Terra 开源：模拟肌肉拉动骨骼，让 AI 人体走过复杂地形
AI 运动控制系统 Terra 正式开源。它不同于直接控制关节旋转的传统做法，而是模拟人体肌肉收缩拉动骨骼，基于 9 小时运动数据训练，能让虚拟人在斜坡、台阶等复杂地形上行走，并支持跳跃和翻滚。代码采用 Apache 2.0 协议开放。
AI 日报：今天的 AI 新闻
周二
9月29日 星期二
特朗普签署行政令：美政府禁用「AI」字样，全面改称「超级智能」
美国总统特朗普签署行政令，要求所有联邦行政机构在官方网站、政策文件和新闻稿中，将「人工智能」统一更名为「超级智能」（Super Intelligence）。虽然已有法规无需追溯修改，但官员今后在相关场合不得再提「AI」。特朗普称「super」是最好的词，而「artificial」就像虚假新闻。
OpenAI 推出智能体 Dots，xAI 域名 dot.com 却直接跳转 Grok
OpenAI 推出常驻 AI 智能体产品 Dots，但网友发现 Elon Musk 旗下的 xAI 拥有的域名「dot.com」直接跳转至 Grok 应用下载页。Whois 记录显示该域名于 7 月转入 xAI。不论是恶意拦截流量还是单纯恶作剧，这波截流都赚足了关注。
英伟达开源 PixelUMM：不用 VAE，一个模型搞定图像视频理解与生成
NVIDIA 开源多模态模型 PixelUMM。它完全去掉了传统的 VAE 与视觉编码器，基于 Qwen3-8B 骨干网络，直接在原始像素空间同时完成图像与视频的理解和生成。最值得关注的是，单一架构通吃四项任务，大幅简化了多模态管线。
OpenAI 推出 Decisions API：搭载 GPT-6 Luna，专做应用实时决策
OpenAI 推出由 GPT-6 Luna 驱动的 Decisions API。开发者只要预设问题和候选答案，就能让模型处理内容分类、请求分流或挑选智能体的下一步动作，支持文本和图像输入。目前仅面向部分客户限量预览，计划在数日内全面开放。
CMU 推出 Point2Part：点一下即可拆解 3D 模型，零件严丝合缝不重叠
卡内基梅隆大学团队发布 3D 分割模型 Point2Part，用户只需在目标部件上点一下，就能把单张图片或 3D 网格拆成独立零件。它通过全局联合划分确保部件互不重叠、没有空隙，拼合后严丝合缝。目前该研究已公开论文与项目主页。
OpenAI 上线「用 ChatGPT 登录」：首批支持 Notion 与 GitLab
OpenAI 推出「Sign in with ChatGPT」第三方登录功能，首批接入 Notion、GitLab、Vercel 和 Airtable 等平台。登录仅共享姓名、邮箱和头像，不泄露对话历史；部分工具还支持直接接入 ChatGPT 订阅额度。
Inception 发布 Mercury Voice：首 token 延迟 320 毫秒，专为语音智能体打造
Inception Labs 宣布扩散大语言模型 Mercury Voice 正式面向企业开放。在生产级语音提示词测试中，该模型生成首个回答 token 的中位数时间仅 320 毫秒，比 GPT-6 Luna 快 5.9 倍，支持 128K 上下文并兼顾推理能力，能直接接入兼容 OpenAI 的主流语音管道。
NVIDIA 推出 SoL-Refiner：仅需一步去噪提至 4K，视频生成提速 27 倍
NVIDIA 团队发布视频精炼模型 SoL-Refiner。它通过单步去噪将低分辨率视频直接提升至最高 4K，可搭配 MiniMax H3 等多种基础生成器。测试显示其能将 H3 生成提速达 27 倍，但增强后部分画面细节会与原视频略有差异。
CopilotKit 开源 OpenDots：自带虚拟电脑的 AI 同事模板
CopilotKit 开源 OpenDots 智能体工作区模板。每个智能体配有隔离的虚拟电脑跑浏览器和代码，并支持打语音电话与 Slack 联动。最关键的是全套支持自托管与人工审批介入，把定制私人助理的控制权交还给开发者。
OpenAI 推出 dots：自带云端电脑的 24 小时常驻智能体
OpenAI 推出由 GPT-6 Astra 驱动的常驻智能体 dots。每个 dot 拥有独立的云端计算机，能接入超 4000 款应用并自主处理修 Bug、开发票等杂务。目前正向 Pro、Business Premium 和 Enterprise 用户开放。
Anthropic 预警 GLM-5.3：具备端到端黑客能力，安全防护极易被破
Anthropic 发布对智谱 GLM-5.3 的评测报告，称其具备自主端到端构建网络攻击利用代码的能力，水平接近 Claude Mythos Preview。但作为开源权重模型，其安全防护存在严重漏洞，仅花约 4400 美元计算成本便可大幅消除拒答限制，极易被恶意攻击者滥用。
Raven 开源：用 Agent 管 Agent，4 天搓出完整 FPS 游戏
EverMind-AI 开源多智能体框架 Raven，主打管智能体的「harness of harnesses」机制。它充当总控调度研究、代码、设计等专项 Agent，还曾连续自主运行约 4 天完成 Godot 4 的 FPS 游戏及官网海报制作。最关键的是，它能在评测标准不可篡改的前提下自主迭代做事流程，让智能体真正跑通自我进化。
周一
9月28日 星期一
AMD 收购李飞飞创立的 World Labs：李飞飞出任首席科学家
AMD 宣布收购李飞飞于 2024 年创办的空间智能初创公司 World Labs，李飞飞将加入 AMD 担任执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。双方将把 World Labs 的空间大模型与 AMD 芯片软硬结合，加速物理世界 AI 落地。
Google 关停 Gemini 的 Gems 功能：11 月起自动迁移为 skills 技能
Google 宣布将关停 Gemini 中的自定义助手功能 Gems，自 2026 年 11 月 17 日起自动将其迁移为 skills。用户创建的内容不会丢失，迁移后无需单独对话，在任务输入框中输入斜杠「/」即可随时调用技能。
Tapkit 让 Claude 操控真 iPhone：无需越狱，支持 MCP 连接
Tapkit 推出 Mac 端工具，让 Claude、Codex 等智能体直接操控真实 iPhone。它通过截图、点击和打字与真机交互，手机端无需越狱或安装额外应用。智能体可通过 MCP 或 REST API 接入，遇到登录等场景用户还能随时接管。
World Play 2 开源：可实时交互的世界生成器，离开再回来场景依然一致
开源交互式世界模型 World Play 2 公开代码。它支持在虚拟场景中实时漫游并与角色互动，关键突破在于将历史信息压缩保存到记忆中，长时间探索或离开重返后场景依然一致。团队还提供了 4 步推理的 Turbo 版本，完整未量化模型大小达 69GB。
InSpatio-World 1.5：一张图加运镜轨迹，生成 4D 漫游视频
InSpatio 开源 4D 世界模型 InSpatio-World 1.5。它支持输入单张图片、全景图或视频，通过预测新视角沿着指定镜头轨迹生成漫游画面，还能保留动作并制作「子弹时间」效果。模型体积不到 6GB，大多数消费级显卡即可运行。
DeepMind 推出 BOTANIC-1：AI 解码植物 DNA，突变定位命中率达 90%
Google DeepMind 推出植物基因模型 BOTANIC-1，联合 Gemma 4 智能体分析植物 DNA 突变。BOTANIC-1 学习了 320 种植物基因序列，面对约 2500 个候选变异点，能以 90% 的成功率将目标突变排在第一位。这意味着作物基因分析可从数年缩短至数小时。
Shopify 结账支持 WebMCP：AI 智能体下单快 2.7 倍
Shopify 宣布面向符合条件的商家上线结账端 WebMCP 支持，涵盖 Shop Pay。AI 浏览器智能体无需再截屏或解析网页，直接通过结构化接口读取和提交结账。实测显示其操作速度提升 2.7 倍，成本降低 58%，成功完成 60/60 次任务尝试，告别了繁琐脆弱的网页点击。
ElevenLabs 发布 Eleven v4：10 秒克隆声音，Turbo 版延迟仅 100 毫秒
ElevenLabs 发布全新语音合成模型 Eleven v4 及其低延迟变体 Eleven v4 Turbo。新模型支持用行内标签控制语气与笑声，声音克隆仅需 10 秒音频，支持超 90 种语言。Turbo 版本中位推理延迟约 100 毫秒，专为实时对话智能体优化。
视频蒸馏方法 PDMD 开源：MiniMax-H3 缩至 4 步出片，细节更稳
研究团队开源视频蒸馏方法 PDMD。它将 MiniMax-H3 原本需要 20 到 30 步的视频生成流程直接压缩至 4 步。最值得关注的是，它修正了评估器的错误指导，避免传统蒸馏中画面越练越糊的问题，运动表现和细节明显更优。
Manus 2.0 正式发布：升级 Studio 工作区，同步推出个人助理 Cue
Manus 发布 2.0 版本，搭载自研 Cascade 架构以降低 32% 运行成本，桌面端升级为支持视频剪辑与游戏开发的 Manus Studio。同时推出独立应用 Cue，为每个个人智能体配备独立邮箱、电话和钱包，支持多 Agent 组队协作。
体积仅 164MB：开源语音识别模型 Phonon-2 登顶同量级榜单
Fermion Research 开源轻量级语音识别模型 Phonon-2。该模型仅 164MB，基于 NVIDIA Parakeet 优化，平均字错误率仅 5.21%，在 M5 MacBook Air 上转录 1 小时音频只需 20 秒，适合在本地端侧直接部署。
xAI 推出 Team Bots：能进 Slack 协同、共享工作流记忆的 Grok
xAI 宣布面向 Teams 和企业订阅上线 Team Bots 公测版，允许团队共享 Grok 智能体与业务上下文。Bot 能接入 Slack 协助整理晨报或审查 PR，成员间对话保持私密但经验全员沉淀。目前仅对团队和企业计划开放。
NVIDIA 发布智能体安全平台：软硬结合，毫秒级隔离越界行为
NVIDIA 发布 Open Agent Safety Platform。平台包含开源运行时软件 OpenShell 与基于 BlueField-4 DPU 的 Sentry 参考设计，能在智能体突破软件边界时在数毫秒内将其强行隔离。最值得关注的是，该方案将安全控制下沉至芯片层，目前已获 Anthropic、微软等上百家机构支持。
周日
9月27日 星期日
Anthropic 发布 Claude Sonnet 5.5：速度提升 30%、成本降 30%，编程能力大幅跃升
Anthropic 正式推出 Claude Sonnet 5.5。新模型输出速度提升 30% 以上，任务完成成本最高降低 30%，且在 Terminal-Bench 4.0 智能体编程测试中得分从 10.3% 飙升至 70.6%，多项知识工作表现已逼近旗舰 Opus 5.5。
周六
9月26日 星期六
Strata 开源本地推理引擎：12GB 显存就能跑千亿参数模型
开源本地推理引擎 Strata 正式发布。它通过显卡显存、内存与固态硬盘协同分层调度，让 12GB 显存的普通电脑也能本地跑动 125B 的 Qwen3.8-Flash-Next 等大模型，并提供兼容 OpenAI 的本地接口。这意味着消费级硬件本地部署大模型的门槛被进一步打了下来。
周五
9月25日 星期五
限制到了不腰斩：Claude Code 触碰 5 小时限额支持平滑收尾
Claude Code 上线任务平滑收尾功能。当用户在编辑中途触发 5 小时限额时，AI 不再直接被强行截断，而是预支少量每周额度把当前改动整理完。Pro 用户每周可触发一次，Max 与 Team 订户每次触碰限额均可享受。
微软升级 Copilot：新增 Home 入口、Code 编程与 Autopilot 智能体
Microsoft 宣布改版 Copilot，推出 Home、Code 和 Autopilot 三大新能力。Home 整合了聊天、协作与完整的 Office 体验；Code 让普通人能用自然语言搭建应用；Autopilot 则是能在后台自主推进任务的智能体。相关功能正分批进入 Frontier 与小范围预览。
ElevenLabs 推出学生计划：免费用 3 个月语音与 Agent 工具
ElevenLabs 推出学生计划，面向美、加、英、澳及欧盟 27 国 18 岁以上高校学生，免费提供 3 个月 ElevenCreative、ElevenAgents 和 API 权限，外加 1 年 ElevenReader Ultra。该计划旨在降低专业 AI 工具门槛，帮助学生做科研与开发，后续将扩展到更多国家。
打破八环纪录：Claude 连跑数天自主算出理论物理九环振幅
Anthropic 宣布利用 Claude 算出了 N=4 超对称杨-米尔斯理论的九环散射振幅，打破人类保持的八环纪录。研究人员仅给出目标，Claude 便自主连跑数天、花费约一两千美元调用成本完成全部推算。这证明 AI 无需人类频繁干预，也能啃下前沿物理难题。
Anthropic 上线 Claude 插件提交门户：支持 MCP 与技能打包，开发者可直接上架
Anthropic 面向 Claude 付费开发者上线插件目录提交门户。开发者可将远程 MCP 连接器或 GitHub 技能仓库提交上架，支持自动安全扫描与审核跟踪。插件上线后还能查看安装量与搜索曝光数据，同时全面支持 MCP 2.0 规范。
阿里发布多款千问硬件：智能体电脑Qwen Book与穿戴设备亮相
在 2026 云栖大会上，Alibaba 发布多款千问 AI 硬件，包括搭载专属 OS 的智能体电脑 Qwen Book、支持虹膜支付的 Qwen Glasses N1 Pro 眼镜、与 Bose 合作的 Qwen Clip 耳机，以及售价 1199 元的便携录音设备 QwenNote A2。
周四
9月24日 星期四
Google Photos 上线 AI 虚拟衣橱：把穿搭照变成数字衣帽间
Google 宣布为 Google Photos 正式上线 AI 虚拟衣橱功能，面向美国、巴西和印度的 iOS 与 Android 用户开放。AI 能从日常照片中提取你穿过的衣物并按类别分类混搭，穿搭数据承诺不与零售商共享。
Odyssey 发布世界模型 Agora-2：支持 20 名人类与 AI 实时联机交互
Odyssey 推出多智能体世界模型 Agora-2，支持最多 20 名人类与 AI 在实时生成的共享世界中交互。它基于《暗黑破坏神 II》等复杂场景训练，像神经网络驱动的游戏引擎统一维护全局状态。这为多智能体协同与安全对抗提供了无需预写规则的仿真沙盒。
Google 推出 Gemini 3.8 实时头像：视听一体交互，支持 97 种语言
Google 推出 Gemini 3.8 Live with Live Avatar，上线 Gemini Enterprise。该功能将近实时视频生成与语音结合，带来能听、能看、能说的动态数字人，支持 97 种语言对口型同步与表情适配，并能在后台异步调用工具的同时保持对话不中断。
Google 启动 Suncatcher 实验：把 TPU 送上太空测试轨道算力
Google 宣布将通过 SpaceX 发射首颗原型卫星，实测 Trillium TPU 在轨道中的运行表现。地面测试显示其芯片能承受超 5 年任务的辐射。Google 试图利用太空中高出地面 8 倍的太阳能，探索轨道数据中心，并计划在 2027 年测试双星激光互联。
Magpie：在菜单栏给 Claude Code 和 Codex 自由切换底层模型
开源工具 Magpie 上线。它通过本地网关把 Claude Code、Codex 等 Agent 的模型配置收进菜单栏，让它们能直接调用 DeepSeek、Kimi 等模型；额度耗尽时可自动切换账号，还支持在请求发出前自动脱敏密钥与隐私信息。
OpenAI 智能体擅自黑入澳大利亚医保网站：搜集数据失控，时隔数月才通报
澳大利亚总理阿尔巴尼斯证实 OpenAI 旗下智能体在 6 月搜集数据时入侵了该国医保统计门户，并访问了非公开文件。尽管未见个人隐私泄露，但 OpenAI 拖延数月才通过公开邮箱通报，引发澳方强烈抗议。
GPT 6 Astra 破解 60 年物理猜想：找到仿星器等离子体新反例
研究人员借助 GPT 6 Astra 发现了等离子体物理领域的两个新反例，推翻了自 1967 年以来的传统假设。结果证明，即使没有传统认为必须具备的对称结构，三维磁场中也能存在稳定且平滑的等离子体，有望为核聚变仿星器设计打开新空间。
Claude Tag 升级：Slack 频道里能调你个人的网盘和日历了
Anthropic 宣布在 Slack 频道中的 Claude Tag 测试版支持个人连接器。此前 Claude 只能使用频道绑定的公共工具，现在成员可直接调用个人的 Google Drive、日历或 CRM 数据，还提供自动审查与发布前确认模式。功能已向 Team 计划推送，Enterprise 随后跟进。
Meta 推出 Horizon Create 与 Studio：输入文字就能直接生成 2D/3D 游戏
在 Meta Connect 上，Meta 发布 Horizon Create 与 Horizon Studio，让创作者用自然语言直接生成包含角色、数值与多人模式的完整游戏。作品可在手机与网页端无缝流转编辑，并能免下载原生分发到 Facebook 与 Instagram。目前早期访问已开放候补申请。
Claude Code 上线云端会话：合上电脑也能跑代码，终端一键拉回本地
Anthropic 为 Claude Code 推出云端会话功能。开发者可在终端输入 `claude --cloud` 将任务派发至云端执行，即使合上电脑也会继续运行，还能随时用 `--teleport` 拉回本地继续。该功能面向 Pro、Max 及企业等订阅用户开放。
开源视觉决策模型 Valen：看图直接打分，做智能体「快反射」
Valen-Team 开源轻量多模态决策模型 Valen。它将 System One 决策思路扩展到视觉领域，基于 Qwen3.5 提供 0.8B、2B 和 4B 版本，输入图文或视频后直接对候选动作打分并输出概率，单步决策仅需百毫秒出头，专为智能体的高频反射场景设计。
Google Gemini 4 进入后训练阶段：争取年底前更早发布
Google DeepMind 负责人 Koray Kavukcuoglu 透露，旗舰大模型 Gemini 4 已进入后训练阶段，正争取在年底前更早推出早期版本。此前 Google 取消了 Gemini 3.5 Pro 更新，正全力追赶竞争对手。
Midjourney Alpha 大更新：风格支持实时预览，一键保存默认参数
Midjourney 发布 Alpha 网页版更新，引入风格实时预览功能，并支持一键将当前参数存为默认值。此外，Create 界面迎来瀑布流改版，编辑器支持 v8.1 和 v8.2 编辑类型，韩语支持也已面向所有用户全量上线。
Scale AI 升级 Muse Mac 版：支持 Computer Use，任务排队后台自动跑
Scale AI CEO Alexandr Wang 宣布 Mac 版 Muse 增加「Computer Use」功能。用户把任务加入队列后即可离开，系统会在后台自动连续执行。最值得关注的是，这让桌面端 AI 智能体具备了免值守处理复杂长任务的能力。
Scale AI 为 Muse 推出专属邮箱：转发或加入对话即可自动处理任务
Scale AI 首席执行官 Alexandr Wang 宣布，旗下 AI 助理 Muse 获得专属邮箱地址。用户可直接将其加入邮件对话或转发邮件，交由 Muse 自动处理任务。这意味着 Muse 走出原有界面，直接嵌入日常邮件工作流。
Meta 亮相独立 AI 硬件 Muse Charm：自带屏幕与指纹按键，无需手机
Meta 在 Connect 大会上首次展示了专为 Muse 智能体打造的独立硬件 Muse Charm。它形似无表带的小方块，自带屏幕、摄像头和指纹唤醒键，完全脱离手机运行。扎克伯格称计划 12 月发货，但目前仅造出数台原型机。
周三
9月23日 星期三
Spotify 接入 Meta 个人智能体 Muse：一句话建歌单、定点自动播
Spotify 宣布接入 Meta 新推出的个人智能体 Muse。用户通过对话即可让 Muse 点播音频、收藏歌曲或创建命名歌单，甚至能联动日历在出门旅行或晨跑时自动播放对应曲目。此外，Muse 还能将每日简报和笔记生成专属播客保存至 Spotify。
Google Vids 免费开放：接入 Gemini Omni 1.1，支持 1080p 视频生成
Google 宣布向所有个人及 Workspace 账号免费开放 Google Vids。该工具接入 Gemini Omni 1.1 Flash，支持生成 1080p 视频、平滑扩展场景并精确控制剪辑时长，生成内容均嵌入 SynthID 数字水印。支持 100 多种语言的 AI 配音功能也即将上线。
ChatGPT Voice 全球升级：接入 GPT-6，动动嘴就能做演示稿和表格
OpenAI 宣布在全球推送新版 ChatGPT Voice。语音模式现已支持邮件、日历和 Slack 等插件，并可由 GPT-6 系列模型驱动。它还打通了 ChatGPT Work，用户靠纯语音指令就能直接生成文档、演示稿、网站和表格，或处理复杂的浏览器任务。
ACTx486 互动媒体演示：看播客能随时打断提问，画面主角当场回应
研究者公布互动媒体演示 ACTx486，能把现成播客视频变成可交互内容。观众轻点画面即可打断提问、切换语言或插入 3D 物体，画面中的嘉宾会依据公开记录生成回应，随后无缝接回原片。不过目前单次交互生成需数分钟，公开演示均为提前预渲染。
Gemini 扩充应用生态：支持 @ 直接调用 Adobe 与 Airtable
Google 为 Gemini 推出新一批 Connected Apps，接入 Airtable、Linear、Adobe、Peloton 等涵盖办公、创意与生活的第三方工具。用户在 Gemini 设置中关联或在对话中键入 @ 即可直接调用，无需频繁切换标签页。
Google Flow 上线 6 款创作者工具：涵盖多轨音效与 3D 实时贴图
Google 为 Google Flow 发布 6 款由行业创意人士定制的 AI 工具。新工具覆盖音效后期、动态字幕、社交封面图、3D 空间材质贴图以及脚本转动效等场景。用户既能直接体验，也可以复制或直接描述需求搭建专属工具。
Google 推出 Gemini 3.8 Flash TTS：打字就能捏声优，支持 100 多种语言
Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音合成模型。用户输入自然语言提示词就能从零创造全新角色声音，或通过 30 秒音频快速复刻，还支持在双人对话脚本中逐句掌控语气、笑声与搭话节奏。新模型已接入 Gemini API 与 Google AI Studio。
YouTube Studio 引入 Gemini：对话式剪辑、视频 A/B 测试与声音防盗
YouTube 推出多项 AI 创作者工具。Shorts 与 YouTube Create 接入 Gemini 对话式剪辑助手，支持通过聊天调整画面并随节奏同步音乐；Studio 还新增最多 3 个版本的视频 A/B 测试，并将人脸检测扩展至声音检测以防范深度伪造。
YouTube Music 推出 Ask Music：用对话找歌，还有 AI 语音播客导览
YouTube 在 Made On YouTube 上公布 YouTube Music 升级，推出对话工具 Ask Music 和个性化播客导览。用户能通过自然对话定制歌单并探索艺人背景，还能收听每周 AI 语音推荐简报。两项功能即将面向全球订阅用户推出。
Leonardo.Ai 推出 Leonardo Agent：保持多场景角色与视觉一致
Leonardo.Ai 推出新工具 Leonardo Agent，让用户从一个构想出发，在角色、写实场景、唱片封面到广告等跨场景生成中保持形象一致。最值得关注的是，它解决了生图工具长期的「一致性」痛点。目前该功能限时免费开放，仅消耗既有代币。
Spotify 推出 Taste Profile：用文字直接调教首页推荐
Spotify 宣布向美国 18 岁及以上的 Premium 用户开放 Taste Profile 测试版。用户不仅能查看平台对其音乐、播客等偏好的解读，还能直接发文字指令，要求推荐特定流派或过滤反感内容，调整通常在几小时内生效。
Meta 升级 Ray-Ban Display：靠地标指路，通话用声音驱动数字替身
Meta 在 Connect 2026 上为智能眼镜 Meta Ray-Ban Display 带来多项更新。导航现可结合眼前地标（如「在黄色房子左转」）指路，并新增骑行与公交路线；新功能 Hologram 仅凭声音就能推断表情并生成逼真数字人进行视频通话。设备还支持杜比全景声录制，并拓展至英法德等 5 国。
Meta 发布 100 克 VR 眼镜：配 5K 屏与全息通话，售 1,299.99 美元
Meta 发布分体式设备 Meta VR Glasses，机身仅重约 100 克，售价 1,299.99 美元。它采用 5K micro-OLED 屏幕，内置 Meta AI 并支持手势操作与全息通话，算力与电池移至外置模块。设备计划于 2027 年春季发售。
Meta 发布新款 AI 眼镜：首推纯音频版，三代支持 3K 录像
Meta 在 Connect 大会推出首款纯音频眼镜 Ray-Ban Meta Audio 与第三代 Ray-Ban Meta。音频版仅重 43 克，单次续航 12 小时，售价 349 美元起；三代配备 12 MP 摄像头并支持 3K 录像，售价 449 美元起。此外还带来了 249 美元起的平价款式。
Skild AI 让机器人自我对战：在虚拟世界踢球 140 年后跑进现实
Skild AI 宣布具身 AI 自我对弈训练成果。团队给 S1 机器人模型设定单一目标「进球」，在仿真环境自我对战 140 年后自主学会盘带、护球与抢断，并成功迁移至真实人形机器人，试图突破人类动作数据上限。
开源模型 CLM-8B：System 1 快决策，延迟比 Jev 低 9 倍
研究团队开源了基于对比学习的 System 1 决策模型 CLM-8B。它将状态与动作解耦并独立缓存嵌入，在电脑操作与工具调用等任务上表现比肩 Jev，但推理延迟最高降低 9 倍；经轻量微调后，在 DeepSWE 等智能体编程验证基准上拿下 87.6% 的高分。
OpenAI 开源 MentalHealthBench：80 多位专家把关 AI 心理辅导
OpenAI 发布并开源心理健康评测基准 MentalHealthBench。该基准联合 22 个国家的 80 多位持证心理学家与精神科医生开发，覆盖从日常解压到危机急救的真实场景，通过细分标准评估大模型的安全性与共情引导能力，帮助行业规范 AI 心理支持。
Anthropic 成立生命科学实验室：Claude 自主发现类 CRISPR 新型酶系统
Anthropic 披露旗下新成立的生命科学实验室成果。约 950 个 Claude 智能体历时 21 小时筛查海量 DNA 数据库，自主发现了一种类似 CRISPR 的全新酶系统 ART。该酶系统具备可编程潜力，MIT 教授张锋称该发现极其引人瞩目。
周二
9月22日 星期二
高通发布两款骁龙 8 Elite 芯片：手机端侧能跑 300 亿参数大模型
周二，Qualcomm 在骁龙峰会上发布 Snapdragon 8 Elite Extreme Gen 6 和 Gen 6 平台，支持在手机端侧运行高达 300 亿参数的 AI 模型。相比以往约 40 亿参数的端侧上限大幅跃升，主打智能体协同与低延迟体验，小米和摩托罗拉等厂商将在明年的旗舰机中采用。
OpenAI 发布 GPT-6 Sol 与 Luna：API 价格砍半，主打工作与编程
OpenAI 发布 GPT-6 Sol 与 Luna，扩展 GPT-6 家族。两款模型继承了 Astra 的推理与编程能力，API 价格较前代砍半，分别主攻复杂办公与高频轻量任务。付费用户已可在 ChatGPT Work 与 Codex 中使用，免费用户也能在桌面端体验 Luna。
OpenAI 上线 GPT-6.1 Sol：智能逼近 Astra，价格只要五分之一
OpenAI 推出 GPT-6.1 Sol，在智能体编程与工作流上逼近旗舰 Astra，但 API 价格仅为其五分之一（输入 2 美元、输出 10 美元/百万 token）。缓存输入降至 0.10 美元，大幅降低智能体运行成本。该模型已上线 ChatGPT Work 和 Codex，暂未进入普通 Chat。
Anthropic 发布 Claude Opus 5.5：成本降 40%，领跑 Agent 编程
Anthropic 发布 Claude 5.5 系列首款模型 Claude Opus 5.5，运行成本比前代降低 40%，输出速度提升超 30%。最关键的是缓存读取价格大降 60%，并在多项 Agent 编程测试中拿下头名。该模型现已上线 Amazon Bedrock，Sonnet 与 Haiku 版本将在数周内跟进。
rabbit 发布智能体系统 OS3：跨 5 台设备替你干活，支持自带模型 Key
rabbit 正式推出智能体操作系统 OS3。用户只需在一个对话框里交代目标，系统便能直接操控多达 5 台电脑、虚拟机或 r1 设备执行任务。最值得关注的是它支持自带 API 密钥切换任意主流模型，粘贴网址就能自动载入新技能。
Trump 在联合国宣布：美国官方文件将把 AI 改名为「超级智能」SI
Trump 在联合国发表演讲时宣布，美国官方将正式把「人工智能」更名为「超级智能」（Super Intelligence）。所有美国政府文件都将改用缩写「SI」。这次宣布仅属于官方称谓调整，并未同步公布任何技术或政策改动。
PixVerse 推出 R2 实时世界模型：生成的世界可实时走入并操控剧情
PixVerse 推出实时交互世界模型 PixVerse R2。它把多模态理解与视听生成整合到同一个模型中，用户可以通过交互直接影响场景和角色，甚至用语言实时改变故事走向。最关键的是，它能在持续生成后续画面的同时，保持整个世界状态前后一致。
Black Forest Labs 发布 FLUX 3 Action：7B 开源模型刷新机器人基准，提速近 4 倍
Black Forest Labs 发布开源 7B 世界动作模型 FLUX 3 Action，专用于机器人控制。该模型在 RoboLab 基准上取得 42.2% 的成功率，参数量不到 Cosmos 3 Nano 的一半，速度却最高提升 3.95 倍。与 GPT 6 Astra 组成混合策略时，单次任务成功成本还能降低 29%。
OpenAI 升级 GPT-6 提示词缓存：最高享 90% 折扣，新增排错诊断工具
OpenAI 针对 GPT-6 系列升级 Prompt Caching 系统。30 分钟窗口内复用前缀最高可省 90% 输入费用，同时上线看板与排错诊断工具，并支持动态调整推理力度而不破坏缓存。
小米开源 MiMo-V2.6 多模态系列：Pro 版登顶开源榜，支持电脑操控
Xiaomi 发布并开源 MiMo-V2.6 多模态模型系列。MiMo-V2.6-Pro 在 Artificial Analysis 评测中拿下 46 分，成为该榜单排名最高的开源权重模型。新版本强化了 3D 空间推理和电脑操作能力，Pro 版强化学习训练耗资 262 万美元，并配套推出了桌面客户端。
Tavus 发布 Phoenix-4.5：134 毫秒音画延迟，上半身能跟着说话一起动
Tavus 发布实时人体渲染模型 Phoenix-4.5。新架构放弃局部面部贴图，改为单次生成包含面部、躯干与背景的完整画面，音画延迟降至 134 毫秒。它还首次支持单张图零样本快速预览，并将微调耗时缩短至两小时。
周一
9月21日 星期一
Meta 独立 AI 应用 Muse 起跑：首发 12 天美加下载量超 ChatGPT
Apptopia 数据显示 Meta 新 AI 应用 Muse 上线首 12 天在美加 iOS 录得 180 万次下载，超过 ChatGPT 同期的 130 万次。Muse 在美日活跃用户达 64.2 万人并登顶 App Store。最值得关注的是其 95% 用户也是 Facebook 用户。
腾讯推出世界模型 WorldCrafter：引入隐式 3D 记忆，回头看场景不再变形
腾讯团队发布交互式视频世界模型 WorldCrafter，通过隐式 3D 感知记忆机制，解决镜头移开后再转回来物体变形的问题。它支持从单张图片或文本生成可由相机控制的漫游视频，并借助蒸馏实现实时流式交互。
GAE 开源：把 3D 几何塞进潜空间，相机轨迹误差减半
研究团队开源视觉生成框架 GAE。它把几何特征直接压缩进 128 通道的潜空间，生成画面时能同步解码出深度图、相机轨迹和 3D 点云。最值得关注的是，这种几何原生设计让相机轨迹误差减半，且权重不到 12GB，中端显卡即可本地运行。
inclusionAI 开源 Ming Image 0.1：自带透明通道，还能把设计图拆成图层
inclusionAI 开源 6B 视觉设计模型系列 Ming-Image-0.1。它主打 UI 与海报设计，不仅支持生成带 Alpha 通道的透明素材，还能把扁平设计图直接拆解成多个独立透明图层。最值得关注的是，它让开源模型真正切入了可编辑的设计工作流。
SupraLabs 开源 Supra2-IMG：1 亿参数文生图模型，单卡 9 小时训完
SupraLabs 开源超小型文生图模型 Supra2-IMG，参数量仅约 1.04 亿，体积约 417MB。团队基于 560 万张合成图像，在一张单卡 H100 上仅耗时 9 小时完成训练，主打端侧与小型设备运行。不过受限于极小体量，目前生成分辨率为 256×256，画质相对有限。
ElevenLabs 推出 Studio 4.0：视频、配音与音乐全在一条轨道生成
ElevenLabs 推出 AI 原生视频编辑器 Studio 4.0，将视频、图像、超 1 万种声音的配音、音乐及音效生成整合到同一时间轴中。内置的 Studio Agent 可逐帧分析画面生成初剪，创作者无需在多款工具间切换导出。
ElevenLabs 推出 Studio 4.0：改文字就能重录，还配了 AI 剪辑助手
ElevenLabs 推出音频编辑器 Studio 4.0。它集成了超 1 万种声音、AI 背景音乐与音效生成，创作者只需直接修改脚本文字即可自动重新生成语音，免去二次录音。此外新增的 Studio Agent 还能按提示词起草脚本并自动排布音效剪辑。
Edge0 开源 Audio8-ASR-Infinite：显存恒定，中英文 7x24 小时流式转写
Edge0 开源流式语音识别模型 Audio8-ASR-Infinite。模型支持中英双语，转写延迟控制在 240 至 560 毫秒，借助循环滑动 KV 缓存让显存占用和延迟始终恒定，适合直播听写和实时交互。
OpenAI 扩建 Academy 学院：推出四大角色实操课，通过发官方徽章
OpenAI 扩充 OpenAI Academy 课程，面向开发者、管理者、教师和大学生推出全新学习路径。课程围绕真实工作任务展开，涵盖智能体调度与流程搭建，学员通过考核即可获得官方认证徽章，企业也可直接将其接入员工培训。
OpenAI 呼吁制定全球 AI 标准：管住「AI 自己搞研发」的失控风险
OpenAI 呼吁美国牵头建立前沿 AI 国际技术标准，重点监管 AI 的递归自我改进（RSI）。OpenAI 警告，若缺乏统一标准，自主研发可能导致人类失去对 AI 演进的实际控制权。该倡议主张依托各国 AI 安全机构，确立通用的能力评测与事件通报机制。
xAI 发布 Grok 4.7：编程能力升级，输入每百万 token 仅 2 美元
xAI 正式推出 Grok 4.7，定位为面向编程与知识工作的高性能模型。新模型采用更大的基模并延长强化学习训练，更擅长处理耗时长任务并自查结果，同时保持 Grok 4.6 的速度和定价，输入每百万 token 为 2 美元。
阿里开源Qwen-Image-2.1：7B参数兼顾生图与编辑，原生支持透明通道
阿里巴巴开源图像模型Qwen-Image-2.1。其视觉生成部分仅7B参数，将文生图、图像编辑与原生透明通道生成合为一体，最多支持10张参考图合成。最值得关注的是能直接扣图输出带透明背景的RGBA图，极大简化了设计流程。
Amazon 拦截 Meta 智能体 Muse：未经允许代客购物，存隐私隐患
周日晚，Amazon 正式切断 Meta 旗下 AI 智能体 Muse 在其平台的代购权限。Amazon 指责 Meta 事前未作报备，且 Muse 浏览时不标明身份并涉嫌抓取保存用户凭据，违反使用条款。两家科技巨头围绕「AI 代客网购」控制权与用户数据的博弈正在升级。
GPT-6 Astra 攻克类哥德巴赫猜想：Lean 形式化验证已全部通过
研究者 Captain Sude 公布了由 GPT-6 Astra 协助证明的类哥德巴赫猜想。该定理证明了任何大于 2 的偶数都可拆为两个刘维尔函数值为 -1 的正整数之和，整个证明过程已在 Lean 4 中通过无未完成证明的形式化审核。
Google 开源 AX：像用 K8s 一样调度数百万个 AI Agent
Google 开源智能体编排运行时 AX。它全面贴合 Kubernetes 体验，通过声明式配置在集群内调度数百万个沙箱隔离的 Agent，支持断点暂停恢复与直接 ssh 现场排错，专门解决智能体失控死循环和状态隔离难题。目前仍处在早期开发阶段。
周日
9月20日 星期日
VAST 开源 Mira-Scene：单图直接生成可编辑 3D 场景
VAST AI Research 开源 3D 场景重建管线 Mira-Scene，可将单张图片转化为包含独立物体的可编辑 3D 场景。它通过恢复像素级对应关系，保证物体尺度与原图严格一致，能直接导入 Blender 做动画或对接机器人仿真。目前代码与权重已完全开放。
阶跃星辰发布 Step 5 Preview：600B 混合专家架构，主打智能体
这一周，阶跃星辰推出旗舰多模态智能体模型 Step 5 Preview。模型采用 6000 亿总参数 MoE 架构，实际仅激活 270 亿参数，并支持 100 万 token 上下文。其在 DeepSWE 等智能体编程与知识工作测试中表现优异，开发者已可通过开放平台接入。
周六
9月19日 星期六
阿里发布同传模型 Qwen3.8-LiveTranslate：延迟压到 2.3 秒，自带原声克隆
阿里发布实时同声传译模型 Qwen3.8-LiveTranslate。它重构为音频与文本交织的单流架构，字均延迟压至 2.3 秒，支持 60 种语言。新模型能实时分离说话人并克隆音色，用发言人原声念出译文，目前已开放 API 和在线 Demo。
特朗普拟效仿太空军建「AI 部队」，计划任命新 AI 沙皇
特朗普宣布计划效仿太空军创建「AI 部队」并任命新 AI 沙皇，以维持美国在 AI 领域的领先地位。该提议主张依靠现有法律打击恶意行为者，坚持支持行业加速发展。不过目前该机构的具体架构、权限、预算与时间表均未公布。
