全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月18日 21:24 · 每小时自动更新
OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fable 5 的 2.8 分，使用不到一半输出 token、一半时间，成本低约三分之一。引入 Programmatic Tool Calling 减少中间数据往返，ultra 模式协调多个智能体加速复杂任务。模型配备迄今最强安全防护，经人类红队和自动化测试验证。
推荐理由：GPT-5.6 在编码、安全、知识工作上全面领先，且 token 效率大幅优化，是我今年见过的真正能改变 agent 开发成本结构的发布。程序化工具调用和 ultra 模式值得立即试用。
微软发布 Aurora 1.5，对开源 Aurora 地球系统基础模型进行重大扩展，新增 22 个天气变量（原 4 个）、支持小时级时间分辨率和概率集合预报，已在 GitHub 开源并放出的 Hugging Face 模型检查点。
推荐理由：原文来自模型发布方，给出新增变量数、小时级分辨率和与 ECMWF 集合的对比数字，读者可据此评估其在能源等场景的适用性。
Anthropic的长期利益信托（LTBT）任命前美联储主席、2022年诺贝尔经济学奖得主本·伯南克为最新受托人。他将与另外三位受托人共同监督公司以对社会长期有益的方式负责任开发先进AI的使命。LTBT独立于管理团队和投资者，受托人不持股、不分红，仅按服务时间获酬。该信托有权向Anthropic董事会任命成员，并就AI风险与社会影响等关键决策提供建议。伯南克将参与公司的经济研究，帮助理解AI对全球劳动力与经济的影响。
推荐理由：请前美联储主席进入长期利益信托，Anthropic 在治理上下了重注。这不止是人事新闻，更透露了公司对 AI 经济影响的预判——他们正在为系统性风险做准备。
据晚点LatePost报道，特斯拉Optimus Gen 3经马斯克评审通过，即将量产。供应链要求供应商9月产能达1000台/周，年底升至2000-2500台/周，届时年产能可达10万台。马斯克六月底高管会上要求年底前实现产能目标，否则开除整个Optimus采购团队。弗里蒙特工厂已改造为Optimus生产线，Model S/X于5月停产。马斯克表示初期生产极其缓慢，低产量夏季启动，高产量2027年展开。
推荐理由：Optimus从实验室走进产线，量产启动本身就是具身智能的一个重要信号，马斯克拿采购团队开刀的表态比订单数字更能稳定产业链预期，不过初期产能极慢，别指望今年就能满大街都是机器人。
Prime Intellect 发布 verifiers 0.2.0，预览重写后的 v1 核心，将环境解耦为 taskset、harness 和 runtime，任意 taskset 可在任意兼容 harness 下运行。
推荐理由：原文给出任务集、执行框架与运行时三层解耦的设计细节和训练案例，读者可以据此评估这套抽象是否适配自己的智能体训练流程。
Ollama 让开源模型在本地或云端轻松运行，保持体验一致。目前拥有890万开发者、6.7万集成，并与各大模型实验室及硬件供应商建立合作。B轮融资由Theory领投。
推荐理由：Ollama B 轮融资公布 890 万开发者，这个数字让我觉得本地模型运行时已从极客玩具变成主流基础设施，做开发者工具的人该重新审视这块的生态价值。
AI at Meta@AIatMeta模型AI 评分65来自 @finkd 的消息 — Muse Spark 1.1 已上线。
推荐理由：Muse Spark 1.1 主打 agent 和 coding 能力，同时压到极低价，这可能是 Meta 低价模型策略的正式开场。虽然这次没给具体数据，但后续模型、API 的布局值得关注。
另有 5 家信源报道Benedict Evans 撰文分析 token 定价，认为当前市场处于供应紧张且不稳定的阶段，所有变量都在变动，未来几年会形成新的均衡。他提出目前可见的动态都指向基础模型趋向低毛利的商品化基础设施，价值由上层应用捕获，并用移动网络、半导体和光纤等行业类比说明结果并非注定，同时强调当前对模型能力上限缺乏理论理解，任何单一结论都只是猜测。
推荐理由：作者从供给、需求、利润率和历史类比出发，讨论基础模型会否沦为低毛利商品化基础设施，提供了一个可检验的分析框架。
OpenBMB@OpenBMB教程AI 评分71社区开发者基于MiniCPM5-1B和MiniCPM-V 4.6构建了本地优先的数学智能体TeXada。该Agent支持自然语言直接转LaTeX、手写/图像公式OCR转可编辑LaTeX、LaTeX补全与错误修复等核心功能。所有推理在本地完成，无需依赖云服务，保障隐私安全，适用于学生、研究人员和开发者随时随地处理数学表达式。已开源至GitHub，并提供HuggingFace模型下载。
推荐理由：社区开发者用 MiniCPM 轻量模型做的本地数学助手，LaTeX 输入变得像聊天一样自然，是个小而美的端侧实用案例。
Mark Zuckerberg@finkd模型AI 评分73今天我们发布 Muse Spark 1.1——一款价格极低、能力强大的智能体与编程模型。它已通过我们新的 Meta Model API 上线，并集成于 Meta AI 中。
推荐理由：低价位 agentic coding 模型即日可用，可能使原先因成本顾虑而推迟的智能体原型更早启动。
Anthropic 为 Claude 推出一项反思功能（Beta），帮助用户追踪使用模式。用户可回顾过去 1、3、6 或 12 个月的活动总结，涵盖关键主题、使用频率和任务类型。功能结合 4D AI Fluency Framework（委托、描述、辨别、勤勉）提供协作分析，支持设定静音时段或定时休息提醒。隐私方面，不涉及无痕对话和健康集成工具，也不提取连接工具中的底层文件。该功能面向 Free、Pro 和 Max 用户，需开启记忆功能，可通过 Claude 网页或桌面应用设置。
推荐理由：这是大模型公司第一次认真讨论‘人机边界’，上线了帮你看清自己怎么用 Claude 的反思仪表盘，我觉得做产品的可以思考一下这个设计思路。
法国竞争管理局确认，对英伟达的反垄断调查已近尾声，即将发布正式异议声明。调查聚焦两大问题：市场对CUDA平台的严重依赖，以及英伟达对CoreWeave等AI云计算公司的投资。英伟达占全球AI加速器超70%份额。若认定滥用市场支配地位，最高可处全球年营业额10%罚款。法国是首个准备正式指控英伟达的监管机构。
推荐理由：法国快成为全球首个正式指控英伟达反垄断的监管机构，争议在CUDA生态紧耦合与芯片投资，这个案子能不能动摇AI芯片供应链，是所有人都该关心的节点信号。
美团万亿参数大模型 LongCat-2.0 正式开源，总参数 1.6T，平均激活约 48B，为真实 Agentic Coding 任务而生，并作为业界首个在五万卡国产算力集群上完成推理的万亿参数模型。
推荐理由：LongCat-2.0 把针对国产卡的模型、芯片适配与部署优化作为完整开源栈发布，为存量算力部署万亿模型提供了可复现的协同方案。
NVIDIA 发布 Nemotron-3-Super 的压缩变体 Nemotron-Labs-3-Puzzle-75B-A9B，总参数从 120.7B 降至 75.3B，活跃参数从 12.8B 降至 9.3B，保持 88 块混合布局（40 Mamba、40 MoE、8 注意力）。在 8×B200 节点上，8K/64K 场景匹配用户吞吐量≥100 tok/s 时，服务器吞吐量提升 2.03 倍。单 H100 上 1M-token 并发从 1 增至 8，权重占用从 70 GB 降至 44.5 GB。迭代式 Puzzle 方法平均得分比单步高 0.57。代价：Arena-Hard-V2 降 4.2 分、SWE-Bench 降 2.6 分。Hugging Face 提供 BF16、FP8、NVFP4 检查点。
推荐理由：把120B MoE压到75B后，同节点服务吞吐几乎翻倍，单张H100百万token并发从1涨到8。对长上下文RAG和AI编码助手这类对吞吐敏感的产品来说，这不是论文调优，是实打实的降本方案。
蚂蚁灵波开源新一代实时交互世界模型 LingBot-World 2.0（14B 参数），支持施法、攻击、跳跃等丰富角色动作及文本驱动事件（如切换场景、召唤风暴），内置 Pilot Agent 与 Director Agent 实现世界持续演化，并支持多人同时交互。模型采用因果预训练范式和混合双向自回归注意力掩码（MoBA），可稳定输出 720p/60fps 实时画面，长达一小时测试画质不衰减。通过一致性蒸馏与 DMD 降低采样成本，结合注意力 kernel 优化、混合并行推理、动态 KV 缓存调度和异步流媒体传输实现低延迟交互。模型权重及推理代码以非商用协议开源，SGLang 已适配，并提供 Reactor PC 端和灵光 APP 在线体验。
推荐理由：蚂蚁灵波这个开源世界模型把实时世界生成推到了小时级还不崩，720p/60fps实时交互，做开放世界游戏或自动驾驶仿真的团队值得上手测。
蚂蚁灵波科技正式开源LingBot-Video，这是全球首个基于MoE架构、面向具身智能的视频生成基础模型。总参数30B，推理时仅激活约3B，效率较同规模Dense架构提升约3倍。模型引入7万小时VLA、VLN、Ego等机器人数据，并通过多维强化学习奖励系统对齐物理合理性与任务完成度。在RBench上总分0.620，超越Wan2.6等模型；在Physics-IQ Verified评测中排名第一。可用于机器人动作预测、仿真数据生成等方向。
推荐理由：蚂蚁灵波开源了首个面向具身智能的视频基模，用MoE控制推理成本，对机器人仿真和世界模型研究是个真工具，做具身的可以跑起来了。
OpenAI 发布 GPT-5.6（Sol、Luna、Terra）系统卡，将三款模型在生物化学领域均预防性定为 High 能力，未达 Critical 阈值。
推荐理由：这份系统卡披露了 GPT-5.6 家族在生化和网络安全领域的准备度评估细节与部署模拟方法，可了解前沿安全评估如何落地。
Robbyant 推出 LingBot-VLA 2.0，一个 6B 参数的开源视觉-语言-动作（VLA）基础模型。它以 Qwen3-VL-4B-Instruct 为骨干，采用 MoE 动作专家架构，通过 55 维规范向量统一表示不同机器人的状态和动作。训练数据涵盖约 60,000 小时高质量数据（50,000 小时机器人轨迹 + 10,000 小时第一人称人类视频），覆盖 20 种机器人配置。在 GM-100 双机械臂基准测试中，模型在多个平台上超越 π0.5 和之前版本。模型权重、代码和技术报告已以 Apache-2.0 许可开源。
推荐理由：蚂蚁Robbyant放出的开源VLA 2.0把通用机器人策略往前推了一步，60,000小时跨具身数据、统一动作空间和MoE设计对做机器人的团队是实打实的参考，不是又一个lab-only的demo。
Meta Superintelligence Labs 发布 Muse Spark 1.1，定位面向智能体任务的多模态推理模型，在工具与计算机使用、编码、多模态理解上较 Muse Spark 有明显提升，支持 1M token 上下文窗口。
推荐理由：官方博客给出模型在智能体、编码、多模态上的能力细节和百万 token 上下文，并开放 Meta Model API 公测，可对照现有工作流评估。
一种为AI智能体设计的预检工作记忆架构：查询到来时，系统从磁盘上约90个索引化的技能库中检索最相关技能，仅加载到上下文窗口。本地开源模型Ornith 35B（350亿参数，通过Ollama在Apple Silicon上运行）执行任务，约80%常规任务由本地模型完成，困难任务路由至前沿模型。看门狗记录每次预检决策和技能调用，夜间通过异步推理处理全天轨迹，自动决定哪些技能需新增或固化（如日历排期转为确定性Rust代码），实现自我改进循环。昨天，看门狗首次未提出任何改进建议，系统或接近性能平台期。
推荐理由：Tunguz 把代理的记忆问题拆成预检+看门狗，不是大模型调参，而是软件架构层的优化，做 agent 的开发者可以直接偷师。
留下联系方式，我会亲自联系你；想先问问，也可以直接写在下面。消息会实时送到我手上，回复会显示在这里，关掉网页再回来也能看到。