Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 上线,将近实时视频生成与语音对话结合,让企业智能体以带口型同步和自然表达的动态形象进行实时对话。
推荐理由:原文给出 Live Avatar 在多语言同步和后台工具调用上的具体能力,读者可据此判断企业实时客服场景的落地边界。
Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 上线,将近实时视频生成与语音对话结合,让企业智能体以带口型同步和自然表达的动态形象进行实时对话。
推荐理由:原文给出 Live Avatar 在多语言同步和后台工具调用上的具体能力,读者可据此判断企业实时客服场景的落地边界。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放了 2800 多种病毒蛋白复合物的预测 3D 结构。
Remedy Entertainment 的《CONTROL Resonant》本周在 GeForce NOW 上线,Ultimate 会员可享 GeForce RTX 5080 级云端性能,支持 DLSS 4、光线追踪、NVIDIA Reflex 和最高 5K HDR,无需 100GB 本地安装。
YouTube 在年度 Made on YouTube 活动上宣布将推出 Custom Feeds:用户输入描述即可生成自定义信息流,还能调整描述并对视频建议评分,该功能将在美国面向网页、移动端和电视用户上线。今年晚些时候,YouTube 评论将支持发布 GIF,私信功能也将加入群聊,群聊首批仅限美国、英国、新加坡、巴西和部分欧洲国家。
Simon Willison 发布 Gemini 3.8 TTS Playground,一个用自带 Gemini API key 测试 Google 文本转语音接口的交互式页面。
Google 公布将为 Private AI Compute 平台加入私密的服务器端持久记忆层,让 AI 助手能跨设备保留上下文,同时维持端侧级隐私保护。记忆数据加密存放在云端隔离环境中,解锁密钥仅保留在用户设备上,模型访问时经端到端加密通道临时解密。Google 同时发布服务器软件的防篡改公开记录、更新技术白皮书,并公布一家领先网络安全公司完成的独立审计结果。
invideo 借助 GPT-6 Astra 将色彩校正与调色效率提升 3 倍,并能在一天内产出 50 个自定义效果。该模型还让 invideo 的剪辑规划更加精准。
Harvey 借助 GPT-6 Astra 生成更结构化、更具上下文感知的法律文档,把法律上下文转化为更优质的草稿。这使律师得以将精力集中在策略上。
ChatGPT Ads 将广告业务扩展至东南亚和台湾,符合条件的商家可借此触达 60 多个国家和地区的用户,获得新的投放渠道。
OpenAI 为 GPT-6 改进了提示词缓存,带来更高的缓存命中率、新的诊断能力和显式断点。相关控制项用于降低延迟和成本。
Simon Willison 发布 llm 0.36,条目日期为 2026 年 9 月 22 日,页面标注 openai 与 llm。原文未披露该版本的具体功能与变更细节。
Simon Willison 发布 LLM 插件 llm-typesafe 0.1a0,为 LLM 接入 TypeSafe AI 的新模型 Jev。安装并设置 API key 后,可用 `llm -m jev` 提出是/否问题,返回形如 {"type": "noul", "noul": 0.99} 的结果。
NVIDIA 在加拿大多伦多 ROSCon 大会上发布 Isaac ROS 5.0,为基于 ROS 的机器人开发引入智能体工作流,并新增对 ROS Lyrical 和 Ubuntu 24.04 的支持。
Hugging Face 在 transformers 中加入 GGUF 量化模型支持,用户可从 Hub 选取检查点并通过 from_pretrained 在本地加载生成。
推荐理由:原文给出了 GGUF 在 transformers 中的加载方式和对照 llama.cpp 的测量数据,便于评估本地量化推理的可用性。
NVIDIA 认为,物理 AI 从研究走向规模化部署,安全必须覆盖硬件、软件、AI 与运行环境,而非一次性的部署前检查。ABI Research 预计 2035 年 level 3-5 自动驾驶汽车将达 4900 万辆,Omdia 估算 2026-2035 年间约 6000 万台工业机器人投入使用。
Higgsfield AI 借助 GPT-6 Astra,在一天内上线新的视频功能,让小型企业更容易制作视频广告。这些功能把视频广告创作流程变得更简单,并让新的创意工具更快推向市场。GPT-6 Astra 的加入也帮助 Higgsfield AI 更快交付新工具。
OpenAI Academy 新增学习路径,覆盖员工、开发者、管理者、教育工作者与学生五类人群,帮助他们构建并展示实用的 AI 技能。
Hugging Face 发布 tokenizers v1 发布候选版,相比 v0.23 在十种模型族上单线程编码速度提升 3 到 30 倍,跨 8 线程保持 76% 的线性扩展。
推荐理由:原文给出了 v0.23 到 v1 的实测对比与具体优化手段,可供负责训练或推理链路的工程师评估是否升级到候选版。
Google Research 让教师用生成式 UI(GenUI)动态生成贴合课程目标的互动教学模拟。同时发布 30 多个英文 STEM 学习互动示例,覆盖物理、化学、生物、数学,面向初高中,均由 AI 生成并经教师审核。使用 Google Workspace for Education 的学校可通过 Google for Education Pilot Program 报名提供反馈。
免费抓宠 RPG《Aniimo》首发登陆 GeForce NOW,本周共 11 款新游加入云游戏库。《007 First Light》新增 path tracing,并引入 NVIDIA DLSS 4.5 Ray Reconstruction。Aniimo 无需 45GB 下载,并新增 Firefox 浏览器支持。
Cooley 用 ChatGPT Work 构建了 GO Public,把智能引入 IPO 流程,帮助律师更早发现问题,并将判断力集中在最关键处。GO Public 旨在让律师在 IPO 工作中更早暴露问题,把精力留给最重要判断。
OpenAI 推出 Astra for Law,OpenAI for Law 为法律领域带来前沿智能、律所自定义工作流、互联法律数据源,以及保护机密客户工作的法律级管控。
OpenAI 公布新的 AI 广告体验,其中包括 Sponsored Agents、面向营销人员的工具,以及与 HubSpot、Shopify 的集成。
推荐理由:OpenAI 公布 Sponsored Agents 以及面向营销人员的工具和 HubSpot、Shopify 集成,可看到其广告产品的组成。
GPT-6 Astra 帮助 Hex 的数据智能体将分析答案转化为交互式可视化,使员工愿意分享。Hex 借此把复杂分析变成可视化报告。
曼彻斯特大学团队用 NVIDIA Earth-2 的生成式模型 CorrDiff,在 Isambard-AI 上两天训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型。
NVIDIA 公布 DSX MaxLPS 在 Lambda 的首个部署验证:以 16 节点的功率预算运行 19 节点,token 吞吐提升 24% 至约 500 万 tokens/秒,每瓦性能提升 23%。
NVIDIA 在 AI Infra Summit 公布 Vera Rubin 与 DSX 平台进展:Vera Rubin NVL72 在 MLPerf Inference v6.1 中吞吐量达 GB300 NVL72 的 3.7x。
Fyxer 利用 OpenAI 模型、微调、记忆和真实用户反馈,帮助用户整理收件箱,并以每位用户自己的口吻起草邮件,从而打造人们信任的 AI 行政助理。其做法结合模型能力与用户反馈,让助理适配个人的邮件处理与写作风格。
Cognition 将 GPT‑6 Astra 用于 Devin,提升了它测试软件并证明软件可正常工作的能力。官方表示,这一能力的目标是让工程师减少代码审查量、更专注于交付。
OpenAI 在 ChatGPT Work 中推出 Data agent,可连接公司数据、发现洞察,并用自然语言构建交互式仪表盘。该功能面向所有人开放。
推荐理由:ChatGPT Work 上线 Data agent,读者可据此了解用自然语言接入企业数据并生成交互式看板的入口。
OpenAI 推出 ChatGPT for Financial Services,将内置金融数据与 GPT-6 Astra 结合,用于研究、建模和面向客户的资料制作。该产品面向金融服务场景,官方摘要未披露定价与上线范围等更多细节。
推荐理由:原文说明该产品把内置金融数据与 GPT-6 Astra 结合,读者可了解 OpenAI 在金融场景的产品切入方式。
OpenAI 发布 Agents API,可用于构建和上线云端智能体。该服务是由 Codex harness 驱动的托管服务,支持编排、长时间运行的会话和工具调用。
推荐理由:OpenAI 把 Codex harness 的编排能力做成托管服务,读者可据此了解云端智能体的接入方式。
Google DeepMind 发布 AlphaGenome Atlas,提供人类基因组全部 90 亿个单核苷酸变异效应的预测,数据集规模达 1PB,超过 AlphaFold 数据库 30 倍。
推荐理由:对比 AlphaFold 数据库的规模与开放路径,可了解把基因组变异预测做成公共科研基础设施的思路。
ChatGPT Images 2.5 发布,可将用户的想法、草图和参考照片转化为更个性化、更精致的图像,更贴合用户想表达的创意。
GitHub 在 GitHub Copilot CLI 中上线 Project HydraFusion 研究预览,用运行时多模型编排为每个任务选择 Single、Cascade 或 Critique 三种执行模式。
推荐理由:HydraFusion 在 TerminalBench 2.1 上以低 67% 的预估成本换到 4.9 个百分点的质量提升,读者可据此了解多模型编排的取舍。
Playco 使用 GPT-6 Astra,基于同一个 grey box 基础构建了三款主题游戏原型,手动修复量相比上一代模型减少 50%。
Funes 是 Hugging Face 开源的 coding agent 本地记忆层,把 Claude Code、Codex、pi、Hermes 的 session 日志统一解析成 turn/block 结构。
推荐理由:funes 把各 coding agent 的 session 日志转成可索引、可跨机器检索的记忆层,并用基准测试给出相对上下文压缩和手写交接的量化成本对比。
Google 面向政府机构、关键基础设施运营商和企业客户推出有限访问的 Fairwind Program,提供其最先进的 AI 网络防御能力。该计划将 Gemini 3.8 Flash Cyber 与 CodeMender harness 结合,自主发现、验证并修复漏洞,数分钟内生成可部署补丁,运行成本仅为传统前沿模型的一小部分。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,官方称视频分析成本最多降低 66%、token 消耗最多降低 88%、准确率最高提升 7%。
推荐理由:官方给出成本最多降 66%、token 最多降 88% 的基准数据,可据此判断长视频分析的工程取舍。
Hugging Face 发布 @huggingface/kernels JavaScript 库与 Fleet 浏览器基准测试工具,首批开源 207 个 Apache-2.0 许可的 WebGPU 内核,每个内核以独立仓库形式托管在 Hub 上,包含 manifest、正确性用例、基准用例与 WGSL 着色器模板。
推荐理由:对比了在 Apple M4 上与 ORT WebGPU 的逐操作基准数据,读者可据此评估优化 WebGPU 内核对浏览器推理的实际收益。