机器之心AI 评分4040

人类操作数据助力机器人：500小时真实数据使任务成功率翻番

利用500小时真实人类操作数据训练机器人，任务成功率实现翻番。

MIT Technology Review · AIAI 评分4545

圆桌对话：访谈 AI 设计病毒蓝图的研究者 Samuel King

斯坦福大学博士生 Samuel King 利用生成式 AI 模型提出了微型病毒的基因蓝图，这是 AI 设计新生命形式的首个初步实例。Samuel King 因此入选 MIT Technology Review 35 岁以下创新者榜单。

Pollo AI 如何利用 OpenAI 将创意转化为营销内容

Pollo AI 利用 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 等 OpenAI 模型，帮助创作者将大胆创意转化为详细的图像和电影级视频广告。

AI HOTAI 评分6464

Claude 九月回顾：Chat 与 Cowork 合并，Claude 5.5 系列模型上线

Claude 九月回顾发布，Chat 与 Cowork 功能合并，支持云端运行且用户关闭笔记本后可继续工作流。Claude Docs 新增团队与 Claude 同文档协作编辑功能。Claude 5.5 系列模型上线，其中 Opus 5.5 处理重任务，Sonnet 5.5 用于快速修改，并支持通过 /slides、/docs、/designs 命令直接生成对应格式。

Sac@Saccc_cAI 评分1919

博主利用 Teamily AI 的人机混合协作功能，通过 Agent 与真人共享上下文，在 30 分钟内建成 3D 信息源监控网站。该平台内置 Loop 功能可串联前后端工作流，支持多 Agent 分工及真人审核，相比单一助手更适合正式生产场景。

CVerAI 评分3131

智能算法安全全国重点实验室 10 篇论文获 NeurIPS 2026 录用

智能算法安全全国重点实验室 10 篇论文被 NeurIPS 2026 录用，涵盖人体运动生成、分布外检测及 3D 重建等领域。其中 ChemDiffAgent 作为首个基于掩码扩散模型的工具集成化学推理智能体，性能优于 GPT-5.5 和 Claude Opus 4.7。

极市平台AI 评分4141

西安交大 NeurIPS 2026 Oral：BaryBind 利用 Wasserstein 重心消除多模态表征偏置

西安交通大学团队提出 BaryBind 框架，通过求解多模态 Wasserstein 重心消除单模态锚点偏置。在 VGGSound5K 上，该方法 Top-1 准确率达 55.6%，较 baseline 提升 7.5%；在 MSR-VTT 检索中，双向 R@1 差距缩窄 3.1%。相关代码已在 GitHub 开源。

TechCrunch · AIAI 评分4040

Google 发布本地优先的 AI 会议记录工具 Google AI Edge Foresight

Google 发布 Mac 应用 Google AI Edge Foresight，作为 Granola 的本地优先竞品，可完全离线运行。该应用使用 74 亿参数的 EmbeddingGemma 2 模型捕捉会议笔记，并支持上传 PDF、Google Docs 等文档构建知识库，利用 Gemma 4 驱动的助手实时回答相关问题。

量子位AI 评分3838

蚂蚁×浙大新研究：让AI在流式对话中“读懂”情绪

蚂蚁集团与浙江大学团队提出TRACE框架及StreamMER数据集，用于解决流式视频中的情绪理解难题。在StreamMER上，TRACE将准确率从59.87%提升至69.47%，并将实时因子降低至0.091。该方法通过按需调用上下文重判，在保证识别效果的同时减少了44.42%的推理调用。

AI科技评论AI 评分4545

墨尔本的屏幕，芝加哥的数据，杭州的大模型：医疗AI的万亿价值从何而来

Pro Medicus、Tempus AI和德适科技分别以影像工作流、患者数据及医疗大模型切入，市值约780亿、875亿及220亿元人民币。德适iMedImage底座覆盖19类影像，训练需约200份影像，已助99家医院开发158项模型。其AI AutoVision于2026年5月获证，2026年上半年模型服务收入9454.1万元，同比增长101.1%。

Architect 推出 Liquid Inference：基于实时竞拍的 LLM 推理路由器

Architect Financial Technologies 推出 Liquid Inference，这是一款针对每次请求运行实时竞拍的 LLM 推理市场，由提供方竞标，买方支付符合规则的最低报价。

机器之心AI 评分3838

Einsia AI 发布世界模型物理规律评测，最高得分仅 57 分

Einsia AI 发布针对世界模型的物理规律理解评测，测试项目涵盖自由落体、镜面反射及浮冰融化等场景。评测结果显示，该基准测试中得分最高者仅为 57 分，表明当前模型虽生成画面清晰连贯，但在遵循物理规律方面仍存在显著短板。

Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型：0.6B 端侧版与 9B 高分版

Perplexity 发布 pplx-embed-v2-late，这是一对 ColBERT 风格的多模态嵌入模型，包含 0.6B 和 9B 两种规格。两款模型均在 Hugging Face 上以 MIT 许可证开源，支持检索文本、图像及渲染 PDF 页面，并共享同一嵌入空间。

机器之心AI 评分2626

VisInteract 用交互搜索解决数据可视化意图偏差

来自香港理工大学及字节跳动的研究者提出 VisInteract，该模型通过交互搜索机制解决文本到可视化任务中模型擅自解读导致的意图偏差。VisInteract 能够根据用户反馈动态调整数据查询与图表生成逻辑，确保输出符合真实需求，该成果被 NeurIPS 2026 收录为 Spotlight 论文。

Simon Willison 引用 Ben Affleck 谈电影特效中的机器学习与 Python 脚本

Ben Affleck 表示，电影从胶片转向数字制作后，机器学习成为视觉特效工作流的一部分，他因此会编写 Python 脚本。他解释卷积神经网络是 Transformer 的前身，通过识别图像张量中的模式进行边缘检测和特征提取，从而帮助移除绿幕并替换背景。

新智元精选AI 评分9696

OpenAI 发布 GPT-6，智能UI支持动态生成交互界面

OpenAI 宣布 GPT-6 正式全量上线，向全球 ChatGPT 用户开放，并推出“智能 UI”功能。用户在对话中可直接生成交互式小程序、图表、滑块和表单。

极客公园AI 评分3434

ChatGPT 推出全新 IUI 界面；谷歌推出试验性 AI 游戏平台 Playground；苹果被曝联合 LG 开发门锁、摄像头等智能家居配件｜极客早知道

OpenAI 在 ChatGPT 中推出 GPT-6 及 Intelligent UI（IUI）功能，用户可生成计算器、表单等交互界面，无需等待完整推理即可逐步获取回答。谷歌同期发布实验性 AI 游戏平台 Playground，支持通过自然语言生成并游玩浏览器游戏，无需编程知识。

APPSOAI 评分3636

苹果新品下周发布，GPT-6 开放，Claude Haiku 5.5 降价 90%

OpenAI 向 ChatGPT 用户推送 GPT-6 并引入可交互界面，同时 Anthropic 发布 Claude Haiku 5.5 使 API 价格最高降低 90%。苹果即将与 LG 共同推出一系列智能家居配件，最快下周发布。这些更新展示了 AI 模型成本优化与硬件生态扩张的最新进展。

The Verge · AI精选AI 评分8181

ChatGPT 推出智能界面更新，支持图片、图表与交互按钮

OpenAI 在 ChatGPT 中推出智能界面功能，支持在回答中嵌入图表、表单和可点击按钮。该功能随 GPT-6 模型同步向用户推出，同时支持 Sol 和 Luna 版本。GPT-6 还提升了网页搜索能力，并在安全测试中展现出更强的抗规避能力。智能界面功能将于今日面向 Plus、Pro、Business 和 Enterprise 用户开放，周四扩展到 Go 和免费用户。

The Decoder精选AI 评分8888

OpenAI 发布 GPT-6，引入支持图表与交互式按钮的 Intelligent UI

OpenAI 向所有 ChatGPT 用户推出 GPT-6，新增 Intelligent UI 功能，使模型能以包含图形、按钮、图表和表单的交互界面回答，并可在对话中构建如储蓄计算器或游戏等小型工具。

Liquid AI 发布开源权重多模态决策模型 d1-3B 和 d1-omni-600M

Liquid AI 发布两个开源权重多模态决策模型 d1-3B 和 d1-omni-600M，单次前向推理直接输出类型化概率答案且输出 token 数为 0。d1-3B 支持文本和图像输入，在 NVIDIA RTX 4090 上单问题推理延迟为 8 毫秒；d1-omni-600M 支持文本加图像或文本加音频输入，音频片段上限为 30 秒。

AI HOT精选AI 评分9696

OpenAI 向 ChatGPT 全用户层级推出 GPT-6 与 Intelligent UI

OpenAI 宣布将 GPT-6 和 Intelligent UI 扩展至 Free、Go、Plus、Pro 及 Business/Enterprise 等全层级用户。GPT-6 Instant 在需要网络搜索的问题上比 GPT-5.6 Instant 快 44% 开始作答，且支持在回答过程中逐步渲染图表、按钮和交互组件。

The Verge · AIAI 评分4545

Microsoft 发布 Surface Laptop Ultra 及 Windows 更新

Microsoft 在旧金山发布会公布 Surface Laptop Ultra 细节，该机型采用 Nvidia RTX Spark Arm 芯片，10 月 16 日发售，起售价 $2,599。同时 Surface RTX Spark Dev Box 开放预订，售价 $5,999；Windows 将引入“Hybrid Intelligence”功能，允许 Copilot 访问本地文件。

Wired AIAI 评分5858

研究人员用 AI 模型驾驶丰田卡罗拉，并发布 DrivingBench 基准

三位 Axiom AI 工程师将 OpenAI GPT-6 Astra 连接到 2024 款丰田 Corolla 的摄像头和转向系统，成功引导车辆驶入 In-N-Out Burger 餐厅取餐窗口。

欺诈者因使用 10K 机器人与 AI 歌曲对 Taylor Swift 进行流媒体欺诈入狱

一名男子因利用 10K 个机器人和 AI 歌曲生成系统骗取 800 万美元音乐流媒体版税而被判处 18 个月监禁。

Hugging Face Blog精选AI 评分7171

Liquid AI 开源 d1 决策模型：端侧多模态单步推理

Liquid AI 开源了 d1-3B 和 d1-omni-600M 两款决策模型，二者均在 10B 参数以下实现了最佳 Decision Index 0.2.1 得分，其中 d1-3B 得分 48.57。

AI HOT精选AI 评分7070

Google 开放 SynthID Detector 门户，支持检测图片、视频和音频的 AI 生成水印

Google 开放 SynthID Detector 门户，允许用户上传文件检测 AI 生成水印。用户可访问 https://synthid.com 上传图片、视频或音频，系统会扫描文件是否包含来自 Google 或其合作伙伴的 SynthID 水印。

如何使用 Gemini：详细入门指南

谷歌 AI 聊天机器人 Gemini 提供文本、图像及视频生成能力，并深度集成 Gmail 和 Google Drive。Gemini 基础功能免费，订阅 Google AI 计划需 $4.99/月。

TechCrunch · AI精选AI 评分8181

Google 开放 SynthID 网站以识别 AI 生成媒体

Google 推出了新的 SynthID 网站，允许任何人验证图像、视频或音频是否由 AI 生成。该平台支持 JPG、MP4、WAV 等多种格式，并集成于 Gemini 应用和 Chrome 中。目前每天约有 100 万次验证请求，OpenAI 和 NVIDIA 也支持该标准。

APPSOAI 评分1515

苹果秋季新品前瞻：HomePad、触屏 MacBook 与 LG 智能家居配件齐上阵

苹果计划在 10 月 13 日发布 HomePad、新 HomePod mini、Apple TV 及 iPad mini 8。触屏 MacBook Pro 搭载 M5 芯片与 OLED 屏幕，预计 10 月或 11 月上市。iPad mini 8 采用 A20 Pro 芯片、OLED 屏及 12GB 内存。

卡尔的AI沃茨AI 评分2525

本周 AI 动态汇总：OpenAI、Gemini、Mistral 等更新

OpenAI 启动28天更新挑战，GPT-6 Astra提速至50 tokens/s并推出Meetings插件。Google发布Gemini 4 Argon和Nano Banana 2.1，后者单价降至$0.034。Mistral Large 4参数达1万亿，激活490亿，月底开放权重；Anthropic推出Claude Code mods及Cowork云端会话更新。

Latent SpaceAI 评分6363

AINews 周报：OpenAI 发布 722 篇数学论文，Mistral 推出 Large 4

OpenAI 发布由内部未发布模型生成的 722 份数学手稿，声称解决了前 500 个未解数学难题中的 90 个，其中准黎曼猜想结果被数学家称为数学史上重要时刻。

硅星人ProAI 评分3939

Utopai Studios 推出 Utopai X 与 PAI 系统，开启“AI 皮克斯”之路

Utopai Studios 推出后训练模型 Utopai X 及 PAI 制作系统，将生成能力嵌入专业影视生产线。Utopai X 在 Artificial Analysis 有声文生视频榜单中以 1150 Elo 位列全球第二。该系统已通过 Cortés 等三部院线长片及与日本 DeNA 的合作进入实际生产。

OpenAI Decisions API 发布及 GPT-6 Luna 模型支持

OpenAI 在 DevDay 上发布了新的 Jev 风格 Decisions API，其核心决策模型 GPT-6 Luna 支持图像和文本输入。该模型仅按输入计费，每百万 token 收费 0.1 美元，支持 yes/no、choices 和 scores 三种问题类型。开发者可通过安装 llm-openai-decisions 插件并使用 `llm` 命令调用此 API 处理决策任务。

TechCrunch · AIAI 评分3838

前 Ramp 工程师创立的广告 AI 平台 Melius 完成 2500 万美元融资

AI 广告创意生成平台 Melius 宣布完成共 2500 万美元融资，包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司在 7 月退出隐身模式两个月内，年化收入已突破 100 万美元。Melius 由前 Ramp 工程师创立，团队推翻了最初的营销工具代码库，转而打造可生成广告活动、图像和视频的“创意工作智能体实验室”。

AI HOT精选AI 评分7474

Mistral 发布 Mistral Large 4，Artificial Analysis 评测称其为美中之外最智能模型

Mistral 以研究公开预览版形式发布 Mistral Large 4，计划在 10 月底开源 1T 参数（49B 激活）权重。该模型在 Artificial Analysis 智能指数上得分 38，与 GPT-6 Luna（max）持平，成为来自美国和中国之外的最智能模型。其标准定价为每 1M 输入/输出 token $1.36/$4.18，前两周享有 50% 折扣。

AI HOT精选AI 评分8181

Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，这是一款基于 Gemma 4 架构、以 Apache 2.0 协议开源的轻量级多模态嵌入模型。

Google DeepMind精选AI 评分7878

Google DeepMind 发布轻量级多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，这是一个专为端侧推理优化的轻量级多模态嵌入模型。该模型拥有 7.4 亿参数，基于 Gemma 4 架构构建，采用 Apache 2.0 开源协议，支持原生映射文本、代码、图像、视频和音频到统一嵌入空间。

Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 的 740M 开源多模态嵌入模型

Google DeepMind 发布开源模型 EmbeddingGemma 2，它将文本、代码、图像、视频和音频嵌入统一的 768 维空间。该模型包含 740M 参数，拥有 8K token 上下文窗口，采用 Apache 2.0 许可证，权重已在 Hugging Face 上线，并支持 Ollama 和 llama.cpp 部署。

The DecoderAI 评分6363

Google 发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型

Google 发布了开源多模态嵌入模型 EmbeddingGemma 2，该模型可处理文本、图像、视频、音频和代码。模型参数量仅为 7.4 亿，Google 称其在多模态嵌入基准测试中性能优于两倍规模以上的竞品。