用 NVIDIA Nemotron 开源模型打造万圣节鬼屋：会说话的 MonsterHouse
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动装置 MonsterHouse，让车库门以暴躁老海盗船的口吻与讨糖孩子对话。
#多模态
Hugging Face BlogAI 评分4242
芥末堆AI 评分2424 科大讯飞展示星火智能批阅机M50与星光教师超级智能体等AI教育应用
科大讯飞在第88届中国教育装备展示会上展出星火智能批阅机M50，最快5分钟完成一个班的批量批改，并自动生成班级学情报告与讲评讲义。讯飞星光教师超级智能体已累计30万注册教师用户，可让教师通过自然语言直接生成H5交互课件，并为每位教师节省60%—80%的事务性工作时间。同期亮相的还有讯飞同窗AI黑板、灵机N9000 AIPC等产品。
量子位AI 评分5858 英伟达与 MIT 团队基于 MiniMax H3 开源视频增强方案，最高支持 4K 重生成
英伟达与麻省理工学院组成的 Efficient-Large-Model 团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重，配套推理代码已在 NVlabs/Sana 仓库开放。
量子位精选AI 评分7474 国产开源模型OXR登顶三大文档解析榜，1.3B参数靠RSI自进化训练
国产开源文档解析模型OXR以1.3B参数量在OmniDocBench（97.18）、olmOCR-Bench（87.84）和DocParsingBench（87.76）三个榜单登顶，代码、权重和评测流程全部开源。
推荐理由：读者可了解1.3B小模型如何靠RSI自进化训练在文档解析三榜登顶，以及可插拔架构带来的部署取舍。
TechCrunch · AIAI 评分4040 Meta 悄然推出 AI 时尚应用 Style Sketch
Meta 悄然上线 AI 时尚应用 Style Sketch，可连接 Instagram 用已发布照片搭建虚拟衣橱，也支持拍照、录视频或上传图片手动添加单品。应用会基于用户已有衣物推荐搭配，并提供贴合体型与肤色的虚拟试穿，目前已在印度尼西亚、新加坡和泰国上线 iOS 与 Android。用户还可输入目的地、行程天数和活动安排，获得结合天气预报的逐日穿搭计划。
The Verge · AIAI 评分5858 Google Gemini 聊天中可直接生成并编辑 Docs、PDF 等文件
Google Gemini 现在支持在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 文件和代码，即日起对所有 Gemini 用户开放。PDF 预览与编辑在网页端和移动端均可用，其他文件格式目前仅限网页版。用户可全屏展开文档编辑，也可选中文本向 Gemini 提问或要求修改，例如选中表格让它转成图表。
AWS Machine Learning BlogAI 评分3434 在 Amazon EKS 与 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已登陆 AWS，这是一个 120B 参数的 MoE 多模态模型，每 token 激活 12B 参数，支持最长 1M token 上下文和文本、图像、文档、视频输入。
NVIDIA BlogAI 评分4242 NVIDIA Omniverse 如何用前沿 AI 智能体把想法变成仿真应用
开发者用 GPT-6 Astra 等前沿 AI 模型配合 NVIDIA Omniverse 库，通过自然语言指令构建仿真应用。已有项目覆盖从场地扫描重建可编辑建筑模型、燃气轮机数字孪生 what-if 分析，到 2000+ SimReady 资产场景搭建和 80 传送带、40 机械臂、800 箱体维持 30 FPS 的仓库压力测试。
TechCrunch · AIAI 评分2626 前 Palantir 高管创办 Dream，获 a16z 1700 万美元融资，为建筑业打造 AI 世界模型
前 Palantir 高管 Andy Elder 和 Arjun Mathur 创办的 Dream 结束隐身状态，获得 a16z 领投的 1700 万美元种子轮融资，用于为建筑行业开发"建成世界模型"。
Hugging Face Blog同新闻AI 评分7272 Mistral Large 4（Le Chonk）在 Hugging Face 发布
Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF。
Hugging Face BlogAI 评分3131 Granite Switch 4.1.1 发布：像更新软件一样更新模型
IBM 发布 Granite Switch 4.1.1 补丁版本，与 4.1 完全向后兼容、无需迁移，基础模型未重新计算，只需组合最新适配器即可部署。更新包括支持 10 种语言、原生标点与大小写的 Granite Speech ASR 模型，以及在 Jev Decision Index 测试集上性能提升的 granitelib-core Decision 适配器。
量子位精选AI 评分7676 Genspark Media Studio 上线视频 Agent 工作台
Genspark 发布视频 Agent 工作台 Media Studio，接入 20 多家厂商的 70 多个模型版本，由大语言模型担任导演负责写剧本和调度视频、图像、音频模型。
推荐理由：作者完整实测了从rap视频到短剧的生成流程，读者可据此判断多模型编排的实际产出质量与积分消耗。
爱范儿AI 评分5050 为什么新模型发布，都要先做一个游戏？
新 AI 模型发布后让模型现场做游戏，正取代跑分成为主流演示方式。Claude Opus 5.5 发布时 Anthropic 展示了同提示词下的游戏生成对比，GPT-6 Astra 与 Kimi K3.1 Pro 也把游戏开发作为重点演示。这类浏览器游戏同时检验代码生成、空间理解、状态管理与交互反馈，但 GameCraft-Bench 显示最强 Agent 整体完成度仅 41.46%。
爱范儿AI 评分5858 XREAL AURA 正式上市：首款 Android XR 有线分体式眼镜，首发价 1099 美元
XREAL AURA 在 Google Android Dev Summit 2026 上宣布商业上市，是全球首款搭载 Android XR 的有线分体式 XR 眼镜，也是高通骁龙 Reality Elite 平台的首发终端。
Latent Space精选AI 评分7474 Google DeepMind 发布 Gemini 4 Carbon，登顶多个榜单并优先开放给网络安全防御方
Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，距 Argon 发布约两周，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并领先 HLE-Diamond、TB-Science 等 4 项子评测。
推荐理由：汇总了 Gemini 4 Carbon 在多个独立榜单上的位置与定价，并列出编码、幻觉率等具体对比数据。
爱范儿精选AI 评分7272 实测即梦短剧工作室：DreamScript、Anycook、DreamShot 串起短剧制作流程
即梦推出短剧工作室，把剧本创作、角色与场景资产管理、3D 导演台、智能预演、片段重拍和超分等功能放进同一套项目流程。自研剧本模型 DreamScript 可按题材标签直接生成完整剧本，图片模型 Anycook 生成的角色与场景可沉淀为后续镜头反复调用的资产，分镜模型 DreamShot 负责把剧本拆成镜头。
推荐理由：作者完整走了一遍从剧本到成片再到局部重拍的流程，读者可据此判断这套工作流在哪些环节省掉了重复生成。
少数派AI 评分1212 派早报：Apple 推出触控款 MacBook Pro、华为发布 Pura 90 Plus 等多款新品
Apple 发布首款支持屏幕触控的 14 英寸和 16 英寸 MacBook Pro，搭载 M5 Pro 和 M5 Max 芯片，起售价 2899 美元（中国大陆 22999 元），11 月 6 日发售。
The Decoder同新闻AI 评分7171 Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、将其中 31 种与英语互译，并识别 13 种语言中的说话人，支持最长 1 小时、最多 8 人的录音。
同一新闻，精选展示《NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线》
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音、最多 8 位说话人。
推荐理由：原文给出多语言转写、说话人分离与提示词控制的具体能力，以及配套数据管线和微调配方，便于评估落地方式。
NVIDIA BlogAI 评分5858 NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与智能体资源管理
NVIDIA 为 RTX Spark 轻薄笔记本带来一批更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、LFM3 系列模型支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。
TechCrunch · AIAI 评分5858 英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言的音频转写，并同步更新开源语音数据集 Granary 第 2 版。
Simon WillisonAI 评分6060 Simon Willison：2026 年 10 月是 vibe game development 的拐点
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显提升，他让模型把游戏改得更有趣，结果确实做到了。
爱范儿同新闻AI 评分7171 Google DeepMind 发布世界模型 Genie 4，单次模拟延长至 120 秒
Google DeepMind 发布新一代世界模型 Genie 4，单次交互模拟时长从约一分钟延长至两分钟，并首次支持原生音频生成。Genie 4 可实时生成环境声音、音乐和人物对话，并模拟碰撞、空气动力学、重力等物理规律；Gemini Omni 提供现实世界外观与行为基础，Gemini 3.8 Flash 作为实时引导智能体负责任务分解与步骤判断。
同一新闻，精选展示《Google DeepMind 发布世界模型 Genie 4》
Ars Technica · AIAI 评分2222 蛋白质与基因组设计软件迎来自然语言交互
蛋白质与基因组设计软件现在支持用自然语言告诉 AI 工具想要生成什么样的蛋白质。用户可直接以日常语言描述目标蛋白，无需依赖专业参数输入。
The DecoderAI 评分6060 Google DeepMind 发布 Genie 4 世界模型，可实时生成带声音的交互世界
Google DeepMind 发布 Genie 3 的继任者 Genie 4，这是其首个直接生成声音的实时世界模型，支持键盘操作与文本提示驱动场景，角色可对话并实时响应用户输入。
Hugging Face Blog精选AI 评分7373 Liquid AI 发布 LFM3 系列：六个 2B 级多模态模型共享同一骨干
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的同一骨干上，全部开源权重并已在 Hugging Face 上线。
推荐理由：Liquid AI 公布 LFM3 系列六个 2B 级模型共享同一骨干，并给出单卡微调与端侧部署路径，可据此判断小模型专用化路线。
量子位AI 评分4242 印奇旗下千里科技发布端到端AI 4D毫米波雷达，内置10 TOPS NPU
千里科技推出一颗内置10 TOPS NPU的4D毫米波雷达，从天线设计到点云输出整条链路交给模型，支持边缘侧、卫星架构与兼容三种工作模式。相比上一代DSP方案，其点云密度提升10倍、探测距离提升40%、鬼影消除提升至95%、空间角分辨力提升12倍，并可通过OTA持续升级感知能力。
The Verge · AIAI 评分5858 Google 发布 Genie 4 世界模型，可生成更逼真的交互体验
Google 发布 Genie 4 世界模型，用于生成交互式体验，相比 Genie 3 将生成时长从一分钟提升到约两分钟。该模型带来四项主要更新：更逼真的世界、用自然语言提示词实时更新体验、生成音频，以及底层使用 Gemini 3.8 Flash 辅助模拟。
TechCrunch · AIAI 评分6060 Google DeepMind 发布世界模型 Genie 4，新增音频与实时操控
Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成更逼真的交互世界，支持在模拟过程中输入提示词实时改变天气、镜头角度或增删人物物体，并生成与场景匹配的音乐、环境音和交互对话。
Ars Technica · AIAI 评分5858 DeepMind 发布 Genie 4 世界模型，称物理与人物模拟更真实
Google DeepMind 发布 Genie 4 世界模型，称其在几乎各方面都优于 Genie 3，模拟的物理效果和人物更真实，部分改进得益于 Google 更新的 Gemini 模型。
Google DeepMind精选AI 评分7171 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，原生支持多模态，可在生成世界的同时生成音乐、环境音与交互对话。Genie 4 支持用自然语言实时修改场景，并借助 Gemini 3.8 Flash 作为引导智能体拆解多步任务、校验执行进度。
推荐理由：官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力，可据此判断世界模型与语言模型结合后的交互形态。
量子位AI 评分5858 SoMark 团队开源 1.3B 文档解析模型 OXR，三项基准登顶
SoMark 团队开源文档解析模型 OXR，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84 和 87.76 分，均列第一。
量子位AI 评分5858 Hi3D开源可商用3D模型V1.0，并推出3D创作Agent
Hi3D开源V1.0高分辨率几何细化模型，基于Sparc3D架构，训练数据从50万个3D资产扩至约200万个，代码与权重已上线GitHub和Hugging Face。其技术报告称多视图保真度0.75、细节丰富度0.841，在所列对比方法中排名第一，切片成功率90%。团队同时介绍面向创作者的Hi3D Agent，以及可通过MCP调用Hi3D完成生成任务、查询进度和获取结果。
量子位AI 评分5858 百度开源文心Unlimited OCR 2，峰值KV缓存从47GB降至1.77GB
百度发布并开源文心Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制SR-SWA与无限解码机制，在百页级单序列测试中把峰值KV缓存从47GB降至1.77GB，减少约96%。16路并发测试中端到端吞吐量从360提升至1315 Token/秒，约为标准解码的3.65倍。模型已在Hugging Face和GitHub开源，实测884页英文版《指环王》约42分56秒解析完成。
量子位AI 评分5858 禾赛 Kosmo 获皮克斯渲染教程致谢，定位物理 AI 数据终端
皮克斯在最新 3D 渲染教程中致谢禾赛的 3D 场景扫描方案 Kosmo，用于处理真实世界的 3D 高斯泼溅数据。
爱范儿AI 评分5858 Rokid 发布 AI 眼镜 Rokid Glasses 2，并推出全彩眼镜 Rokid Color 与智能戒指
Rokid 发布新一代带显示的 AI 眼镜 Rokid Glasses 2，售价 3699 元起，相机升级为 1200 万像素 CMOS，支持 HDR 和 RAW 14，电池容量比上代提升 25%。
极客公园AI 评分5858 Hi3D 开源 V1.0 模型并推出创作 Agent
Hi3D 开源经过生产验证的 Hi3D V1.0 底座模型，同时推出面向创作者的 Hi3D Agent。V1.0 将训练资产扩充到约 200 万件，新增 1536³ 高分辨率输出，官方测试中切片通过率为 90%，同期同档位竞品为 7% 至 17%。
爱范儿同新闻AI 评分8080 OpenAI 发布 GPT-6.1 Terra，API 价格降 50%
OpenAI 发布新一代模型 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 降低 50%，输入每百万 Token 1 美元、输出每百万 Token 5 美元。
Simon Willison同新闻AI 评分7272 OpenAI 发布 GPT-6.1 Terra，主打视觉推理与 computer use
OpenAI 发布 GPT-6.1 Terra，官方称其结合了细致的视觉推理、精确的 computer use 与更自然的写作，是 GPT-5.6 Terra 的显著升级。
量子位AI 评分2828 联想天禧AI × 观猹大会现场实测：个人AI跨端协同与天禧AI 4.5前瞻
联想天禧AI在10月23日至25日杭州“天禧AI × 观猹大会”上现场演示跨端协同：用天禧AI手机语音下达任务，由AI自动完成“搜集国内外Personal Agent产品并出具研究报告”。