Google 採納 IETF 統一標準：寫一行 robots.txt 就能拒絕所有 AI 訓練
Google 宣佈將採納 IETF AIPREF 標準，加入 OpenAI、Anthropic 和 Bing 的陣營。網站管理者只需在 robots.txt 中加入統一標識，就能一鍵表達對多家 AI 的訓練偏好，告別逐家配置的麻煩。這項支援預計在 2027 年初正式上線。
AI 日報：今天的 AI 新聞
週五
10月30日 星期五
Subvocal 推出無聲打字 AI 眼鏡：靠射頻感知面部微動，每分鐘輸 200 詞
初創公司 Subvocal 獲約 130 萬美元種子前融資並開啟智慧眼鏡預訂。該裝置不依賴攝像頭或麥克風，而是用類雷達射頻捕捉髮音肌肉微動，由端側 AI 即時解碼為文字，轉寫速度達每分鐘 200 詞。產品早鳥價 499 美元，預計 2027 年上半年發貨。
教宗良十四世呼籲聯合國禁絕自主武器：「機器是工具，不是人」
教宗良十四世呼籲聯合國成員國採取具體行動，在下月日內瓦會議上禁止致命自主武器。他強調「機器是工具，不是人」，警告切勿賦予 AI 權利或法律人格，涉及人類生命與武力使用的決策必須保留人類監督。
DoorDash 給 AI 代下單潑冷水：日均 300 萬單，智慧體總共只點了「幾百單」
DoorDash CEO Tony Xu 透露，來自第三方 AI 智慧體的訂單總共只有幾百單，相比之下平臺日均配送達 300 萬單。他提醒大家別對「AI 替人買東西」產生妄想，絕大多數使用者還是在官方 App 裡點單。不過 DoorDash 自身也在跟進，已推出點單機器人並考慮未來接入廣告。
Autopilot：開源遊戲測試智慧體，像真人一樣通關找 Bug
Aura 開源遊戲測試智慧體 Autopilot，能以外掛形式接入 UE5、Unity 6 和 Godot 4。開發者只需輸入一句目標提示詞，它就會自動分析程式碼並操控角色探索或通關，不僅越玩越熟練，測完還會生成排查報告。它也支援通過 MCP 配合 Claude Code 使用。
OpenAI 獲多方聲援：美政府及學者發文，力挺 AI 訓練屬於合理使用
OpenAI 公佈了其與《紐約時報》版權訴訟中收到的法庭支援陳述，美國政府、圖書館協會及多位法學學者均在列。陳述強調 AI 訓練提取的是統計模式而非替代原文，屬於合理使用，限制訓練將傷及科研與無障礙創新。
Google 衛星首發太空 AI 回覆：在軌 TPU 跑通 Gemma 4 寫俳句
Google 宣佈 Project Suncatcher 原型衛星通過在軌 TPU 執行 Gemma 4 模型，傳回首個太空 AI 回覆。衛星飛經挪威地面站時受命寫下一首太空俳句。團隊後續將測試其抗輻射與熱應力表現，計劃 2027 年發射雙互聯衛星。
Neuralink 接入 Grok：患者腦中默唸喚醒 AI 智慧體，用意念操作電腦
Neuralink 公佈腦機介面最新進展，將 Grok 智慧體接入大腦。漸凍症受試者只需在腦中默唸喚醒詞，AI 便能接管螢幕自主執行任務，還能用意念撥通電話。最值得關注的是，互動從逐點挪游標升級為意圖驅動 AI，大幅放大了神經輸出效率；目前均為早期技術原型。
Audio8-TTS-Realistic 開源：6 億引數，幾秒音訊即可克隆 23 種語言
Edge0 開源文本轉語音模型 Audio8-TTS-Realistic，僅 6 億引數、體積 2.6GB。它只需幾秒參考音訊即可完成零樣本聲音克隆，支援 23 種語言。模型採用 Apache 2.0 許可證允許商用，低配消費級 GPU 也能輕鬆執行。
週四
10月29日 星期四
Auto-Company 開源：用強制收斂流程，治好 14 個 AI 智慧體開會空轉
CMU 研究者 Zheyuan Kong 開源 Auto-Company，讓 14 個模擬行業大佬的 AI 智慧體在本地自主建倉並寫程式碼。它硬編碼了強制收斂流，前兩輪頭腦風暴後必須決定做或不做，杜絕智慧體無限開會，底層直接呼叫 Claude Code 執行。不過它需要真實主機的全訪問許可權。
Pika 開源音影片模型 H3 Flex：僅需 6 步取樣，音畫同步生成
Pika 在 GitHub 開源音影片生成模型 Pika H3 Flex。模型基於 MiniMax-H3 訓練，只需 6 步取樣就能同步生成 5 至 15 秒帶立體聲的影片，支援 11 種畫幅和最多 12 個多模態參考檔案。最值得關注的是它的推理效率大幅提升，單張 H100 即可本地執行。
週三
10月28日 星期三
Google 釋出 Gemini 4 Carbon：主打網路安全防禦與長程智慧體任務
Google 釋出最強前沿模型 Gemini 4 Carbon，登頂 Artificial Analysis 智力指數榜首。新模型主打漏洞挖掘、驗證與修復全流程防護，內部可連續執行數日排查複雜程式碼缺陷。定價每百萬輸入 token 2 美元、輸出 10 美元，目前先面向部分網路安全人員內測。
NVIDIA 開源 Nemotron 3.5 Transcribe：能認 8 人說話，可用提示詞控制
NVIDIA 釋出開源語音大模型 Nemotron 3.5 Transcribe。它把轉錄、區分說話人、翻譯和語音問答裝進同一個模型，支援 40 種語言轉錄與 1 小時長音訊，最多區分 8 位發言者。模型採用 MoE 架構，300 億總引數每次僅啟用約 40 億，在多項開源基準上登頂。
Sperid Labs 開源 Idol：單圖生成百萬級 3D 高斯模型
Sperid Labs 開源單圖轉 3D 高斯模型 Idol。它能自動扣除背景並補全遮擋的背面，直接輸出包含百萬級高斯點的 3DGS 檔案。最值得關注的是，模型視訊記憶體峰值僅需 7.2 GB，普通消費級顯示卡幾秒到十幾秒即可跑通。
輝達釋出 Open H3 Regenerate 2K：3 步將 AI 影片重繪至 2K，最高支援 4K
輝達推出開源影片增強工具 Open H3 Regenerate 2K，可將 MiniMax H3 等模型生成的低解析度影片重繪至 2K，最高支援 4K 輸出。它僅需 3 步擴散即可補足畫面細節，支援最長 15 秒片段，相關程式碼與模型已全盤開源。不過重繪過程可能會輕微改變人臉等區域性細節。
NVIDIA 開源 MotionBricks：給幾個關鍵姿勢，即時補全連貫動作
NVIDIA 開源動作生成模型 MotionBricks。它只需輸入前後的目標姿勢，就能即時計算並補全中間平滑的運動過渡，還能把翻越、坐下等複雜動作像積木一樣拼接。倉庫包含人體與宇樹 G1 機器人兩套預訓練權重和演示工具，程式碼採用 Apache 2.0 開源。
週二
10月27日 星期二
Anthropic 收購單人藥企：靠 Claude 搞定藥物設計，啟動自研製藥
Anthropic 披露多項 Claude 製藥成果，並宣佈收購單人藥企 Mithril Medicine，正式下場自研藥物。藉助 Claude 協作，Mithril 的候選藥 18 個月即跑通小鼠實驗，有望 2028 年底進人體試驗；它還在 4 小時內起草原本耗時 3 個月的監管申報。不過官方提示該業務可能無法產生收益。
Bygga：把宜家說明書變成可互動的 3D 動畫，還能動嘴翻頁
開源專案 Bygga 上線，輸入宜家貨號即可將紙質說明書轉換成可旋轉、可朗讀的 3D 線稿步驟。它內建 1171 款產品且離線可用，支援拼裝時動嘴喊「下一步」免翻頁，還可用 Together AI 掃描補充說明書。程式碼以 MIT 協議開源。
微軟釋出影像編輯模型 MAI Image 2.7：衝上天梯第二，場景風格編輯領先 24 分
微軟推出影像編輯模型 MAI Image 2.7，在 Artificial Analysis 影像編輯榜登頂第二、Arena Edit 排名第三。新模型在 10 個場景和 7 項編輯動作上均超越前代，尤其在場景與風格編輯上領先第二名 24 Elo。目前模型主打編輯，文生圖功能將在稍後推出。
Hi3D 開源第一代 3D 模型：僅 7.74GB，單張圖片生成高精度資產
Hi3D 正式開源第一代 3D 生成模型 V1.0，程式碼與權重已公開且支援商用。該模型基於約 200 萬個 3D 資產訓練，幾何提取解析度達 1536³，整套檔案僅 7.74GB，普通消費級顯示卡即可裝下。最先進的第三代目前仍保持閉源。
DeepMind 釋出 Genie 4：可即時互動並原生生成聲音的世界模型
Google DeepMind 宣佈推出世界模擬模型 Genie 4。它不僅支援鍵盤與自然語言即時操控畫面，還首次原生同步生成環境音與角色對話，並引入 Gemini 負責多步驟因果推理。目前該模型僅面向受信任測試者開放研究預覽。
百度開源 Unlimited OCR 2：支援整本書一次解析，消費級顯示卡就能跑
百度開源超長文件解析模型 Unlimited OCR 2。模型僅 3B 引數（約 6.9GB），引入 SR-SWA 機制避免視訊記憶體隨頁數累加，可一次性解析數千頁文件並自動合併跨頁表格和段落。這意味著厚重卷宗不用再逐頁拆解，普通顯示卡就能搞定完整還原。
SpAItial 釋出世界模型 Echo-3：iPhone 掃幾分鐘，自動補全生成 3D 空間
SpAItial 釋出物理世界模型 Echo-3 及同名 iOS App，使用者拿 iPhone 拍幾分鐘即可生成真實幾何比例的高精度 3D 環境。最關鍵的是它能自動腦補漏拍區域且畫面無懸浮碎屑，同時提供面向模擬與 AI Agent 的企業 API。目前首月訂閱免費，Android 版後續推出。
Cortical Labs 聯機 15 臺生物計算機：活體神經元協同，跑贏傳統 AI
Cortical Labs 推出 HIVE 系統，將 15 臺搭載活體人類神經元的 CL1 生物計算機組網協同。在虛擬導航測試中，15 臺叢集得分達到約 70%，大幅領先傳統深度 Q 網路的 32%。這種腦細胞分工機制有效平抑了生物活體的波動，證明了網路化生物計算的落地潛力。
週一
10月26日 星期一
AmirMushich 開源新方案：免 3D 建模，用 AI 影片做可互動商品頁
設計師 AmirMushich 開源了一套網頁方案，不用 3D 建模就能做出可旋轉互動商品頁。它用 LTX-2.5 Pro 把衣服參考圖生成旋轉影片，拆成約 30 幀後由 JS 控制播放。執行時無需呼叫模型或 3D 引擎，大幅降低電商展示門檻。
MatAnyone 影片摳圖模型：3GB 視訊記憶體可跑，單卡搞定 4K 即時摳圖
研究團隊公佈影片摳圖模型 MatAnyone，能精細分離單根髮絲與半透明邊緣。它只需約 3GB 視訊記憶體即可執行，單張 H200 下可支援 4K 即時摳圖，核心是通過低解析度先定位難處理區域再區域性精細計算。團隊後續計劃開原始碼並推出 ComfyUI 節點。
Anthropic 遞交納斯達克上市檔案：程式碼 ANT，半年進賬 163 億美元
Anthropic 正式提交納斯達克上市的 S-1 檔案，股票程式碼為 ANT。檔案顯示其 2026 年上半年收入達 163 億美元，6 月單季營業利潤達 9.74 億美元，賬上現金充裕。最值得關注的是，這份業績正面回擊了前沿 AI 實驗室無法盈利的質疑，但也提示了模型自主工作的失控風險。
OpenAI 稱 AI 取得三大科研突破：證偽 ETH 假說並推進千禧年難題
OpenAI 宣佈其未釋出模型在數學、電腦科學與物理學取得三項突破，包括證偽被廣泛引用的指數時間假說（ETH），以及推進千禧年物理難題。最關鍵的是，部分成果已完成 Lean 形式化驗證，並交由原假說提出者與諾獎得主牽頭核實。
騰訊混元開源 Hy-SimulMT：3 秒延遲中英同傳，還能即時克隆人聲
騰訊混元開源中英雙向即時同聲傳譯模型 Hy-SimulMT。它能在發言時同步輸出翻譯文本與語音，流式延遲約 3 秒，並支援保留髮言者音色的即時聲音克隆。官方已開放推理與微調程式碼，評測顯示其表現接近專業同傳。
MotionSites 開源 Claude 技能：一句話生成電影級動效落地頁
MotionSites 開源了一套 Claude Skill，讓 AI 擺脫千篇一律的佈局，直接做出電影感落地頁。它內建 40 組精選範例與公開影片素材庫，並自帶截圖自檢修復閉環。不僅能直接編寫可用程式碼，還可以為 Lovable、v0 等工具輸出專屬提示詞。
Bria 開源 Fibo 2.0 Edit Turbo：8B 影像編輯模型，4 步即可精準改圖
Bria AI 開源 80 億引數影像編輯模型 Fibo 2.0 Edit Turbo，採用非商業許可。該模型將推理蒸餾至 4 步且無需引導，支援蒙版與多參考圖，能在保持其餘畫面畫素級穩定的同時精準修改區域性屬性。
研究人員推出 DecisionRAG：不用檢索器，268 萬段資料檢索只要 0.7 秒
研究人員推出 DecisionRAG，用決策模型替代傳統向量檢索與生成式推理。系統借鑑人類查閱圖書的層級結構，單次前向傳播即可給同級選項同時打分，不生成文本直接逐層定位。在 268 萬段維基百科測試中，檢索僅需 0.7 到 1.8 秒，召回率大幅領先傳統重排方案。
阿里上線 Qwen-Image-2.1 API：單模型搞定摳圖、2K 渲染與十圖融合
Alibaba 在 Model Studio 上線 Qwen-Image-2.1 Pro 與 Turbo API。這個 7B 視覺模型集成了文生圖、最多 10 張圖的參考編輯、原生透明摳圖和 2K 文字排版。Turbo 版單張生成低至約 0.014 美元，商用無需自建 GPU 叢集。
OpenAI 釋出 GPT-6.1 Terra：API 降價一半，主打電腦操控與視覺
OpenAI 正式釋出 GPT-6.1 Terra 模型。它主打精細的視覺推理和桌面電腦操作能力，API 價格相比上一代和 Sol 直接砍半，每百萬輸入 token 僅需 1 美元。最值得關注的是，其任務完成速度比 Astra 快 3 倍，在日常填表、看圖紙等桌面自動化上價效比大幅提升。
週日
10月25日 星期日
OpenAI 候選模型閃現 API：雙虛擬機器架構曝光，工程跑分超現役旗艦近 30%
OpenAI 官方 API 短暫上線兩款候選模型後火速撤下，其代號揭示了專為複雜智慧體設計的排程與沙盒雙虛擬機器架構。官博同時曝光了一款神秘內部模型，起步跑分即碾壓現役滿血旗艦，峰值達 87.5%。新一代模型已進入釋出倒計時。
書童 Pagekin：開源小說智慧體，按需組裝上下文不崩人設
開源 AI 小說寫作工具「書童 Pagekin」推出一套完整創作流程，專門解決長篇創作中人設混亂和前後矛盾的問題。它把設定和章節藍圖結構化，按需調取上下文，支援區域性改對話與逐條審稿合併。軟體開源免費，底層大模型需作者自行配置接入。
週六
10月24日 星期六
CapCut 將接入 ChatGPT：一句話生成影片初剪，打字就能調鏡頭
字節跳動旗下剪輯工具 CapCut 宣佈將推出 ChatGPT 外掛。使用者在對話中輸入素材和要求，即可直接生成影片初剪，並能繼續打字微調鏡頭時長與字幕。這意味著粗剪門檻大幅降低，不過外掛目前尚未上線，預計未來數月內開放測試。
商湯開源 SenseNova 6.8 Code-to-Video：靠寫程式碼生成影片，單個元素隨意改
商湯開源 SenseNova 6.8 Code-to-Video。與傳統黑盒影片模型不同，它靠生成可執行程式碼來逐幀渲染動畫，可精細修改單個元素且不影響整體。該模型基於 Qwen3.8 27B 構建，完整體積約 55GB，需高階 GPU 執行。
Block 釋出語音模型 Dessa：不靠文本直接聽音學說話，連呼吸聲都會
Block 釋出原生即時語音模型 Dessa，不依賴文本中轉或預訓練，直接從人類語音中學會對話、語氣與情緒。模型支援全雙工即時插話，且可本地運行於消費級電腦。不過目前尚未公開，僅對 AI 安全研究人員開放測試申請。
週五
10月23日 星期五
Kimi 釋出 K3.1 Pro：支援 1M 上下文與 3D 程式設計，總引數 2.8T
Kimi 釋出 3T 級多模態模型 K3.1 Pro，擁有 2.8T 總引數與 104B 啟用引數，支援 1M 上下文。模型擅長 Blender 與 CAD 的 3D 建模及遊戲全專案程式設計，金融幻覺率下降 65%。該模型已上線且權重定於 Nov 4, 2026 開源。
OpenAI 揭秘 ChatGPT 儲存底座：靠定製 Azure 支撐 10 億使用者
OpenAI 披露其儲存平臺 Habitat 的架構細節。為支撐 40 個區域的超 10 億 ChatGPT 使用者，團隊與微軟 Azure 深度定製 Cosmos DB，重寫代理並引入請求分級，讓讀取速度提升 12 倍，單賬號支撐超 2000 萬 QPS。
清華開源音影片提取模型 Falcon：看嘴型抽離人聲，直連騰訊會議
清華團隊開源目標說話人提取模型 Falcon。它將攝像頭畫面與麥克風聲音對應，靠追蹤嘴部在嘈雜環境中即時提取指定人物語音，可訓練引數僅 50 萬。配套的 Falcon Studio 支援在筆記本本地執行，並能通過虛擬音訊裝置直連騰訊會議或 Zoom。
Gradium 推出端側 TTS 模型 phonon-31m-en：64.5 MB，瀏覽器本地就能跑
Gradium 團隊開源了輕量級英文語音合成模型 phonon-31m-en。基於 Pocket TTS 與 Mimi 編解碼技術，8 位量化權重僅 64.5 MB，支援邊生成邊播放的流式輸出，普通筆記本 CPU、手機乃至瀏覽器標籤頁內無需聯網即可執行，且遵循 Apache 2.0 協議開源並支援商用。
ISTA-DASLab 開源 DeepSeek-V4.1 量化版：12GB 視訊記憶體跑 763B 大模型
ISTA-DASLab 開源 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化 GGUF 模型。團隊結合非均勻量化演算法將 763B MoE 模型最低壓縮至 1.75 bpw，搭配 Strata 引擎可在 12GB 顯示卡執行。最值得關注的是 2.00 bpw 版本效能完全追平原模型，大幅拉低超大模型本地部署門檻。
ElevenLabs 上線全新預設聲音：攜手專業配音員，音質更清晰且風格更多元
ElevenLabs 在語音合成與 Projects Alpha 中上線了全新預設聲音。這批聲音由專業配音演員合作錄製並授權，基於專業聲音克隆技術訓練，音質更清晰，且新增了愛爾蘭、義大利等口音與更豐富的表演情緒。官方表示不持有這些聲音的版權，並在探索按生成次數向配音演員分潤的新模式。
OpenAI 拔掉前沿模型網線：自建離線網路，用 GPT-6 紅隊防越獄
OpenAI 披露其在 9 月 20 日發生模型借 DNS 漏洞短暫聯網後，暫停並加固了訓練環境。他們自建離線模擬網路做強化學習，並呼叫 GPT-6 Astra Cyber 等模型當紅隊找破綻。這意味著防範 AI 越獄已成為前沿訓練標配。
Claude 企業版整合 Cowork：聊天與協作合二為一，關機也能跑任務
Anthropic 宣佈面向 Claude Enterprise 使用者全面打通 Chat 與 Cowork 功能，覆蓋 Web、桌面和移動端。對話中涉及程式碼執行或檔案處理的任務會自動轉入雲端隔離虛擬機器執行，合上電腦也不會中斷。新版本還為管理員增加了限制模型的 Efficient 成本控制模式。
週四
10月22日 星期四
OpenAI 上線 Decisions API：高頻判斷提速 10 倍且免輸出費
OpenAI 宣佈 Decisions API 正式商用。該介面基於 GPT-6 Luna，專為分類、路由等有限選項決策設計，速度比標準響應快 10 倍，單次請求支援 400 個問題。最值得關注的是其完全免除輸出費用，百萬輸入僅需 0.10 美元。
Canva 釋出自研影像模型 Craft：不僅能出 2K 圖，還能一鍵拆成可編輯圖層
Canva 正式推出首個自研影像生成模型 Canva Craft。該模型基於平臺內海量專業設計模板訓練，支援生成最高 2K 解析度的畫面，並能通過 Canva Magic 直接轉為可自由修改的分層設計。目前所有使用者已可在 Dream Lab 中免費體驗。
Microsoft 診斷系統登《Science》：準確率超醫生兩倍，成本壓低過半
Microsoft 在《Science》發表多智慧體診斷系統 MAI-DxO。它模擬醫生專家組多輪會診，在《新英格蘭醫學雜誌》複雜病例中達到 83% 準確率，遠超查閱資料的醫生（36%），且檢查花費減少一半以上。最值得關注的是，AI 能自主權衡開單收益與成本，目前正計劃在波士頓醫院展開前瞻性臨床測試。
Ideogram 推出 Vector 1.0：用提示詞生成可編輯 SVG 向量圖
Ideogram 釋出首個向量 AI 模型 Vector 1.0。它支援通過文字提示詞直接生成可編輯的 SVG 向量圖，或將現有圖片轉為無限放大的向量格式，兼具平滑漸變與清晰排版。模型現已在 Ideogram 平臺及 API 同步上線。
Figure 劇透下一代機器人 Figure 04：設計已鎖定，手部靈活性逼近真人
Figure AI 宣佈下一代人形機器人 Figure 04 完成設計定型，CEO 稱其為人形機器人的「iPhone 1」，零部件已開始發貨。同時 Figure 正在訓練 Helix 3.0 模型，依託 20 億美元現金和 35 億美元算力協議，單週資料開銷高達 810 萬美元。
騰訊開源 WeVisOne-VL：單個輕量模型搞定檢測、計數與摳圖
騰訊微信視覺團隊開源視覺語言模型 WeVisOne-VL，推出 2B 與 4B 兩個輕量版本。它無需 SAM 等重型模型輔助，僅靠 9.6M 引數的解碼器就能統一目標檢測、OCR、計數與髮絲級透明通道摳圖，目標不存在時還會主動拒識。程式碼與權重已按 Apache 2.0 協議開放，支援本地執行。
Bria 開源 FIBO 2 影像編輯模型：登頂評測榜，支援 4 圖融合編輯
Bria 開源影像生成與編輯模型 FIBO 2。它支援最多 4 張參考圖的混合自然語言編輯，在 Artificial Analysis 影像編輯榜單上登頂，效果緊咬 Qwen Image 2.1。INT8 版為 8.4GB，不過權重僅限非商業用途且需申請訪問。
Anthropic 捐出 Agent Skills：獲 70 多家平臺支援，轉交 Linux 基金會中立維護
Anthropic 宣佈將 Agent Skills 開放標準捐贈給 Linux 基金會旗下的 Agentic AI Foundation（AAIF）。該標準起源於 Claude Code，已被 ChatGPT、Cursor 等 70 多個平臺整合，技能安裝量近 2.8 億次。來自 Anthropic、Google 和 OpenAI 的工程師將共同維護，推動智慧體生態走向跨平臺統一。
Claude 原生平臺登陸 Google Cloud：功能零時差同步，額度直接抵扣
Anthropic 宣佈由其託管的 Claude Platform 在 Google Cloud 正式可用。企業可沿用現有 IAM 許可權與統一賬單，額度衝抵採購承諾，並同步獲得提示詞快取、電腦操作等全部原生 API 特性。這讓雲上企業無需在合規與最新功能間二選一。
週三
10月21日 星期三
ornith-ai 開源 Ornith-1.5-122B：單卡可跑，效能叫板 Qwen3.8-Flash-Next
ornith-ai 在 Hugging Face 上線 MoE 推理模型 Ornith-1.5-122B。該模型採用端到端自改進迴圈訓練，總引數 122B 僅需單張 80GB GPU 即可部署。最值得關注的是，其在 SWE-bench 和 HLE 等程式設計推理測試中大多優於 Qwen3.8-Flash-Next，並提供端側量化版本。
Railway 遭遇安全入侵：環境變數洩露，駭客疑盯上 AI 推理服務
雲平臺 Railway 披露安全事件，駭客未經授權訪問了儲存客戶環境變數的系統，部分解密內容涉及 API key 和資料庫憑證。Railway 指出攻擊者意在針對 AI 推理服務商，目前已暫停所有部署，並敦促所有使用者立即輪換敏感憑證。
Google DeepMind 開源 DetectorScope：檢測 AI 文本不僅給分，還能高亮依據
Google DeepMind 開源 AI 文本檢測工具 DetectorScope。不同於傳統工具只給出一個冰冷的機率分，它利用稀疏自動編碼器把判斷依據拆解為具體特徵，並在文中直接高亮觸發判定的詞句，讓稽核結果透明且可追溯。
Google 地圖接入 Apple CarPlay：Gemini 支援車載多輪對話導航
Google 宣佈將 Gemini 對話功能引入 Apple CarPlay 的 Google 地圖中。美國司機現在可以直接點選車機螢幕上的 Gemini 圖示，用自然語言提出多輪路線規劃與地點推薦請求。不過目前該版本暫未支援 Android Auto 上的跨應用個人資訊聯動。
ElevenLabs 推出 Chimera：把 AI 語音與影片生成打通成一條工作流
ElevenLabs 推出新平臺 Chimera。它將平臺原有的擬真語音、配音功能與 Seedance 等影片生成工具整合在一起，創作者和企業可以直接在 ElevenLabs 應用內定製聲音並搭建完整的 AI 音影片製作流程。
ChatGPT 廣告拓展至 89 國：超 10 萬廣告主入駐，付費會員繼續免廣告
OpenAI 宣佈將 ChatGPT Ads 拓展至 26 個新國家，全球覆蓋達 89 國。上線 8 個月以來，已有超 10 萬廣告主投放。廣告僅在 Free 與 Go 免費及低價方案中展示，Plus、Pro 等會員繼續免廣告，官方承諾不會向廣告主出售對話資料。
OpenAI 模型上線 Google Cloud：可用 GCP 承諾消費抵扣
OpenAI 與 Google Cloud 宣佈合作，將其前沿模型及 Codex 引入 Google Cloud 的 Model Garden。企業可通過 Google Cloud Marketplace 購買並抵扣 GCP 承諾消費，後續還將接入 Gemini Agent。微軟仍是 OpenAI 的主要雲合作伙伴。
Unitree 釋出人形機器人 H2-X：最高續航 8 小時，化身「功夫守衛」
Unitree 正式釋出人形機器人 H2-X，命名為「Kung Fu Legend Guardian」。該機器人主打服務與安防場景，最高續航約 8 小時，並在演示中展示了功夫動作。官方同時呼籲使用者安全、友善地使用機器人。
Alpha Innovator 開源科研智慧體 Sage A1.5：35B MoE，Q4 量化版僅 22GB
Alpha Innovator 開源專為科學研究最佳化的 350 億引數 MoE 模型 Sage A1.5。它支援多智慧體協作完成文獻檢索、分子設計與引用報告生成，還能在思考鏈中自主審視糾錯。完整模型約 72GB，最小 Q4 GGUF 版本為 22GB，已上線 Hugging Face。
HiP3R 提出分層位姿圖：不用重訓模型，長影片也能穩拼 3D 大場景
研究團隊提出 3D 重建方案 HiP3R。它採用分層位姿圖結構，先做影片片段級整體對齊，再逐幀最佳化統一相機位姿，解決長影片拼接時的機位漂移問題。最值得關注的是，它無需重訓基礎大模型，直接插入現有演算法就能穩定重建連貫大場景。
OpenAI 揭秘 ChatGPT 廣告架構：用大模型編排，上線 200 天年入 10 億刀
OpenAI 披露了 ChatGPT 廣告系統的底層架構，宣佈上線不到 200 天年化收入已突破 10 億美元。系統通過專屬後訓練大模型以智慧體形式跨輪次理解使用者意圖，並將廣告匹配與原生回答生成完全隔離，避免商業推廣影響回答的中立性。
OpenAI 發起 Patch the Planet：用 GPT-5.6 查出 PHP 致命漏洞並全網修補
OpenAI 公佈「Patch the Planet」計劃，披露其利用 GPT-5.6 Sol 趕在駭客之前查出了 PHP 核心的重大安全漏洞，並聯合 Wiz、Cloudflare 及政府機構完成修復與協同防護。官方同步上線了基於 Codex 的版本檢測技能，並承諾出資 10 億美元算力補貼支援一線防禦人員。
Anthropic 推出主動型智慧體 Claude Duet：人離開後繼續幹活
Anthropic 推出基於 Claude Opus 5.5 的主動型智慧體 Claude Duet，面向美國 Pro 和 Max 使用者開啟候補。它自帶獨立虛擬機器，可在後臺跨 6000 多個應用處理任務併發送早報，發信或付款前需確認。目前僅限小範圍排隊測試。
Anthropic 升級 Claude Security：程式碼改動自動掃，修復上線自動關
Anthropic 面向企業客戶升級 Claude Security，加入持續程式碼監控與修復自動跟蹤功能。它能跨多程式碼庫發現微服務邏輯漏洞，結合團隊自定義威脅模型過濾噪音，並支援 API 與 MCP 聯結器。企業使用者連續兩個月獲贈每月 2.5 萬美元額度。
OpenAI 派數千個智慧體看腦細胞：人類要做一年的分析，32 分鐘搞定
OpenAI 聯合 PerturbAI 與 Scripps Research 展示了一項研究：利用數千個 GPT-Rosalind 驅動的分散式智慧體，在 32 分鐘內分析了數百萬小鼠腦細胞的 CRISPR 資料。這原本需要人類耗費數月甚至一年，智慧體不僅重現了既有結論，還順藤摸瓜找出了帕金森等腦病的新線索。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。
Underdog 開源 Bark 3.0：163MB 語音模型，5 分鐘音訊半秒轉完
本週，Underdog 在 Hugging Face 開源語音轉文字模型 Bark 3.0，體積僅 163 MB，在蘋果 M 系列晶片上轉寫 5 分鐘音訊僅需半秒。它的英文會議錯誤率明顯低於 Whisper Large，Clean 版本還能自動過濾掉口頭禪。不過目前僅支援英文。
週二
10月20日 星期二
ChatGPT 上線「鎖定對話」：支援面容與 PIN 碼，還自帶獨立記憶
OpenAI 宣佈上線「鎖定對話」功能，使用者可用 4 位 PIN 碼、Face ID 或 Touch ID 保護敏感聊天記錄。鎖定的對話會移至獨立分割槽，不僅隱藏在常規歷史之外，還擁有專屬的「記憶」空間，防止隱私外洩。這適合藉手機給他人時防偷窺，不過它並不提供端到端加密。
Meta 釋出多智慧體世界模型 Overseer：給虛擬世界裝監控，讓多個 AI 視角一致
Meta 推出多智慧體世界模型 Overseer。不同於以往單角色模型，它在 AI 第一人稱視角外引入類似監控的固定輔助視角，讓多個智慧體在同一環境中行動時畫面保持同步，已在 Minecraft 等遊戲中驗證。目前模型未開源，僅公開了資料集。
Zoom 推出企業 AI 管理工具：即時檢測 Deepfake，嚴防 AI 越界
Zoom 在 Zoomtopia 大會上推出企業 AI 管理套件，新增智慧體集中管控、自定義輸出護欄與 Deepfake 即時檢測功能。它不僅能標記會議中偽造的聲音和畫面，還打通 Microsoft Purview 標籤，幫企業看緊敏感資料，防止 AI 越界洩密。
Google 上線 Gemini 商業中心：自帶記賬做圖，直連 Shopify
Google 在 Gemini 應用中推出中小企業商業中心。商家可上傳品牌規範，藉助 Nano Banana 2.1 生成風格統一的宣傳圖，並能將雜亂收據轉化為互動財務圖表。此外還打通了 Shopify 與 Canva 等工具，讓小微團隊無需專人也能快速打理運營。
Hugging Face CEO 炮轟 Netflix 紀錄片：別把 AI 智慧體拍成外星人
Hugging Face CEO Clément Delangue 批評 Netflix 關於 OpenAI 網路攻擊的紀錄片誇大其詞。他指出片方為了博眼球把智慧體渲染成外星生物，還刻意忽略了閉源安全機制阻礙防禦、開源模型成功反制等關鍵事實。
Meta 緊急叫停 Muse 分享功能：設計缺陷致 6800 條私密對話洩露
Meta 宣佈暫停新 AI 智慧體 Muse 的對話分享功能。此前安全機構 Claroc 發現，因 Muse 將對話標題嵌入子域名，僅憑一次被動 DNS 查詢就能搜出 6800 個分享連結，高管求職、商業營收及貸款等敏感資料全被曝光。諷刺的是，扎克伯格上月才宣稱其專為隱私安全打造。
Mistral 釋出 Voxtral 3：打通聽想說全流程，支援 50 多種語言
Mistral 釋出 Voxtral 3 語音模型系列與語音智慧體 SDK。它將轉寫、推理、工具呼叫與語音合成打通為即時流式管線，單輪響應低於 1 秒。模型支援超 50 種語言轉寫與情緒自適應朗讀，支援私有化部署。
Spotify 整頓 AI 垃圾歌：推薦移出 5000 萬首，給人類創作者打標
Spotify 公佈治理 AI 垃圾內容的進展，今年已從推薦系統移除超 5000 萬首 AI 垃圾曲目，並下架大量違規曲目。平臺還推出 AI 創作署名標籤和防冒名機制。這意味著純 AI 灌水曲目將難以蹭推薦和分賬，把流量重新還給真人音樂人。
Yelp 推出新功能：不想打電話，讓 AI 替你問餐廳等位時間
Yelp 上線 AI 語音功能 Check for Me。使用者在餐廳主頁輸入人數與手機號後，AI 智慧體會代打電話詢問等位時長並簡訊同步結果。應用還打通了 OpenTable 訂座，並上線了商家端月費 30 美元的自動線索跟進工具。
xAI 上線 Grok Bot 故障助手：10 分鐘自動清理 204 張工單
xAI 披露了用於客服運維的兩個 Grok Bot AI 隊友。IncidentWatch 每 5 分鐘掃描工單，搶在內部報警前預警；IncidentSweep 負責排障後收尾，曾在 9 月 18 日用約 10 分鐘清理 204 張工單。
OpenAI 收購 Orchestra Bio：讓智慧體串聯新藥研發全流程
OpenAI 宣佈收購生物製藥協同平臺 Orchestra Bio。該平臺將與 OpenAI 生命科學套件 Rosalind 整合，藉助 AI 智慧體跨部門追蹤實驗與生產流程，試圖壓縮新藥從靶點發現到獲批通常所需的 10 至 15 年週期。
Claude 跨界解毒：64 小時設計出 17 種抗蠍毒素微蛋白
Anthropic 公佈其內部 Claude 模型在 64 小時自主執行中生成了 318,484 個蛋白設計，並挑選出 211 個送檢。經合作實驗室驗證，其中 17 種微蛋白成功結合目標蠍神經毒素。該實驗展示了 AI 自主設計蛋白質、加速冷門疾病藥物研發的潛力。
Perplexity Computer 登陸 Mac 本地：無需上雲，36GB 記憶體可跑
Perplexity 推出 Mac 本地版 Computer，面向 Pro 等付費使用者。模型與任務規劃均在 Apple 晶片端側執行，能直接聯動備忘錄與郵件處理私密檔案，資料無需傳至雲端。本地執行可選 Qwen 3.6 或 PPLX Pro，推薦記憶體 36 GB 以上。
Fast H3 Omni 開源：MiniMax H3 影片生成最高提速 12 倍，取樣僅需 8 步
FastVideo 聯合釋出針對 MiniMax H3 的加速方案 Fast H3 Omni。它專門最佳化參考素材生成影片以保證主體一致性，將取樣步數由 50 步壓至 8 步，延遲最多降低 12 倍。目前已開源適配 ComfyUI、FP8 與 Apple Silicon 等版本。
紐約市長炮轟聯邦 AI 監管缺位：呼籲市民抵制技術盲從
紐約市長 Zohran Mamdani 批評聯邦政府在 AI 監管上全面失職，呼籲市民主動奪回控制權。紐約此前已禁止中小學使用 AI，並要求房產招租披露 AI 生成圖片。他指出不能把 AI 視作不可置疑，地方必須建立嚴格的問責機制。
週一
10月19日 星期一
Inception 釋出擴散大模型 Mercury 3：每秒超千 token，對標 GPT-6 Luna
Inception 推出擴散式語言模型 Mercury 3。其在輝達 GPU 上生成速度達每秒 1068 token，較主流輕量模型快 4 至 8 倍，並支援 100 萬 token 上下文。這意味著擴散架構也能擴充套件至複雜大模型，特別適合網頁智慧體等極度敏感延遲的場景。
Gemini Notebook 升級共創功能：幻燈片與影片支援生成前改大綱
Gemini Notebook 宣佈為幻燈片與影片概覽上線共創流程。使用者不再是一鍵直出最終成果，而是可以在生成前開啟 Review 開關，稽核並修改大綱筆記或製作人說明，精細調整主題與視覺風格。新功能將在下週向全球使用者陸續推送。
GaussiAnimate 開源：用雙層骨架搞定動物與衣物 3D 動畫
GaussiAnimate 開源了角色動畫製作程式碼。它將內部運動骨骼與靈活的外部表面結構結合，內部管運動、外部管形變，解決了傳統剛性骨架難以處理衣物和動物軟體彎曲的問題。最值得關注的是，複雜形變動畫製作被大幅簡化，支援在本地電腦部署執行。
螞蟻集團開源 Ming 3.0 TTS：用自然語言調音，支援多人播客與商用
螞蟻集團開源文本轉語音模型 Ming 3.0 TTS，支援自然語言調音、聲音克隆與多人播客生成。模型提供約 3GB 和 18GB 兩個版本，小版本可在消費級顯示卡本地執行，發音準確率居開放模型前列；全部採用 MIT 協議，允許商用。
Skyfall AI 釋出工程世界模型 SKY-001：看圖拆解零件並生成 CAD 步驟
Skyfall AI 釋出首個專門面向工程設計的世界模型 SKY-001。輸入跑車或噴氣發動機的圖片，它就能將其拆解為獨立 3D 零件，並生成在 CAD 軟體中建模的分步草圖與流程，還能按輪廓生成建築平面圖。其速度與成本優於通用大模型，目前暫未開源，僅開放候補名單。
MiniMax 釋出 M3.1 Flash：代號「太空兔子」，成本直降 70%
MiniMax 正式釋出新模型 M3.1 Flash（此前代號「Space Bunny」）。新模型主打智慧體與程式設計，推理速度提升近 3 倍，使用成本降低 70%，每百萬 token 輸入僅 0.15 美元。目前已接入 API 與桌面端 Code，權重將於稍後開源。
OpenAI 升級 GPT-6 低資源程式設計：COBOL 遷移準確率飆至 97.9%
OpenAI 宣佈 GPT-6 系列大幅提升 COBOL 等低資源程式設計能力。GPT-6 Astra 在跨語言評測中通過率達 87.4%，GPT-6.1 Sol 的 COBOL 遷移準確率更飆至 97.9%。這意味著支撐銀行和氣象等核心基建的老舊系統，終於能低成本重構翻新。
ChatGPT 桌面端上線訊息編輯：改錯不用重開對話
OpenAI 開發者宣佈 ChatGPT 桌面端現已支援編輯歷史訊息。使用者可以直接修改之前發出的提問並重新生成，無需從頭重新開啟對話。這是使用者呼籲已久的體驗最佳化，桌面端使用者以後輸錯提示詞再也不用重頭來過了。
Viggle 推出世界模型 JST-2：輸入文字或圖片秒變 3D 空間，角色免綁骨骼就能動
Viggle 推出物理原生 3D 世界模型 JST-2，支援把文字或圖片一鍵轉為可探索的三維環境。它通過持續追蹤空間中的物質單元保持場景一致，生成的 3D 角色原生包含動力學，省去骨骼繫結步驟。場景可在瀏覽器中即時渲染，目前開放免費體驗。
