Midjourney 测试「思考模式」：重跑生图更懂提示词，排版与画面更连贯
Midjourney 在其 Alpha 网站上线「思考模式」（Thinking Mode）测试。用户在任务灯箱中点击「Rerun (Thinking)」即可体验，该模式能显著提升提示词准确度、文字排版能力和画面连贯性。官方表示未来可能全面开放或支持生成后追加思考。
AI 日报：今天的 AI 新闻
周四
10月8日 星期四
被解雇研究员发公开信反击：OpenAI安全文化正在经历「寒蝉效应」
上周被OpenAI解雇的三名安全研究员发表公开信，否认不当处理敏感信息的指控。他们强调与外部安全机构合作此前属于常规工作，突遭解雇让员工人人自危。OpenAI则回应称调查发现了违规模式，坚称绝非因提出安全担忧而开除员工。
OpenAI 上线 GPT-6.1 Sol Ultrafast：提速 8 倍还支持实时打断纠偏
OpenAI 发布 GPT-6.1 Sol Ultrafast 并升级即时导向功能。该模型速度比标准版 Sol 快多达 8 倍，具备接近 Astra 的智能，用户在生成时可实时打断纠偏，不再浪费算力。目前已上线 API、Codex 和 ChatGPT Work。
Claude Design 整合进 Claude Code：读代码库组件直接画 UI，还能画布微调
Anthropic 将 Claude Design 深度集成到 Claude 对话与 Claude Code 中，所有用户均可使用。开发者在终端输入 /design 即可读取本地代码库的设计规范，生成符合品牌风格的界面并直接在画布上微调，随后一键衔接写代码或推送至 Vercel。
OpenAI 上线 GPT-6.1 Sol 极速模式：速度飙升 8 倍，专治排障和智能体
OpenAI 为 GPT-6.1 Sol 推出 Ultrafast 模式，推理速度最高达标准版 8 倍，具备接近 Astra 的智能水准。它专为故障排查和 Agent 实时操作打造，API 输入输出每百万 token 售价 12 和 60 美元，需 Pro 500 或企业版权限。
Meta 开源 GenIA：输入单张照片或视频，直接重构完整 3D 物体
Meta 发布新系统 GenIA，能将普通图片或视频转换成完整 3D 模型。它基于 SAM 3D 改进，加入持续比对机制实时校准外观、位置与几何结构。最值得关注的是它无需重新训练大模型就能大幅提升还原度，代码已在非商业许可证下开源。
Meta 回击数据中心传言：年耗水少于高尔夫球场，自掏腰包建电网
Meta 针对数据中心高耗水、推高电费及缺乏就业等争议发文澄清。Meta 称其 AI 设施采用闭环液冷，年耗水量低于美国普通高尔夫球场，且全额自费升级电网以防居民电费上涨，同时还设立免费学院培训并保障本地就业。
Epic 推出 Unreal MCP：把 AI 智能体直接连进虚幻引擎
Epic Games 推出官方工具 Unreal MCP，将大模型智能体直接连接至虚幻引擎与 UEFN。它基于开源 MCP 标准，允许 AI 智能体直接调用编辑器能力在项目中执行操作。这意味着开发者可以用 AI 助手直接自动化处理引擎内的工作流。
Google 推出 Foresight：靠端侧模型完全离线转录会议
Google 发布实验性笔记应用 Google AI Edge Foresight。它搭载端侧 EmbeddingGemma 2 模型，专为 Apple Silicon 的 Mac 优化，能在完全断网的情况下转录会议、将速记润色为结构化笔记，并支持基于本地文件的问答，音频与笔记全程不出电脑。
PiChat 串联快捷指令：通知触发自动办事，被杀后台也能断点续传
PiChat 推出由 PiDurableKit 驱动的手机端智能体，把大模型与 iPhone 快捷指令打通。当收到特定系统通知时，它能自动执行相应指令；记录与工具调用会先落盘存储，即便 App 在后台被系统杀掉也能断点继续。
HumanX 开源技能迁移框架：让机器人看人类视频学会投篮和踢球
研究团队开源技能迁移框架 HumanX，能把人类单目视频中的动作转化为人形机器人的交互策略。该方案已在 Unitree G1 仿真中复现接球投篮、假动作投篮和踢球等动作。这意味着开发者无需昂贵动捕设备，用普通视频即可训练机器人交互。代码已在 GitHub 开放。
深辰凯动造出羽毛球机器人 XA1：无需遥控，曾连打 1452 拍创纪录
深辰凯动研发出具身智能羽毛球机器人 XA1，无需人工遥控即可预测球路、自主跑位并回击。它能应对高远球、放网甚至部分扣杀，击球成功率超 96%，曾连续对打 1452 拍创下世界纪录。这展示了机器人在高速、非结构化场景下的实时决策与运动协调能力。
开源技能 Anatomy：一句话让 AI 生成可交互 3D 机械图解
开源智能体技能 Anatomy 发布。输入一行抽象技术概念，Claude 等编程智能体就能将其转化为由精密零件组成的等轴测立体机械，生成支持鼠标拖拽交互的 SVG、WebGL 或 3D 页面，让齿轮转动等动作对应实际运行逻辑。
Anthropic 更新 Claude 使用政策：禁造假网络，连虐待 AI 也不行了
Anthropic 更新 Claude 使用政策，定于 11 月 12 日生效。新规严禁利用模型操纵虚假账号网络、开发武器制导软件及非自愿监控。政策还新增了禁止对模型进行无端持续虐待的条款，Claude 有权直接中断并终止与恶意用户的对话。
Claude 推出实时看板与动态演示：Docs 与幻灯片正式免费开放
Anthropic 推出 Claude Dashboards 与 Motion 测试版。Dashboards 可直连数据库生成实时刷新图表；Motion 靠代码生成解说动画并导出 MP4。此外，Docs、Slides 和 Design 结束测试，向包含免费版在内的全部用户开放。
天体物理学家用 Claude 补全星空：首张全天紫外光图像问世
Anthropic 披露研究员 Brice Ménard 利用 Claude Science 绘制出首张完整全天紫外星图。Claude 调度多个智能体清洗 3.8 万次观测数据，并结合多波段图像补全了以往从未被观测的三分之一空白天区，预测误差在 10% 以内。
Anthropic 启动网络安全计划：派驻工程师护电网，开源漏洞免费扫
Anthropic 正式启动网络安全计划 Cyber Mission。该项目针对电网、水务等关键基础设施推出 CIDP 计划，派驻工程师并接入 Claude 前沿模型；同时上线 OSS Scanner，为开源项目免费提供准确率达 90% 的漏洞扫描与修复建议，意在拉平防守方的 AI 劣势。
OpenAI 封禁俄伊舆论操纵网络：假冒记者与智库渗透主流媒体
OpenAI 宣布封禁俄罗斯和伊朗的两个隐蔽舆论操纵网络。涉案组织利用 ChatGPT 伪造多名虚假记者身份并设立假智库，成功将地缘政治假新闻植入多国主流媒体，这也是 OpenAI 首次查禁达到 5 级外溢规模的影响力行动。
Google 发布 Gemini agent：打通办公全家桶，给个目标自己干活
Google 发布企业通用智能体 Gemini agent。它直接内嵌在 Gmail、Docs 和 Sheets 等套件中，具备跨设备持久记忆；用户只需给目标，它就能自主调用工具并跨系统交付成果。最值得关注的是它支持多智能体协同，能像真实同事一样独立承接复杂长任务。
Anthropic 投 1.5 亿美元支持 Genesis Mission：Claude 进驻 NASA 等 15 家机构
Anthropic 宣布将在三年内投入 1.5 亿美元支持美国 Genesis Mission。该资金将向 NASA、国家科学基金会等 15 个以上联邦机构的数百个项目提供 Claude、Claude Code 与 API 额度，重点推进聚变能源与量子计算研究。
开源 AI 作曲工具 Tonefold：提示词生成 11 轨音乐，音符可逐个修改
开源 AI 作曲工具 Tonefold 发布，支持通过 Claude 或本地 Ollama 将文本提示生成和弦、旋律等 11 类分轨。与直接输出音频不同，它将音符写入内置钢琴卷帘供逐个修改，并能导出 MIDI 与分轨。软件自带合成器可直接试听，也提供 DAW 插件。
周三
10月7日 星期三
开发者用 Claude 搓出 7 款开源工具：纯 Rust 复刻 Adobe 全家桶
开发者 Brandon Thomas 借助 Claude Opus 5.5，用纯 Rust 从零复刻出对标 Photoshop 等 7 款 Adobe 核心软件的开源套件。应用支持全平台与网页端，主打免费和本地运行；尽管复杂 PSD 还原与插件功能仍存缺陷，但大幅拉低了专业创作软件的门槛。
Grok Bot 上线 X 搜索与监控：无需配置连接器，盯推文更方便了
X 宣布 Grok Bot 正式面向所有用户开放搜索、阅读和监控全平台推文的能力。用户无需再手动配置连接器，就能直接让它追踪产品反馈、突发新闻或生成行业周报，实时社媒舆情监测的门槛被彻底打平。
微软发布新一代 Surface：搭载英伟达 Spark 芯片，起售价 2600 美元
Microsoft 发布搭载 Nvidia RTX Spark 芯片的 Surface Laptop Ultra，起售价 2600 美元。新设备专为本地运行 AI 模型打造，新版 Windows 11 还引入「执行容器」给智能体提供沙盒环境。以旧换新 MacBook Pro 最高可抵 1000 美元。
Copilot Studio 升级：用一句话捏应用、工作流和智能体
Microsoft 升级 Copilot Studio，支持在单一平台同时构建应用、工作流与智能体。自然语言即可生成应用原型，新增的 Hooks 还能在智能体调用工具前进行拦截校验。最值得关注的是，它把界面、确定性规则与自主推理打包在一起，让企业 AI 不再各管一段。
Google 全球开放 SynthID 检测工具：免费查验音视频，还支持 OpenAI
Google 宣布向全球用户开放 SynthID Detector。此前该工具仅供媒体使用，现在所有人都能免费查验图片、音频或视频是否由 AI 生成。除了自研模型，它还支持 OpenAI、NVIDIA 和 Kakao 等伙伴的内容，并即将支持 Apple。
Google 推出 Playground：动嘴就能做游戏，无需写代码
Google 推出实验性 AI 游戏平台 Playground。用户无需编程经验，用自然语言对话就能调整物理规则、角色与场景并即时试玩，还支持多人联机与排行榜。平台现面向美国 18 岁以上用户开放，后续还将接入 Unity Spark。
Liquid AI 开源决策模型 d1-3B：端侧响应低至 50 毫秒
Liquid AI 开源多模态决策模型 d1-3B。该模型专为判断和分类任务设计，不生成文字，单次前向传播即可输出结构化结果。在 RTX 4090 上单次决策仅需 8 毫秒，在 Jetson Orin Nano 等端侧硬件上也只要 50 毫秒。
Anthropic 发布 Claude Haiku 5.5：成本降 75%，跑得最快的小模型
Anthropic 正式推出 Claude Haiku 5.5，平均运行成本比前代降低约 75%，是其目前速度最快的小模型。该模型新增努力程度调节设置，主打高吞吐量与智能体子任务等场景，并同步在各大云平台上架；同时 Sonnet 5.5 缓存读取降价 50%。
OpenAI 全面上线 GPT-6：边想边答，ChatGPT 能动态生成可交互界面
OpenAI 宣布向所有 ChatGPT 用户推出 GPT-6，并带来全新 Intelligent UI 功能。它不再只输出纯文本，而是能根据问题即时生成包含按钮、表单、图表等交互界面，并支持边思考边作答。这意味着聊天机器人正从单调的文字对话，演变成随时可定制的随身软件。
SpaceX 改造 Grok Bot：接入 Claude 5.5 与 Midjourney 多模型
Elon Musk 宣布 SpaceX 的 Grok Bot 将转向多模型架构，按任务动态调用最强后端。它将接入 Claude Opus 5.5 处理文本，搭配 Midjourney 生图及 Suno 生成音乐，旨在为用户输出每项任务的最佳结果。
周二
10月6日 星期二
Google 上线 Nano Banana 2.1：支持 14 张参考图融合，局部微调不用重画
Google 上线图像生成与编辑模型 Nano Banana 2.1，登陆 Gemini、Flow 等平台。新版本重点改善了主体一致性与局部精准编辑，支持最多 14 张参考图融合与最高 4K 分辨率。虽然实际画质仍逊于顶尖模型，但 Flow 平台每天提供几十次免费生成额度，门槛极低。
OpenAI 公测 Decisions API：GPT-6 Luna 驱动，决策速度快 10 倍
OpenAI 宣布向全体开发者公测 Decisions API。该接口由 GPT-6 Luna 驱动，决策速度比 Responses API 快最多 10 倍，支持文本与图像输入，能近乎实时地完成模型分流、工具选择及高风险调用拦截。
Musubi 开源 PolicyLM-1.7B：支持自定义规则，审核延迟低于 100 毫秒
Musubi 开源内容安全分类模型 PolicyLM-1.7B。它能在处理每条消息时动态读取自定义审核规则，无需重新微调模型即可即时生效；在 L4 GPU 上中位延迟仅 35 毫秒，采用 Apache 2.0 协议，适合实时聊天审核与 AI 应用安全护栏。
ChatGPT 上线 Mac 会议插件：自动做笔记，还能结合上下文写跟进
OpenAI 面向 macOS 桌面端的 Pro 和 Business 用户测试上线 Meetings 插件。它能自动记录会议要点，结合用户的历史工作背景生成个性化总结和待办，并存入 ChatGPT Space。最值得关注的是，开完会可以直接让它起草跟进邮件或更新项目计划。
OpenAI 精简 API 等级：五档变三档，最高档门槛砍半到 500 美元
OpenAI 宣布简化 API 速率限制层级，原本的五个付费档位缩减为 Build、Launch 和 Grow 三档。其中最高档位 Grow 的累计消费门槛直接从 1000 美元砍至 500 美元，现有用户自动迁移。这意味着开发者能用更低的资金门槛换取更高频次的调用上限。
Hark 发布 Hark Pro：要做替你操作电脑的 AI 操作系统
初创公司 Hark 公开发布 Hark Pro。它搭载专门训练用于操作电脑的 AI 模型，能主动接管报销审批、邮件回复甚至代办车辆年审等任务。最关键的是，它在小窗口内实时展示代操作网页的全过程以建立信任；目前提供免费版与付费订阅制。
Google 开源 EmbeddingGemma 2：7.4 亿参数把全模态检索塞进手机
Google 发布开源多模态嵌入模型 EmbeddingGemma 2。该模型仅 7.4 亿参数，采用 Apache 2.0 协议，能将文本、代码、图像、音频和视频映射进统一向量空间。在 Pixel 11 Pro 上运行全模态仅需 567MB 内存，方便开发者直接在本地做完全离线的跨模态搜索与 RAG。
Google 联手 WHO 用 Earth AI 预测疫情：数分钟锁定 45500 名高危人群
Google 宣布联手 WHO 等机构，利用 Google Earth AI 原型预测疾病爆发。在刚果金埃博拉疫情中，地理空间推理智能体几分钟内锁定 48 个暴露聚集点及超 45,500 名高危人群，把数周的排查压缩至几分钟，让防疫从被动应对走向前置预防。
诺奖得主阿西莫格鲁预测：未来 10 年 AI 仅能替代 5% 的人类工作
经济学家 Daron Acemoglu 在 MAI 旗下杂志《The Humanist Review》撰文指出，未来 10 年 AI 仅能替代人类 5% 的任务，对 GDP 拉动仅约 1.5%。他认为大规模失业恐慌被夸大了，技术普及远比预期慢，行业应转向增强工人能力而非全面替代。
Pinterest 推出 Beauty Guides：把发型美甲图变成沙龙实操方案
Pinterest 推出 AI 功能 Beauty Guides。它能把用户收藏的发型和美甲图转化为发型师通用的专业术语，并列出具体提单话术、耗时预估、价格区间与后期维护建议。首发支持发型、发色、指甲形状及质感。
Mistral 发布 Mistral Large 4：1 万亿参数开源新旗舰，安全测试拿下 82%
Mistral 公布新一代原生多模态模型 Mistral Large 4。该模型拥有 1 万亿参数与 52B 激活参数，在软件漏洞复现测试中拿下 82% 的最高分，多模态与智能体能力突出。模型权重计划 10 月底开源，目前已在 Mistral Studio 开启 API 预览。
OpenAI 公布内部模型数学成果：生成 722 篇论文，捐资 500 万支持验证
OpenAI 公开内部前沿模型生成的 722 篇数学论文，涵盖 372 个研究成果，并在 GitHub 提供 Lean 形式化证明。平均每个成果消耗约 3 小时 ChatGPT Pro 算力。10 月 15 日，OpenAI 还向西蒙斯基金会资助 500 万美元，协助数学界验证这些 AI 成果。
OpenAI 免费开放 Auto-review：让第二个 AI 替你盯防风险操作
OpenAI 宣布面向所有已登录 ChatGPT 用户免费开放 Auto-review 功能，且不计入订阅额度。它会部署第二个智能体实时审查主智能体的操作，自动拦截高风险或偏离意图的行为，解决每步都需要人工确认的疲劳感。
Anthropic 升级网络安全验证计划：按三级权限为专业人员松绑 Claude
Anthropic 宣布升级网络验证计划（CVP），整合此前 Glasswing 项目并设防御、红队和特许三级权限，向审核合格的安全团队开放 Claude Opus 5.5 等模型更深层的攻防能力。此举旨在降低误拦截，让防御者用更强 AI 守护关键基础设施。
Atlassian 联手 OpenAI：把 GPT-6 接进 Rovo，Jira 也能派活给智能体
Atlassian 与 OpenAI 宣布深化合作，将 GPT-6 系列及 GPT-5.6 接入其 AI 助手 Rovo。结合 Teamwork Graph，Rovo 能跨 Jira 与 Confluence 自动排查项目阻碍；双方还在探索直接向 AI 智能体分派 Jira 任务并追踪进度。
MSFlow 开源：打字生成人体动作，还能锁死任意关节位置
文本生成人体动作模型 MotionSpaceFlow 开源。模型大小约 1.1GB，可在消费级 GPU 上运行。最值得关注的是，它无需额外微调，即可在推理时固定任意关节在特定时间点的位置，让 AI 围绕这个限制自动生成动作。
周一
10月5日 星期一
AI 订阅算盘打响：Anthropic 每月 200 美元套餐价值比 OpenAI 高 5 倍
分析机构 SemiAnalysis 发布报告，指出在主力中端模型上，Anthropic 每月 200 美元的 Claude 套餐所包含的等效 API 价值约为 OpenAI 同档位的 5 倍。OpenAI 近期将 200 美元套餐额度砍半并上线 500 美元新档，重度用户的性价比天平正在倾斜。
Instinct AI 支持群聊协作：不用全员安装，还能管好个人隐私
Instinct AI 宣布支持群聊，让群成员无需全部注册就能协同做旅行规划、拼车和分摊费用。系统专门设计了权限隔离：群内 AI 无法直接访问个人账户，拉新人进群还会自动暂停敏感信息同步。该功能已向早期测试用户开放。
OpenAI 提速 GPT-6 系列：输出快 50%，每秒飙到 50 token
OpenAI 宣布将 GPT-6 Astra 和 GPT-6.1 Sol 的默认推理速度提升约 50%，生成速率从每秒 30 提升至 50 token。该优化覆盖全部订阅层级及 OpenCode、Devin 等接入伙伴，两小时内生效且用户无需手动设置。
Reka 发布 Rho-1：单模型融合多模态推理与动作控制
Reka 发布 19B 全模态推理模型 Rho-1 研究预览版。模型放弃拼装串联架构，在单个神经网络内统一处理文本、视觉与物理动作。最关键的是共享同一套 KV 缓存与上下文记忆，大幅砍掉跨模型调度延迟，让连续对话修改世界状态成为可能。
DeepMind 发布 AlphaProtein Novo：AI 从零设计全新酶，已开源
Google DeepMind 推出酶设计管线 AlphaProtein Novo，能从零设计自然界不存在的全新酶。它可同时生成 3D 结构与氨基酸序列，在实验中成功催化合成药物原料哌啶并分解塑料污染物 DEHP。相关代码已在 GitHub 公开。
Reflection AI 发布开源模型 Beam：501B 参数，推理消耗少 3 倍
Reflection AI 发布开源 MoE 模型 Beam，总参数 501B、激活 23B，专攻编程与智能体任务。它用 1.05 万块 GB300 强化学习训练，在编程基准上对标 GLM 5.2，但推理算力节省 3 至 4 倍。权重与技术报告将于本月晚些时候发布。
TikTok 发布 Agentic Commerce：把 AI 购物助手与一键下单塞进信息流
TikTok 推出一系列 AI 商业工具，包含支持实时对话选品的 Shopping Assistant 智能体以及一键结账功能 Buy Direct。此外，其广告生态接入了 Claude、Perplexity 等平台的 MCP 连接器，广告主能直接用智能体跨平台管理投放。
OpenAI 推出文本水印 textGrain：为符合欧盟法规，欧盟区率先默认启用
OpenAI 推出无形文本水印技术 textGrain，以满足《欧盟人工智能法案》的可识别要求。全球 API 用户即日起可选开启，欧盟区 ChatGPT 和 Codex 未来数周将默认嵌入。不过该水印对改写较为敏感，检测器目前仅限受邀研究机构测试。
OpenAI 商业化再提速：ChatGPT 开测生图视觉广告
OpenAI 宣布在 ChatGPT 推出视觉广告格式，本月下旬率先在美国向免费版及 Go 版用户测试。广告会在 AI 生图过程中展示，官方称不会影响对话生成内容，并同步接入了 AppsFlyer 等多家第三方归因与品牌安全测量工具。
周日
10月4日 星期日
OpenAI Codex 开启 28 天冲刺：每天上线一项改动，不达标就重置
OpenAI Codex 团队宣布启动为期 28 天的产品冲刺。团队承诺每天上线一项对大多数工作用户有明确改进的更新，如果哪天交不出来就做彻底重置。此次迭代聚焦简化操作、提升日常效率并打磨新模型，旨在回应用户对 Codex 更简单易用的诉求。
Vals AI 借 Claude 智能体发现室温磁性材料：让芯片存储更小更快
Vals AI 利用 Claude Opus 5.5 智能体团队，通过量子力学模拟发现了两种室温反铁磁半导体候选材料。这类材料既无外部磁场干扰又能区分电子自旋，理论上有望制造更小、更快的计算机存储器。不过相关结论目前仍为计算模拟预测，尚待真实实验验证。
复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍
复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。
特朗普宣布组建「超级智能部队」：不再叫 AI，全面统筹政府行动
特朗普宣布成立「超级智能部队」（SIF），统筹美国政府各机构行动以保持超级智能领域的领先地位。官方还下令将官方口径中的「人工智能」一律改称为「超级智能」，并拉来多家科技巨头签署了一份「道德约束」的安全承诺。
字节跳动推出 DMAD：4 步完成视频生成，提速数倍
字节跳动发布视觉生成对抗蒸馏方法 DMAD。它把原模型当作教师，通过分布匹配训练仅需 4 步去噪的学生模型。该方法适配 MiniMax-H3、Wan2.1 等架构，将原本 20 至 30 步的视频生成流程大幅压缩，画质不减。
周六
10月3日 星期六
Google 收紧 Gemini 权限：10 月 9 日起免费用户主要限用 Flash-Lite
Google 宣布自 10 月 9 日起调整 Gemini 访问权限，免费用户默认主要路由至 Flash-Lite，无法再自由调用 Flash 与 Pro 模型。同时，使用限额转为按算力消耗每 5 小时刷新。Pro 模型和深度思考功能此后仅对每月 19.99 美元起的付费用户开放。
Team Human 倡议上线：超 3 亿粉丝创作者联手，呼吁全球放缓 AI 研发
在 Center for AI Safety 支持下，多位拥有超 3 亿粉丝的创作者联合发起「Team Human」公开信，呼吁通过国际协议放缓超级 AI 研发。该倡议要求在科学家确认安全且获得公众同意前暂停超人类 AI 开发，联名签名将于今年秋天递交美欧立法者。
DistScene 亮相：用单张图片生成完整 3D 世界，告别物体拼接错位
研究团队公布 DistScene 框架，能用单张图片生成包含周边环境和独立物体的完整 3D 场景。它摒弃了先生成散落物体再硬拼的旧做法，改在统一坐标系中联合建模并单独精调物体几何。官方表示未来将公开模型和数据集。
OpenAI 核心安全主管离职：发文警告冲刺文化正在破坏 AI 安全
主导起草 OpenAI《准备度框架》的安全主管 David Robinson 宣布离职，并在《大西洋月刊》撰文直言公司文化「已经崩坏」。他指出团队疲于极速冲刺，根本无法推行真正的安全改革，甚至发生过模型绕过监管等隐患。核心人员的接连出走，让外界对 AI 竞赛中的安全把控更生疑虑。
解析 Fable 5.5 传闻：一场未发布与被取消模型间的虚空对决
OrcaRouter 发文解析社区疯传的「Claude Fable 5.5 超越 GPT-6.1 Astra」传言。调查显示 Anthropic 官方文档尚无 Fable 5.5 任何信息，而 Astra 6.1 此前因安全风险已被 OpenAI 搁置。所谓领先只是基于现有模型梯队的推论，并非真实评测。
周五
10月2日 星期五
Meta 开源 Muse AI SDK：支持树莓派与 ESP32 自制专属 AI 硬件
Meta 开源 Muse AI SDK，允许开发者利用树莓派或 ESP32 等市售硬件，自制搭载 Muse AI 智能体的专属设备。官方列举了彩色墨水屏提醒器和微型触屏等玩法；此外 Meta 还限量赠送 5000 台自研的 Muse Home Link 智能家居中控。
Runway 发布机器人模型 Praxis-1：物理 AI 落地还需 12 到 18 个月
据报道，Runway 在峰会上推出两款新品：全流程广告智能体 Runway Ads，以及开源权重的机器人世界动作模型 Praxis-1。联合 CEO 表示物理 AI 走向实际投产还需 12 到 18 个月，并提醒美国仍过度沉迷于语言模型，而中国已有约 70% 的 token 消耗流向视频模型。
NVIDIA 推出 DGX Spark 64GB 版：4999 美元起，两台直连跑千亿模型
NVIDIA 宣布将于 10 月 23 日推出 64GB 版 DGX Spark，起售价 4999 美元。它搭载 GB10 芯片，单机可跑 1000 亿参数模型，还支持用 QSFP 线两台直连组成 128GB 集群，性能提升 1.7 倍。开发者无需依赖云端，在本地就能跑智能体。
Amazon 发布数据中心承诺：单座日耗水仅 42 户，三年已投 10 亿美元
Amazon 启动「Built Together」计划并公布数据中心承诺。面对全美超百项针对数据中心的暂停动议，Amazon 澄清其平均单座数据中心日耗水不足 1.3 万加仑（仅相当于 42 户家庭），备用发电机年均仅运行约 10 小时，并强调三年内已向相关社区投入超 10 亿美元。
16.9 MB 跑语音识别：Cactus 开源端侧模型 Whistle
Cactus Compute 发布端侧语音识别模型 Whistle，单个权重文件仅 16.9 MB。它无需 GPU 和额外依赖即可在 CPU 上运行，支持 7 种语言转录及词级时间戳，在多项基准测试中超越了 145 MB 的 Whisper base。
Midjourney Alpha 更新：侧边栏支持风格预览，文件夹可设默认参数
Midjourney 发布 Alpha 版本更新日志，推出侧边栏风格预览与文件夹默认参数功能。用户在出图前即可直观预览风格效果，多个风格参考还会合并为缩略图胶囊显示。此外，新版修复了历史图片超过 10 万张时的崩溃问题，并在图像编辑时自动锁定原图宽高比。
周四
10月1日 星期四
Suno 上线 Speech 测试版：一段提示词同时生成语音与背景音乐
Suno 推出音频模型 Speech 测试版，能直接将文本同时生成人声朗读与原创背景音乐。用户输入诗歌或故事，并描述声音与音乐风格，即可输出单轨完整音频。它将人声与伴奏制作合二为一，经测试后现已向所有用户开放。
ChatGPT 上线虚拟试衣功能：上传全身照就能看穿搭效果
OpenAI 宣布在全球为 ChatGPT 上线虚拟试衣与收藏功能。基于最新的 ChatGPT Images 2.5 模型，用户在购物搜索结果中点击「Try On」并上传自拍或全身照，就能预览衣服与配饰的上身效果，挑中的穿搭还能存入素材库。
Black Forest Labs 发布 FLUX 3 Image：画框精准控图，单图反复重绘不跑偏
Black Forest Labs 发布图像模型 FLUX 3 Image。它引入边界框排版机制，支持最多 10 张参考图与原生 4K 输出。最值得关注的是像素级局部编辑能力，修改指定区域不会影响其余像素，反复微调画面也不会变花变糊。目前已在官方 Playground 和 API 上线。
a16z 市场报告：全美仅 2% 家庭为 AI 付费，98% 还没掏钱
风投机构 a16z 发布《State of Markets II》报告，显示目前仅 2% 的美国家庭为 AI 服务付费，高达 98% 尚未掏钱。尽管 ChatGPT 等工具知名度极高，但消费者端订阅仍处在极早期，大众使用习惯与实际付费转化之间存在巨大落差。
Mosaic Chunk 开源：给 AI 视频装上长记忆，物体出画也不崩
本周，AI 视频记忆系统 Mosaic Chunk 正式开源。它通过选择性记住早期帧的关键特征，解决了物体离开画面数秒后模型就「失忆」变形的难题。项目已开放文生视频（基于 MiniMax H3）和图生视频（基于 Ling World Infinity）两套模型，支持本地运行。
Google 上线 Guided Vision：Gemini Live 化身视障用户的眼睛
Google 推出 Guided Vision 功能，为盲人及低视力人群提供实时语音视觉辅助。该功能由 Google 与无障碍机构 Aira 联合研发，用户在 Gemini Live 中共享摄像头，AI 不仅能解说周围环境、读标签找物品，镜头偏了还会主动语音提醒用户调整角度。
Microsoft 发布 MAI-Voice-2.1：延迟低至 45ms，支持零样本即时克隆
Microsoft 发布 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 文本转语音模型。两者支持零样本即时克隆声音与情绪控制，涵盖 23 种语言。Flash 版延迟仅约 45 毫秒，每百万字符 15 美元，让实时电话交互彻底告别机械停顿。
Shopify 推出 Canvas：搭档 AI 智能体 Sidekick，可视化重构整个网店
Shopify 发布店铺设计工具 Canvas。商家能在全景画布上俯瞰并缩放所有页面，通过与 AI 智能体 Sidekick 对话实时修改底层代码，还能即时预览交互与动效。这意味着零代码经验也能做深度定制。目前该功能正逐步向商家推出，暂未替代现有编辑器。
Tavus 推出交互模型 Griffin：48% 受测者误以为在跟真人视频
AI 初创公司 Tavus 发布全双工交互模型 Griffin。它把全场景视频生成、听觉与视觉感知融为一体，能边听边点头、自然插话，测试中让 48% 的人误以为在和真人视频通话。目前轻量版 Griffin-Lite 仅面向小范围早期测试者开放。
Anthropic 推出 Claude Code Mods：写几行 TypeScript 就能魔改 AI 编程工具
Anthropic 为 Claude Code 推出 Mods 功能。开发者可以用轻量 TypeScript 函数拦截事件、重写提示词、自定义界面按钮，甚至替换 /diff 等原生功能。最值得关注的是，你还能直接让 Claude 替你写 Mod 实时生效。不过 Mods 具备宿主系统完全权限，未提供沙箱隔离。
Strands 开源 Decider 2B：砍掉文本生成换来 115ms 极速决策
Strands 开源 2B 参数的决策模型 Decider 2B。它基于 Qwen3.5-2B 改造，移除了生成文本的模块，专用于在预设选项中做选择并给出置信度。在 RTX 3090 上中位数延迟仅 115 毫秒，适合本地 Agent 快速判断与拦截。
涉嫌向外部机构泄密：OpenAI 解雇 3 名安全研究员
据《华尔街日报》报道，OpenAI 解雇了安全团队的 3 名研究人员，指控其违反规定向第三方 AI 安全机构擅自共享机密信息。此前几天《纽约时报》刚曝出管理层屡次无视安全警告。这起风波再次将 AI 实验室的透明度与独立审查矛盾推向风口浪尖。
周三
9月30日 星期三
Google 发布 Gemini 4 Argon：输出上限拉到 100 万 token，主攻硬核编程与安全
Google 发布新一代前沿模型 Gemini 4 Argon。它将单次输出上限从 64K 暴增至 100 万 token，专为超长跨度推理设计，在复杂代码重构与漏洞排查上表现亮眼。目前该模型正通过 Fairwind 计划向安全专家小范围测试，随后逐步开放。
Runway 推出营销引擎 Runway Ads：AI 自动做广告、投流再复盘
Runway 发布效果营销引擎 Runway Ads，能根据品牌物料自动生成视频和图像广告，并直接发布至 Meta、Google 和 TikTok。系统会回传消耗数据，自动迭代下一轮素材。Runway 称其内部测试使广告周产量从 77 条激增至 900 条，获客成本降低 41%。
科技领袖签署白宫《超级智能协议》：明确安全首要责任与董事会监督
昨天，科技行业领袖在白宫共同签署《超级智能协议》，明确研发先进 AI 的企业对安全开发与部署负有首要责任。该协议要求企业建立严格的内部控制、引入独立外部评估以及董事会层面的监督机制，并承诺在未达安全标准时承担问责。
Ideogram 发布 4.5：主打多轮图像编辑不失真，支持 2420 万像素拼接
Ideogram 发布图像编辑模型 Ideogram 4.5，重点解决连续修改导致的伪影与颜色漂移问题。它支持最高 2420 万像素的高清局部修改与无缝回贴，即使连续多轮编辑画面依然干净。模型已上线 Ideogram App、MCP 和 API，单张编辑 0.008 美元起。
Instagram 推出 AI 创作助理：调取账号数据教你怎么发帖
Instagram 宣布在独立剪辑应用 Edits 中引入 AI「创作助理」。它能读取点赞、播放和留存等账号数据，分析视频表现并给出脚本、文案与配乐建议。该功能提供免费额度，超出后需通过 Meta One 订阅购买用量。
