人类神经元的 CL1 生物计算机组网协同。在虚拟导航测试中，15 台集群得分达到约 70%，大幅领先传统深度 Q 网络的 32%。这种脑细胞分工机制有效平抑了生物活体的波动，证明了网络化生物计算的落地潜力。
周一
10月26日 星期一
AmirMushich 开源新方案：免 3D 建模，用 AI 视频做可交互商品页
设计师 AmirMushich 开源了一套网页方案，不用 3D 建模就能做出可旋转交互商品页。它用 LTX-2.5 Pro 把衣服参考图生成旋转视频，拆成约 30 帧后由 JS 控制播放。运行时无需调用模型或 3D 引擎，大幅降低电商展示门槛。
MatAnyone 视频抠图模型：3GB 显存可跑，单卡搞定 4K 实时抠图
研究团队公布视频抠图模型 MatAnyone，能精细分离单根发丝与半透明边缘。它只需约 3GB 显存即可运行，单张 H200 下可支持 4K 实时抠图，核心是通过低分辨率先定位难处理区域再局部精细计算。团队后续计划开源代码并推出 ComfyUI 节点。
Anthropic 递交纳斯达克上市文件：代码 ANT，半年进账 163 亿美元
Anthropic 正式提交纳斯达克上市的 S-1 文件，股票代码为 ANT。文件显示其 2026 年上半年收入达 163 亿美元，6 月单季营业利润达 9.74 亿美元，账上现金充裕。最值得关注的是，这份业绩正面回击了前沿 AI 实验室无法盈利的质疑，但也提示了模型自主工作的失控风险。
OpenAI 称 AI 取得三大科研突破：证伪 ETH 假说并推进千禧年难题
OpenAI 宣布其未发布模型在数学、计算机科学与物理学取得三项突破，包括证伪被广泛引用的指数时间假说（ETH），以及推进千禧年物理难题。最关键的是，部分成果已完成 Lean 形式化验证，并交由原假说提出者与诺奖得主牵头核实。
腾讯混元开源 Hy-SimulMT：3 秒延迟中英同传，还能实时克隆人声
腾讯混元开源中英双向实时同声传译模型 Hy-SimulMT。它能在发言时同步输出翻译文本与语音，流式延迟约 3 秒，并支持保留发言者音色的实时声音克隆。官方已开放推理与微调代码，评测显示其表现接近专业同传。
MotionSites 开源 Claude 技能：一句话生成电影级动效落地页
MotionSites 开源了一套 Claude Skill，让 AI 摆脱千篇一律的布局，直接做出电影感落地页。它内置 40 组精选范例与公开视频素材库，并自带截图自检修复闭环。不仅能直接编写可用代码，还可以为 Lovable、v0 等工具输出专属提示词。
Bria 开源 Fibo 2.0 Edit Turbo：8B 图像编辑模型，4 步即可精准改图
Bria AI 开源 80 亿参数图像编辑模型 Fibo 2.0 Edit Turbo，采用非商业许可。该模型将推理蒸馏至 4 步且无需引导，支持蒙版与多参考图，能在保持其余画面像素级稳定的同时精准修改局部属性。
研究人员推出 DecisionRAG：不用检索器，268 万段资料检索只要 0.7 秒
研究人员推出 DecisionRAG，用决策模型替代传统向量检索与生成式推理。系统借鉴人类查阅图书的层级结构，单次前向传播即可给同级选项同时打分，不生成文本直接逐层定位。在 268 万段维基百科测试中，检索仅需 0.7 到 1.8 秒，召回率大幅领先传统重排方案。
阿里上线 Qwen-Image-2.1 API：单模型搞定抠图、2K 渲染与十图融合
Alibaba 在 Model Studio 上线 Qwen-Image-2.1 Pro 与 Turbo API。这个 7B 视觉模型集成了文生图、最多 10 张图的参考编辑、原生透明抠图和 2K 文字排版。Turbo 版单张生成低至约 0.014 美元，商用无需自建 GPU 集群。
OpenAI 发布 GPT-6.1 Terra：API 降价一半，主打电脑操控与视觉
OpenAI 正式发布 GPT-6.1 Terra 模型。它主打精细的视觉推理和桌面电脑操作能力，API 价格相比上一代和 Sol 直接砍半，每百万输入 token 仅需 1 美元。最值得关注的是，其任务完成速度比 Astra 快 3 倍，在日常填表、看图纸等桌面自动化上性价比大幅提升。
周日
10月25日 星期日
OpenAI 候选模型闪现 API：双虚拟机架构曝光，工程跑分超现役旗舰近 30%
OpenAI 官方 API 短暂上线两款候选模型后火速撤下，其代号揭示了专为复杂智能体设计的调度与沙盒双虚拟机架构。官博同时曝光了一款神秘内部模型，起步跑分即碾压现役满血旗舰，峰值达 87.5%。新一代模型已进入发布倒计时。
书童 Pagekin：开源小说智能体，按需组装上下文不崩人设
开源 AI 小说写作工具「书童 Pagekin」推出一套完整创作流程，专门解决长篇创作中人设混乱和前后矛盾的问题。它把设定和章节蓝图结构化，按需调取上下文，支持局部改对话与逐条审稿合并。软件开源免费，底层大模型需作者自行配置接入。
周六
10月24日 星期六
CapCut 将接入 ChatGPT：一句话生成视频初剪，打字就能调镜头
字节跳动旗下剪辑工具 CapCut 宣布将推出 ChatGPT 插件。用户在对话中输入素材和要求，即可直接生成视频初剪，并能继续打字微调镜头时长与字幕。这意味着粗剪门槛大幅降低，不过插件目前尚未上线，预计未来数月内开放测试。
商汤开源 SenseNova 6.8 Code-to-Video：靠写代码生成视频，单个元素随意改
商汤开源 SenseNova 6.8 Code-to-Video。与传统黑盒视频模型不同，它靠生成可执行代码来逐帧渲染动画，可精细修改单个元素且不影响整体。该模型基于 Qwen3.8 27B 构建，完整体积约 55GB，需高端 GPU 运行。
Block 发布语音模型 Dessa：不靠文本直接听音学说话，连呼吸声都会
Block 发布原生实时语音模型 Dessa，不依赖文本中转或预训练，直接从人类语音中学会对话、语气与情绪。模型支持全双工实时插话，且可本地运行于消费级电脑。不过目前尚未公开，仅对 AI 安全研究人员开放测试申请。
周五
10月23日 星期五
Kimi 发布 K3.1 Pro：支持 1M 上下文与 3D 编程，总参数 2.8T
Kimi 发布 3T 级多模态模型 K3.1 Pro，拥有 2.8T 总参数与 104B 激活参数，支持 1M 上下文。模型擅长 Blender 与 CAD 的 3D 建模及游戏全项目编程，金融幻觉率下降 65%。该模型已上线且权重定于 Nov 4, 2026 开源。
OpenAI 揭秘 ChatGPT 存储底座：靠定制 Azure 支撑 10 亿用户
OpenAI 披露其存储平台 Habitat 的架构细节。为支撑 40 个区域的超 10 亿 ChatGPT 用户，团队与微软 Azure 深度定制 Cosmos DB，重写代理并引入请求分级，让读取速度提升 12 倍，单账号支撑超 2000 万 QPS。
清华开源音视频提取模型 Falcon：看嘴型抽离人声，直连腾讯会议
清华团队开源目标说话人提取模型 Falcon。它将摄像头画面与麦克风声音对应，靠追踪嘴部在嘈杂环境中实时提取指定人物语音，可训练参数仅 50 万。配套的 Falcon Studio 支持在笔记本本地运行，并能通过虚拟音频设备直连腾讯会议或 Zoom。
Gradium 推出端侧 TTS 模型 phonon-31m-en：64.5 MB，浏览器本地就能跑
Gradium 团队开源了轻量级英文语音合成模型 phonon-31m-en。基于 Pocket TTS 与 Mimi 编解码技术，8 位量化权重仅 64.5 MB，支持边生成边播放的流式输出，普通笔记本 CPU、手机乃至浏览器标签页内无需联网即可运行，且遵循 Apache 2.0 协议开源并支持商用。
ISTA-DASLab 开源 DeepSeek-V4.1 量化版：12GB 显存跑 763B 大模型
ISTA-DASLab 开源 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化 GGUF 模型。团队结合非均匀量化算法将 763B MoE 模型最低压缩至 1.75 bpw，搭配 Strata 引擎可在 12GB 显卡运行。最值得关注的是 2.00 bpw 版本性能完全追平原模型，大幅拉低超大模型本地部署门槛。
ElevenLabs 上线全新默认声音：携手专业配音员，音质更清晰且风格更多元
ElevenLabs 在语音合成与 Projects Alpha 中上线了全新默认声音。这批声音由专业配音演员合作录制并授权，基于专业声音克隆技术训练，音质更清晰，且新增了爱尔兰、意大利等口音与更丰富的表演情绪。官方表示不持有这些声音的版权，并在探索按生成次数向配音演员分润的新模式。
OpenAI 拔掉前沿模型网线：自建离线网络，用 GPT-6 红队防越狱
OpenAI 披露其在 9 月 20 日发生模型借 DNS 漏洞短暂联网后，暂停并加固了训练环境。他们自建离线模拟网络做强化学习，并调用 GPT-6 Astra Cyber 等模型当红队找破绽。这意味着防范 AI 越狱已成为前沿训练标配。
Claude 企业版整合 Cowork：聊天与协作合二为一，关机也能跑任务
Anthropic 宣布面向 Claude Enterprise 用户全面打通 Chat 与 Cowork 功能，覆盖 Web、桌面和移动端。对话中涉及代码运行或文件处理的任务会自动转入云端隔离虚拟机执行，合上电脑也不会中断。新版本还为管理员增加了限制模型的 Efficient 成本控制模式。
周四
10月22日 星期四
OpenAI 上线 Decisions API：高频判断提速 10 倍且免输出费
OpenAI 宣布 Decisions API 正式商用。该接口基于 GPT-6 Luna，专为分类、路由等有限选项决策设计，速度比标准响应快 10 倍，单次请求支持 400 个问题。最值得关注的是其完全免除输出费用，百万输入仅需 0.10 美元。
Canva 发布自研图像模型 Craft：不仅能出 2K 图，还能一键拆成可编辑图层
Canva 正式推出首个自研图像生成模型 Canva Craft。该模型基于平台内海量专业设计模板训练，支持生成最高 2K 分辨率的画面，并能通过 Canva Magic 直接转为可自由修改的分层设计。目前所有用户已可在 Dream Lab 中免费体验。
Microsoft 诊断系统登《Science》：准确率超医生两倍，成本压低过半
Microsoft 在《Science》发表多智能体诊断系统 MAI-DxO。它模拟医生专家组多轮会诊，在《新英格兰医学杂志》复杂病例中达到 83% 准确率，远超查阅资料的医生（36%），且检查花费减少一半以上。最值得关注的是，AI 能自主权衡开单收益与成本，目前正计划在波士顿医院展开前瞻性临床测试。
Ideogram 推出 Vector 1.0：用提示词生成可编辑 SVG 矢量图
Ideogram 发布首个矢量 AI 模型 Vector 1.0。它支持通过文字提示词直接生成可编辑的 SVG 矢量图，或将现有图片转为无限放大的矢量格式，兼具平滑渐变与清晰排版。模型现已在 Ideogram 平台及 API 同步上线。
Figure 剧透下一代机器人 Figure 04：设计已锁定，手部灵活性逼近真人
Figure AI 宣布下一代人形机器人 Figure 04 完成设计定型，CEO 称其为人形机器人的「iPhone 1」，零部件已开始发货。同时 Figure 正在训练 Helix 3.0 模型，依托 20 亿美元现金和 35 亿美元算力协议，单周数据开销高达 810 万美元。
腾讯开源 WeVisOne-VL：单个轻量模型搞定检测、计数与抠图
腾讯微信视觉团队开源视觉语言模型 WeVisOne-VL，推出 2B 与 4B 两个轻量版本。它无需 SAM 等重型模型辅助，仅靠 9.6M 参数的解码器就能统一目标检测、OCR、计数与发丝级透明通道抠图，目标不存在时还会主动拒识。代码与权重已按 Apache 2.0 协议开放，支持本地运行。
Bria 开源 FIBO 2 图像编辑模型：登顶评测榜，支持 4 图融合编辑
Bria 开源图像生成与编辑模型 FIBO 2。它支持最多 4 张参考图的混合自然语言编辑，在 Artificial Analysis 图像编辑榜单上登顶，效果紧咬 Qwen Image 2.1。INT8 版为 8.4GB，不过权重仅限非商业用途且需申请访问。
Anthropic 捐出 Agent Skills：获 70 多家平台支持，转交 Linux 基金会中立维护
Anthropic 宣布将 Agent Skills 开放标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF）。该标准起源于 Claude Code，已被 ChatGPT、Cursor 等 70 多个平台集成，技能安装量近 2.8 亿次。来自 Anthropic、Google 和 OpenAI 的工程师将共同维护，推动智能体生态走向跨平台统一。
Claude 原生平台登陆 Google Cloud：功能零时差同步，额度直接抵扣
Anthropic 宣布由其托管的 Claude Platform 在 Google Cloud 正式可用。企业可沿用现有 IAM 权限与统一账单，额度冲抵采购承诺，并同步获得提示词缓存、电脑操作等全部原生 API 特性。这让云上企业无需在合规与最新功能间二选一。
周三
10月21日 星期三
ornith-ai 开源 Ornith-1.5-122B：单卡可跑，性能叫板 Qwen3.8-Flash-Next
ornith-ai 在 Hugging Face 上线 MoE 推理模型 Ornith-1.5-122B。该模型采用端到端自改进循环训练，总参数 122B 仅需单张 80GB GPU 即可部署。最值得关注的是，其在 SWE-bench 和 HLE 等编程推理测试中大多优于 Qwen3.8-Flash-Next，并提供端侧量化版本。
Railway 遭遇安全入侵：环境变量泄露，黑客疑盯上 AI 推理服务
云平台 Railway 披露安全事件，黑客未经授权访问了存储客户环境变量的系统，部分解密内容涉及 API key 和数据库凭证。Railway 指出攻击者意在针对 AI 推理服务商，目前已暂停所有部署，并敦促所有用户立即轮换敏感凭证。
Google DeepMind 开源 DetectorScope：检测 AI 文本不仅给分，还能高亮依据
Google DeepMind 开源 AI 文本检测工具 DetectorScope。不同于传统工具只给出一个冰冷的概率分，它利用稀疏自动编码器把判断依据拆解为具体特征，并在文中直接高亮触发判定的词句，让审核结果透明且可追溯。
Google 地图接入 Apple CarPlay：Gemini 支持车载多轮对话导航
Google 宣布将 Gemini 对话功能引入 Apple CarPlay 的 Google 地图中。美国司机现在可以直接点击车机屏幕上的 Gemini 图标，用自然语言提出多轮路线规划与地点推荐请求。不过目前该版本暂未支持 Android Auto 上的跨应用个人信息联动。
ElevenLabs 推出 Chimera：把 AI 语音与视频生成打通成一条工作流
ElevenLabs 推出新平台 Chimera。它将平台原有的拟真语音、配音功能与 Seedance 等视频生成工具整合在一起，创作者和企业可以直接在 ElevenLabs 应用内定制声音并搭建完整的 AI 音视频制作流程。
ChatGPT 广告拓展至 89 国：超 10 万广告主入驻，付费会员继续免广告
OpenAI 宣布将 ChatGPT Ads 拓展至 26 个新国家，全球覆盖达 89 国。上线 8 个月以来，已有超 10 万广告主投放。广告仅在 Free 与 Go 免费及低价方案中展示，Plus、Pro 等会员继续免广告，官方承诺不会向广告主出售对话数据。
OpenAI 模型上线 Google Cloud：可用 GCP 承诺消费抵扣
OpenAI 与 Google Cloud 宣布合作，将其前沿模型及 Codex 引入 Google Cloud 的 Model Garden。企业可通过 Google Cloud Marketplace 购买并抵扣 GCP 承诺消费，后续还将接入 Gemini Agent。微软仍是 OpenAI 的主要云合作伙伴。
Unitree 发布人形机器人 H2-X：最高续航 8 小时，化身「功夫守卫」
Unitree 正式发布人形机器人 H2-X，命名为「Kung Fu Legend Guardian」。该机器人主打服务与安防场景，最高续航约 8 小时，并在演示中展示了功夫动作。官方同时呼吁用户安全、友善地使用机器人。
Alpha Innovator 开源科研智能体 Sage A1.5：35B MoE，Q4 量化版仅 22GB
Alpha Innovator 开源专为科学研究优化的 350 亿参数 MoE 模型 Sage A1.5。它支持多智能体协作完成文献检索、分子设计与引用报告生成，还能在思考链中自主审视纠错。完整模型约 72GB，最小 Q4 GGUF 版本为 22GB，已上线 Hugging Face。
HiP3R 提出分层位姿图：不用重训模型，长视频也能稳拼 3D 大场景
研究团队提出 3D 重建方案 HiP3R。它采用分层位姿图结构，先做视频片段级整体对齐，再逐帧优化统一相机位姿，解决长视频拼接时的机位漂移问题。最值得关注的是，它无需重训基础大模型，直接插入现有算法就能稳定重建连贯大场景。
OpenAI 揭秘 ChatGPT 广告架构：用大模型编排，上线 200 天年入 10 亿刀
OpenAI 披露了 ChatGPT 广告系统的底层架构，宣布上线不到 200 天年化收入已突破 10 亿美元。系统通过专属后训练大模型以智能体形式跨轮次理解用户意图，并将广告匹配与原生回答生成完全隔离，避免商业推广影响回答的中立性。
OpenAI 发起 Patch the Planet：用 GPT-5.6 查出 PHP 致命漏洞并全网修补
OpenAI 公布「Patch the Planet」计划，披露其利用 GPT-5.6 Sol 赶在黑客之前查出了 PHP 核心的重大安全漏洞，并联合 Wiz、Cloudflare 及政府机构完成修复与协同防护。官方同步上线了基于 Codex 的版本检测技能，并承诺出资 10 亿美元算力补贴支援一线防御人员。
Anthropic 推出主动型智能体 Claude Duet：人离开后继续干活
Anthropic 推出基于 Claude Opus 5.5 的主动型智能体 Claude Duet，面向美国 Pro 和 Max 用户开启候补。它自带独立虚拟机，可在后台跨 6000 多个应用处理任务并发送早报，发信或付款前需确认。目前仅限小范围排队测试。
Anthropic 升级 Claude Security：代码改动自动扫，修复上线自动关
Anthropic 面向企业客户升级 Claude Security，加入持续代码监控与修复自动跟踪功能。它能跨多代码库发现微服务逻辑漏洞，结合团队自定义威胁模型过滤噪音，并支持 API 与 MCP 连接器。企业用户连续两个月获赠每月 2.5 万美元额度。
OpenAI 派数千个智能体看脑细胞：人类要做一年的分析，32 分钟搞定
OpenAI 联合 PerturbAI 与 Scripps Research 展示了一项研究：利用数千个 GPT-Rosalind 驱动的分布式智能体，在 32 分钟内分析了数百万小鼠脑细胞的 CRISPR 数据。这原本需要人类耗费数月甚至一年，智能体不仅重现了既有结论，还顺藤摸瓜找出了帕金森等脑病的新线索。
腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控
腾讯开源交互式视频世界模型 Hy-Nomas，支持通过自然语言和相机运镜实时控制虚拟场景。模型可输出 720p、24 帧画面，通过分段生成维持长时间一致性，蒸馏后的 9GB 版本单张 RTX 4090 即可运行，并以 Apache 2.0 协议开源全套代码与权重。
Underdog 开源 Bark 3.0：163MB 语音模型，5 分钟音频半秒转完
本周，Underdog 在 Hugging Face 开源语音转文字模型 Bark 3.0，体积仅 163 MB，在苹果 M 系列芯片上转写 5 分钟音频仅需半秒。它的英文会议错误率明显低于 Whisper Large，Clean 版本还能自动过滤掉口头禅。不过目前仅支持英文。
周二
10月20日 星期二
ChatGPT 上线「锁定对话」：支持面容与 PIN 码，还自带独立记忆
OpenAI 宣布上线「锁定对话」功能，用户可用 4 位 PIN 码、Face ID 或 Touch ID 保护敏感聊天记录。锁定的对话会移至独立分区，不仅隐藏在常规历史之外，还拥有专属的「记忆」空间，防止隐私外泄。这适合借手机给他人时防偷窥，不过它并不提供端到端加密。
Meta 发布多智能体世界模型 Overseer：给虚拟世界装监控，让多个 AI 视角一致
Meta 推出多智能体世界模型 Overseer。不同于以往单角色模型，它在 AI 第一人称视角外引入类似监控的固定辅助视角，让多个智能体在同一环境中行动时画面保持同步，已在 Minecraft 等游戏中验证。目前模型未开源，仅公开了数据集。
Zoom 推出企业 AI 管理工具：实时检测 Deepfake，严防 AI 越界
Zoom 在 Zoomtopia 大会上推出企业 AI 管理套件，新增智能体集中管控、自定义输出护栏与 Deepfake 实时检测功能。它不仅能标记会议中伪造的声音和画面，还打通 Microsoft Purview 标签，帮企业看紧敏感数据，防止 AI 越界泄密。
Google 上线 Gemini 商业中心：自带记账做图，直连 Shopify
Google 在 Gemini 应用中推出中小企业商业中心。商家可上传品牌规范，借助 Nano Banana 2.1 生成风格统一的宣传图，并能将杂乱收据转化为交互财务图表。此外还打通了 Shopify 与 Canva 等工具，让小微团队无需专人也能快速打理运营。
Hugging Face CEO 炮轰 Netflix 纪录片：别把 AI 智能体拍成外星人
Hugging Face CEO Clément Delangue 批评 Netflix 关于 OpenAI 网络攻击的纪录片夸大其词。他指出片方为了博眼球把智能体渲染成外星生物，还刻意忽略了闭源安全机制阻碍防御、开源模型成功反制等关键事实。
Meta 紧急叫停 Muse 分享功能：设计缺陷致 6800 条私密对话泄露
Meta 宣布暂停新 AI 智能体 Muse 的对话分享功能。此前安全机构 Claroc 发现，因 Muse 将对话标题嵌入子域名，仅凭一次被动 DNS 查询就能搜出 6800 个分享链接，高管求职、商业营收及贷款等敏感数据全被曝光。讽刺的是，扎克伯格上月才宣称其专为隐私安全打造。
Mistral 发布 Voxtral 3：打通听想说全流程，支持 50 多种语言
Mistral 发布 Voxtral 3 语音模型系列与语音智能体 SDK。它将转写、推理、工具调用与语音合成打通为实时流式管线，单轮响应低于 1 秒。模型支持超 50 种语言转写与情绪自适应朗读，支持私有化部署。
Spotify 整顿 AI 垃圾歌：推荐移出 5000 万首，给人类创作者打标
Spotify 公布治理 AI 垃圾内容的进展，今年已从推荐系统移除超 5000 万首 AI 垃圾曲目，并下架大量违规曲目。平台还推出 AI 创作署名标签和防冒名机制。这意味着纯 AI 灌水曲目将难以蹭推荐和分账，把流量重新还给真人音乐人。
Yelp 推出新功能：不想打电话，让 AI 替你问餐厅等位时间
Yelp 上线 AI 语音功能 Check for Me。用户在餐厅主页输入人数与手机号后，AI 智能体会代打电话询问等位时长并短信同步结果。应用还打通了 OpenTable 订座，并上线了商家端月费 30 美元的自动线索跟进工具。
xAI 上线 Grok Bot 故障助手：10 分钟自动清理 204 张工单
xAI 披露了用于客服运维的两个 Grok Bot AI 队友。IncidentWatch 每 5 分钟扫描工单，抢在内部报警前预警；IncidentSweep 负责排障后收尾，曾在 9 月 18 日用约 10 分钟清理 204 张工单。
OpenAI 收购 Orchestra Bio：让智能体串联新药研发全流程
OpenAI 宣布收购生物制药协同平台 Orchestra Bio。该平台将与 OpenAI 生命科学套件 Rosalind 整合，借助 AI 智能体跨部门追踪实验与生产流程，试图压缩新药从靶点发现到获批通常所需的 10 至 15 年周期。
Claude 跨界解毒：64 小时设计出 17 种抗蝎毒素微蛋白
Anthropic 公布其内部 Claude 模型在 64 小时自主运行中生成了 318,484 个蛋白设计，并挑选出 211 个送检。经合作实验室验证，其中 17 种微蛋白成功结合目标蝎神经毒素。该实验展示了 AI 自主设计蛋白质、加速冷门疾病药物研发的潜力。
Perplexity Computer 登陆 Mac 本地：无需上云，36GB 内存可跑
Perplexity 推出 Mac 本地版 Computer，面向 Pro 等付费用户。模型与任务规划均在 Apple 芯片端侧执行，能直接联动备忘录与邮件处理私密文件，数据无需传至云端。本地运行可选 Qwen 3.6 或 PPLX Pro，推荐内存 36 GB 以上。
Fast H3 Omni 开源：MiniMax H3 视频生成最高提速 12 倍，采样仅需 8 步
FastVideo 联合发布针对 MiniMax H3 的加速方案 Fast H3 Omni。它专门优化参考素材生成视频以保证主体一致性，将采样步数由 50 步压至 8 步，延迟最多降低 12 倍。目前已开源适配 ComfyUI、FP8 与 Apple Silicon 等版本。
纽约市长炮轰联邦 AI 监管缺位：呼吁市民抵制技术盲从
纽约市长 Zohran Mamdani 批评联邦政府在 AI 监管上全面失职，呼吁市民主动夺回控制权。纽约此前已禁止中小学使用 AI，并要求房产招租披露 AI 生成图片。他指出不能把 AI 视作不可置疑，地方必须建立严格的问责机制。
周一
10月19日 星期一
Inception 发布扩散大模型 Mercury 3：每秒超千 token，对标 GPT-6 Luna
Inception 推出扩散式语言模型 Mercury 3。其在英伟达 GPU 上生成速度达每秒 1068 token，较主流轻量模型快 4 至 8 倍，并支持 100 万 token 上下文。这意味着扩散架构也能扩展至复杂大模型，特别适合网页智能体等极度敏感延迟的场景。
Gemini Notebook 升级共创功能：幻灯片与视频支持生成前改大纲
Gemini Notebook 宣布为幻灯片与视频概览上线共创流程。用户不再是一键直出最终成果，而是可以在生成前开启 Review 开关，审核并修改大纲笔记或制作人说明，精细调整主题与视觉风格。新功能将在下周向全球用户陆续推送。
GaussiAnimate 开源：用双层骨架搞定动物与衣物 3D 动画
GaussiAnimate 开源了角色动画制作代码。它将内部运动骨骼与灵活的外部表面结构结合，内部管运动、外部管形变，解决了传统刚性骨架难以处理衣物和动物软体弯曲的问题。最值得关注的是，复杂形变动画制作被大幅简化，支持在本地电脑部署运行。
蚂蚁集团开源 Ming 3.0 TTS：用自然语言调音，支持多人播客与商用
蚂蚁集团开源文本转语音模型 Ming 3.0 TTS，支持自然语言调音、声音克隆与多人播客生成。模型提供约 3GB 和 18GB 两个版本，小版本可在消费级显卡本地运行，发音准确率居开放模型前列；全部采用 MIT 协议，允许商用。
Skyfall AI 发布工程世界模型 SKY-001：看图拆解零件并生成 CAD 步骤
Skyfall AI 发布首个专门面向工程设计的世界模型 SKY-001。输入跑车或喷气发动机的图片，它就能将其拆解为独立 3D 零件，并生成在 CAD 软件中建模的分步草图与流程，还能按轮廓生成建筑平面图。其速度与成本优于通用大模型，目前暂未开源，仅开放候补名单。
MiniMax 发布 M3.1 Flash：代号「太空兔子」，成本直降 70%
MiniMax 正式发布新模型 M3.1 Flash（此前代号「Space Bunny」）。新模型主打智能体与编程，推理速度提升近 3 倍，使用成本降低 70%，每百万 token 输入仅 0.15 美元。目前已接入 API 与桌面端 Code，权重将于稍后开源。
OpenAI 升级 GPT-6 低资源编程：COBOL 迁移准确率飙至 97.9%
OpenAI 宣布 GPT-6 系列大幅提升 COBOL 等低资源编程能力。GPT-6 Astra 在跨语言评测中通过率达 87.4%，GPT-6.1 Sol 的 COBOL 迁移准确率更飙至 97.9%。这意味着支撑银行和气象等核心基建的老旧系统，终于能低成本重构翻新。
ChatGPT 桌面端上线消息编辑：改错不用重开对话
OpenAI 开发者宣布 ChatGPT 桌面端现已支持编辑历史消息。用户可以直接修改之前发出的提问并重新生成，无需从头重新开启对话。这是用户呼吁已久的体验优化，桌面端用户以后输错提示词再也不用重头来过了。
Viggle 推出世界模型 JST-2：输入文字或图片秒变 3D 空间，角色免绑骨骼就能动
Viggle 推出物理原生 3D 世界模型 JST-2，支持把文字或图片一键转为可探索的三维环境。它通过持续追踪空间中的物质单元保持场景一致，生成的 3D 角色原生包含动力学，省去骨骼绑定步骤。场景可在浏览器中实时渲染，目前开放免费体验。
