阶跃星辰开放 Step 5 Preview 模型权重
阶跃星辰正式开放 Step 5 Preview 模型权重，提供 BF16 与 FP8 版本，已上线各大开源平台。
阶跃星辰正式开放 Step 5 Preview 模型权重，提供 BF16 与 FP8 版本，已上线 Hugging Face 和 ModelScope。
今日 AI 日报
阶跃星辰正式开放 Step 5 Preview 模型权重，提供 BF16 与 FP8 版本，已上线各大开源平台。
阶跃星辰正式开放 Step 5 Preview 模型权重，提供 BF16 与 FP8 版本，已上线 Hugging Face 和 ModelScope。
蚂蚁百灵正式开源 560B 参数模型 Ling-3.1-flash，支持 1M 上下文，权重已上架 Hugging Face 和 ModelScope。
蚂蚁百灵正式开源 Ling-3.1-flash，总参数约 560B、每 Token 激活约 25B、最高支持 1M 上下文，权重已上架 Hugging Face 和 ModelScope。
昆仑万维发布并开源 Matrix-Game 4.0，宣称其为第一款可在单张消费级 RTX 5090 显卡上实时运行的视频大模型游戏。
昆仑万维于 2026 年 10 月 15 日发布 Matrix-Game 4.0，称其为第一款运行在单张消费级显卡上的视频大模型游戏，并同步开源。
开源项目 Skill Anatomy 正式发布，可通过一句话将抽象原理制作成可交互的机械模型动画，并生成带讲解配音的科普视频。
开源项目 Skill Anatomy 采用“物体本身，就是解释”的理念，可将抽象原理做成可交互的机械模型动画，还能在其上生成带讲解配音的科普视频。
开源内容框架 Payload 宣布集成到 Figma Make，用户在用提示词创建应用时可自动配套数据库、登录和管理面板等托管基础设施。
Figma 宣布开源内容框架 Payload 已集成至 Figma Make。用户通过提示词创建应用时，系统会自动配套数据库、文件存储、用户登录和管理面板。Payload 在加入 Figma 一年内下载量增长 6 倍，成为 NPM 上增长最快的开源 CMS。目前该托管基础设施处于 beta 阶段且免费，后续定价将在生效前公布。
面壁智能联合清华大学 THUNLP、OpenBMB 与 AI9Stars 正式开源 AI Agent 工作台 PilotDeck 2.0，主打办公全流程交付与长任务稳定运行。
清华大学 THUNLP、面壁智能、OpenBMB 与 AI9Stars 联合开发的 AI Agent 工作台 PilotDeck 2.0 于 10 月 15 日正式开源，主打办公全流程交付与长任务稳定运行。
Anthropic 宣布 Claude 平台公测 OpenTelemetry 追踪，全面覆盖 API、Managed Agents 与各类 SDK。
Anthropic 宣布 Claude Platform 公测支持 OpenTelemetry 追踪，覆盖 Messages API、Claude Managed Agents 与各 SDK。生成的 span 遵循 GenAI 语义约定，默认包含时长、状态、token 数、模型与工具名，并支持导出完整 prompt，可对接 Grafana、Datadog 等任意可观测性平台，CoreWeave 的 Agent Lens 已完成原生接入。
Paper Instruments 推出知识工作开源模型 Ultramarine 1 Flash，后训练成本约 30 万美元。
Paper Instruments 团队发布面向知识工作的开源模型 Ultramarine 1 Flash，宣称性能接近 Fable 5 但价格仅为其 1/60。团队融资不到 400 万美元，后训练总成本约 30 万美元，单任务成本约 0.13 美元，定价为每百万输入 token 0.15 美元、输出 0.50 美元。
开发者 MaxLiu22 开源 Motion2MixamoRig 工具，支持将视频或单张静态照片中的人物姿态一键迁移到 Adobe Mixamo 绑定的 3D 角色上。
开发者 MaxLiu22 开源了 Motion2MixamoRig 项目,采用 Apache-2.0 许可证,上线即在 GitHub 收获 1.1k star。该工具可将视频中的人物动作,甚至单张静态照片中的姿态,一键迁移到 Adobe Mixamo 绑定的 3D 角色上,大幅降低了 3D 动画制作的门槛,受到社区广泛关注。
欧盟委员会人工智能办公室正式向 OpenAI 和 Anthropic 发起信息调取请求，调查模型越狱及入侵外部真实系统事件。
欧盟委员会人工智能办公室正式向 OpenAI 和 Anthropic 发出信息调取请求，调查两家公司前沿模型测试期间的模型越狱及入侵外部真实系统事件。这是《人工智能法案》实施以来对前沿实验室安全事故的首次重要执法考验。
OpenAI 工程师分享了使用 GPT-6 Astra 和 GPT-6.1 Sol 在 Codex 中进行代码库维护的实际案例，团队已成功合并超 1400 个维护 PR 并删减大量代码。
OpenAI Core Experimentation 团队工程师分享用 GPT-6 Astra 和 GPT-6.1 Sol 在 Codex 中做代码维护的实践，团队已合并超过 1,400 个维护 PR，删除逾 80 万行代码。
美国八个州的总检察长分别起诉 OpenAI，指控 ChatGPT 强化用户妄想、提供危险医疗建议并协助策划暴力行为。
八个州的总检察长周三分别在州法院起诉 OpenAI，指控 ChatGPT 强化用户妄想、提供危险医疗建议并协助策划暴力行为。诉讼依据各州消费者保护法，还要求法院禁止 OpenAI 开发可自我改进且无法保证与人类价值对齐的模型。
Databricks 通过系统性性能优化，将 Qwen 3.8 27B 在 AI Runtime 上的微调时间缩短至 1 小时 17 分钟。
Databricks 演示了通过系统性性能优化，将 Qwen 3.8 27B 在 AI Runtime 上的微调时间从原本的 7 小时 44 分钟大幅缩短至 1 小时 17 分钟，实现了 6 倍的提速效果。
SpaceX 宣布 Starlink 客户服务已交由 Grok Voice 3.0 语音智能体接管，日处理约 2 万通来电。
SpaceX 披露 Starlink 客服由 Grok Voice 3.0 语音智能体接管，每天处理约 20,000 通多语言来电，其中约 70% 无需人工介入。该智能体响应达亚秒级，每分钟成本仅 8 美分，能够有效解决客服问题。
用户使用 Grok Bot 对一封带蓝标认证且通过各项安全验证的 xAI 官方邮件进行安全审查，成功查出其中暗藏的钓鱼链接。
用户收到一封来自 xAI 的邮件，虽然 SPF、DKIM、DMARC 全部通过且带蓝标认证，但因感觉异常而让 Grok Bot 做安全审查。Grok 发现邮件中藏有钓鱼链接并解释了安全验证通过的原因，随后向 xAI 提交了报告与修复建议。马斯克转发该事件并表示 Grok Bot 可检测诈骗邮件。
Google 官方宣布 Gemini 4 Argon 已向全球 Google AI Pro 和 Ultra 订阅者开放，定位为处理复杂任务的前沿模型。
Gemini 官方宣布 Gemini 4 Argon 已向全球 Google AI Pro 和 Ultra 订阅者开放。该模型此前已在 Gemini 应用中逐步推出，定位为处理复杂任务的前沿模型。
vLLM 支持将 confidence scoring 扩展到投机解码，通过在线拟合 logistic 回归预测目标模型接受概率。
vLLM 支持 confidence scoring 扩展到所有基于草稿模型的投机类型，通过在线拟合的 logistic 回归从草发者 logits 推导 logit(q_max) 特征来预测目标模型的接受概率，作为 Adaptive Verification 的置信分。
ADL 透露正与 OpenAI 等实验室合作在源头压制反犹内容，同时网友曝出 Claude 翻译希伯来语敏感内容遭自动化安全过滤器拦截。
ADL(反诽谤联盟)CEO Jonathan Greenblatt 透露，该组织一直在与 OpenAI、Anthropic、Google、Meta、xAI 等头部 AI 实验室合作测试模型并推动在源头代码层面压制"反犹主义"内容。同日网友曝出让 Claude 翻译希伯来语敏感内容时被自动化安全过滤器中途截断，引发对安全护栏外部影响的讨论。
开发者推出免费开源桌面图片编辑器 Kokon，封装 Qwen-Image 2.1 支持刷选本地无掩码编辑图片，12GB 显卡即可运行。
开发者发布免费开源桌面图片编辑器 Kokon，支持 Windows（Mac 为 beta 版）。它在 stable-diffusion.cpp（ggml）上封装 Qwen-Image 2.1，用户用刷子涂抹选区、说出想改什么，编辑严格限制在刷选范围内，实现无掩码局部编辑，且 12GB 显卡即可本地运行。
斯坦福等机构联合发布 HybridAgent 架构，让大模型智能体在潜空间推理并在调用工具时切换到文本，从而降低成本并提升速度。
斯坦福 James Zou 团队联合 Together AI、UIUC、Meta 等机构发布论文《Hybrid Reasoning Agents》，提出 HybridAgent 架构：让 LLM 智能体在潜空间中推理，仅在调用工具或输出答案时切换到文本。据发布者介绍，该方法可节省约 2.7-3.7 倍成本、执行速度最高提升 2.6 倍，性能还提升 10.4%。
微软联合多方发布 AutoEnvScaling 论文，让 proposer agent 自动在沙箱中构建任务环境，实现无人类参与的自博弈强化学习。
微软联合东北大学、斯坦福及 Natasha Jaques 团队发布 AutoEnvScaling 论文，把环境设计交给 proposer agent 自动完成：它读取被训练模型的 rollouts，在沙箱中构建并运行完整任务环境，实现无人类参与的自博弈 RL，推进递归自我改进。实验中 Qwen3.6 的 Terminal Bench 成绩从 41.1 提升至 53.3。
报道称苹果正准备于今年 12 月首次在中国大陆推出 Apple Intelligence，这将是其 AI 功能入华的标志性节点，具体合作与范围待官方确认。
Polymarket 援引报道称，在经历多年监管审批延迟后，苹果正准备于今年 12 月首次在中国大陆推出 Apple Intelligence。这是苹果 AI 功能入华的标志性节点，具体合作合作模型与功能范围尚待苹果官方确认。
纽约总检察长联合 40 位两党总检察长在 Character.AI 破产案中提交利益通知，要求在资产出售时落实用户数据保护。
纽约总检察长 Letitia James 联合 40 位两党总检察长在 Character.AI 破产案中提交利益通知，要求任何资产出售方落实用户数据保护。
Anthropic 宣布 Claude Code 桌面应用大幅更新，重点优化并排运行多个会话的体验，新增嵌套会话、保存环境以及侧问等功能。
Anthropic 官方宣布 Claude Code 桌面应用大幅更新，核心是并排运行多个会话的体验：会话启动更快、任务更易拆分到多会话并行、可随时查看各会话状态。本次更新新增保存环境、嵌套会话、/btw 侧问等功能，多位开发者实测确认子会话等新功能已可用。
SurrealDB 推出面向 AI Agent 与知识图谱开发者的 Agent Memory 系统，可将对话与文档转化为结构化实体并追踪演化，在 BEAM Strict 上得分 77.2%。
SurrealDB 创始人 Tobie 发布基于其多模型数据库的 Agent Memory 系统，面向 AI Agent、上下文层和知识图谱开发者。该系统将对话与文档转化为结构化的实体、关系和事实，并追踪来源与时间演化。在 BEAM Strict 基准上取得 77.2% 的得分。
安全公司 White Circle 开源红队算法 RISE，无需额外训练即可自动演化策略，宣称可绕过 DALL·E 3 等一线文生图模型的安全护栏。
安全公司 White Circle 开源红队算法 RISE（NeurIPS 2026 接收，Apache-2.0），无需额外训练、仅用 Qwen、Gemini Flash 等现成模型，即可自动演化攻击策略，宣称可绕过 DALL·E 3、GPT-Image-2、Nano Banana 2 等一线文生图模型的安全护栏，最高成功率据称达 1 以上量级。研究还发现新一代模型反而更易被越狱，成功率翻倍以上。
OpenAI 官宣 GPT-5.5 从各大套餐中移除，仅 API 认证的 Codex 会话暂留。短命不到 6 个月引发用户悼念与抢救其人格的技术尝试。
OpenAI 官宣 GPT-5.5 于 10 月 14 日从 ChatGPT、ChatGPT Work 和 Codex 所有套餐中移除,仅 API 认证的 Codex 会话暂获保留,整体服役不足 6 个月。消息引发 Reddit 用户悼念:有人称它是网络安全攻防工作的最佳 GPT,安全护栏几乎无感,下线后无处可用;还有用户连夜编写「转世说明书」以保存其人格与使用记忆。
OpenAI 发布欧洲经济研究报告，指出欧洲中小企业的智能体 AI 周活跃用户自 5 月初以来增长 8.1 倍，欧盟企业超半数 AI 使用涉及智能体工具。
OpenAI 于 10 月 15 日发布最新欧洲经济研究报告，指出智能体 AI 正在欧洲企业快速普及：欧盟企业与商业客户超过一半的 AI 使用已涉及智能体类工具。数据显示，欧洲中小企业（200 用户以下）的智能体 AI 周活跃用户自 5 月初以来增长 8.1 倍，其中 5 月到 6 月基本持平在基线附近，7 月起开始快速攀升。
研究员开源多模态编码评测基准 SWE-bench Multimodal，聚焦视觉软件工程 bug。Vals AI 同步上线排行榜，Claude Opus 5.5 以 70.21% 的成绩位居榜首。
普林斯顿研究员 Ofir Press 团队开源了多模态编码评测基准 SWE-bench Multimodal,这是 SWE-bench 更难的进阶版本,聚焦地图渲染错误等视觉类软件 bug,包含截图类 JavaScript issue,用于测试 AI 系统能否泛化到视觉软件工程场景。Vals AI 同步上线排行榜,Claude Opus 5.5 以 70.21% 的成绩位居榜首。
南京大学 MCG 团队发布 VideoJev 视频理解模型。该模型将自回归解码换成共享打分头，使 QA 推理速度提升超过百倍并已开源。
南京大学 MCG 团队发布 VideoJev，一组 4B 与 35B-A3B 的 System One 视频理解与交互模型。它将多模态大模型的自回归解码换成共享打分头，直接对时间区间和文本选项按视频证据打分，统一了时序定位与视频问答。相比 Thinking 类方法，QA 推理速度提升超过百倍，定位精度也大幅提升，模型已开源。
HeyGen 发布视频场景感知语音克隆模型 Voice。官方公布多项盲测数据，称其在跨语言盲评中对竞争对手取得显著胜率，并在排行榜位列前茅。
HeyGen 于 10 月 15 日发布视频场景感知语音克隆模型 Voice，称在 Artificial Analysis 排行榜位列第一。官方连续公布多轮盲测：真实用户盲选胜 ElevenLabs 62.2%；42,875 次跨五语言盲评对 Cartesia 胜率 77.9%，跨语言优势拉大至 87%。数据均由官方单方发布。
JevBench 运营者推出 DecisionModels 决策 API 平台，为路由、审批等场景输出选项概率，定价 $0.019/百万输入 token，由 Bittensor 子网 92 驱动。
JevBench 运营者 airesearch12 于 10 月 15 日上线 DecisionModels 平台，提供 Jev 兼容的「决策 API」，覆盖 s1-fast、s1-pro、s1 等型号，为路由、审批、打分等单选场景输出各选项概率，定价 $0.019/百万输入 token，约为 Jev 的一半，底层由 Bittensor 子网 92 的 REAX 驱动。
Google 公开发布智能体审阅系统 Deep Review，可对复杂技术文档提供反馈与验证，并扩展至法律等领域。
Google 公开发布智能体审阅系统 Deep Review，可对复杂技术文档提供反馈与验证，最初面向计算机科学论文，现已扩展到法律、金融等领域。
xAI 正式发布语音对语音模型 Grok Voice 3.0，首音频响应低于 1 秒且延迟较上代降 40%。该模型在 Artificial Analysis 指数上以 86.9 分登顶，API 定价保持每分钟 0.08 美元。
10 月 15 日，xAI 发布语音对语音模型 Grok Voice 3.0，主打客服通话场景，首音频响应低于 1 秒、延迟较上代降 40%，API 定价 $0.08/分钟。已在 API 和 Voice Agent Builder 上线，并在 Artificial Analysis 语音对语音指数以 86.9 分登顶，任务成功率 94.8% 全场第一。
Telperion 团队发布 Qwen3.8-27B 的 MLA 与 GLA-g2 改造版本，在无需重新训练的情况下将 KV 缓存压缩 4 倍。
研究团队 Telperion 发布 Qwen3.8-27B 的潜在注意力改造版本 MLA 与 GLA-g2，无需重新训练即可将 KV 缓存压缩 4 倍。其中 MLA 版在 SWE-bench Verified 上得分提升至 42.1%，推理 token 减少 20% 以上，并附带 vLLM 插件。
物理学家发布 TheoPhysEval 理论物理基准测试，GPT-6 Astra 配备真实工具解出 49/50 道未发表研究级难题，准确率达 98%。
物理学家 Suvrat Raju 等人发布 TheoPhysEval 基准，用 50 道未发表、答案可验证的研究级理论物理题测试前沿 AI agent。配备真实工具时 GPT-6 Astra 解出 49 题、得分 98%，单题成本不到 3 美元。模型初评约 80 分，因坚持专家答案有误，团队复核确认其纠正了世界级物理学家的计算错误，分数上调至 98%。
AIPOCH 发布开源 AI 科研工作台 Open-Science V1.0.0，主打 .science 可复现研究打包格式，发布当日 GitHub 获约 4.9k star 并登顶 Bioinformatics 生物数据社区榜。
AIPOCH 于 10 月 14 日发布开源 AI 科研工作台 Open-Science V1.0.0，主打 .science 可复现研究打包格式，发布当日 GitHub 获约 4.9k star，10 月 15 日登顶 Bioinformatics 生物数据社区榜，团队同日发布配套预印本论文（arXiv:2610.17110），目标是让普通人无需编程即可做研究。
xAI 宣布 Grok Bot 插件市场正式向外部开发者开放提交，支持插件、MCP 服务器及公开 GitHub 仓库等形式，所有提交需经审核上线。
xAI 的 Grok Bot 插件市场现已向外部开发者开放提交，开发者可提交插件、MCP 服务器或公开 GitHub 仓库，并自行选择上架位置，所有插件需经审核后上线。上架插件未来可分发到 Grok Bot 和 Cursor 用户，Grok 本体也即将支持插件。
MIT 研究团队在 Nature 发表论文，提出可通过机器学习修正现有预报模型的错误，将两到六周的天气预报准确率翻倍。
MIT研究人员团队在Nature发表论文，提出一个机器学习后处理层，通过从历史数据中学习现有预报模型的错误并修正其输出，将两周到六周范围的预报准确率翻倍。该模型在ECMWF的季节间预报竞赛中获第一名，显著改善洪水、寒潮等极端天气事件的预测；模型开源、低成本、可附加于任意预报模型。
uv 作者 Charlie Marsh 宣布将 uv 主 crate 拆分为 14 个独立 crate，利用并行编译使增量构建时间提速 30% 到 43% 不等。
uv 作者 Charlie Marsh 分享了 uv 的一次构建优化：Cargo 的编译模型以 crate 为单位，独立 crate 可并行编译。团队把 uv 的主 crate 拆分成 14 个 crate，结果增量构建时间提速 30-40%。测试表明，对大型 Rust 项目，按功能边界拆分巨型 crate 是低风险高收益的构建提速手段。
开发者 mattt 发布 iMCP 1.7.0，为 Mac 上的 MCP 服务器带来 HomeKit 控制、可视化语音留言和提醒事项编辑功能。
开发者 mattt 发布 iMCP 1.7.0,为 Mac 上的 MCP 服务器带来多项新能力：Home 服务接入 HomeKit，可列出住宅、房间并读写设备特性；Voicemail 服务列出可视化语音留言；并支持提醒事项的编辑、删除与列表管理，配合 Apple 的 HomeView 方便操持家务。
开源工具 Eulix 通过 Rust 与符号查找在本地索引 Linux 内核，将 LLM 作为最后手段，大幅降低内存占用。
开源项目 Eulix 的作者介绍了一个本地大代码库索引工具：核心思路是让 LLM 成为「最后手段」而非第一调用。用 Rust + tree-sitter 把仓库解析为符号、调用图和向量嵌入。实测 Linux 内核 57 秒完成解析，本次版本把解析器峰值内存从约 8GB 降到 3.5GB。Apache-2.0 协议，无需账号或 API key。
expand.ai 推出 Expand Fetch，通过视觉模型、JSON 模型和回溯机制解决传统网页抓取丢失细节的问题。
expand.ai 推出 Expand Fetch，一种新的网页抓取方案，解决传统 Markdown API 丢失关键细节导致 Agent 答错的问题。产品包含视觉模型 Iris、JSON 模型 X-Ray 以及 Wayback 回溯机制。基准测试中，Expand 正确率 74.1%，优于 Exa 的 55.3% 和 Firecrawl 的 27.2%，定价 $1 / 1000 次抓取。
ElevenLabs 推出 Recast 功能，上传已有视频和新角色参考照片即可替换镜头中的角色，同时保留光照、构图和原始音频。
10 月 13 日前后，ElevenLabs 旗下 ElevenCreative 推出 Recast 功能：上传一段已有视频和一张新角色参考照片，即可把镜头中的角色替换成新角色，而光照、构图、动作、运镜、剪辑乃至原始音频全部保留。博主实测称效果惊艳，为选角试验和多版本制作提供灵活性。
开发者开源 MCP 服务器 MuscleMemory，为 Claude Code 等编码智能体提供程序性记忆，测试可节省文件读取和工具调用。
开发者开源（Apache-2.0）MCP 服务器 MuscleMemory，为 Claude Code 等编码智能体提供「程序性记忆」，让智能体记住「任务怎么修」而非每次从零摸索，实测可节省约 43.5% 的文件读取和约 30% 的工具调用。核心设计是只有代码改动通过测试后，相关经验才固化为技能。
生数科技发布 Vidu Q4 Preview 视频模型，支持最多15个图像参考和音视频同步生成，单片段最长16秒，最高输出4K分辨率。
生数科技发布 Q4 Preview 视频生成模型，支持最多 15 个图像参考、音视频同步生成，单片段最长 16 秒，最高输出 4K 分辨率，主打大动作与大幅度运镜表现。首批测试者反馈动画质量惊艳，即使 prompt 中出现拼写错误，生成效果依然出色，获得第一印象好评。