最新更新

2026-10-26 AI 论文简报

本期简报收录 65 篇 AI 领域科研资讯，涵盖大模型推理、多模态学习、视觉导航、3D 视觉与科研工具等主题，重点介绍 Open-o3-Video-v2、MERIT、Memory Mosaics、VLA/WAM/Harness 关系、AirPlayground、CausalDrive、工业质检经验及 AI 商业化趋势。

每人每年 140 万美元，Anthropic 用 5300 人疯狂给未来加注

花叔深度解读 Anthropic S-1 招股书：营收疯涨至单季百亿、900% 净收入留存、66% 算力押注下一代模型、人均成本 140 万美元，揭示其激进的「全押未来」商业逻辑。

Datawhale 招人啦！多个岗位开放中！

Datawhale 正在招聘活动运营、测试、AI 产品技术（Agent 方向）、前端开发和后端开发等多个岗位，要求候选人接受杭州线下实习，并具备相关专业背景和实习经验。

MiniMax 开源自托管 OpenAI Agents API「OpenAgentCore」：一套 Core，多种 Harness

MiniMax 开源自托管的 OpenAI Agents API 项目 OpenAgentCore（github.com/MiniMax-AI/OpenAgentCore），对外提供一套标准 API，对内将 harness、模型、sandbox 和文件系统全部协议化、可随意更换。

当智力第一次被标价:《Token经济》论坛激辩“Token 是否经济”

蚂蚁灵光 2.0 发布：AI 助理开始"主动管事

蚂蚁灵光 2.0 发布：AI 助理开始"主动管事" · · Oct 27, 2026 蚂蚁集团推出灵光 2.0，把 AI 助理的角色往前推了一步：不再干等指令、做完一单就收工，而是主动嗅出需求、长期替你盯着各种事务。 最大 的变化，是 AI 介入任务的起点被前移。

Anthropic S-1 上市文件披露 AI 产业严重依赖天然气

据 The Verge 报道，准备上市的 Anthropic 在 S-1 注册文件中承认，生成式 AI 数据中心越来越依赖以甲烷为主要成分的天然气，供电和选址面临激烈竞争。文件将气候变化视为经营风险，指燃料涨价、燃气轮机供应不足和监管限制可能制约其数据中心建设，公司此前宣布了 500 亿美元投资计划，用于扩大得克萨斯州和纽约州的数据中心规模。

Mirendil 发布首个从零预训练模型 Fern，支持 10M token 上下文

Mirendil 发布首个从零预训练的模型 Fern，上下文最高 10M token，约 23MB 代码或 50 万行，接近 Megatron-LM 量级，也可一次装下几天 agent 工作的轨迹。

黑客借 AI 揪出 PS5 高危漏洞，索尼爽快发 5 万美元

黑客借 AI 揪出 PS5 高危漏洞，索尼爽快发 5 万美元 · · Oct 27, 2026 31.9k IGN 披露了一起颇具象征意味的安全事件：一名 PS5 改装爱好者借助生成式 AI，挖出了主机的一个高危漏洞，并通过索尼的安全上报渠道领走 5 万美元（约 33.4 万元人民币）赏金。

Meshy 亮相曼谷 gamescomasia 现场体验

制作一个可用于游戏的 3D 资产需要多久？🤔 来曼谷 #gamescomasia 找我们，现场考验 Meshy。在聊天中描述，就能拿回一个模型，在我们的展台实时演示。 🎁 免费周边 + 独家 Pro 优惠，仅限现场 📍 QSNCC 全会厅，D14 展台 · 10 月 29 日–11 月 1 日

阿里千问开源 BabelArena：多语言 Agent 基准揭示通关仍可能有 8 倍工具调用膨胀

阿里千问团队开源 BabelArena 基准，测试同一条 agent 工作流换语言后，工具调用、环境状态、检索与打分是否会走样，并发布论文 https://arxiv.org/abs/2609.23490。

OpenAI 发布 GPT-6.1 Terra，API 价格为 GPT-6.1 Sol 的一半

OpenAI 发布面向视觉推理、计算机使用和写作的 GPT-6.1 Terra，接替 GPT-5.6 Terra，API 定价为每百万 token 输入 $1、输出 $5，是 GPT-6.1 Sol 的一半。

百度开源 Unlimited OCR 2，可解析几十到上百页长文档

百度发布并开源 Unlimited OCR 2，采用 SR-SWA 机制把文本-视觉注意力交互压缩为固定大小的工作引用，在有限上下文窗口内解析几乎任意长度的文档。随着文档变长，每步解码延迟和内存占用接近恒定，模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现，覆盖几十到数百页文档。

Stanford CS 329Z 第 10 课讲解 Terminal-Bench 与 Harbor 的 Agent 评测工程

Stanford CS 329Z「Engineering AI Agents」第 10 课由 Terminal-Bench 与 Harbor 的作者讲解 Agent 评测工程，核心观点是软件正从「规则是真相」转向「评测是真相」，Evaluator 成为新工种。

菲尔兹奖得主邓煜呛声 AI 公司：别只许你蒸馏，不许我看思维链

菲尔兹奖得主邓煜呛声 AI 公司：别只许你蒸馏，不许我看思维链 · · Oct 27, 2026 31.9k 菲尔兹奖得主、芝加哥大学教授邓煜，在 10 月 26 日"知识分子""赛先生"论坛的主旨演讲里，系统聊了 AI 时代该怎么搞数学。 他先点出 AI 相对人的两样长处：知识面广到没有边界，试错成本又低得可以忽略。

Uncle Bob 开源 ub-mode Skills：把 Clean Code 与 TDD 纪律沉淀为 Agent 三段流程

Clean Code 作者 Robert C. Martin 开源 Skills「ub-mode」（github.com/unclebob/ub-mode），把 Clean Code / TDD 纪律整理为 coding agent 用的三段流程。

Anthropic 递交 IPO 招股书，亚洲芯片股集体飙涨

Anthropic 递交 IPO 招股书，亚洲芯片股集体飙涨 · · Oct 27, 2026 Claude 背后的公司 Anthropic PBC，在 10 月 27 日向上市又迈出关键一步。据彭博社报道，这家 AI 开发商已正式递交 IPO 招股文件，原本有所降温的 AI 投资热情被重新点燃，亚洲半导体板块在当日早盘集体走强。

AA-3D 浏览器场景对比工具

在浏览器中探索 AA-3D 场景：任选任务，切换模型进行对比 AA-3D Explorer 让你从七个领域中选择一个任务简介，然后逐个浏览模型，看每个模型如何构建同一场景。像我们的人类评审小组在投票前那样，操控、飞行并点击浏览每个场景。

报告称豆包引用抖音权重从10.79%升至31.8%，视频成主力信源

新榜智汇本月报告显示，豆包对抖音的引用权重从5月的10.79%升至8月的31.8%，每引用3条内容就有1条来自抖音；百度6月首次将B站和好看视频纳入信源库，二者权重之和达12%。

Mac版Ollama正式支持离线AI语音：数据不出门，速度比原方案最高提升35%

Mac版Ollama正式支持离线AI语音：数据不出门，速度比原方案最高提升35% · · Oct 27, 2026 31.9k 近日，本地运行大模型的开源平台Ollama宣布其Mac应用正式迎来重大更新， 首次 加入文本转语音功能。

全网疯传！终于轮到我用 Agent 卷别人了

本文介绍了三套用于学习和研究 AI Agent 的资源：一个包含 70 多篇论文的合集，涵盖 8 个研究方向；一个包含 5 本书籍的合集，从基础概念到高级设计模式；以及斯坦福大学的 CS329Z 课程，专注于 Agent 的工程实践。这些资源旨在帮助 AI 方向的硕博学生找到研究选题，并学习如何构建和评估 Agent 系统。

蚂蚁集团发布灵光 2.0：升级为能持续管理事务的 AI 助理

蚂蚁集团发布灵光 2.0，推动 AI 助理从被动响应指令向主动发现需求、持续管理事务演进。依托独立云主机实现跨会话记忆与长程任务调度，用户退出对话后任务仍可继续运行；已内置支付宝账单、出行、钉钉、飞书、邮箱、米家等服务，并支持调用 MCP、CLI 等工具。

字节跳动开源 Go 语言 LLM 应用框架 Eino

字节跳动 CloudWeGo 团队开源 Eino，一款面向 Go 语言的生产级 LLM 应用框架，解决 Python 生态垄断下 Go 开发者缺乏规范化 Agent 与大模型开发工具的痛点。

OpenAI 企业产品负责人谈 dots 如何从编码工具演变为常驻个人助理

TechCrunch 在 TechCrunch Disrupt 上采访 OpenAI 企业产品团队负责人 Alexander Embiricos，介绍 OpenAI 九月下旬开发者日发布的常驻个人助理 dots。

它真的要来了？解读被称为 Anthropic S-1 的文件

Matthew Berman 解读了一份被介绍为 Anthropic S-1 的文件，聚焦企业增长、算力效率、模型递归开发及集中的投票控制权。

蚂蚁灵光2.0发布:AI从“任务执行者”走向“事务管理者”

腾讯混元开源同声传译大模型 Hy-SimulMT:延迟低于人类译员，质量比肩专业口译

腾讯混元开源同声传译大模型 Hy-SimulMT:延迟低于人类译员，质量比肩专业口译 · · Oct 27, 2026 31.9k 10月26日，腾讯混元同声传译大模型 Hy-SimulMT 发布并开源，支持中英语音到语音实时翻译:说话人音频可实时输入模型，边听边译同步输出译文与语音，并支持实时音色克隆，还原说话人声音与语气。

Soul 推出 Loxinity，把 AI 语音做成了"有活人感"的实时交互产品

Soul 推出 Loxinity，把 AI 语音做成了"有活人感"的实时交互产品 · · Oct 27, 2026 据《读佳》消息，Soul 将推出专为交互场景打造的 AI 音视频一体化产品"Loxinity（洛希无限）"，包含语音合成模型 Loxi Speech 和视频生成模型 Loxi Avatar，定位为面向实时交互的"活人感"语音与多模态产品。

腾讯元宝上线《尚公主》追剧助手：查剧情、换皮肤、边看边问

腾讯元宝推出《尚公主》追剧服务，可基于官方资料回答剧情、角色关系和名场面集数等问题。元宝PC端更新至V2.90及以上版本后，可在「更多」中选择「AI换肤」上传剧照生成专属皮肤。腾讯视频内还可召唤由元宝搜索提供技术支持的「AI小助理」，边看边问角色与伏笔。

OpenAI 发 GPT-6.1 Terra：会自己操作电脑，性价比甩开旗舰

OpenAI 发 GPT-6.1 Terra：会自己操作电脑，性价比甩开旗舰 · · Oct 27, 2026 OpenAI 推出新模型 GPT-6.1 Terra，定位"快速高效的中端档"。它把精细视觉推理、精准的电脑操作能力和更自然的写作捏在一起，瞄准起草方案、读技术图纸、填表单、剪视频这类高频办公活。