NVIDIA 发布 Nemotron 3.5 Transcribe，2.8% WER 并列开放权重语音转文本第一
NVIDIA 发布开放权重语音转文本模型 Nemotron 3.5 Transcribe，在 Artificial Analysis 非流式榜单上以 2.8% WER 与 Mistral Voxtral Small 并列开放权重第一，总参数 30B、激活 4B。
按来源浏览
资讯库
Nvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe，支持 40 种语言
Nvidia 发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，可处理最长 1 小时的录音并区分最多 8 个说话人，还同步发布了第 2 版开源语音数据集 Granary。
英国 AISI 实测 ESM-2 预训练数据过滤可削弱目标能力但约 80 美元算力即可恢复
英国 AI Security Institute 的 Chem-Bio 团队从零预训练 8M 到 3B 参数的 ESM-2 蛋白质语言模型，测试预训练数据过滤对专业科学模型的效果。
OpenAI 宣布模型产出三项数学成果并与学界协作发布
OpenAI 宣布其模型在调和分析、复杂度理论和量子场论方面取得三项成果，包括证明各维度的 local smoothing 猜想（进而解决 Kakeya 猜想与 Stein 限制猜想）、在 Lean 中验证 ETH 为假、以及给出 QCD 与纯 Yang–Mills 理论的严格存在性证明。
Mistral 推出 Responses API 公测
今天，我们推出 Responses API 公开预览版，专为在 Mistral 上构建智能体而打造。 每次响应都会将模型的回答、推理过程和工具调用作为独立条目返回，让你的应用比使用 Chat Completions 更轻松地处理每一步。 它适用于 Mistral 托管的所有聊天模型，包括 Large 4。
VEED Dubbing 上线 fal 平台
VEED Dubbing 现已在 fal 上线。 - 可翻译视频，支持克隆语音和唇形同步。 - Pro 版支持 94 种语言和 14 种地区口音，保留背景音频，并支持多说话人。 - 提供目标口音和语音克隆强度控制。
商汤开源 SenseNova 6.8 Code2Video：用代码生成短视频
商汤发布并开源 SenseNova 6.8 Code2Video 轻量级模型，通过生成可执行代码来创作和渲染短视频。模型权重和 Skill 已在 Hugging Face 和 GitHub 开放下载，并附上每条演示视频的提示词与完整生成轨迹；官方称未来将探索视频编辑、动画和 3D 创建。
Unsloth 让本地 LLM 自主操控浏览器
你的本地 LLM 现在可以通过 Unsloth 接管浏览器并自主完成任务！ Qwen3.8-27B 成功操控浏览器完成了下棋、绘画等任务，全程无需人工干预。 GitHub：https://github.com/unslothai/unsloth 指南：https://unsloth.ai/docs/basics/browser-use
面壁 MiniCPM-OCR 1.0 在 Mac 本地处理 Anthropic S-1 全 415 页
面壁智能 OpenBMB 转发 @atomic_chat_hq 的实测演示：1.2GB 的 MiniCPM-OCR 1.0 在 M5 Max MacBook 上以每页约 4 秒的速度处理完 Anthropic S-1 全部 415 页，全程数据不离开本地。
面壁智能开源 MiniCPM-OCR 系列，文档解析与 OCR 结果可靠性评估配套
OpenBMB 开源 MiniCPM-OCR 系列模型，把文档解析与 OCR 结果可靠性评估配套提供。MiniCPM-OCR 1.0 是 1.3B 参数的中英文文档解析模型，支持扫描页、拍照文档、倾斜和弯曲页面，可处理表格、公式、PDF 和关键信息抽取，并支持查看 Markdown 源码与预览解析结果；MiniCPM-OCR Jev 是独立模型…
Unify 用 AI 筛选外呼对象并自动找号码
Unify 反向押注 AI 外呼：由 AI 依据融资、招聘、换工作或网站访问等购买信号挑选联系人，覆盖 65M+ 家公司，并从 7+ 数据源获取号码，再连同背景信息载入 Power Dialer，由真人完成通话。
xAI 拟收购密西西比 Southaven 418 套房屋，条件是居民放弃起诉其数据中心噪音
据 The Guardian 报道，xAI 子公司 MZX 正在密西西比州 Southaven 收购房屋，条件是房主签署免责协议、放弃加入指控其数据中心和燃气轮机产生持续噪音与震动的诉讼，据报道计划收购 418 套，已有 18 户打算出售，租房者称在房东同意出售后收到 60 天搬离通知。
Meta 更新商业条款允许用业务账号内容训练 AI，英国和欧盟用户可提交反对
404 Media 介绍了 Meta 为商业账号更新的商业条款，允许使用关联域名和 URL 的内容来开发、改进和训练其产品，原定 10 月 30 日生效，在反弹后推迟至 11 月 20 日，并从允许用途中删去“train”一词、限制为广告和商业产品。
英国和欧盟用户如何拒绝 Meta 将其内容用于 AI 训练
404 Media 介绍了英国和欧盟用户拒绝 Meta 将其内容用于 AI 训练的操作方法。Meta 早前更新商业条款允许用业务账号内容训练 AI，生效日期因反弹从 10 月 30 日推迟到 11 月 20 日，并从允许用途中移除了 train 一词。
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，现已在 Hugging Face 和 ModelScope 提供，单一模型支持 40 种语言转写、31 种语言翻译、13 种语言说话人分离和音频问答，可处理最长一小时、最多 8 个说话人的录音。
Anthropic 向 SEC 提交 S-1 文件启动 IPO，拟以代码 ANT 登陆纳斯达克
Anthropic 向美国 SEC 提交 S-1 注册声明，推进 Class A 普通股的拟议 IPO，计划在纳斯达克全球精选市场以代码 ANT 上市。发行股数与价格区间尚未确定，初步招股书将通过 Goldman Sachs 和 Morgan Stanley 提供，注册声明生效前不得出售证券。
AISI 发布 ReproBAIT 评测：AI 编码智能体可低成本复现部分生物 AI 工具
英国 AI Security Institute 与 SecureBio 合作推出 ReproBAIT 评测，测试 AI 编码智能体能否依据论文等公开信息和训练数据复现生物 AI 工具（BAITs）。
Anthropic 工程经理：AI 时代新人拼的是创业式思维而非编码面试
Anthropic 工程经理 Felix Rieseberg 认为小型编程测试已无意义，因为 Claude 做得比候选人更好，他在招聘中改看能体现品味、同理心和原则性思考的小原型。
Cathedral 用 AI 智能体侵入 Anthropic 内部系统，双方对事件范围说法不一
网络安全初创公司 Cathedral 通过第三方业务软件渗入 Anthropic 内部系统，称其 AI 智能体在不到十二小时内接触到会议记录、薪资数据和 Slack 消息，并借漏洞赏金计划披露问题。
James Shore 解析如何评估 AI 对软件开发的真实回报
James Shore 在 O'Reilly Radar 发表系列文章首篇，介绍如何量化 AI 对软件开发的组织级影响，分四部分覆盖交付速度、负面后果和业务结果建模。
创作者阿米Amir用Kling 4.0实测温情短片《得闲饮茶》
可灵AI实战测评室邀请创作者阿米Amir用Kling 4.0制作粤语温情短片《得闲饮茶》，检验其在慢节奏情感叙事上的表现。他反馈30秒原生输出、全能参考和多关键帧（最多10张图）让动作与节奏安排更有余地，12个角色资产的一致性比3.0更稳，粤语对白与口型匹配出色；相对3.0最长15秒，4.0升级到最长30秒，并新增21:9画幅。
面壁智能发布并开源 MiniCPM-OCR 系列：1.3B 解析模型与 2B 判别模型
面壁智能发布并开源 MiniCPM-OCR 系列。MiniCPM-OCR 1.0（1.3B）在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分的 SOTA，经 DSpark 加速后吞吐达 1.217 页/秒，端到端效率提升 55%。
得州选民普遍反对数据中心，成为中期选举焦点议题
The Verge 报道，数据中心建设已成为得州中期选举的核心议题，8 月民调显示 57% 的得州人反对建设数据中心，多个团体组成 We the People Texas 联盟，据称代表多达 100 万选民。
豆包工作上线录制回放功能，作者实测用它做电脑自动化 Skill
豆包工作新增了类似 Codex 的 record & replay 录制回放功能，用户可录制电脑操作并配语音讲解，由 AI 生成步骤并复刻，最长录制 30 分钟。
面壁智能 ForgeKernel 直播挑战 DeepSeek FlashMLA Prefill 手写算子
面壁智能将于 10 月 29 日上午 10:00 直播，由 ForgeKernel 基于 DeepSeek-V4.1 的真实推理负载现场生成、编译并跑分算子，正面挑战 DeepSeek 官方开源的 FlashMLA Prefill。后者运行于 DeepSeek 生产推理栈并驱动 DeepSeek-V4.1，被称为当前手写算子的顶尖水准。
Perplexity Computer 用 FiveM 打造 GTA VI 游戏内任务
Perplexity CEO 演示用 Perplexity Computer 设计了一个 GTA V 任务：玩家在游戏内手机上 vibecode GTA VI，同时被开发者报警追捕。
Simon Willison：2026 年 10 月是 vibe coding 游戏开发的拐点
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏开发的拐点，他用 Claude Opus 5.5 以纯 vibe coding 方式做了四款自己真正爱玩的 HTML/JavaScript 浏览器游戏。
面壁智能发布 LES 推理系统，让 MiniCPM-V 4.7 的 35B-A3B MoE 模型在手机上实时推理
OpenBMB 发布 Lookahead Expert Scheduling（LES）推理系统，用于在端侧运行 MiniCPM-V 4.7 的 35B-A3B MoE 模型。
AtomicChat 实测 MiniCPM-OCR 1.0 在 MacBook 上本地解析 Anthropic 全部 415 页 S-1 文件
OpenBMB 转发并感谢 @atomic_chat_hq 的演示：该演示在 M5 Max MacBook 上本地运行 MiniCPM-OCR 1.0，处理 Anthropic S-1 文件全部 415 页，1.2GB 模型约每页 4 秒，数据全程不离开设备。
摩尔线程开源 Megatron-MUSA-Titan，聚焦万卡级集群万亿参数 MoE 模型训练
摩尔线程宣布开源大模型训练基础设施项目 Megatron-MUSA-Titan，基于其全功能 GPU，面向万卡级集群的万亿参数 MoE 模型训练，覆盖预训练与强化学习两大场景。