跳到正文
10月16日周五
10月15日周四
  1. IT之家83

    英伟达发布 1200 亿参数 Nemotron 3.5 Super VL:单 GPU 智能体任务吞吐量最高提升 5 倍,74B 版本压缩至 24GB

    英伟达发布开放多模态模型 Nemotron 3.5 Super VL,采用 MoE 架构,总参数 1200 亿、激活参数 120 亿,面向持续运行、执行多步骤任务的 AI 智能体,单张 GPU 智能体任务吞吐量最高为同规模其他开放模型的 5 倍。

    同一新闻,精选展示《NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型》

  2. The Verge · AI65

    名人 AI 深度伪造内容泛滥,无人能幸免

    一张 AI 生成的 Mia Goth 假照片在 Instagram 上获得近 50 万点赞,Meta 在 The Verge 询问后移除了部分涉事账号。Meta 允许账号付费购买蓝标认证,且静态图片不受其 AI 标注规则约束,使此类假图得以无披露传播;相比之下 YouTube 的形象检测机制在 2026 年上半年移除了超过 95% 被举报的视频。

  3. Hugging Face Blog72

    Apertus 1.5 发布:支持图像与音频理解,上下文窗口扩展至 262,144 tokens

    Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。

    推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。

  4. IT之家76

    阶跃 Step 5 Preview 大模型权重开放,支持 100 万 token 上下文窗口

    阶跃今日正式开放 Step 5 Preview 模型权重,同步发布技术博客与配套开源开发工具。模型面向长程 Agent 任务,采用稀疏 MoE 架构,总参数量 600B、每 token 激活参数 27B,支持 100 万 token 上下文窗口,原生支持文本与视觉输入,近期在 OpenRouter 周调用量与日调用量榜单均位居全球第二。

    推荐理由:原文给出了 600B 稀疏 MoE 与百万 token 上下文的关键设计,读者可据此判断它在长程 Agent 场景中的适用性。

  5. IT之家80

    中国科学家团队依托书生-S2 完成三维 Ghys 猜想证明

    10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。

    推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。

  6. Google Research62

    Google Earth AI 地理空间智能体公布三项更新并扩大早期访问

    Google Research 公布 Earth AI 地理空间推理智能体的三项更新,涵盖技术报告、合作伙伴实测结果与早期访问扩展。技术报告在 GeoExpertQueries、GeoKTools、CBGB、UnivEARTH 四个基准上对比四种智能体配置,表明领域专用技能与前置规划显著优于开箱即用的 LLM,两个新基准的开发集已全部开放。

    推荐理由:报告用四档配置在四项基准上对比表明,领域技能与前置规划是通用 LLM 应对真实空间推理任务的关键。

10月14日周三
  1. NVIDIA Blog30

    欧洲城市部署 NVIDIA 驱动的 AI 智能体,实现更智慧的城市运营

    欧洲多座城市正基于 NVIDIA 加速计算部署物理 AI 智能体与数字孪生,优化城市运营与公共服务。NVIDIA Cosmos、Nemotron 与 Metropolis VSS 蓝图支持智能体分析视频、识别交通拥堵与安全隐患;法国 Côte-d'Or 在 500 多栋公共建筑落地后,文档检索从数周缩至数分钟,运营成本降低 10%。

  2. 量子位30

    调度效率提升80%!商汤大装置助力上海量子城市首批智能体落地

    商汤大装置全面升级"云宇星空大模型",支撑上海市规划资源局落地量子城市首批政务智能体,其中"禹智河洛""大略之眼""详规小工单"三大智能体由商汤大装置自研交付。升级后的模型已形成1.3万对高质量问答和15亿Token语料,专业空间推理与复杂任务执行能力进一步强化。"禹智河洛"落地后,空间智算、动态模拟、智能调度效率分别提升65%、70%、80%。

10月13日周二
  1. IT之家43

    哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力

    哈啰 Robotaxi 宣布推出生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述需求或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测。研发人员可借此插入横穿行人、调整前车路线,并切换雨雪与昼夜等条件,构造真实采集难以充分覆盖的长尾情境。

  2. 极客公园59

    模思智能完成超 10 亿元 Pre-A 轮融资,邱锡鹏团队要做情境智能

    10 月 12 日,模思智能宣布完成超 10 亿元 Pre-A 轮融资,由华控基金领投,距天使轮官宣约半年。公司由复旦大学特聘教授邱锡鹏创立,成立不到两年,定位情境智能,2026 年以来围绕语音、视觉和实时多模态连续发布 20 多个模型,其中 7 月开源的 MOSS-VL-Realtime 已能持续接收视频流并随画面变化更新判断。

10月12日周一
  1. IT之家46

    Arena 公布新一轮 AI 大模型周榜:Claude Opus 5.5 Max 首登智能体榜首,国产多模型稳定中上游

    Arena 发布 2026 年第 41 周 AI 大模型排行榜,Anthropic Claude Opus 5.5 Max 新入榜即以 15.53% 净提升度登顶智能体榜第一。gemini-4-argon-high 继续稳居综合榜榜首,ELO 1525 分。国产模型整体处于中上游,kimi-k3-max 位列第 16,qwen3.8-max、mimo-v2.6-pro 等排名稳定。

10月10日周六
  1. IT之家60

    生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出

    生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出。该模型最多支持 3 段参考音频与 15 张参考图,单次最长可生成 16 秒视频,支持 10bit 色深,首发优惠价 0.09 元/秒起,覆盖 540P 至 4K 多种规格,面向 AI 短剧、广告营销、社交互动和影视创作等场景。

10月9日周五
  1. IT之家47

    豆包工作上新:支持画布功能,模型再更新

    豆包工作任务模式新增画布功能,可将素材、方案和创作成果铺在同一张无限画布上随时查看与对比,并支持生成后继续调整文字、配色与布局。豆包 2.1 Lite 模型已上线豆包工作,更省额度、更快交付,覆盖文档撰写、表格处理、PPT 制作等高频场景。豆包工作同时支持全新图片模型 Seedream 5.0 Flash,为生图创作带来更多风格与视觉表达选择。

10月8日周四
  1. MIT Technology Review · AI56

    机器人领域的 AI 突破不会很快改变你的生活

    MIT Technology Review 的分析指出,尽管马斯克等人宣称通用人形机器人即将到来,当前 AI 驱动的机器人仍只能在训练范围内完成有限任务。Google DeepMind 的 Gemini Robotics 和 Physical Intelligence 的 π0.7 展示了进展,但 VLA 模型在超出训练集的任务上大多失败,世界模型被视为新的技术路径。

  2. IT之家86

    ChatGPT 周活超 12 亿,OpenAI 面向全体用户推出 GPT-6 系列与智能界面

    OpenAI 宣布面向所有 ChatGPT 用户推出 GPT-6 系列模型与智能用户界面,其全球周活用户已超 12 亿。GPT-6 Astra、GPT-6 Sol 和 Luna 过去几个月陆续发布,此前仅限 ChatGPT Work 和 Codex 使用;新界面可根据问题灵活组合文本、图像和交互元素生成回复,例如通过互动视觉效果教用户打麻将。

    同一新闻,精选展示《OpenAI 向全球 ChatGPT 用户推出 GPT-6 与 Intelligent UI》