机器之心AI 评分5050

牛津等团队提出交互式视频世界模型 Oneira，实现开放世界交互

牛津大学等团队提出交互式视频世界模型 Oneira，通过 Coding Agent 维护 World State Table 记录物体状态，实现精确交互与长时一致性。在 InteractionBench 交互测例中，Oneira 的交互发生、时机及对象准确率分别比最强基线高 29、19 和 29 个百分点；在记忆测例中，PSNR 和 SSIM 分别提升 93% 和 83%。

新智元AI 评分4747

半图科技获千万美元融资，以「人类行为模型」打造 3D 赛博角色

由前米哈游逆熵 AI 研究负责人邢骏创立的半图科技，获得单轮超千万美元融资，专注研发融合空间理解与多模态交互的「人类行为模型」。其自研 AI 互动产品《代号 Live》测试数据显示次日留存率 72%，日均互动轮次接近 200 次。公司已积累 50 万小时人类行为数据，并将该模型能力接入游戏及具身智能领域。

TechCrunch · AIAI 评分2525

WindBorne 获得美国空军近 5000 万美元气球数据合同

WindBorne 获得美国空军价值最高 4900 万美元的自主气象气球数据独家采购合同。该公司目前在全球运营约 700 个气球，其数据用于训练 WeatherMesh 6 AI 天气预报模型。这是 WindBorne 参与的规模最大的政府合同，尚未完成竞争性招标即获授权。

量子位 QbitAIAI 评分4444

字节世界模型首次亮相：支持实时交互与跨场景连通

字节在抖音《2026 美好奇妙夜》展示其研发的世界模型，支持单句生成可交互的三维开放世界，用户可自由探索、实时创建物体并通过“任意门”连通不同场景。该模型未正式发布，但已展现出三维场景生成、物体编辑及空间重组能力，旨在为机器人和自动驾驶提供虚拟训练环境。

TechCrunch · AIAI 评分4141

Blueprints AI 宣称可数分钟内生成符合许可要求的设计图纸

Blueprints AI 推出第二代软件，允许用户通过描述或草图一次性生成建筑、结构及机电等全维度图纸，并支持单处修改自动同步整个项目以符合当地建筑规范。该软件订阅费介于每月 $3,200 至 $8,500 之间，第二代版本于本周向公众开放。

Import AIAI 评分4040

Import AI 476：直观视觉推理基准、中国开源模型表现落后及太空 AI 竞赛

Elorian 和 Scale AI 发布的基准 HSS 显示 GPT-6 Astra 的 pass@1 仅 53.6，远低于人类基线 93.1，且中国开源模型 GLM-5.3-flash 和 Kimi K3 表现更弱。

Import AI (Jack Clark)AI 评分4545

Import AI 476：创意与 RSI；弱于中国的开源权重模型；AI 进军太空

Elorian 和 Scale AI 发布的 HSS 基准测试显示，GPT 6 Astra 在直觉视觉推理任务上的 pass@1 仅为 53.6，远低于人类基线 93.1。GLM-5.3-flash 和 Kimi K3 表现更差，得分分别为 26.8 和 25.5。HSS 包含 522 个问题，涵盖图像与短视频，旨在评估多模态模型对隐含信息的解读能力。

Sac@Saccc_cAI 评分4545

作者预告明天发布 3D 游戏大制作，并展示了由其制作的宣传视频。该视频使用 Opus 5.5 与 Blender 通过一句提示词生成。作者建议尝试此组合以赋予视频 3D 立体感，并透露视频结尾有惊喜内容。

极客公园精选AI 评分6767

模思智能获超10亿元Pre-A轮融资，专注全模态实时交互与情境智能

模思智能于10月12日宣布完成超10亿元Pre-A轮融资，由华控基金领投，距天使轮官宣约半年。该公司由复旦大学邱锡鹏团队孵化，核心在于构建能持续理解并实时响应物理世界的全模态交互系统。

机器之心AI 评分3434

近200篇工作系统梳理！一篇综述讲清具身智能中的可供性学习

该综述系统梳理了具身智能领域中可供性学习的近200篇相关工作。文章指出，随着视觉—语言—动作模型、世界模型及多模态基础模型的发展，机器人已能理解复杂指令并生成连续动作，但仍需深入理解“什么可以被操作”及“应该在哪里操作”，以实现从场景识别到物理世界交互的跨越。

智能涌现AI 评分4242

专访海康睿影王威：AI 正在重新定义工业 X-Ray 检测

海康睿影发布高精度半导体封装 3D AXI 检测设备，实现亚微米级量测、3D 图像重建及缺陷分析。该设备进入先进封装与实验室失效分析市场，性能达到全球第一梯队，填补了从生产检测到高精度量测的空白。AI 全检技术使折叠屏手机铰链等复杂工艺的缺陷不良率下降 1 个数量级，推动工业 X-Ray 从抽检向全检转变。

机器之心AI 评分2525

AI把7000万个细胞纳入基因筛选：显微图像揭示自噬与STING调控因子

利用AI分析7000万个细胞的显微图像进行基因筛选，揭示了自噬与STING通路的调控因子。该方法通过识别细胞器位置偏移、异常结构及囊泡数量等形态线索判断基因变化，克服了复杂表型难以简单划分为阳性或阴性的难题。

机器之心AI 评分6060

模思智能完成超 10 亿元 Pre-A 轮融资

模思智能宣布完成超 10 亿元 Pre-A 轮融资，由华控基金领投。本轮资金将主要用于推进全模态实时交互基座的相关研发与落地。

机器之心AI 评分3535

清华团队探索「样本分布训练」实现从一步生图到流式视频

清华团队通过探索「样本分布训练」，实现了从一步生成图像到流式视频生成的突破。该技术将生成过程压缩至一步或少数几步，旨在缩短等待时间并优化算力分配，以满足多模态交互系统中视觉生成需跟上用户操作速度的需求，从而提升整体交互体验的流畅性。

Cloudflare 发布 Clef-omni：一款 30B-A3B 多模态决策模型

Cloudflare 于 10 月 9 日发布开源权重模型 Clef-omni，该模型基于 Qwen3-Omni-30B-A3B-Instruct 后训练，可在单次调用中对文本、图像、音频和视频进行评分并返回带概率的结构化判断。

vLLM Semantic Router 发布 Decision 3.0 开源多模态决策模型

vLLM Semantic Router 团队发布 Decision 3.0 系列，包含5款基于 Qwen 微调的 Apache-2.0 开源多模态决策模型。模型支持读取文本、JSON 和图片，通过单次调用返回概率评分而非纯文本，适用于请求分类与路由。

CVerAI 评分3737

RawVLA：面向机器人操作的神经图像信号处理器

东京大学等机构提出的 RawVLA 将图像信号处理器优化嵌入机器人视觉前端，通过动作损失驱动 ISP 参数调整以增强具身智能鲁棒性。该模型仅含 88 万可训练参数，推理速度达 168 FPS。在 LIBERO 基准测试中，RawVLA 实现 68.82% 平均成功率，较传统默认 ISP 提升显著。

量子位 QbitAI精选AI 评分6868

何恺明团队发布多模态视觉原生Harness框架 VISTA

何恺明团队发布 VISTA 视觉原生 Harness 框架，使现有多模态模型无需从头训练即可直接观察、保存并回看环境原始画面参与推理。在 ARC-AGI-3 评测中，搭配 VISTA 的 Claude Opus 5.0 完成了全部 25 个公开游戏，相对人类动作效率得分达到 100，所用游戏动作数比首次游玩的人类基线少 57.4%。

量子位AI 评分4242

GPT-4o 最早 API 快照 10 月 23 日停用，社区持续呼吁开放权重

OpenAI 将于 10 月 23 日停用 GPT-4o 最早 API 快照（2024-05-13 版），后续付费 API 版本仍可用。社区发起“GPT-4o 存档式开放权重”行动，要求 OpenAI 开放模型权重；Change.org 请愿已获 23930 人签名。

极客公园AI 评分1616

吉利发布银河战舰 700：12 分钟订单破万，16.98 万起售

吉利正式发布银河战舰 700，起售价 16.98 万元，发布 12 分钟后订单突破 1 万台。该车型基于 GTA 原生新能源越野架构，顶配车型系统综合功率 830kW，支持 45° 坡度攀爬和应急浮水。智能驾驶配置分层，高配搭载千里浩瀚 H7 方案，算力 700TOPS，支持 D2D 车位到车位领航辅助。

AI信息GapAI 评分5454

DeepSeek 融资扩大至 800 亿元，OpenAI 向全体用户推送 GPT-6 智能 UI

DeepSeek 新一轮融资规模扩大至至少 800 亿元，宁德时代和腾讯为主要投资方，融资用于筹备 2027 年初上市。OpenAI 宣布将 GPT-6 推送给全体 ChatGPT 用户，免费版开放 GPT-6 Luna 并支持图表与按钮等智能 UI。

优设AIGCAI 评分1414

复古街区海报 AI 提示词：巨型美食与老建筑的波普漫画风格

本文展示了 6 组历史街区主题的拼贴海报 AI 提示词，将老建筑、特色美食和街头文化转化为复古波普漫画风格。设计融合了美式漫画粗黑描边、高对比撞色与丝网印刷颗粒，通过夸张的比例将美食放大并与建筑层叠穿插。该风格适用于城市文创、旅行海报或社交媒体配图，完整提示词已整理并在评论区提供。

极市平台AI 评分6767

AMI 发布 H-JEPA 分层世界模型论文，规划成功率达 73%

AMI 发布 H-JEPA 论文，提出分层世界模型用于视觉规划。在 Visual AntMaze 任务中，三层 H-JEPA 成功率达 73%，远超单层模型的 18%。该模型采用分层 JEPA 架构，高层制定粗略计划并生成子目标，低层逐步细化生成动作，且已开源代码和预训练权重。

CVerAI 评分4040

青海大学与清华大学团队提出Falcon模型，研究成果首登NeurIPS 2026

青海大学联合清华大学提出的轻量级因果视听目标说话人提取模型Falcon，研究成果被NeurIPS 2026接收。相较AV-TFGridNet，Falcon参数量减少91.9%、计算量减少95.0%、GPU推理延迟减少91.0%。该研究构建了RealSSA基准，为低延迟语音处理提供了新的技术路径。

机器之心AI 评分1919

Claude Science 利用 AI 补全缺失天空，首张完整紫外全天图问世

基于 Claude Science 生成的补全数据，科研团队发布了首张完整的紫外全天图。该成果解决了现有紫外观测中约三分之一天空数据缺失的问题，通过人工智能填补空白以呈现更完整的天空波段特征。

Latent SpaceAI 评分3333

谷歌 DeepMind 与 Biohub 专家探讨 AlphaFold 未解决蛋白质折叠的原因及 AI 生物学未来

Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 对话中剖析 AlphaFold 未解决蛋白质折叠问题的根源。他们指出仅依靠扩展计算和数据无法彻底解决生物学难题，并强调蛋白质语言模型中蕴含未被解锁的科学知识。双方认为要治愈所有疾病，需通过 10 倍级突破而非渐进式改进来推动 AI 药物发现进程。

Latent SpaceAI 评分3131

AINews：决策模型爆发，TypeSafe/Jev 突破 1 亿美元 ARR

决策模型（Decision Models）成为新类别，OpenAI、Microsoft、Perplexity 等多厂商同日推出相关产品。Perplexity 的 pplx-decider-v1.1-27b 在 Decision Bench 上准确率 94.5%，价格 0.017 美元/1K 次；Unsloth 提供了基于 Qwen3.5-4B 的微调方案。

InfoQ CNAI 评分4242

10 秒视频很惊艳，为什么 AI 做一部短剧还是这么难？

AIGC 已从单点 Demo 进入生产力阶段，但短剧生产面临人物一致性、成本可控及规模化交付挑战。专家共识显示，AI 擅长脚本拆解与执行量产，主题把控与审美决策仍依赖人工；生产场景更需模型具备高稳定性而非单次惊艳，并采用 Agent 与 Workflow 结合以平衡创新与确定性。

量子位AI 评分99

量子位智库启动2026年度AI十大趋势征集，11月20日截止

量子位智库启动2026年度AI十大趋势征集，面向产学研界征集趋势、机构与案例。参与伙伴将成为官方合作伙伴，报告将于2026年12月发布。征集截止时间为2026年11月20日。

人工智能学家AI 评分2929

因斯布鲁克大学研究揭示智能系统预测能力与能效的热力学权衡

因斯布鲁克大学团队在《物理评论 X》发表研究，揭示了智能系统在优化预测与提升能效间存在根本物理权衡。研究表明，在某些环境中，智能体必须遗忘部分有助于预测的行为历史信息，才能实现最佳的热力学能效。这一发现源于物理学基本定律，为开发更可持续的人工智能系统提供了理论基准。

新智元AI 评分5050

西湖机器人WR1 全身协同自主叠衣

西湖机器人通用大脑WR1展示全身协同自主叠衣及跨区域家务能力，对标海外标杆Figure。WR1采用全球首创的通用大小脑双预训练架构，融合世界模型与VLA，由自研通用动作大模型GAE执行全身控制。演示中机器人完成取衣、双机协同折叠及跨厨房、客厅、卧室的长程任务，实现柔性物体操作与运动控制的一体化贯通。

机器之心AI 评分4242

英伟达发布 Physis-Lang 增强视频物理真实性

英伟达推出 Physis-Lang，通过让自然语言成为世界模型的表征，增强视频的物理真实性。该模型在 Physics-IQ Verified 基准测试中位列第一，能够重新描述视频中的物理细节，例如精确呈现“黄油受热融化”的视觉效果。

量子位 QbitAIAI 评分5353

Google AMIE 研究登上《柳叶刀》，显示AI可改善医患关系

Google与BIDMC在《柳叶刀》发表研究，98名患者使用诊断AI聊天机器人AMIE，75%场景下AI摘要帮助医生准备接诊，鉴别诊断与医生确诊吻合度达90%。

APPSOAI 评分5050

苹果预告 10 月 13 日新品活动，推出搭载新一代 Siri 的家庭中枢

苹果官宣将于 10 月 13 日举办发布会，预计推出代号 J490/J491 的家庭中枢、新款 HomePod mini 及 Apple TV。这三款设备核心在于集成新一代 Siri，该 Siri 依托 Google 协助开发的大语言模型，能访问公开网络并增强设备控制能力。家庭中枢通过语音和面部识别区分家庭成员，提供个性化交互并支持访客模式以保护隐私。

机器之心AI 评分4848

蛋白质模型迎来重要升级，利用制药公司未公开数据实现更强性能

蛋白质模型迎来重要升级，通过利用制药公司未公开的有价值药物结构数据，弥补了公共数据库数据量不足的问题。

量子位 QbitAIAI 评分4444

Sharpa 在 IROS 发布 D01 人形机器人、W02 灵巧手及 AE01 数据手套

Sharpa 在 IROS 发布首款通用人形机器人 D01、新一代灵巧手 W02 及外骨骼数据手套 AE01。D01 具备 1000Hz 通信频率与 0.2mm 重复定位精度，全身电子皮肤触觉采样率 100Hz；W02 主动自由度减至 21 个，尺寸缩小 30%，指尖力感知范围 5mN-30N；AE01 通过 22 个编码器实现高保真遥操作与触觉反馈。

AI HOTAI 评分5151

Mistral Large 4 在 Agent Arena 总排名第 43

Arena 基于超 5000 个真实智能体会话实测，Mistral Large 4 在 Agent Arena 总排名第 43，净改进分为 -6.6%。该预览版比前代 Mistral Medium 3.5（-12.60%）排名高出 11 位，且 Mistral AI 是 Agent Arena 前 15 名中唯一的欧洲实验室。

机器之心AI 评分4545

豆包工作新增画布功能，并接入豆包2.1 Lite模型

豆包工作更新，推出创作画布功能并接入豆包2.1 Lite模型。画布功能针对复杂创作任务，将素材、设计方案与成果集中显示，支持快速修改；豆包2.1 Lite定位为轻量级模型。

人工智能学家精选AI 评分7777

何恺明团队新作：视觉 Harness VISTA 让 Claude Opus 5.0 满分通关 25 款 ARC-AGI-3 游戏

何恺明团队提出视觉 Harness VISTA，通过无损视觉记忆和主动视觉检查机制，使 Claude Opus 5.0 在 ARC-AGI-3 的 25 款公开游戏中取得 100.00 的满分 RHAE。

人工智能学家精选AI 评分8484

Claude Haiku 5.5 发布，引入自适应推理机制与百万 Token 上下文

Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 成绩从 15.7% 提升至 72.4%，引入自适应推理机制并支持 100 万 Token 上下文。10 万 Token 内输入单价 0.10 美元，超出部分涨至 0.50 美元；复杂编程任务在 Terminal-Bench 4.0 中得分 39.2%，仍落后于 Sonnet 5.5 的 70.6%。