Apple 智能接入阿里千问 11 月 4 日开放测试；OpenAI 合并 ChatGPT 与 Codex 额度；DeepSeek 开源 Super-agent 架构｜AI 周报

AI前线 2026-11-01 14:44 北京

点击查看本周产业动态>>>

整理 | 傅宇琪

编辑｜四月

DeepSeek 开源全新 Agent 架构“Super-agent”：主管 Agent 负责派工，Worker 持续跟进任务；OpenAI 官宣 12 月合并 ChatGPT 和 Codex 额度：普通聊天也要抢编程额度，但 Instant 除外；苹果官宣：Apple 智能接入阿里千问，11 月 4 日开放测试；AI 芯片供应紧张加剧，OpenAI CEO 会见三星约 50 名高管深化合作；腾讯汤道生：WorkBuddy 已覆盖中国企业 500 强中的 50%；4 天前还被否认离职，字节 Seed 周畅再被曝创业做 Physical AI；智元发布具身模型 GO-3 Preview、具身 Agent 框架 Genie Master；百度确认吴甜已离职，文心模型下周将发布新进展；机器人也有 KPI 考核标准了，智元发布首个“工时 KPI”Worken……

行业热点

DeepSeek 开源全新 Agent 架构“Super-agent”：主管 Agent 负责派工，Worker 持续跟进任务

今年 9 月，Cursor 推出 Projects，Anthropic 则升级了 Claude Projects。两者都让一个主管 Agent 管理多个执行 Agent。用户只需交代项目目标，主管便会拆分任务，安排多个 Agent 并行执行，再汇总结果。10 月 31 日，DeepSeek Harness 团队公布了类似的 Super-agent 架构，并开源研究原型 dsh-superagent-prototype。

这是一套接入 DeepSeek Harness 的插件，目前以单个 GitHub 仓库为工作对象，可通过 GitHub 评论或飞书消息接收任务，并在 GitHub 上提交代码和处理评审。它采用 Router + Worker 双层架构。Router 是常驻的主管，负责接收消息、判断是否接单、分派任务和统一回复；多个 Worker 各有独立会话和工作目录，负责具体执行。

与传统主管 Agent 反复分派消息不同，DeepSeek 引入了事件直通机制。比如，飞书群里有人反馈 Bug，系统先检查消息来源和权限，再由 Router 判断是否需要处理。接单后创建工单，记录任务范围、授权依据和相关讨论，交给 Worker 复现问题、修改代码、运行测试并提交 PR。

OpenAI 官宣 12 月合并 ChatGPT 和 Codex 额度：普通聊天也要抢编程额度，但 Instant 除外

此前被「光头哥」Tibor Blaho 从 ChatGPT 订阅页面扒出的共享额度规则，现在得到了官方确认。OpenAI 最新帮助文档明确，12 月起 Plus、Pro 和 Business 用户的 ChatGPT 与 Codex 将共用一份额度，同时把 ChatGPT Work 的 Agent 能力整合进普通聊天界面。

届时，使用量将统一按 Token 计算，模型越强、任务越复杂，消耗的额度通常越多。不过 Instant 模式聊天不扣共享额度。用户可以在设置中查看剩余额度和重置时间。讽刺的是，OpenAI 前脚才宣布 Pro 等套餐额度翻倍，后脚就确认要把聊天和编程放进同一个额度池。

官方还安慰用户，预计大多数用户不会比现在更频繁地耗尽额度。

苹果官宣：Apple 智能接入阿里千问，11 月 4 日开放测试

苹果和阿里巴巴今日宣布达成合作，将千问集成至 Apple 智能，中国用户可以在 Siri、写作工具及视觉智能中，直接调用千问的文本与图像理解、内容生成等能力。

这些功能将于 11 月 4 日起随最新的 iOS 开发者 Beta 版开放测试，并将于 12 月 iOS 27.3 正式发布时面向中国用户推出。

黑石预计 Anthropic 上市后或获垃圾级评级，逾 8000 亿美元 AI 算力计划面临融资压力

10 月 31 日，据英国《金融时报》援引知情人士报道，黑石近期向 Anthropic 一笔 630 亿美元芯片融资交易的投资者表示，Anthropic 上市后可能无法立即获得投资级评级，预计主要评级机构更可能给予其 BB 区间评级，即投机级（俗称「垃圾级」）。按照标普和惠誉的评级体系，BBB-及以上属于投资级，BB+及以下则属于投机级。若 Anthropic 最终获得垃圾级评级，其融资成本可能上升，同时保险公司、养老基金等受投资级投资限制的机构可参与的资金范围也将收窄。

融资压力主要来自 Anthropic 庞大的算力支出计划。公司此前披露，计划到 2045 年在算力基础设施上投入逾 8000 亿美元。尽管 Anthropic 目前持有超过 1120 亿美元现金及等价物，并计划通过 IPO 进一步融资，但长期算力承诺仍令投资者担忧其未来资金需求和债务承受能力。报道发布后，美股科技股进一步走低，纳斯达克 100 指数最终收跌 3.5%。不过，Anthropic 目前尚未获得标普、穆迪或惠誉的正式信用评级，黑石的判断并非正式评级结果。

OpenAI、Google 等四巨头拟推统一标准，网站可一次性拒绝 AI 训练

The Verge 当地时间 10 月 31 日报道称，OpenAI、Google、Microsoft 和 Anthropic 正计划推出一项统一标准，让网站能够明确拒绝其内容被抓取用于 AI 训练。以后网站只需在 robots.txt 中添加 User-Agent: __usage_ai-training 和 Disallow: / 两条规则，就能同时告诉这几家公司，不要拿自己的内容训练 AI。过去，网站需要分别针对 GPTBot、ClaudeBot 等爬虫设置规则。

这套规则只针对 AI 训练，不会一并禁止爬虫抓取网站，也不一定影响 AI 在回答中引用网站内容。它由 Anthropic 工程师提出，目前还是互联网工程任务组（IETF）的技术草案。各家公司对规则的执行方式不完全一样。微软允许网站单独禁止 AI 训练，同时保留内容被 AI 搜索引用的机会。Google 则计划把这条规则与现有的 Google-Extended 设置绑定，可能连 Gemini 引用网站内容也一起限制。

Anthropic 已开始采用，微软计划在 2027 年 2 月生效，Google 计划 2027 年支持，OpenAI 也将在未来数月上线。但这些规则不能撤回此前已经用于训练的数据，也无法强制 AI 公司遵守。

谷歌把 TPU 送上太空，AI 从轨道上写回一首诗

Google CEO 皮查伊宣布，10 月初发射的 Project Suncatcher 原型卫星，首次用数据中心级 TPU 在太空完成 AI 推理，并把结果传回地球。工程师从地面发送了一条提示词，让卫星上的 TPU 运行 Gemma 4，写一首关于太空的俳句。卫星飞过挪威斯瓦尔巴群岛附近时，传回了三行诗：

Blue marble below Data streams in silent grace Starlight feeds my core.「脚下是蓝色星球，数据流无声穿行，星光滋养我的核心。」

这颗卫星搭载了 4 颗 TPU，但受供电限制，目前一次只能运行其中 1 颗，每次约 20 分钟。太空虽然寒冷，却没有空气帮助芯片散热，只能依靠热管和散热器向外辐射热量。宇宙辐射对芯片运行的影响，也还需要进一步测试。

4 天前还被否认离职，字节 Seed 周畅再被曝创业做 Physical AI

Z Finance 报道称，字节跳动 Seed 核心负责人周畅已离职创业，方向为 Physical AI（物理 AI），并获得头部美元基金支持。就在 10 月 26 日，澎湃新闻、界面新闻等多家媒体还从接近字节的人士处得到「周畅没有离职」的回应。

周畅曾是阿里通义大模型技术负责人，2024 年加入字节，最初负责多模态交互与世界模型。2025 年，随着杨建朝休假、冯佳时离职，Seedream、Seedance 等视觉生成业务陆续划归他管理。今年 6 月，原由李航负责的 Seed Robotics 团队也改向周畅汇报，字节当时还在招聘直接向他汇报的具身智能负责人。

Z Finance 称，周畅今年下半年的管理范围开始收缩，更多工作转由曾妍承担。曾妍是 Seedance 2.0 的核心研发负责人，2021 年校招进入字节。她曾坚持尝试训练至少 2000 亿参数的视频模型，并在内部争取算力，最终获得吴永辉和周畅支持。Physical AI 的目标是让 AI 从理解和生成数字内容，进一步走向感知、预测和作用于物理世界。周畅此前负责的世界模型、多模态和机器人业务都与此相关。但新公司究竟主攻基础模型、仿真平台还是机器人硬件，目前还没有披露。

AI 芯片供应紧张加剧，OpenAI CEO 会见三星约 50 名高管深化合作

据彭博社报道，OpenAI CEO 萨姆·奥特曼于 10 月 31 日在韩国会见三星集团约 50 名高管，讨论深化双方在存储芯片和 AI 基础设施领域的合作。与会人员来自三星旗下电子、金融及生物科技等业务部门，议题涵盖 AI 未来十年对产业、企业决策及商业机会的影响。

此次会面正值全球存储芯片供应紧张、价格持续上涨之际。数据中心运营商需求激增，进一步加剧芯片供应竞争。全球五大 AI 基础设施参与者未来数年计划投入超过 3 万亿美元，而存储芯片约占数据中心支出的三分之一。此次会面也延续了双方此前宣布的合作，包括为 OpenAI 的「星际之门」（Stargate）基础设施项目供应存储芯片，以及合作建设 AI 数据中心，涵盖海上浮动数据中心等方案。

科大讯飞回应高管薪资质疑：董事长与总裁主动降薪，少领超 2000 万

10 月 29 日消息，近日，有投资者在互动平台向科大讯飞提问，关注公司高管薪酬集体上涨与同行接轨等问题。科大讯飞就此作出回应，披露了公司高管主动大幅降薪的细节。

科大讯飞表示，公司高管薪酬严格依据 2026 年 5 月修订的《董事、高级管理人员薪酬管理制度》执行。按制度测算，2025 年度公司董事长、总裁的应发基本年薪与绩效年薪合计为 2795.69 万元。然而，考虑到公司所处发展阶段，同时为了更好地奖励 A 类优秀员工，董事长刘庆峰先生、总裁吴晓如先生主动提出年薪下调。2025 年度两人实际领取薪酬分别为 410 万元、300 万元，仅此两人应发薪酬较实际领取部分均减少超 2000 万元。此外，科大讯飞披露 2025 年度公司董事、高管合计领取薪酬 1860.85 万元（2024 年为 1722.6 万元）公司在回复中强调，人工智能产业机遇广阔，公司始终坚持“以人才为本”，期待海内外优秀技术与人才加入，共享产业发展成果。

微软向约 6 万名员工开放自愿离职方案，AI 巨额投入挤压人力预算

当地时间 10 月 26 日，全球最大软件公司微软表示将向约 6 万名员工提供自愿离职补偿方案，以削减成本，并为迎接 AI 时代调整人员结构。符合条件的员工超过其员工总数的四分之一。

微软发言人称，美国、加拿大、印度和英国的部分副总裁及以下级别员工具备申请资格，接受方案者将获得与标准遣散方案相近的待遇。不过，并非所有业务线都在适用之列。据知情人士透露，Xbox、Windows、Copilot 及财务等部门将全面参与此次计划，而从事数据中心、销售、市场营销、网络安全和量子计算等工作的部分员工则不具备资格。

百度确认吴甜已离职，文心模型下周将发布新进展

10 月 29 日，有传闻称百度集团副总裁、百度研究院副院长吴甜已离职，百度公关经理在朋友圈对此做了回应。文中称，吴甜已结束在百度的任职。同时提到，百度的技术工作仍在向前推进。就在 10 月 27 日，百度发布并开源文心 Unlimited OCR 2，全球首次实现任意页数文档解析，将 OCR 的处理上限从数十页推向"无限"，达到当前最先进水平（SOTA）。实测显示，该模型能够一次性解析《哈利·波特》全系列 7 部作品，累计超过 3600 页，在文档长度大幅增加的情况下依然保持较高的精度和处理效率，推动文档解析技术迈向 OCR 3.0 时代。

据悉，吴甜今年 5 月已不再担任基础模型研发部门负责人，后转任百度研究院副院长。在基础模型方向，相关工作近期同样在持续推进。据接近百度的知情人士透露，文心模型方布会，正式推出 ISHO Ring 智能戒指和 ISHO iFlow 智能温控系统。值得一提的是，在发布会最后，王腾还特意以小米公司为 PPT 背景，向小米和雷军表达感谢，相关话题还登上了微博热搜。王腾表示，过去几年在小米学到了非常多东西，从怎么做好一款产品，到怎么带领一个大的团队。对于是不是蹭雷军流量的质疑，王腾回应称，自己是真心实意感激过往这段经历，虽然今天自己开始创业，但还是非常珍惜过往的这段经历。

此外，在介绍 ISHO iFlow 智能温控系统时，王腾还将其与 REDMI K100 Pro Max 的散热能力进行跨界对比。按照王腾在发布会上给出的数据，ISHO iFlow 的散热能力达到 REDMI K100 Pro Max 的 289 倍。对此，王腾特意解释：“这主要是为了让大家直观的了解，我还是帮 K100 Pro Max 证明一下，它已经是手机行业最强的了。”

DeepSeek 大举扩充团队，V5 大模型已现身官方代码库

10 月 27 日，随着新一轮融资受到关注，DeepSeek 的团队扩张也在加速。多位知情人士透露，DeepSeek 近期扩张势头很猛。一位接近 DeepSeek 的人士表示，公司正在向投资人规划新的增长路线，其中包括大举扩充团队。这位接近 DeepSeek 的人士还透露，DeepSeek 的办公地主要位于北京和杭州。创始人梁文锋长期在北京租房居住，房间布置一直比较简单。

此外，近日有网友发现 DeepSeek 又开始换新的大模型指纹了，官方库中直接出现了 DeepSeek V5 的代码，纷纷猜测可能有新模型要发布。目前，在 DeepSeek Harness 的官方代码库中，已经出现了一些新的代码，包括 DeepSeek-V5、V5-open、V5-next 等等。这套设计的意义就是：DeepSeek 可以在服务端改 /models 就把 v5 开出去，客户端不用发版。也可以视作 DeepSeek 官方已经为 DeepSeek V5 系列大模型的发布做了一些提前的准备，现在就用占位符占了位置了，未来发布之后服务端只要改/models 就能发布，而客户端之后都不用发新版就能支持。

Anthropic 公开递交 IPO 申请：目标 11 月 16 日当周上市

Anthropic 正式踏上上市之路。这家成立仅五年、身处生成式 AI 浪潮核心的企业，本次 IPO 有望创下历史纪录。Anthropic 在提交给美国证券交易委员会（SEC）的文件中披露，计划登陆纳斯达克交易所，股票代码定为“ANT”，目标在 11 月 16 日当周进行 IPO。该公司将设立 T 类特殊股票，供 T 类董事持有。

在招股书中，该公司披露，上半年营收 162.9 亿美元，上年同期为 11.6 亿美元；净亏损 807.5 亿美元，上年同期为 129.7 亿美元；营业亏损 6.93 亿美元，上年同期为 21.4 亿美元。截至 9 月 30 日的九个月内，该公司没有任何单一客户占公司营收的 10%以上。79%的收入来自前五大客户以外的客户。合作方面，根据与 SpaceX AI 的协议，该公司同意在截至 2029 年的期限内累计支出高达 1205 亿美元。该公司透露，资本支出将大幅增加，可能需要比目前预期更早地寻求额外融资；在可预见的未来不会支付任何股息，且目前未就重大收购达成任何协议；可能发行总额最高达 420 亿美元的可转换本票。

此外，10 月 28 日，Anthropic 招聘经理、Claude 相关产品工程负责人费利克斯·里泽贝格在社交平台发文宣布，其团队已正式将传统的编程面试从招聘流程中移除。他表示：传统的编程面试考核已经过时且失去意义，本月起不再作为考察候选人的环节。里泽贝格指出，自己见证过太多传统的代码考核，这种测试方式已无法真实反映现代开发者的能力。他同时认为，对初级工程师而言，取消此类面试反而是一个机会，新人无需再因机械的算法背诵或白板编程被拒之门外。

会员使用 K3.1 Pro 时出现限流及不必要的额度消耗，Kimi 致歉并宣布补偿

10 月 26 日，Kimi 月之暗面发文称，对于近期 Kimi 会员使用 K3.1 Pro 时出现的限流及不必要的额度消耗，向大家致歉。Kimi 会为所有档位的订阅会员进行一次重置：所有有效期内的会员都将获得月度总额的 25%作为补偿，相当于一周的用量。如果当前用量不足月度总额的 25%，将重置为 0。用量进度条会在 26 日结束前显示调整结果。同时已调整配置，并正在减少不必要的子 Agent 调用和输出长度，让同样的额度完成更多实际任务。

荷兰计划用 AI 取代 2.5 万个政府工作岗位，目标节省 35 亿欧元

10 月 27 日消息，据外媒报道，荷兰政府宣布大力布局 AI 提升行政效率，计划逐渐削减 2.5 万个政府工作岗位，裁员规模约占荷兰政府员工总数的 16%，最终目的是节省 35 亿欧元（约合 261.52 亿元）。据报道，荷兰政府希望借助 AI 提高效率，将生产力提高 20%。并计划精简规章制度减少政府工作量，该国政府已计划每年废除或简化 500 项规章制度。同时，荷兰政府未来将要求两名员工共用一张办公桌，政府还将出售闲置办公楼，并对 IT 系统进行标准化改造。此次裁员不会影响警察和国防部门岗位，但常设咨询委员会和咨询机构不在豁免范围之内。荷兰政府已在此前通过多项 AI 提高生产力相关动议，未来将继续推进降本增效。截至 2025 年底，荷兰中央政府工作人员数量达到 16 万人，与 2018 年相比增长 41%。

腾讯汤道生：WorkBuddy 已覆盖中国企业 500 强中的 50%

10 月 29 日消息，腾讯表示，今年 3 月，WorkBuddy 正式上线。7 个月的时间里，WorkBuddy 累计迭代 100 个大版本，完成 90 亿次用户任务请求，成为中国用户规模最大的 AI 办公效率智能体。腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生透露，自今年 3 月上线以来，WorkBuddy 企业版已落地 50 多个行业，覆盖中国企业 500 强中的 50%、企业 100 强中的 60%，开放平台伙伴和开发者超过 5 万家，上架 Skills 超 20 万。据悉，WorkBuddy 将全面开放产品架构，同时支持企业自研 Agent 与生态中第三方 Agent，包括第三方 IM 系统的接入。

苹果发布首款触屏 MacBook Pro，顶配超 11 万元

10 月 29 日，苹果发布全新 MacBook Pro，首次为 Mac 引入屏幕触控和灵动岛，并采用双层串联 OLED 技术的 PROLED XDR 显示屏。新机提供 14 英寸和 16 英寸两种版本，搭载 M5 Pro 或 M5 Max 芯片。根据苹果中国区发布信息，新机将于 10 月 30 日开启预购，11 月 6 日正式发售，起售价 22999 元。

在交互方面，用户可直接触摸屏幕滚动网页、缩放照片、拖放幻灯片，以及操作 3D 模型或演奏虚拟乐器。苹果表示，触控传感器直接内嵌于显示面板，macOS 可将触控输入转换为点按，让许多现有应用直接支持触控。新机还调整了铰链设计，以提升触屏操作时的稳定性。新机最高可选 128GB 统一内存和 16TB 存储，苹果标称电池续航最长可达 24 小时，支持约 30 分钟充至最高 50%电量。搭载 M5 Max 处理器、128G 统一内存和 16TB 硬盘的 16.3 寸触屏 MacBook Pro，官网标价来到 11.26 万元。

外媒曝光苹果强势压价闪存手段：前采购负责人曾威胁闪迪 CEO“跪着爬回来”

10 月 29 日消息，外媒发文曝光苹果此前通过“黑帮一样的”强势手段谈判，意图压低内存采购价格。其中包括要求供应商接受大范围财务审计、故意对采购量承诺表现得漫不经心，还有谈判中的各种心理压力。然而从这两年的 DRAM / NAND 涨价潮开始风水轮流转。苹果以前相当可观的议价能力似乎在顷刻间消失，以前被压得喘不过气的内存供应商，现在终于硬气起来，甚至想让苹果尝尝被压制的滋味。

据透露，苹果会要求闪存供应商为其提供“最高优惠客户”地位，让公司能够始终拿到最低价的产品。为了确保供应商履约，苹果会持续审计供应商账目，甚至因为审计次数实在太多，成功让德勤（Deloitte）谈下批量审计折扣。这种频繁审计的手段，让苹果直接了解供应商业务运作和工厂产出情况，从而使苹果谈判人员准确判断厂商需要多大订单。苹果还成功利用这一条款，就美光以更低价格向其他客户出售 NAND 一事提起仲裁，然后成功获得巨额赔偿。

苹果高管还会将高强度谈判持续至午夜，期间不提供晚餐和休息时间，迫使供应商代表只能啃营养棒支撑下去。如果苹果发现某家厂商表现出不配合态度，就会威胁要叫布莱文斯过来，利用他近乎黑帮人物的强硬名声，迫使厂商人员屈服。例如闪迪曾在 2015 年发现其他客户愿意出更高价格，因此拒绝向苹果额外供货。布莱文斯随后威胁闪迪销售代表，说要让时任闪迪 CEO 桑杰 · 梅赫罗特拉（Sanjay Mehrotra）“跪着爬回来”求苹果采购。（注：此处原文为 Crawl On His Knees）

英伟达拟投资 30 亿美元入股 Meta，双方深化 AI 助手 Muse 合作

10 月 27 日，英伟达与 Meta 宣布扩大合作，围绕 Muse AI 助手及相关模型，共同优化训练、推理和基础设施性能。双方还将探索英伟达 OpenShell Agent 安全架构及 Sentry 行为监控工具的应用。Meta 计划扩大 Vera Rubin、Vera CPU、Spectrum-X 网络和 BlueField-4 等英伟达技术的部署。与此同时，英伟达宣布计划向 Meta 的股权发行投资 30 亿美元。该投资尚需满足相关交割条件。

机器人也有 KPI 考核标准了，智元发布首个“工时 KPI”Worken

10 月 29 日，在上海世博中心举行的 2026 智元创新日（AIGBOT INNOVATION DAY）上，智元联合创始人、总裁兼 CTO 彭志辉发布了首个定义物理 AI 价值的度量衡：Worken（有效智能工时），用于衡量机器人自主作业的实际产出。在彭志辉看来，每一个产业时代，都有自己的“度量衡”：蒸汽时代用马力度量机器的力量，电力时代用千瓦时度量机器的能量，数字 AI 时代用 token 度量机器的思考。“Worken 的计算公式为 Worken＝活跃机器人数量×自主工作时长×产出效能比。”这一指标将在机器人制造数量之外，进一步衡量机器人能否自主、持续地完成有价值的工作，以及实际创造了多少成果。

南非女作家借 AI 约 20 个月出版 371 本书引争议，自称年收入超百万美元

10 月 27 日消息，南非女作家珂拉尔 · 哈特（笔名 Coral Hart）借助 AI 在约 20 个月内出版了 371 本书，累计销量超过 100 万册。据她本人估算，仅 2026 年以来的收入就已超过 100 万美元（约合 668.4 万元）。不过，这种利用 AI 批量创作并商业化出版的模式也引发争议，她因此在社交平台收到数以万计的辱骂信息，甚至遭遇死亡威胁。

现年 40 多岁的哈特在出版行业已有 14 年从业经验。在 2025 年 2 月开始尝试 AI 创作之前，她已经独立创作过数十部作品。此后，她花费约 3 个月熟悉不同 AI 模型，并建立了一套写作流程。她出版的 371 部作品中，大多数是根据市场调研、面向特定读者群体创作的小说，其中浪漫言情题材占据相当比例。她还透露，自己有一部小说曾进入亚马逊畅销榜前 100 名。

大模型一周大事

重磅发布

WorkBuddy 手机远程控制电脑功能上线，实时显示屏幕内容

10 月 28 日，腾讯 WorkBuddy 宣布正式上线“远程控制”。在手机上打开 App，一键连上电脑，就能看到电脑桌面的实时画面，并直接动手接管。而且两端设备连接之后，电脑画面会以小窗形式悬浮在手机 App 首页或会话页顶部，下面的输入框照常使用，发现任务跑偏时依然可以及时纠正。除了在手机上实时看到电脑屏幕画面，连接成功之后还可以更进一步，直接用小屏控制大屏，远程操作电脑。点“全屏”切换到横屏模式，手指点哪里，就等于点击电脑的同一位置。

豆包工作功能上新：支持将“录制电脑操作”保存为技能

10 月 28 日上午，豆包宣布，豆包工作操作电脑能力整体升级，继此前支持跨应用操作、将浏览器操作录成技能后，此次更新则支持将录制电脑操作保存为技能。根据介绍，用户演示一遍还能边操作边讲，把做法教给豆包工作。豆包学会后存为技能，下次就能照着做；Mac 电脑锁屏后，任务也能继续。结束录制后，豆包工作会把操作流程和讲解整理成个人技能。下次做同类任务时，选用这个技能，再告诉它这次要处理什么，就能够省去重复解释操作步骤。

Google 发布 Genie 4 世界模型，可生成更逼真的互动世界

10 月 27 日，Google 发布新一代人工智能世界模型 Genie 4，进一步提升了 AI 生成互动环境的真实感，并加入实时修改场景和自动生成音频等能力。与传统的图像生成模型主要输出静态图片或视频不同，Genie 4 能够创建用户可以参与其中、进行交互的虚拟世界，相关技术有望应用于游戏开发、影视制作以及机器人训练等领域。Genie 4 此次主要带来四项升级：生成更加逼真的虚拟环境、允许用户通过自然语言提示实时改变场景、为生成的世界自动添加音频，以及采用 Google Gemini 3.8 Flash 模型辅助模拟过程。此外，新模型能够生成最长约两分钟的互动体验，是上一代 Genie 3 所支持时长的两倍。

OpenAI 低成本新模型 GPT-6.1 Terra 深夜炸场

10 月 27 日，OpenAI 宣布推出新模型 GPT-6.1 Terra，主打以更低成本完成复杂的电脑操作任务，尤其擅长需要视觉推理和操作桌面软件的工作。与 GPT-5.6 Terra 相比，新模型在事实准确性和编程能力方面也有大幅提升。Terra 主要面向希望降低自动化成本的企业，可用于处理发票、解读技术图纸等工作。OpenAI 称，面对难度较高的专业任务，Terra 也能以远低于高价模型的成本完成。在考察复杂专业工作的 Agents Last Exam 基准测试中，Terra 的成绩明显提高。测试项目包括根据建筑图纸建立三维模型，以及逐一记录电影镜头，供影片修复团队使用。

采用中等推理强度时，Terra 的得分比 GPT-5.6 Terra 高 15 个百分点，完成任务的成本却只有后者的约三分之一。与 GPT-6 Astra 相比，Terra 的测试成绩不相上下，每个 Token 的价格却仅为后者的约十分之一。Terra 在速度上同样具有优势。OpenAI 称，其任务执行速度是 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍以上。在最高推理强度下，每项任务的成本也仅为 Claude Opus 5.5 的约九分之一。

GPT-6.1 Terra 于 10 月 27 日起向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用。开发者也能通过 OpenAI API 调用。API 标准定价方面，每 100 万个输入 Token 收费 1 美元（现汇率约合 6.7 元人民币），每 100 万个缓存输入 Token 收费 0.05 美元（现汇率约合 0.33 元人民币），每 100 万个输出 Token 收费 5 美元（现汇率约合 33.4 元人民币）。OpenAI 称，新模型的价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。按照 OpenAI 的准备框架评估，Terra 的网络安全能力已达到“关键级”门槛。

蚂蚁集团发布灵光 2.0

10 月 27 日，蚂蚁集团发布灵光 2.0。在获得用户授权后，灵光能够结合已接入的信息与服务，主动识别潜在需求，并发起分析、监测和跟进，并在需要用户关注的节点及时提醒。灵光 2.0 不仅打通了支付宝生态内的数据与服务，还支持在开放环境中调用 MCP、CLI 等工具，拓展跨平台协同能力。目前，灵光已内置支付宝账单、会员、出行，以及钉钉、飞书、邮箱、米家等服务能力，管理范围正从个人信息与线上事务，延伸至跨平台工作流和智能家居设备控制。

腾讯混元同声传译大模型 Hy-SimulMT 开源，响应时间仅 3 秒超人类译员

10 月 26 日，腾讯混元同声传译大模型 Hy-SimulMT 发布并开源，具备低时延、高准确率的特点，支持中英语言之间语音到语音实时翻译，说话人的音频可以实时输入到 Hy-SimulMT 模型中，模型会边听边译，实时给出译文和语音，并支持实时音色克隆，可以高度还原说话人声音和语气。该模型在腾讯 Hy 翻译 App 首发，免费提供服务体验。低时延是模型的一大亮点，混元同声传译大模型 Hy-SimulMT 的响应时间实测在 3 秒左右，人类专业译员平均水平在 4-5 秒。测评结果显示，该模型的翻译效果超过了市面上主流的开源同传模型，甚至超过大部分的商用同传 API。

官方称，在业界常用的长音频开源评测集 RealSI 上，Hy-SimulMT 展示出了较好的同传翻译效果。为了更准确评估 Hy-SimulMT 的真实水平，该团队在合规允许范围内，广泛收集了互联网上新出现的中文和英文音频，包含软件、AI、医学、制造能源、自然科学、农业食品、商务管理、法律、教育、文化文旅、体育生活共十个领域，涉及演讲、访谈、会议等多个场景。在这份数据上，该团队不仅测试了 Hy-SimulMT 的效果，也请多位人类同传专家对这些音频进行同声传译。

智元发布具身模型 GO-3 Preview、具身 Agent 框架 Genie Master

10 月 29 日，智元正式推出预训练 / 后训练 / 部署后实现全链路规模化学习的具身模型—— GO-3 Preview。该模型采用具身原生的 WRAM（World Reasoning Action Model）架构，将任务推理、未来预测与动作生成连接起来，让机器人理解指令、预测未来，并生成可执行的动作。该模型已于近日登顶 RoboDojo、RoboTwin、RoboColiseum 三大行业权威评测榜单，将于 2026 年底全面开源。

附官方介绍如下：基于 WRAM 架构，GO-3 Preview 从数据与模型两个维度共同推进 Scaling，让异构经验参与共同学习。数据维度解决“学什么、学得够不够广”：人类第一视角视频提供丰富的物体交互和任务过程，机器人轨迹则建立观测、动作与物理结果之间的联系。模型维度解决“如何承接和运用这些经验”：通过增强学习能力，把分散的经验组织起来，转化为可迁移的通用能力。经过预训练，模型任务迁移与复杂技能适应能力更强，并在 Zero-Shot（零样本）与 Few-Shot（少样本）任务中得到检验。在家居、厨房、多机协作、灵巧操作场景里，不用额外微调，机器人就能直接完成陌生任务。

日前，10 月 27 日，智元发布具身 Agent 框架 Genie Master。据悉，该框架支持机器人部署后的自主改进，可在真实作业中持续提升能力，为跨场景复制与规模化应用打下基础，跳出仿真环境、走出实验室，能在真实业务场景中验证 Physical RSI（具身递归自进化）。Genie Master 以连接判断、执行与反馈为设计出发点，提出了具身执行协议 EEP，统一能力、引导、反馈和连续性四类接口。基于该框架，Agent 结合现场观测下达执行引导后，机器人执行后的成败、卡点信息可实时返回；在任务中断时系统可保留已完成进展，让 Agent 从断点重新规划，同时支持多机动态调度。更为重要的是，机器人还可自主回溯失败原因，调整执行策略，通过腕部相机补充视角完成作业，让执行结果成为下一轮判断的依据。

小米开源 8 亿参数 OCR 模型，能读复杂表格、提取信息，还能回答问题

小米开源了 Xiaomi-OCR-0，只有 8 亿参数，能完成三类任务：把文档中的文字、复杂表格和数学公式转成可编辑内容；从发票、收据和证件中提取指定字段，输出 JSON；还能根据文档和图表中的信息回答问题，不再只是把图片里的字抄出来。目前模型权重、推理代码、MCP 服务和 Agent Skill 均已开源。开发者可以将其接入 AI Agent，读取截图、PDF 和票据，提取出可以直接交给其他程序处理的数据。

模型基于阿里的 Qwen3.5-0.8B 继续训练，使用约 1.7 亿条 OCR 与文档理解样本。为了提高数据质量，小米让多个 OCR 模型交叉核对识别结果。遇到复杂表格和公式，还会把识别结果重新渲染成图片，与原图比对，找出错位、漏字等问题。训练也分阶段进行：先练好文字识别和版面解析，再加入信息抽取、视觉问答等任务。

小米公布的五项 OCR 视觉问答测试中，Xiaomi-OCR-0 平均得分 83.2，超过参数量为其 2.5 倍的 Qwen3.5-2B（80.9），接近 4B 模型的 84.9。在模拟扫描、纸张弯曲、屏幕翻拍等干扰的 Real5 文档解析测试中，搭配外部版面检测器取得 95.24 分。

小米开源硬件 HachimoDock 亮相，150 元就能复刻万能 AI 桌宠

小米技术委创新产品团队孵化的开源 AI 硬件 HachimoDock 亮相。这是一台可由用户按个人喜好自由改造的桌面 AI 设备，小巧机身集成了个性化桌宠、语音操控电脑端 Agent、智能家居联动、自定义组件创作等能力。据介绍，HachimoDock 硬件自制成本约 150 元。团队希望以此降低 AI 硬件的体验门槛，让它成为大众入门 Vibe Coding 的第一台 AI 硬件，体验用自然语言去“创造”一台万能桌面搭子的乐趣。

这台设备的功能在于：用户说出想法，即可与 AI 协作，现场生成并运行新的组件。基于这一开放机制，它既可以是快捷语音输入的麦克风、内置万款游戏的小游戏机、收听 FM 电台的小收音机，也可以是查看 AI 任务进展与电脑状态的桌面副屏、联动智能家居的桌面中控……更多玩法，留给每位用户亲手创造。

用户可以通过语音直接与桌宠进行互动，它会将用户意图转化为各类任务派发给电脑端 Codex、WorkBuddy 等各类 Agent，例如查资料、整理文件、编写代码等，同时 HachimoDock 屏幕上也会同步展示思考、执行、等待确认等任务状态，并以桌宠的表情、动作、简短提示及声音提醒反馈进展。

企业应用

10 月 29 日，月之暗面在海外宣布，Kimi 现已接入谷歌 Gmail、Google Drive 和日历，用户可通过 Plugins（插件）页面启用。据官方介绍，用户现在可以总结 Gmail 邮件对话、查找 Google Drive 的文件，还能利用 Google 日历规划每日行程，所有操作均通过安全的 OAuth 授权机制进行。

10 月 27 日，乐奇 Rokid 和千问办公宣布达成合作，千问办公正式接入乐奇 AI 眼镜。用户在“RokidAI”App 里的智能体商店添加“千问办公”，绑定千问办公账号后，就可以戴上眼镜用语音唤起千问办公、下发任务，并在眼镜端查看结果。

10 月 27 日，英伟达与甲骨文宣布，将把搭载英伟达 Vera Rubin NVL72 系统的甲骨文云基础设施（OCI）超级集群扩展至数吉瓦级，并正式提供 Vera Rubin NVL72 系统及 Vera CPU 云服务。甲骨文还计划推出搭载 8 颗 Rubin GPU 的 HGX Rubin NVL8 系统，以支持前沿模型训练、推理及智能体应用。

10 月 26 日，即梦 AI 上线全新功能“短剧工作室”，将剧本整理、角色与场景管理、分镜生成、视频制作及后期调整等全流程整合到同一个平台中，让创作者不必在多个平台间来回切换。

热度延续：12 月 AICon 北京站见

12 月 18–19 日，AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题，设置 13 大技术专题，覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向，汇聚一线技术专家，深入分享 AI 技术突破与企业规模化落地的真实实践。

今日荐文

OpenAI下一代模型或取消Token计费？Altman酒后吐真言，客户反应出乎意料

腾讯 AI Lab 又一核心骨干去向确认！“王者绝悟”前技术负责人叶德珩加入字节 Seed

速递｜百度确认副总裁吴甜离职：今年5月已卸任基础模型负责人，AI阵型加速业务对齐

刚刚，谷歌最强世界模型Genie 4实测！30秒生成游戏，24帧实时交互、边玩边改

你也「在看」吗？👇

跳转微信打开