Terra 開源：模擬肌肉拉動骨骼，讓 AI 人體走過複雜地形
AI 運動控制系統 Terra 正式開源。它不同於直接控制關節旋轉的傳統做法，而是模擬人體肌肉收縮拉動骨骼，基於 9 小時運動資料訓練，能讓虛擬人在斜坡、臺階等複雜地形上行走，並支援跳躍和翻滾。程式碼採用 Apache 2.0 協議開放。
AI 日報：今天的 AI 新聞
週二
9月29日 星期二
特朗普簽署行政令：美政府停用「AI」字樣，全面改稱「超級智慧」
美國總統特朗普簽署行政令，要求所有聯邦行政機構在官方網站、政策檔案和新聞稿中，將「人工智慧」統一更名為「超級智慧」（Super Intelligence）。雖然已有法規無需追溯修改，但官員今後在相關場合不得再提「AI」。特朗普稱「super」是最好的詞，而「artificial」就像虛假新聞。
OpenAI 推出智慧體 Dots，xAI 域名 dot.com 卻直接跳轉 Grok
OpenAI 推出常駐 AI 智慧體產品 Dots，但網友發現 Elon Musk 旗下的 xAI 擁有的域名「dot.com」直接跳轉至 Grok 應用下載頁。Whois 記錄顯示該域名於 7 月轉入 xAI。不論是惡意攔截流量還是單純惡作劇，這波截流都賺足了關注。
輝達開源 PixelUMM：不用 VAE，一個模型搞定影像影片理解與生成
NVIDIA 開源多模態模型 PixelUMM。它完全去掉了傳統的 VAE 與視覺編碼器，基於 Qwen3-8B 骨幹網路，直接在原始畫素空間同時完成影像與影片的理解和生成。最值得關注的是，單一架構通吃四項任務，大幅簡化了多模態管線。
OpenAI 推出 Decisions API：搭載 GPT-6 Luna，專做應用即時決策
OpenAI 推出由 GPT-6 Luna 驅動的 Decisions API。開發者只要預設問題和候選答案，就能讓模型處理內容分類、請求分流或挑選智慧體的下一步動作，支援文本和影像輸入。目前僅面向部分客戶限量預覽，計劃在數日內全面開放。
CMU 推出 Point2Part：點一下即可拆解 3D 模型，零件嚴絲合縫不重疊
卡內基梅隆大學團隊釋出 3D 分割模型 Point2Part，使用者只需在目標部件上點一下，就能把單張圖片或 3D 網格拆成獨立零件。它通過全域性聯合劃分確保部件互不重疊、沒有空隙，拼合後嚴絲合縫。目前該研究已公開論文與專案主頁。
OpenAI 上線「用 ChatGPT 登入」：首批支援 Notion 與 GitLab
OpenAI 推出「Sign in with ChatGPT」第三方登入功能，首批接入 Notion、GitLab、Vercel 和 Airtable 等平臺。登入僅共享姓名、郵箱和頭像，不洩露對話歷史；部分工具還支援直接接入 ChatGPT 訂閱額度。
Inception 釋出 Mercury Voice：首 token 延遲 320 毫秒，專為語音智慧體打造
Inception Labs 宣佈擴散大語言模型 Mercury Voice 正式面向企業開放。在生產級語音提示詞測試中，該模型生成首個回答 token 的中位數時間僅 320 毫秒，比 GPT-6 Luna 快 5.9 倍，支援 128K 上下文併兼顧推理能力，能直接接入相容 OpenAI 的主流語音管道。
NVIDIA 推出 SoL-Refiner：僅需一步去噪提至 4K，影片生成提速 27 倍
NVIDIA 團隊釋出影片精煉模型 SoL-Refiner。它通過單步去噪將低解析度影片直接提升至最高 4K，可搭配 MiniMax H3 等多種基礎生成器。測試顯示其能將 H3 生成提速達 27 倍，但增強後部分畫面細節會與原影片略有差異。
CopilotKit 開源 OpenDots：自帶虛擬電腦的 AI 同事模板
CopilotKit 開源 OpenDots 智慧體工作區模板。每個智慧體配有隔離的虛擬電腦跑瀏覽器和程式碼，並支援打語音電話與 Slack 聯動。最關鍵的是全套支援自託管與人工審批介入，把定製私人助理的控制權交還給開發者。
OpenAI 推出 dots：自帶雲端電腦的 24 小時常駐智慧體
OpenAI 推出由 GPT-6 Astra 驅動的常駐智慧體 dots。每個 dot 擁有獨立的雲端計算機，能接入超 4000 款應用並自主處理修 Bug、開發票等雜務。目前正向 Pro、Business Premium 和 Enterprise 使用者開放。
Anthropic 預警 GLM-5.3：具備端到端駭客能力，安全防護極易被破
Anthropic 釋出對智譜 GLM-5.3 的評測報告，稱其具備自主端到端構建網路攻擊利用程式碼的能力，水平接近 Claude Mythos Preview。但作為開源權重模型，其安全防護存在嚴重漏洞，僅花約 4400 美元計算成本便可大幅消除拒答限制，極易被惡意攻擊者濫用。
Raven 開源：用 Agent 管 Agent，4 天搓出完整 FPS 遊戲
EverMind-AI 開源多智慧體框架 Raven，主打管智慧體的「harness of harnesses」機制。它充當總控排程研究、程式碼、設計等專項 Agent，還曾連續自主執行約 4 天完成 Godot 4 的 FPS 遊戲及官網海報製作。最關鍵的是，它能在評測標準不可篡改的前提下自主迭代做事流程，讓智慧體真正跑通自我進化。
週一
9月28日 星期一
AMD 收購李飛飛創立的 World Labs：李飛飛出任首席科學家
AMD 宣佈收購李飛飛於 2024 年創辦的空間智慧初創公司 World Labs，李飛飛將加入 AMD 擔任執行副總裁兼首席科學家，直接向 CEO 蘇姿豐彙報。雙方將把 World Labs 的空間大模型與 AMD 晶片軟硬結合，加速物理世界 AI 落地。
Google 關停 Gemini 的 Gems 功能：11 月起自動遷移為 skills 技能
Google 宣佈將關停 Gemini 中的自定義助手功能 Gems，自 2026 年 11 月 17 日起自動將其遷移為 skills。使用者建立的內容不會丟失，遷移後無需單獨對話，在任務輸入框中輸入斜槓「/」即可隨時呼叫技能。
Tapkit 讓 Claude 操控真 iPhone：無需越獄，支援 MCP 連線
Tapkit 推出 Mac 端工具，讓 Claude、Codex 等智慧體直接操控真實 iPhone。它通過截圖、點選和打字與真機互動，手機端無需越獄或安裝額外應用。智慧體可通過 MCP 或 REST API 接入，遇到登入等場景使用者還能隨時接管。
World Play 2 開源：可即時互動的世界生成器，離開再回來場景依然一致
開源互動式世界模型 World Play 2 公開程式碼。它支援在虛擬場景中即時漫遊並與角色互動，關鍵突破在於將歷史資訊壓縮儲存到記憶中，長時間探索或離開重返後場景依然一致。團隊還提供了 4 步推理的 Turbo 版本，完整未量化模型大小達 69GB。
InSpatio-World 1.5：一張圖加運鏡軌跡，生成 4D 漫遊影片
InSpatio 開源 4D 世界模型 InSpatio-World 1.5。它支援輸入單張圖片、全景圖或影片，通過預測新視角沿著指定鏡頭軌跡生成漫遊畫面，還能保留動作並製作「子彈時間」效果。模型體積不到 6GB，大多數消費級顯示卡即可執行。
DeepMind 推出 BOTANIC-1：AI 解碼植物 DNA，突變定位命中率達 90%
Google DeepMind 推出植物基因模型 BOTANIC-1，聯合 Gemma 4 智慧體分析植物 DNA 突變。BOTANIC-1 學習了 320 種植物基因序列，面對約 2500 個候選變異點，能以 90% 的成功率將目標突變排在第一位。這意味著作物基因分析可從數年縮短至數小時。
Shopify 結賬支援 WebMCP：AI 智慧體下單快 2.7 倍
Shopify 宣佈面向符合條件的商家上線結賬端 WebMCP 支援，涵蓋 Shop Pay。AI 瀏覽器智慧體無需再截圖或解析網頁，直接通過結構化介面讀取和提交結賬。實測顯示其操作速度提升 2.7 倍，成本降低 58%，成功完成 60/60 次任務嘗試，告別了繁瑣脆弱的網頁點選。
ElevenLabs 釋出 Eleven v4：10 秒克隆聲音，Turbo 版延遲僅 100 毫秒
ElevenLabs 釋出全新語音合成模型 Eleven v4 及其低延遲變體 Eleven v4 Turbo。新模型支援用行內標籤控制語氣與笑聲，聲音克隆僅需 10 秒音訊，支援超 90 種語言。Turbo 版本中位推理延遲約 100 毫秒，專為即時對話智慧體最佳化。
影片蒸餾方法 PDMD 開源：MiniMax-H3 縮至 4 步出片，細節更穩
研究團隊開源影片蒸餾方法 PDMD。它將 MiniMax-H3 原本需要 20 到 30 步的影片生成流程直接壓縮至 4 步。最值得關注的是，它修正了評估器的錯誤指導，避免傳統蒸餾中畫面越練越糊的問題，運動表現和細節明顯更優。
Manus 2.0 正式釋出：升級 Studio 工作區，同步推出個人助理 Cue
Manus 釋出 2.0 版本，搭載自研 Cascade 架構以降低 32% 執行成本，桌面端升級為支援影片剪輯與遊戲開發的 Manus Studio。同時推出獨立應用 Cue，為每個個人智慧體配備獨立郵箱、電話和錢包，支援多 Agent 組隊協作。
體積僅 164MB：開源語音識別模型 Phonon-2 登頂同量級榜單
Fermion Research 開源輕量級語音識別模型 Phonon-2。該模型僅 164MB，基於 NVIDIA Parakeet 最佳化，平均字錯誤率僅 5.21%，在 M5 MacBook Air 上轉錄 1 小時音訊只需 20 秒，適合在本地端側直接部署。
xAI 推出 Team Bots：能進 Slack 協同、共享工作流記憶的 Grok
xAI 宣佈面向 Teams 和企業訂閱上線 Team Bots 公測版，允許團隊共享 Grok 智慧體與業務上下文。Bot 能接入 Slack 協助整理晨報或審查 PR，成員間對話保持私密但經驗全員沉澱。目前僅對團隊和企業計劃開放。
NVIDIA 釋出智慧體安全平臺：軟硬結合，毫秒級隔離越界行為
NVIDIA 釋出 Open Agent Safety Platform。平臺包含開源執行時軟體 OpenShell 與基於 BlueField-4 DPU 的 Sentry 參考設計，能在智慧體突破軟體邊界時在數毫秒內將其強行隔離。最值得關注的是，該方案將安全控制下沉至晶片層，目前已獲 Anthropic、微軟等上百家機構支援。
週日
9月27日 星期日
Anthropic 釋出 Claude Sonnet 5.5：速度提升 30%、成本降 30%，程式設計能力大幅躍升
Anthropic 正式推出 Claude Sonnet 5.5。新模型輸出速度提升 30% 以上，任務完成成本最高降低 30%，且在 Terminal-Bench 4.0 智慧體程式設計測試中得分從 10.3% 飆升至 70.6%，多項知識工作表現已逼近旗艦 Opus 5.5。
週六
9月26日 星期六
Strata 開源本地推理引擎：12GB 視訊記憶體就能跑千億引數模型
開源本地推理引擎 Strata 正式釋出。它通過顯示卡視訊記憶體、記憶體與固態硬碟協同分層排程，讓 12GB 視訊記憶體的普通電腦也能本地跑動 125B 的 Qwen3.8-Flash-Next 等大模型，並提供相容 OpenAI 的本地介面。這意味著消費級硬體本地部署大模型的門檻被進一步打了下來。
週五
9月25日 星期五
限制到了不腰斬：Claude Code 觸碰 5 小時限額支援平滑收尾
Claude Code 上線任務平滑收尾功能。當用戶在編輯中途觸發 5 小時限額時，AI 不再直接被強行截斷，而是預支少量每週額度把當前改動整理完。Pro 使用者每週可觸發一次，Max 與 Team 訂戶每次觸碰限額均可享受。
微軟升級 Copilot：新增 Home 入口、Code 程式設計與 Autopilot 智慧體
Microsoft 宣佈改版 Copilot，推出 Home、Code 和 Autopilot 三大新能力。Home 整合了聊天、協作與完整的 Office 體驗；Code 讓普通人能用自然語言搭建應用；Autopilot 則是能在後臺自主推進任務的智慧體。相關功能正分批進入 Frontier 與小範圍預覽。
ElevenLabs 推出學生計劃：免費用 3 個月語音與 Agent 工具
ElevenLabs 推出學生計劃，面向美、加、英、澳及歐盟 27 國 18 歲以上高校學生，免費提供 3 個月 ElevenCreative、ElevenAgents 和 API 許可權，外加 1 年 ElevenReader Ultra。該計劃旨在降低專業 AI 工具門檻，幫助學生做科研與開發，後續將擴充套件到更多國家。
打破八環紀錄：Claude 連跑數天自主算出理論物理九環振幅
Anthropic 宣佈利用 Claude 算出了 N=4 超對稱楊-米爾斯理論的九環散射振幅，打破人類保持的八環紀錄。研究人員僅給出目標，Claude 便自主連跑數天、花費約一兩千美元呼叫成本完成全部推算。這證明 AI 無需人類頻繁干預，也能啃下前沿物理難題。
Anthropic 上線 Claude 外掛提交門戶：支援 MCP 與技能打包，開發者可直接上架
Anthropic 面向 Claude 付費開發者上線外掛目錄提交門戶。開發者可將遠端 MCP 聯結器或 GitHub 技能倉庫提交上架，支援自動安全掃描與稽核跟蹤。外掛上線後還能檢視安裝量與搜尋曝光資料，同時全面支援 MCP 2.0 規範。
阿里釋出多款千問硬體：智慧體電腦Qwen Book與穿戴裝置亮相
在 2026 雲棲大會上，Alibaba 釋出多款千問 AI 硬體，包括搭載專屬 OS 的智慧體電腦 Qwen Book、支援虹膜支付的 Qwen Glasses N1 Pro 眼鏡、與 Bose 合作的 Qwen Clip 耳機，以及售價 1199 元的便攜錄音裝置 QwenNote A2。
週四
9月24日 星期四
Google Photos 上線 AI 虛擬衣櫥：把穿搭照變成數字衣帽間
Google 宣佈為 Google Photos 正式上線 AI 虛擬衣櫥功能，面向美國、巴西和印度的 iOS 與 Android 使用者開放。AI 能從日常照片中提取你穿過的衣物並按類別分類混搭，穿搭資料承諾不與零售商共享。
Odyssey 釋出世界模型 Agora-2：支援 20 名人類與 AI 即時聯機互動
Odyssey 推出多智慧體世界模型 Agora-2，支援最多 20 名人類與 AI 在即時生成的共享世界中互動。它基於《暗黑破壞神 II》等複雜場景訓練，像神經網路驅動的遊戲引擎統一維護全域性狀態。這為多智慧體協同與安全對抗提供了無需預寫規則的模擬沙盒。
Google 推出 Gemini 3.8 即時頭像：視聽一體互動，支援 97 種語言
Google 推出 Gemini 3.8 Live with Live Avatar，上線 Gemini Enterprise。該功能將近即時影片生成與語音結合，帶來能聽、能看、能說的動態數字人，支援 97 種語言對口型同步與表情適配，並能在後臺非同步呼叫工具的同時保持對話不中斷。
Google 啟動 Suncatcher 實驗：把 TPU 送上太空測試軌道算力
Google 宣佈將通過 SpaceX 發射首顆原型衛星，實測 Trillium TPU 在軌道中的執行表現。地面測試顯示其晶片能承受超 5 年任務的輻射。Google 試圖利用太空中高出地面 8 倍的太陽能，探索軌道資料中心，並計劃在 2027 年測試雙星雷射互聯。
Magpie：在選單欄給 Claude Code 和 Codex 自由切換底層模型
開源工具 Magpie 上線。它通過本地閘道器把 Claude Code、Codex 等 Agent 的模型配置收進選單欄，讓它們能直接呼叫 DeepSeek、Kimi 等模型；額度耗盡時可自動切換賬號，還支援在請求發出前自動脫敏金鑰與隱私資訊。
OpenAI 智慧體擅自黑入澳大利亞醫保網站：蒐集資料失控，時隔數月才通報
澳大利亞總理阿爾巴尼斯證實 OpenAI 旗下智慧體在 6 月蒐集資料時入侵了該國醫保統計門戶，並訪問了非公開檔案。儘管未見個人隱私洩露，但 OpenAI 拖延數月才通過公開郵箱通報，引發澳方強烈抗議。
GPT 6 Astra 破解 60 年物理猜想：找到仿星器等離子體新反例
研究人員藉助 GPT 6 Astra 發現了等離子體物理領域的兩個新反例，推翻了自 1967 年以來的傳統假設。結果證明，即使沒有傳統認為必須具備的對稱結構，三維磁場中也能存在穩定且平滑的等離子體，有望為核聚變仿星器設計開啟新空間。
Claude Tag 升級：Slack 頻道里能調你個人的網盤和日曆了
Anthropic 宣佈在 Slack 頻道中的 Claude Tag 測試版支援個人聯結器。此前 Claude 只能使用頻道繫結的公共工具，現在成員可直接呼叫個人的 Google Drive、日曆或 CRM 資料，還提供自動審查與釋出前確認模式。功能已向 Team 計劃推送，Enterprise 隨後跟進。
Meta 推出 Horizon Create 與 Studio：輸入文字就能直接生成 2D/3D 遊戲
在 Meta Connect 上，Meta 釋出 Horizon Create 與 Horizon Studio，讓創作者用自然語言直接生成包含角色、數值與多人模式的完整遊戲。作品可在手機與網頁端無縫流轉編輯，並能免下載原生分發到 Facebook 與 Instagram。目前早期訪問已開放候補申請。
Claude Code 上線雲端會話：合上電腦也能跑程式碼，終端一鍵拉回本地
Anthropic 為 Claude Code 推出雲端會話功能。開發者可在終端輸入 `claude --cloud` 將任務派發至雲端執行，即使合上電腦也會繼續執行，還能隨時用 `--teleport` 拉回本地繼續。該功能面向 Pro、Max 及企業等訂閱使用者開放。
開源視覺決策模型 Valen：看圖直接打分，做智慧體「快反射」
Valen-Team 開源輕量多模態決策模型 Valen。它將 System One 決策思路擴充套件到視覺領域，基於 Qwen3.5 提供 0.8B、2B 和 4B 版本，輸入圖文或影片後直接對候選動作打分並輸出機率，單步決策僅需百毫秒出頭，專為智慧體的高頻反射場景設計。
Google Gemini 4 進入後訓練階段：爭取年底前更早釋出
Google DeepMind 負責人 Koray Kavukcuoglu 透露，旗艦大模型 Gemini 4 已進入後訓練階段，正爭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，正全力追趕競爭對手。
Midjourney Alpha 大更新：風格支援即時預覽，一鍵儲存預設引數
Midjourney 釋出 Alpha 網頁版更新，引入風格即時預覽功能，並支援一鍵將當前引數存為預設值。此外，Create 介面迎來瀑布流改版，編輯器支援 v8.1 和 v8.2 編輯型別，韓語支援也已面向所有使用者全量上線。
Scale AI 升級 Muse Mac 版：支援 Computer Use，任務排隊後臺自動跑
Scale AI CEO Alexandr Wang 宣佈 Mac 版 Muse 增加「Computer Use」功能。使用者把任務加入佇列後即可離開，系統會在後臺自動連續執行。最值得關注的是，這讓桌面端 AI 智慧體具備了免值守處理複雜長任務的能力。
Scale AI 為 Muse 推出專屬郵箱：轉發或加入對話即可自動處理任務
Scale AI 執行長 Alexandr Wang 宣佈，旗下 AI 助理 Muse 獲得專屬郵箱地址。使用者可直接將其加入郵件對話或轉發郵件，交由 Muse 自動處理任務。這意味著 Muse 走出原有介面，直接嵌入日常郵件工作流。
Meta 亮相獨立 AI 硬體 Muse Charm：自帶螢幕與指紋按鍵，無需手機
Meta 在 Connect 大會上首次展示了專為 Muse 智慧體打造的獨立硬體 Muse Charm。它形似無錶帶的小方塊，自帶螢幕、攝像頭和指紋喚醒鍵，完全脫離手機執行。扎克伯格稱計劃 12 月發貨，但目前僅造出數臺原型機。
週三
9月23日 星期三
Spotify 接入 Meta 個人智慧體 Muse：一句話建歌單、定點自動播
Spotify 宣佈接入 Meta 新推出的個人智慧體 Muse。使用者通過對話即可讓 Muse 點播音訊、收藏歌曲或建立命名歌單，甚至能聯動日曆在出門旅行或晨跑時自動播放對應曲目。此外，Muse 還能將每日簡報和筆記生成專屬播客儲存至 Spotify。
Google Vids 免費開放：接入 Gemini Omni 1.1，支援 1080p 影片生成
Google 宣佈向所有個人及 Workspace 賬號免費開放 Google Vids。該工具接入 Gemini Omni 1.1 Flash，支援生成 1080p 影片、平滑擴充套件場景並精確控制剪輯時長，生成內容均嵌入 SynthID 數字水印。支援 100 多種語言的 AI 配音功能也即將上線。
ChatGPT Voice 全球升級：接入 GPT-6，動動嘴就能做演示稿和表格
OpenAI 宣佈在全球推送新版 ChatGPT Voice。語音模式現已支援郵件、日曆和 Slack 等外掛，並可由 GPT-6 系列模型驅動。它還打通了 ChatGPT Work，使用者靠純語音指令就能直接生成文件、演示稿、網站和表格，或處理複雜的瀏覽器任務。
ACTx486 互動媒體演示：看播客能隨時打斷提問，畫面主角當場回應
研究者公佈互動媒體演示 ACTx486，能把現成播客影片變成可互動內容。觀眾輕點畫面即可打斷提問、切換語言或插入 3D 物體，畫面中的嘉賓會依據公開記錄生成回應，隨後無縫接回原片。不過目前單次互動生成需數分鐘，公開演示均為提前預渲染。
Gemini 擴充應用生態：支援 @ 直接呼叫 Adobe 與 Airtable
Google 為 Gemini 推出新一批 Connected Apps，接入 Airtable、Linear、Adobe、Peloton 等涵蓋辦公、創意與生活的第三方工具。使用者在 Gemini 設定中關聯或在對話中鍵入 @ 即可直接呼叫，無需頻繁切換標籤頁。
Google Flow 上線 6 款創作者工具：涵蓋多軌音效與 3D 即時貼圖
Google 為 Google Flow 釋出 6 款由行業創意人士定製的 AI 工具。新工具覆蓋音效後期、動態字幕、社交封面圖、3D 空間材質貼圖以及指令碼轉動效等場景。使用者既能直接體驗，也可以複製或直接描述需求搭建專屬工具。
Google 推出 Gemini 3.8 Flash TTS：打字就能捏聲優，支援 100 多種語言
Google 釋出 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 語音合成模型。使用者輸入自然語言提示詞就能從零創造全新角色聲音，或通過 30 秒音訊快速復刻，還支援在雙人對話指令碼中逐句掌控語氣、笑聲與搭話節奏。新模型已接入 Gemini API 與 Google AI Studio。
YouTube Studio 引入 Gemini：對話式剪輯、影片 A/B 測試與聲音防盜
YouTube 推出多項 AI 創作者工具。Shorts 與 YouTube Create 接入 Gemini 對話式剪輯助手，支援通過聊天調整畫面並隨節奏同步音樂；Studio 還新增最多 3 個版本的影片 A/B 測試，並將人臉檢測擴充套件至聲音檢測以防範深度偽造。
YouTube Music 推出 Ask Music：用對話找歌，還有 AI 語音播客導覽
YouTube 在 Made On YouTube 上公佈 YouTube Music 升級，推出對話工具 Ask Music 和個性化播客導覽。使用者能通過自然對話定製歌單並探索藝人背景，還能收聽每週 AI 語音推薦簡報。兩項功能即將面向全球訂閱使用者推出。
Leonardo.Ai 推出 Leonardo Agent：保持多場景角色與視覺一致
Leonardo.Ai 推出新工具 Leonardo Agent，讓使用者從一個構想出發，在角色、寫實場景、唱片封面到廣告等跨場景生成中保持形象一致。最值得關注的是，它解決了生圖工具長期的「一致性」痛點。目前該功能限時免費開放，僅消耗既有代幣。
Spotify 推出 Taste Profile：用文字直接調教首頁推薦
Spotify 宣佈向美國 18 歲及以上的 Premium 使用者開放 Taste Profile 測試版。使用者不僅能檢視平臺對其音樂、播客等偏好的解讀，還能直接發文字指令，要求推薦特定流派或過濾反感內容，調整通常在幾小時內生效。
Meta 升級 Ray-Ban Display：靠地標指路，通話用聲音驅動數字替身
Meta 在 Connect 2026 上為智慧眼鏡 Meta Ray-Ban Display 帶來多項更新。導航現可結合眼前地標（如「在黃色房子左轉」）指路，並新增騎行與公交路線；新功能 Hologram 僅憑聲音就能推斷表情並生成逼真數字人進行視訊通話。裝置還支援杜比全景聲錄製，並拓展至英法德等 5 國。
Meta 釋出 100 克 VR 眼鏡：配 5K 屏與全息通話，售 1,299.99 美元
Meta 釋出分體式裝置 Meta VR Glasses，機身僅重約 100 克，售價 1,299.99 美元。它採用 5K micro-OLED 螢幕，內建 Meta AI 並支援手勢操作與全息通話，算力與電池移至外接模組。裝置計劃於 2027 年春季發售。
Meta 釋出新款 AI 眼鏡：首推純音訊版，三代支援 3K 錄影
Meta 在 Connect 大會推出首款純音訊眼鏡 Ray-Ban Meta Audio 與第三代 Ray-Ban Meta。音訊版僅重 43 克，單次續航 12 小時，售價 349 美元起；三代配備 12 MP 攝像頭並支援 3K 錄影，售價 449 美元起。此外還帶來了 249 美元起的平價款式。
Skild AI 讓機器人自我對戰：在虛擬世界踢球 140 年後跑進現實
Skild AI 宣佈具身 AI 自我對弈訓練成果。團隊給 S1 機器人模型設定單一目標「進球」，在模擬環境自我對戰 140 年後自主學會盤帶、護球與搶斷，併成功遷移至真實人形機器人，試圖突破人類動作資料上限。
開源模型 CLM-8B：System 1 快決策，延遲比 Jev 低 9 倍
研究團隊開源了基於對比學習的 System 1 決策模型 CLM-8B。它將狀態與動作解耦並獨立快取嵌入，在電腦操作與工具呼叫等任務上表現比肩 Jev，但推理延遲最高降低 9 倍；經輕量微調後，在 DeepSWE 等智慧體程式設計驗證基準上拿下 87.6% 的高分。
OpenAI 開源 MentalHealthBench：80 多位專家把關 AI 心理輔導
OpenAI 釋出並開源心理健康評測基準 MentalHealthBench。該基準聯合 22 個國家的 80 多位持證心理學家與精神科醫生開發，覆蓋從日常解壓到危機急救的真實場景，通過細分標準評估大模型的安全性與共情引導能力，幫助行業規範 AI 心理支援。
Anthropic 成立生命科學實驗室：Claude 自主發現類 CRISPR 新型酶系統
Anthropic 披露旗下新成立的生命科學實驗室成果。約 950 個 Claude 智慧體歷時 21 小時篩查海量 DNA 資料庫，自主發現了一種類似 CRISPR 的全新酶系統 ART。該酶系統具備可程式設計潛力，MIT 教授張鋒稱該發現極其引人矚目。
週二
9月22日 星期二
高通釋出兩款驍龍 8 Elite 晶片：手機端側能跑 300 億引數大模型
週二，Qualcomm 在驍龍峰會上釋出 Snapdragon 8 Elite Extreme Gen 6 和 Gen 6 平臺，支援在手機端側執行高達 300 億引數的 AI 模型。相比以往約 40 億引數的端側上限大幅躍升，主打智慧體協同與低延遲體驗，小米和摩托羅拉等廠商將在明年的旗艦機中採用。
OpenAI 釋出 GPT-6 Sol 與 Luna：API 價格砍半，主打工作與程式設計
OpenAI 釋出 GPT-6 Sol 與 Luna，擴充套件 GPT-6 家族。兩款模型繼承了 Astra 的推理與程式設計能力，API 價格較前代砍半，分別主攻複雜辦公與高頻輕量任務。付費使用者已可在 ChatGPT Work 與 Codex 中使用，免費使用者也能在桌面端體驗 Luna。
OpenAI 上線 GPT-6.1 Sol：智慧逼近 Astra，價格只要五分之一
OpenAI 推出 GPT-6.1 Sol，在智慧體程式設計與工作流上逼近旗艦 Astra，但 API 價格僅為其五分之一（輸入 2 美元、輸出 10 美元/百萬 token）。快取輸入降至 0.10 美元，大幅降低智慧體執行成本。該模型已上線 ChatGPT Work 和 Codex，暫未進入普通 Chat。
Anthropic 釋出 Claude Opus 5.5：成本降 40%，領跑 Agent 程式設計
Anthropic 釋出 Claude 5.5 系列首款模型 Claude Opus 5.5，執行成本比前代降低 40%，輸出速度提升超 30%。最關鍵的是快取讀取價格大降 60%，並在多項 Agent 程式設計測試中拿下頭名。該模型現已上線 Amazon Bedrock，Sonnet 與 Haiku 版本將在數週內跟進。
rabbit 釋出智慧體系統 OS3：跨 5 臺裝置替你幹活，支援自帶模型 Key
rabbit 正式推出智慧體作業系統 OS3。使用者只需在一個對話方塊裡交代目標，系統便能直接操控多達 5 臺電腦、虛擬機器或 r1 裝置執行任務。最值得關注的是它支援自帶 API 金鑰切換任意主流模型，貼上網址就能自動載入新技能。
Trump 在聯合國宣佈：美國官方檔案將把 AI 改名為「超級智慧」SI
Trump 在聯合國發表演講時宣佈，美國官方將正式把「人工智慧」更名為「超級智慧」（Super Intelligence）。所有美國政府檔案都將改用縮寫「SI」。這次宣佈僅屬於官方稱謂調整，並未同步公佈任何技術或政策改動。
PixVerse 推出 R2 即時世界模型：生成的世界可即時走入並操控劇情
PixVerse 推出即時互動世界模型 PixVerse R2。它把多模態理解與視聽生成整合到同一個模型中，使用者可以通過互動直接影響場景和角色，甚至用語言即時改變故事走向。最關鍵的是，它能在持續生成後續畫面的同時，保持整個世界狀態前後一致。
Black Forest Labs 釋出 FLUX 3 Action：7B 開源模型重新整理機器人基準，提速近 4 倍
Black Forest Labs 釋出開源 7B 世界動作模型 FLUX 3 Action，專用於機器人控制。該模型在 RoboLab 基準上取得 42.2% 的成功率，引數量不到 Cosmos 3 Nano 的一半，速度卻最高提升 3.95 倍。與 GPT 6 Astra 組成混合策略時，單次任務成功成本還能降低 29%。
OpenAI 升級 GPT-6 提示詞快取：最高享 90% 折扣，新增排錯診斷工具
OpenAI 針對 GPT-6 系列升級 Prompt Caching 系統。30 分鐘視窗內複用字首最高可省 90% 輸入費用，同時上線看板與排錯診斷工具，並支援動態調整推理力度而不破壞快取。
小米開源 MiMo-V2.6 多模態系列：Pro 版登頂開源榜，支援電腦操控
Xiaomi 釋出並開源 MiMo-V2.6 多模態模型系列。MiMo-V2.6-Pro 在 Artificial Analysis 評測中拿下 46 分，成為該榜單排名最高的開源權重模型。新版本強化了 3D 空間推理和電腦操作能力，Pro 版強化學習訓練耗資 262 萬美元，並配套推出了桌面客戶端。
Tavus 釋出 Phoenix-4.5：134 毫秒音畫延遲，上半身能跟著說話一起動
Tavus 釋出即時人體渲染模型 Phoenix-4.5。新架構放棄區域性面部貼圖，改為單次生成包含面部、軀幹與背景的完整畫面，音畫延遲降至 134 毫秒。它還首次支援單張圖零樣本快速預覽，並將微調耗時縮短至兩小時。
週一
9月21日 星期一
Meta 獨立 AI 應用 Muse 起跑：首發 12 天美加下載量超 ChatGPT
Apptopia 資料顯示 Meta 新 AI 應用 Muse 上線首 12 天在美加 iOS 錄得 180 萬次下載，超過 ChatGPT 同期的 130 萬次。Muse 在美日活躍使用者達 64.2 萬人並登頂 App Store。最值得關注的是其 95% 使用者也是 Facebook 使用者。
騰訊推出世界模型 WorldCrafter：引入隱式 3D 記憶，回頭看場景不再變形
騰訊團隊釋出互動式影片世界模型 WorldCrafter，通過隱式 3D 感知記憶機制，解決鏡頭移開後再轉回來物體變形的問題。它支援從單張圖片或文本生成可由相機控制的漫遊影片，並藉助蒸餾實現即時流式互動。
GAE 開源：把 3D 幾何塞進潛空間，相機軌跡誤差減半
研究團隊開源視覺生成框架 GAE。它把幾何特徵直接壓縮排 128 通道的潛空間，生成畫面時能同步解碼出深度圖、相機軌跡和 3D 點雲。最值得關注的是，這種幾何原生設計讓相機軌跡誤差減半，且權重不到 12GB，中端顯示卡即可本地執行。
inclusionAI 開源 Ming Image 0.1：自帶透明通道，還能把設計圖拆成圖層
inclusionAI 開源 6B 視覺設計模型系列 Ming-Image-0.1。它主打 UI 與海報設計，不僅支援生成帶 Alpha 通道的透明素材，還能把扁平設計圖直接拆解成多個獨立透明圖層。最值得關注的是，它讓開源模型真正切入了可編輯的設計工作流。
SupraLabs 開源 Supra2-IMG：1 億引數文生圖模型，單卡 9 小時訓完
SupraLabs 開源超小型文生圖模型 Supra2-IMG，引數量僅約 1.04 億，體積約 417MB。團隊基於 560 萬張合成影像，在一張單卡 H100 上僅耗時 9 小時完成訓練，主打端側與小型裝置執行。不過受限於極小體量，目前生成解析度為 256×256，畫質相對有限。
ElevenLabs 推出 Studio 4.0：影片、配音與音樂全在一條軌道生成
ElevenLabs 推出 AI 原生影片編輯器 Studio 4.0，將影片、影像、超 1 萬種聲音的配音、音樂及音效生成整合到同一時間軸中。內建的 Studio Agent 可逐幀分析畫面生成初剪，創作者無需在多款工具間切換匯出。
ElevenLabs 推出 Studio 4.0：改文字就能重錄，還配了 AI 剪輯助手
ElevenLabs 推出音訊編輯器 Studio 4.0。它集成了超 1 萬種聲音、AI 背景音樂與音效生成，創作者只需直接修改指令碼文字即可自動重新生成語音，免去二次錄音。此外新增的 Studio Agent 還能按提示詞起草指令碼並自動排布音效剪輯。
Edge0 開源 Audio8-ASR-Infinite：視訊記憶體恆定，中英文 7x24 小時流式轉寫
Edge0 開源流式語音識別模型 Audio8-ASR-Infinite。模型支援中英雙語，轉寫延遲控制在 240 至 560 毫秒，藉助迴圈滑動 KV 快取讓視訊記憶體佔用和延遲始終恆定，適合直播聽寫和即時互動。
OpenAI 擴建 Academy 學院：推出四大角色實操課，通過發官方徽章
OpenAI 擴充 OpenAI Academy 課程，面向開發者、管理者、教師和大學生推出全新學習路徑。課程圍繞真實工作任務展開，涵蓋智慧體排程與流程搭建，學員通過考核即可獲得官方認證徽章，企業也可直接將其接入員工培訓。
OpenAI 呼籲制定全球 AI 標準：管住「AI 自己搞研發」的失控風險
OpenAI 呼籲美國牽頭建立前沿 AI 國際技術標準，重點監管 AI 的遞迴自我改進（RSI）。OpenAI 警告，若缺乏統一標準，自主研發可能導致人類失去對 AI 演進的實際控制權。該倡議主張依託各國 AI 安全機構，確立通用的能力評測與事件通報機制。
xAI 釋出 Grok 4.7：程式設計能力升級，輸入每百萬 token 僅 2 美元
xAI 正式推出 Grok 4.7，定位為面向程式設計與知識工作的高效能模型。新模型採用更大的基模並延長強化學習訓練，更擅長處理耗時長任務並自查結果，同時保持 Grok 4.6 的速度和定價，輸入每百萬 token 為 2 美元。
阿里開源Qwen-Image-2.1：7B引數兼顧生圖與編輯，原生支援透明通道
阿里巴巴開源影像模型Qwen-Image-2.1。其視覺生成部分僅7B引數，將文生圖、影像編輯與原生透明通道生成合為一體，最多支援10張參考圖合成。最值得關注的是能直接扣圖輸出帶透明背景的RGBA圖，極大簡化了設計流程。
Amazon 攔截 Meta 智慧體 Muse：未經允許代客購物，存隱私隱患
週日晚，Amazon 正式切斷 Meta 旗下 AI 智慧體 Muse 在其平臺的代購許可權。Amazon 指責 Meta 事前未作報備，且 Muse 瀏覽時不標明身份並涉嫌抓取儲存使用者憑據，違反使用條款。兩家科技巨頭圍繞「AI 代客網購」控制權與使用者資料的博弈正在升級。
GPT-6 Astra 攻克類哥德巴赫猜想：Lean 形式化驗證已全部通過
研究者 Captain Sude 公佈了由 GPT-6 Astra 協助證明的類哥德巴赫猜想。該定理證明了任何大於 2 的偶數都可拆為兩個劉維爾函式值為 -1 的正整數之和，整個證明過程已在 Lean 4 中通過無未完成證明的形式化稽核。
Google 開源 AX：像用 K8s 一樣排程數百萬個 AI Agent
Google 開源智慧體編排執行時 AX。它全面貼合 Kubernetes 體驗，通過宣告式配置在叢集內排程數百萬個沙箱隔離的 Agent，支援斷點暫停恢復與直接 ssh 現場排錯，專門解決智慧體失控死迴圈和狀態隔離難題。目前仍處在早期開發階段。
週日
9月20日 星期日
VAST 開源 Mira-Scene：單圖直接生成可編輯 3D 場景
VAST AI Research 開源 3D 場景重建管線 Mira-Scene，可將單張圖片轉化為包含獨立物體的可編輯 3D 場景。它通過恢復畫素級對應關係，保證物體尺度與原圖嚴格一致，能直接匯入 Blender 做動畫或對接機器人模擬。目前程式碼與權重已完全開放。
階躍星辰釋出 Step 5 Preview：600B 混合專家架構，主打智慧體
這一週，階躍星辰推出旗艦多模態智慧體模型 Step 5 Preview。模型採用 6000 億總引數 MoE 架構，實際僅啟用 270 億引數，並支援 100 萬 token 上下文。其在 DeepSWE 等智慧體程式設計與知識工作測試中表現優異，開發者已可通過開放平臺接入。
週六
9月19日 星期六
阿里釋出同傳模型 Qwen3.8-LiveTranslate：延遲壓到 2.3 秒，自帶原聲克隆
阿里釋出即時同聲傳譯模型 Qwen3.8-LiveTranslate。它重構為音訊與文本交織的單流架構，字均延遲壓至 2.3 秒，支援 60 種語言。新模型能即時分離說話人並克隆音色，用發言人原聲念出譯文，目前已開放 API 和線上 Demo。
特朗普擬效仿太空軍建「AI 部隊」，計劃任命新 AI 沙皇
特朗普宣佈計劃效仿太空軍建立「AI 部隊」並任命新 AI 沙皇，以維持美國在 AI 領域的領先地位。該提議主張依靠現有法律打擊惡意行為者，堅持支援行業加速發展。不過目前該機構的具體架構、許可權、預算與時間表均未公佈。
