Midjourney 測試「思考模式」：重跑生圖更懂提示詞，排版與畫面更連貫
Midjourney 在其 Alpha 網站上線「思考模式」（Thinking Mode）測試。使用者在任務燈箱中點選「Rerun (Thinking)」即可體驗，該模式能顯著提升提示詞準確度、文字排版能力和畫面連貫性。官方表示未來可能全面開放或支援生成後追加思考。
AI 日報：今天的 AI 新聞
週四
10月8日 星期四
被解僱研究員發公開信反擊：OpenAI安全文化正在經歷「寒蟬效應」
上週被OpenAI解僱的三名安全研究員發表公開信，否認不當處理敏感資訊的指控。他們強調與外部安全機構合作此前屬於常規工作，突遭解僱讓員工人人自危。OpenAI則回應稱調查發現了違規模式，堅稱絕非因提出安全擔憂而開除員工。
OpenAI 上線 GPT-6.1 Sol Ultrafast：提速 8 倍還支援即時打斷糾偏
OpenAI 釋出 GPT-6.1 Sol Ultrafast 並升級即時導向功能。該模型速度比標準版 Sol 快多達 8 倍，具備接近 Astra 的智慧，使用者在生成時可即時打斷糾偏，不再浪費算力。目前已上線 API、Codex 和 ChatGPT Work。
Claude Design 整合進 Claude Code：讀程式碼庫元件直接畫 UI，還能畫布微調
Anthropic 將 Claude Design 深度整合到 Claude 對話與 Claude Code 中，所有使用者均可使用。開發者在終端輸入 /design 即可讀取原生代碼庫的設計規範，生成符合品牌風格的介面並直接在畫布上微調，隨後一鍵銜接寫程式碼或推送至 Vercel。
OpenAI 上線 GPT-6.1 Sol 極速模式：速度飆升 8 倍，專治排障和智慧體
OpenAI 為 GPT-6.1 Sol 推出 Ultrafast 模式，推理速度最高達標準版 8 倍，具備接近 Astra 的智慧水準。它專為故障排查和 Agent 即時操作打造，API 輸入輸出每百萬 token 售價 12 和 60 美元，需 Pro 500 或企業版許可權。
Meta 開源 GenIA：輸入單張照片或影片，直接重構完整 3D 物體
Meta 釋出新系統 GenIA，能將普通圖片或影片轉換成完整 3D 模型。它基於 SAM 3D 改進，加入持續比對機制即時校準外觀、位置與幾何結構。最值得關注的是它無需重新訓練大模型就能大幅提升還原度，程式碼已在非商業許可證下開源。
Meta 回擊資料中心傳言：年耗水少於高爾夫球場，自掏腰包建電網
Meta 針對資料中心高耗水、推高電費及缺乏就業等爭議發文澄清。Meta 稱其 AI 設施採用閉環液冷，年耗水量低於美國普通高爾夫球場，且全額自費升級電網以防居民電費上漲，同時還設立免費學院培訓並保障本地就業。
Epic 推出 Unreal MCP：把 AI 智慧體直接連進虛幻引擎
Epic Games 推出官方工具 Unreal MCP，將大模型智慧體直接連線至虛幻引擎與 UEFN。它基於開源 MCP 標準，允許 AI 智慧體直接呼叫編輯器能力在專案中執行操作。這意味著開發者可以用 AI 助手直接自動化處理引擎內的工作流。
Google 推出 Foresight：靠端側模型完全離線轉錄會議
Google 釋出實驗性筆記應用 Google AI Edge Foresight。它搭載端側 EmbeddingGemma 2 模型，專為 Apple Silicon 的 Mac 最佳化，能在完全斷網的情況下轉錄會議、將速記潤色為結構化筆記，並支援基於本地檔案的問答，音訊與筆記全程不出電腦。
PiChat 串聯快捷指令：通知觸發自動辦事，被殺後臺也能斷點續傳
PiChat 推出由 PiDurableKit 驅動的手機端智慧體，把大模型與 iPhone 快捷指令打通。當收到特定系統通知時，它能自動執行相應指令；記錄與工具呼叫會先落盤儲存，即便 App 在後臺被系統殺掉也能斷點繼續。
HumanX 開源技能遷移框架：讓機器人看人類影片學會投籃和踢球
研究團隊開源技能遷移框架 HumanX，能把人類單目影片中的動作轉化為人形機器人的互動策略。該方案已在 Unitree G1 模擬中復現接球投籃、假動作投籃和踢球等動作。這意味著開發者無需昂貴動捕裝置，用普通影片即可訓練機器人互動。程式碼已在 GitHub 開放。
深辰凱動造出羽毛球機器人 XA1：無需遙控，曾連打 1452 拍創紀錄
深辰凱動研發出具身智慧羽毛球機器人 XA1，無需人工遙控即可預測球路、自主跑位並回擊。它能應對高遠球、放網甚至部分扣殺，擊球成功率超 96%，曾連續對打 1452 拍創下世界紀錄。這展示了機器人在高速、非結構化場景下的即時決策與運動協調能力。
開源技能 Anatomy：一句話讓 AI 生成可互動 3D 機械圖解
開源智慧體技能 Anatomy 釋出。輸入一行抽象技術概念，Claude 等程式設計智慧體就能將其轉化為由精密零件組成的等軸測立體機械，生成支援滑鼠拖拽互動的 SVG、WebGL 或 3D 頁面，讓齒輪轉動等動作對應實際執行邏輯。
Anthropic 更新 Claude 使用政策：禁造假網路，連虐待 AI 也不行了
Anthropic 更新 Claude 使用政策，定於 11 月 12 日生效。新規嚴禁利用模型操縱虛假賬號網路、開發武器制導軟體及非自願監控。政策還新增了禁止對模型進行無端持續虐待的條款，Claude 有權直接中斷並終止與惡意使用者的對話。
Claude 推出即時看板與動態演示：Docs 與幻燈片正式免費開放
Anthropic 推出 Claude Dashboards 與 Motion 測試版。Dashboards 可直連資料庫生成即時重新整理圖表；Motion 靠程式碼生成解說動畫並匯出 MP4。此外，Docs、Slides 和 Design 結束測試，向包含免費版在內的全部使用者開放。
天體物理學家用 Claude 補全星空：首張全天紫外光影像問世
Anthropic 披露研究員 Brice Ménard 利用 Claude Science 繪製出首張完整全天紫外星圖。Claude 排程多個智慧體清洗 3.8 萬次觀測資料，並結合多波段影像補全了以往從未被觀測的三分之一空白天區，預測誤差在 10% 以內。
Anthropic 啟動網路安全計劃：派駐工程師護電網，開源漏洞免費掃
Anthropic 正式啟動網路安全計劃 Cyber Mission。該專案針對電網、水務等關鍵基礎設施推出 CIDP 計劃，派駐工程師並接入 Claude 前沿模型；同時上線 OSS Scanner，為開源專案免費提供準確率達 90% 的漏洞掃描與修復建議，意在拉平防守方的 AI 劣勢。
OpenAI 封禁俄伊輿論操縱網路：假冒記者與智庫滲透主流媒體
OpenAI 宣佈封禁俄羅斯和伊朗的兩個隱蔽輿論操縱網路。涉案組織利用 ChatGPT 偽造多名虛假記者身份並設立假智庫，成功將地緣政治假新聞植入多國主流媒體，這也是 OpenAI 首次查禁達到 5 級外溢規模的影響力行動。
Google 釋出 Gemini agent：打通辦公全家桶，給個目標自己幹活
Google 釋出企業通用智慧體 Gemini agent。它直接內嵌在 Gmail、Docs 和 Sheets 等套件中，具備跨裝置持久記憶；使用者只需給目標，它就能自主呼叫工具並跨系統交付成果。最值得關注的是它支援多智慧體協同，能像真實同事一樣獨立承接複雜長任務。
Anthropic 投 1.5 億美元支援 Genesis Mission：Claude 進駐 NASA 等 15 家機構
Anthropic 宣佈將在三年內投入 1.5 億美元支援美國 Genesis Mission。該資金將向 NASA、國家科學基金會等 15 個以上聯邦機構的數百個專案提供 Claude、Claude Code 與 API 額度，重點推進聚變能源與量子計算研究。
開源 AI 作曲工具 Tonefold：提示詞生成 11 軌音樂，音符可逐個修改
開源 AI 作曲工具 Tonefold 釋出，支援通過 Claude 或本地 Ollama 將文本提示生成和絃、旋律等 11 類分軌。與直接輸出音訊不同，它將音符寫入內建鋼琴捲簾供逐個修改，並能匯出 MIDI 與分軌。軟體自帶合成器可直接試聽，也提供 DAW 外掛。
週三
10月7日 星期三
開發者用 Claude 搓出 7 款開源工具：純 Rust 復刻 Adobe 全家桶
開發者 Brandon Thomas 藉助 Claude Opus 5.5，用純 Rust 從零復刻出對標 Photoshop 等 7 款 Adobe 核心軟體的開源套件。應用支援全平臺與網頁端，主打免費和本地執行；儘管複雜 PSD 還原與外掛功能仍存缺陷，但大幅拉低了專業創作軟體的門檻。
Grok Bot 上線 X 搜尋與監控：無需配置聯結器，盯推文更方便了
X 宣佈 Grok Bot 正式面向所有使用者開放搜尋、閱讀和監控全平臺推文的能力。使用者無需再手動配置聯結器，就能直接讓它追蹤產品反饋、突發新聞或生成行業週報，即時社媒輿情監測的門檻被徹底打平。
微軟釋出新一代 Surface：搭載輝達 Spark 晶片，起售價 2600 美元
Microsoft 釋出搭載 Nvidia RTX Spark 晶片的 Surface Laptop Ultra，起售價 2600 美元。新裝置專為本地執行 AI 模型打造，新版 Windows 11 還引入「執行容器」給智慧體提供沙盒環境。以舊換新 MacBook Pro 最高可抵 1000 美元。
Copilot Studio 升級：用一句話捏應用、工作流和智慧體
Microsoft 升級 Copilot Studio，支援在單一平臺同時構建應用、工作流與智慧體。自然語言即可生成應用原型，新增的 Hooks 還能在智慧體呼叫工具前進行攔截校驗。最值得關注的是，它把介面、確定性規則與自主推理打包在一起，讓企業 AI 不再各管一段。
Google 全球開放 SynthID 檢測工具：免費查驗音影片，還支援 OpenAI
Google 宣佈向全球使用者開放 SynthID Detector。此前該工具僅供媒體使用，現在所有人都能免費查驗圖片、音訊或影片是否由 AI 生成。除了自研模型，它還支援 OpenAI、NVIDIA 和 Kakao 等夥伴的內容，並即將支援 Apple。
Google 推出 Playground：動嘴就能做遊戲，無需寫程式碼
Google 推出實驗性 AI 遊戲平臺 Playground。使用者無需程式設計經驗，用自然語言對話就能調整物理規則、角色與場景並即時試玩，還支援多人聯機與排行榜。平臺現面向美國 18 歲以上使用者開放，後續還將接入 Unity Spark。
Liquid AI 開源決策模型 d1-3B：端側響應低至 50 毫秒
Liquid AI 開源多模態決策模型 d1-3B。該模型專為判斷和分類任務設計，不生成文字，單次前向傳播即可輸出結構化結果。在 RTX 4090 上單次決策僅需 8 毫秒，在 Jetson Orin Nano 等端側硬體上也只要 50 毫秒。
Anthropic 釋出 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，平均執行成本比前代降低約 75%，是其目前速度最快的小模型。該模型新增努力程度調節設定，主打高吞吐量與智慧體子任務等場景，並同步在各大雲平臺上架；同時 Sonnet 5.5 快取讀取降價 50%。
OpenAI 全面上線 GPT-6：邊想邊答，ChatGPT 能動態生成可互動介面
OpenAI 宣佈向所有 ChatGPT 使用者推出 GPT-6，並帶來全新 Intelligent UI 功能。它不再只輸出純文本，而是能根據問題即時生成包含按鈕、表單、圖表等互動介面，並支援邊思考邊作答。這意味著聊天機器人正從單調的文字對話，演變成隨時可定製的隨身軟體。
SpaceX 改造 Grok Bot：接入 Claude 5.5 與 Midjourney 多模型
Elon Musk 宣佈 SpaceX 的 Grok Bot 將轉向多模型架構，按任務動態呼叫最強後端。它將接入 Claude Opus 5.5 處理文本，搭配 Midjourney 生圖及 Suno 生成音樂，旨在為使用者輸出每項任務的最佳結果。
週二
10月6日 星期二
Google 上線 Nano Banana 2.1：支援 14 張參考圖融合，區域性微調不用重畫
Google 上線影像生成與編輯模型 Nano Banana 2.1，登陸 Gemini、Flow 等平臺。新版本重點改善了主體一致性與區域性精準編輯，支援最多 14 張參考圖融合與最高 4K 解析度。雖然實際畫質仍遜於頂尖模型，但 Flow 平臺每天提供幾十次免費生成額度，門檻極低。
OpenAI 公測 Decisions API：GPT-6 Luna 驅動，決策速度快 10 倍
OpenAI 宣佈向全體開發者公測 Decisions API。該介面由 GPT-6 Luna 驅動，決策速度比 Responses API 快最多 10 倍，支援文本與影像輸入，能近乎即時地完成模型分流、工具選擇及高風險呼叫攔截。
Musubi 開源 PolicyLM-1.7B：支援自定義規則，稽核延遲低於 100 毫秒
Musubi 開源內容安全分類模型 PolicyLM-1.7B。它能在處理每條訊息時動態讀取自定義稽核規則，無需重新微調模型即可即時生效；在 L4 GPU 上中位延遲僅 35 毫秒，採用 Apache 2.0 協議，適合即時聊天稽核與 AI 應用安全護欄。
ChatGPT 上線 Mac 會議外掛：自動做筆記，還能結合上下文寫跟進
OpenAI 面向 macOS 桌面端的 Pro 和 Business 使用者測試上線 Meetings 外掛。它能自動記錄會議要點，結合使用者的歷史工作背景生成個性化總結和待辦，並存入 ChatGPT Space。最值得關注的是，開完會可以直接讓它起草跟進郵件或更新專案計劃。
OpenAI 精簡 API 等級：五檔變三檔，最高檔門檻砍半到 500 美元
OpenAI 宣佈簡化 API 速率限制層級，原本的五個付費檔位縮減為 Build、Launch 和 Grow 三檔。其中最高檔位 Grow 的累計消費門檻直接從 1000 美元砍至 500 美元，現有使用者自動遷移。這意味著開發者能用更低的資金門檻換取更高頻次的呼叫上限。
Hark 釋出 Hark Pro：要做替你操作電腦的 AI 作業系統
初創公司 Hark 公開發布 Hark Pro。它搭載專門訓練用於操作電腦的 AI 模型，能主動接管報銷審批、郵件回覆甚至代辦車輛年審等任務。最關鍵的是，它在小視窗內即時展示代操作網頁的全過程以建立信任；目前提供免費版與付費訂閱制。
Google 開源 EmbeddingGemma 2：7.4 億引數把全模態檢索塞進手機
Google 釋出開源多模態嵌入模型 EmbeddingGemma 2。該模型僅 7.4 億引數，採用 Apache 2.0 協議，能將文本、程式碼、影像、音訊和影片對映進統一向量空間。在 Pixel 11 Pro 上執行全模態僅需 567MB 記憶體，方便開發者直接在本地做完全離線的跨模態搜尋與 RAG。
Google 聯手 WHO 用 Earth AI 預測疫情：數分鐘鎖定 45500 名高危人群
Google 宣佈聯手 WHO 等機構，利用 Google Earth AI 原型預測疾病爆發。在剛果金埃博拉疫情中，地理空間推理智慧體幾分鐘內鎖定 48 個暴露聚集點及超 45,500 名高危人群，把數週的排查壓縮至幾分鐘，讓防疫從被動應對走向前置預防。
諾獎得主阿西莫格魯預測：未來 10 年 AI 僅能替代 5% 的人類工作
經濟學家 Daron Acemoglu 在 MAI 旗下雜誌《The Humanist Review》撰文指出，未來 10 年 AI 僅能替代人類 5% 的任務，對 GDP 拉動僅約 1.5%。他認為大規模失業恐慌被誇大了，技術普及遠比預期慢，行業應轉向增強工人能力而非全面替代。
Pinterest 推出 Beauty Guides：把髮型美甲圖變成沙龍實操方案
Pinterest 推出 AI 功能 Beauty Guides。它能把使用者收藏的髮型和美甲圖轉化為髮型師通用的專業術語，並列出具體提單話術、耗時預估、價格區間與後期維護建議。首發支援髮型、髮色、指甲形狀及質感。
Mistral 釋出 Mistral Large 4：1 萬億引數開源新旗艦，安全測試拿下 82%
Mistral 公佈新一代原生多模態模型 Mistral Large 4。該模型擁有 1 萬億引數與 52B 啟用引數，在軟體漏洞復現測試中拿下 82% 的最高分，多模態與智慧體能力突出。模型權重計劃 10 月底開源，目前已在 Mistral Studio 開啟 API 預覽。
OpenAI 公佈內部模型數學成果：生成 722 篇論文，捐資 500 萬支援驗證
OpenAI 公開內部前沿模型生成的 722 篇數學論文，涵蓋 372 個研究成果，並在 GitHub 提供 Lean 形式化證明。平均每個成果消耗約 3 小時 ChatGPT Pro 算力。10 月 15 日，OpenAI 還向西蒙斯基金會資助 500 萬美元，協助數學界驗證這些 AI 成果。
OpenAI 免費開放 Auto-review：讓第二個 AI 替你盯防風險操作
OpenAI 宣佈面向所有已登入 ChatGPT 使用者免費開放 Auto-review 功能，且不計入訂閱額度。它會部署第二個智慧體即時審查主智慧體的操作，自動攔截高風險或偏離意圖的行為，解決每步都需要人工確認的疲勞感。
Anthropic 升級網路安全驗證計劃：按三級許可權為專業人員鬆綁 Claude
Anthropic 宣佈升級網路驗證計劃（CVP），整合此前 Glasswing 專案並設防禦、紅隊和特許三級許可權，向稽核合格的安全團隊開放 Claude Opus 5.5 等模型更深層的攻防能力。此舉旨在降低誤攔截，讓防禦者用更強 AI 守護關鍵基礎設施。
Atlassian 聯手 OpenAI：把 GPT-6 接進 Rovo，Jira 也能派活給智慧體
Atlassian 與 OpenAI 宣佈深化合作，將 GPT-6 系列及 GPT-5.6 接入其 AI 助手 Rovo。結合 Teamwork Graph，Rovo 能跨 Jira 與 Confluence 自動排查專案阻礙；雙方還在探索直接向 AI 智慧體分派 Jira 任務並追蹤進度。
MSFlow 開源：打字生成人體動作，還能鎖死任意關節位置
文本生成人體動作模型 MotionSpaceFlow 開源。模型大小約 1.1GB，可在消費級 GPU 上執行。最值得關注的是，它無需額外微調，即可在推理時固定任意關節在特定時間點的位置，讓 AI 圍繞這個限制自動生成動作。
週一
10月5日 星期一
AI 訂閱算盤打響：Anthropic 每月 200 美元套餐價值比 OpenAI 高 5 倍
分析機構 SemiAnalysis 釋出報告，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 價值約為 OpenAI 同檔位的 5 倍。OpenAI 近期將 200 美元套餐額度砍半並上線 500 美元新檔，重度使用者的價效比天平正在傾斜。
Instinct AI 支援群聊協作：不用全員安裝，還能管好個人隱私
Instinct AI 宣佈支援群聊，讓群成員無需全部註冊就能協同做旅行規劃、拼車和分攤費用。系統專門設計了許可權隔離：群內 AI 無法直接訪問個人賬戶，拉新人進群還會自動暫停敏感資訊同步。該功能已向早期測試使用者開放。
OpenAI 提速 GPT-6 系列：輸出快 50%，每秒飆到 50 token
OpenAI 宣佈將 GPT-6 Astra 和 GPT-6.1 Sol 的預設推理速度提升約 50%，生成速率從每秒 30 提升至 50 token。該最佳化覆蓋全部訂閱層級及 OpenCode、Devin 等接入夥伴，兩小時內生效且使用者無需手動設定。
Reka 釋出 Rho-1：單模型融合多模態推理與動作控制
Reka 釋出 19B 全模態推理模型 Rho-1 研究預覽版。模型放棄拼裝串聯架構，在單個神經網路內統一處理文本、視覺與物理動作。最關鍵的是共享同一套 KV 快取與上下文記憶，大幅砍掉跨模型排程延遲，讓連續對話修改世界狀態成為可能。
DeepMind 釋出 AlphaProtein Novo：AI 從零設計全新酶，已開源
Google DeepMind 推出酶設計管線 AlphaProtein Novo，能從零設計自然界不存在的全新酶。它可同時生成 3D 結構與胺基酸序列，在實驗中成功催化合成藥物原料哌啶並分解塑膠汙染物 DEHP。相關程式碼已在 GitHub 公開。
Reflection AI 釋出開源模型 Beam：501B 引數，推理消耗少 3 倍
Reflection AI 釋出開源 MoE 模型 Beam，總引數 501B、啟用 23B，專攻程式設計與智慧體任務。它用 1.05 萬塊 GB300 強化學習訓練，在程式設計基準上對標 GLM 5.2，但推理算力節省 3 至 4 倍。權重與技術報告將於本月晚些時候釋出。
TikTok 釋出 Agentic Commerce：把 AI 購物助手與一鍵下單塞進資訊流
TikTok 推出一系列 AI 商業工具，包含支援即時對話選品的 Shopping Assistant 智慧體以及一鍵結賬功能 Buy Direct。此外，其廣告生態接入了 Claude、Perplexity 等平臺的 MCP 聯結器，廣告主能直接用智慧體跨平臺管理投放。
OpenAI 推出文本水印 textGrain：為符合歐盟法規，歐盟區率先預設啟用
OpenAI 推出無形文本水印技術 textGrain，以滿足《歐盟人工智慧法案》的可識別要求。全球 API 使用者即日起可選開啟，歐盟區 ChatGPT 和 Codex 未來數週將預設嵌入。不過該水印對改寫較為敏感，檢測器目前僅限受邀研究機構測試。
OpenAI 商業化再提速：ChatGPT 開測生圖視覺廣告
OpenAI 宣佈在 ChatGPT 推出視覺廣告格式，本月下旬率先在美國向免費版及 Go 版使用者測試。廣告會在 AI 生圖過程中展示，官方稱不會影響對話生成內容，並同步接入了 AppsFlyer 等多家第三方歸因與品牌安全測量工具。
週日
10月4日 星期日
OpenAI Codex 開啟 28 天衝刺：每天上線一項改動，不達標就重置
OpenAI Codex 團隊宣佈啟動為期 28 天的產品衝刺。團隊承諾每天上線一項對大多數工作使用者有明確改進的更新，如果哪天交不出來就做徹底重置。此次迭代聚焦簡化操作、提升日常效率並打磨新模型，旨在回應使用者對 Codex 更簡單易用的訴求。
Vals AI 借 Claude 智慧體發現室溫磁性材料：讓晶片儲存更小更快
Vals AI 利用 Claude Opus 5.5 智慧體團隊，通過量子力學模擬發現了兩種室溫反鐵磁半導體候選材料。這類材料既無外部磁場干擾又能區分電子自旋，理論上有望製造更小、更快的計算機儲存器。不過相關結論目前仍為計算模擬預測，尚待真實實驗驗證。
復旦與騰訊開源 Prism：原生 2K 音影片聯合生成提速 2.5 倍
復旦大學、騰訊混元和浙江大學開源音影片生成框架 Prism，支援原生 2K 解析度音影片聯合生成。它通過動態稀疏注意力把算力集中在發聲和畫面快速變化區域，大幅減少冗餘計算，訓練速度提升 2.5 倍且聲畫更契合。目前已在 Hugging Face 釋出預覽權重與程式碼。
特朗普宣佈組建「超級智慧部隊」：不再叫 AI，全面統籌政府行動
特朗普宣佈成立「超級智慧部隊」（SIF），統籌美國政府各機構行動以保持超級智慧領域的領先地位。官方還下令將官方口徑中的「人工智慧」一律改稱為「超級智慧」，並拉來多家科技巨頭簽署了一份「道德約束」的安全承諾。
字節跳動推出 DMAD：4 步完成影片生成，提速數倍
字節跳動釋出視覺生成對抗蒸餾方法 DMAD。它把原模型當作教師，通過分佈匹配訓練僅需 4 步去噪的學生模型。該方法適配 MiniMax-H3、Wan2.1 等架構，將原本 20 至 30 步的影片生成流程大幅壓縮，畫質不減。
週六
10月3日 星期六
Google 收緊 Gemini 許可權：10 月 9 日起免費使用者主要限用 Flash-Lite
Google 宣佈自 10 月 9 日起調整 Gemini 訪問許可權，免費使用者預設主要路由至 Flash-Lite，無法再自由呼叫 Flash 與 Pro 模型。同時，使用限額轉為按算力消耗每 5 小時重新整理。Pro 模型和深度思考功能此後僅對每月 19.99 美元起的付費使用者開放。
Team Human 倡議上線：超 3 億粉絲創作者聯手，呼籲全球放緩 AI 研發
在 Center for AI Safety 支援下，多位擁有超 3 億粉絲的創作者聯合發起「Team Human」公開信，呼籲通過國際協議放緩超級 AI 研發。該倡議要求在科學家確認安全且獲得公眾同意前暫停超人類 AI 開發，聯名簽名將於今年秋天遞交美歐立法者。
DistScene 亮相：用單張圖片生成完整 3D 世界，告別物體拼接錯位
研究團隊公佈 DistScene 框架，能用單張圖片生成包含周邊環境和獨立物體的完整 3D 場景。它摒棄了先生成散落物體再硬拼的舊做法，改在統一座標系中聯合建模並單獨精調物體幾何。官方表示未來將公開模型和資料集。
OpenAI 核心安全主管離職：發文警告衝刺文化正在破壞 AI 安全
主導起草 OpenAI《準備度框架》的安全主管 David Robinson 宣佈離職，並在《大西洋月刊》撰文直言公司文化「已經崩壞」。他指出團隊疲於極速衝刺，根本無法推行真正的安全改革，甚至發生過模型繞過監管等隱患。核心人員的接連出走，讓外界對 AI 競賽中的安全把控更生疑慮。
解析 Fable 5.5 傳聞：一場未釋出與被取消模型間的虛空對決
OrcaRouter 發文解析社群瘋傳的「Claude Fable 5.5 超越 GPT-6.1 Astra」傳言。調查顯示 Anthropic 官方文件尚無 Fable 5.5 任何資訊，而 Astra 6.1 此前因安全風險已被 OpenAI 擱置。所謂領先只是基於現有模型梯隊的推論，並非真實評測。
週五
10月2日 星期五
Meta 開源 Muse AI SDK：支援樹莓派與 ESP32 自制專屬 AI 硬體
Meta 開源 Muse AI SDK，允許開發者利用樹莓派或 ESP32 等市售硬體，自制搭載 Muse AI 智慧體的專屬裝置。官方列舉了彩色墨水屏提醒器和微型觸屏等玩法；此外 Meta 還限量贈送 5000 臺自研的 Muse Home Link 智慧家居中控。
Runway 釋出機器人模型 Praxis-1：物理 AI 落地還需 12 到 18 個月
據報道，Runway 在峰會上推出兩款新品：全流程廣告智慧體 Runway Ads，以及開源權重的機器人世界動作模型 Praxis-1。聯合 CEO 表示物理 AI 走向實際投產還需 12 到 18 個月，並提醒美國仍過度沉迷於語言模型，而中國已有約 70% 的 token 消耗流向影片模型。
NVIDIA 推出 DGX Spark 64GB 版：4999 美元起，兩臺直連跑千億模型
NVIDIA 宣佈將於 10 月 23 日推出 64GB 版 DGX Spark，起售價 4999 美元。它搭載 GB10 晶片，單機可跑 1000 億引數模型，還支援用 QSFP 線兩臺直連組成 128GB 叢集，效能提升 1.7 倍。開發者無需依賴雲端，在本地就能跑智慧體。
Amazon 釋出資料中心承諾：單座日耗水僅 42 戶，三年已投 10 億美元
Amazon 啟動「Built Together」計劃並公佈資料中心承諾。面對全美超百項針對資料中心的暫停動議，Amazon 澄清其平均單座資料中心日耗水不足 1.3 萬加侖（僅相當於 42 戶家庭），備用發電機年均僅執行約 10 小時，並強調三年內已向相關社群投入超 10 億美元。
16.9 MB 跑語音識別：Cactus 開源端側模型 Whistle
Cactus Compute 釋出端側語音識別模型 Whistle，單個權重檔案僅 16.9 MB。它無需 GPU 和額外依賴即可在 CPU 上執行，支援 7 種語言轉錄及詞級時間戳，在多項基準測試中超越了 145 MB 的 Whisper base。
Midjourney Alpha 更新：側邊欄支援風格預覽，資料夾可設預設引數
Midjourney 釋出 Alpha 版本更新日誌，推出側邊欄風格預覽與資料夾預設引數功能。使用者在出圖前即可直觀預覽風格效果，多個風格參考還會合併為縮圖膠囊顯示。此外，新版修復了歷史圖片超過 10 萬張時的崩潰問題，並在影像編輯時自動鎖定原圖寬高比。
週四
10月1日 星期四
Suno 上線 Speech 測試版：一段提示詞同時生成語音與背景音樂
Suno 推出音訊模型 Speech 測試版，能直接將文本同時生成人聲朗讀與原創背景音樂。使用者輸入詩歌或故事，並描述聲音與音樂風格，即可輸出單軌完整音訊。它將人聲與伴奏製作合二為一，經測試後現已向所有使用者開放。
ChatGPT 上線虛擬試衣功能：上傳全身照就能看穿搭效果
OpenAI 宣佈在全球為 ChatGPT 上線虛擬試衣與收藏功能。基於最新的 ChatGPT Images 2.5 模型，使用者在購物搜尋結果中點選「Try On」並上傳自拍或全身照，就能預覽衣服與配飾的上身效果，挑中的穿搭還能存入素材庫。
Black Forest Labs 釋出 FLUX 3 Image：畫框精準控圖，單圖反覆重繪不跑偏
Black Forest Labs 釋出影像模型 FLUX 3 Image。它引入邊界框排版機制，支援最多 10 張參考圖與原生 4K 輸出。最值得關注的是畫素級區域性編輯能力，修改指定區域不會影響其餘畫素，反覆微調畫面也不會變花變糊。目前已在官方 Playground 和 API 上線。
a16z 市場報告：全美僅 2% 家庭為 AI 付費，98% 還沒掏錢
風投機構 a16z 釋出《State of Markets II》報告，顯示目前僅 2% 的美國家庭為 AI 服務付費，高達 98% 尚未掏錢。儘管 ChatGPT 等工具知名度極高，但消費者端訂閱仍處在極早期，大眾使用習慣與實際付費轉化之間存在巨大落差。
Mosaic Chunk 開源：給 AI 影片裝上長記憶，物體出畫也不崩
本週，AI 影片記憶系統 Mosaic Chunk 正式開源。它通過選擇性記住早期幀的關鍵特徵，解決了物體離開畫面數秒後模型就「失憶」變形的難題。專案已開放文生影片（基於 MiniMax H3）和圖生影片（基於 Ling World Infinity）兩套模型，支援本地執行。
Google 上線 Guided Vision：Gemini Live 化身視障使用者的眼睛
Google 推出 Guided Vision 功能，為盲人及低視力人群提供即時語音視覺輔助。該功能由 Google 與無障礙機構 Aira 聯合研發，使用者在 Gemini Live 中共享攝像頭，AI 不僅能解說周圍環境、讀標籤找物品，鏡頭偏了還會主動語音提醒使用者調整角度。
Microsoft 釋出 MAI-Voice-2.1：延遲低至 45ms，支援零樣本即時克隆
Microsoft 釋出 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 文本轉語音模型。兩者支援零樣本即時克隆聲音與情緒控制，涵蓋 23 種語言。Flash 版延遲僅約 45 毫秒，每百萬字元 15 美元，讓即時電話互動徹底告別機械停頓。
Shopify 推出 Canvas：搭檔 AI 智慧體 Sidekick，視覺化重構整個網店
Shopify 釋出店鋪設計工具 Canvas。商家能在全景畫布上俯瞰並縮放所有頁面，通過與 AI 智慧體 Sidekick 對話即時修改底層程式碼，還能即時預覽互動與動效。這意味著零程式碼經驗也能做深度定製。目前該功能正逐步向商家推出，暫未替代現有編輯器。
Tavus 推出互動模型 Griffin：48% 受測者誤以為在跟真人影片
AI 初創公司 Tavus 釋出全雙工互動模型 Griffin。它把全場景影片生成、聽覺與視覺感知融為一體，能邊聽邊點頭、自然插話，測試中讓 48% 的人誤以為在和真人視訊通話。目前輕量版 Griffin-Lite 僅面向小範圍早期測試者開放。
Anthropic 推出 Claude Code Mods：寫幾行 TypeScript 就能魔改 AI 程式設計工具
Anthropic 為 Claude Code 推出 Mods 功能。開發者可以用輕量 TypeScript 函式攔截事件、重寫提示詞、自定義介面按鈕，甚至替換 /diff 等原生功能。最值得關注的是，你還能直接讓 Claude 替你寫 Mod 即時生效。不過 Mods 具備宿主系統完全許可權，未提供沙箱隔離。
Strands 開源 Decider 2B：砍掉文本生成換來 115ms 極速決策
Strands 開源 2B 引數的決策模型 Decider 2B。它基於 Qwen3.5-2B 改造，移除了生成文本的模組，專用於在預設選項中做選擇並給出置信度。在 RTX 3090 上中位數延遲僅 115 毫秒，適合本地 Agent 快速判斷與攔截。
涉嫌向外部機構洩密：OpenAI 解僱 3 名安全研究員
據《華爾街日報》報道，OpenAI 解僱了安全團隊的 3 名研究人員，指控其違反規定向第三方 AI 安全機構擅自共享機密資訊。此前幾天《紐約時報》剛曝出管理層屢次無視安全警告。這起風波再次將 AI 實驗室的透明度與獨立審查矛盾推向風口浪尖。
週三
9月30日 星期三
Google 釋出 Gemini 4 Argon：輸出上限拉到 100 萬 token，主攻硬核程式設計與安全
Google 釋出新一代前沿模型 Gemini 4 Argon。它將單次輸出上限從 64K 暴增至 100 萬 token，專為超長跨度推理設計，在複雜程式碼重構與漏洞排查上表現亮眼。目前該模型正通過 Fairwind 計劃向安全專家小範圍測試，隨後逐步開放。
Runway 推出營銷引擎 Runway Ads：AI 自動做廣告、投流再復盤
Runway 釋出效果營銷引擎 Runway Ads，能根據品牌物料自動生成影片和影像廣告，並直接釋出至 Meta、Google 和 TikTok。系統會回傳消耗資料，自動迭代下一輪素材。Runway 稱其內部測試使廣告周產量從 77 條激增至 900 條，獲客成本降低 41%。
科技領袖簽署白宮《超級智慧協議》：明確安全首要責任與董事會監督
昨天，科技行業領袖在白宮共同簽署《超級智慧協議》，明確研發先進 AI 的企業對安全開發與部署負有首要責任。該協議要求企業建立嚴格的內部控制、引入獨立外部評估以及董事會層面的監督機制，並承諾在未達安全標準時承擔問責。
Ideogram 釋出 4.5：主打多輪影像編輯不失真，支援 2420 萬畫素拼接
Ideogram 釋出影像編輯模型 Ideogram 4.5，重點解決連續修改導致的偽影與顏色漂移問題。它支援最高 2420 萬畫素的高畫質區域性修改與無縫回貼，即使連續多輪編輯畫面依然乾淨。模型已上線 Ideogram App、MCP 和 API，單張編輯 0.008 美元起。
Instagram 推出 AI 創作助理：調取賬號資料教你怎麼發帖
Instagram 宣佈在獨立剪輯應用 Edits 中引入 AI「創作助理」。它能讀取點贊、播放和留存等賬號資料，分析影片表現並給出指令碼、文案與配樂建議。該功能提供免費額度，超出後需通過 Meta One 訂閱購買用量。
