PyTorch 基金会发布 PyTorch 2.15，所有使用 nccl 的进程组默认改用重写后的 NCCL 后端，并附带在集合通信挂起时转储现场信息的 flight recorder，可通过 TORCH_DIST_USE_NCCL2=0 或 nccl-legacy 回退。该版本还为 Apple Silicon 加入 float8_e4m3fn 与 _scaled_mm 支持，新的 grouped_mm 在 M3 Ultra 上让 MoE 解码吞吐提升 1.32–1.34 倍。默认 wheel 升级到 CUDA 13.2，同时提供 CUDA 13.4 wheel 并实验性支持 NVIDIA Rubin GPU，另新增 ROCm 10.0 wheel，且不再支持 Python 3.10 和 macOS 14。
#产品更新#开源生态#部署/工程
Google Gemini 现在可以在对话中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 和代码文件，即日起对所有 Gemini 用户开放。PDF 的预览和编辑在网页版和移动端都可用，其他格式目前仅限网页版。用户可全屏展开文档编辑，也可选中文件中的文字向 Gemini 提问或让它修改，例如选中表格要求转成图表。Google 今年早些时候已支持在 Gemini 中生成和下载文件，此次新增的是不离开 Gemini 应用即可修改文件。
#产品更新#Google#Agent
Anthropic 推出 Claude 智能报告工具，面向 Claude Enterprise 付费套餐用户开放，可在组织设置页面开启。管理者可选定团队、最长 28 天的时间范围和需要纳入的 Claude 产品，报告会生成图表展示使用情况、产出内容与对应开销，并可按成本、产品、日期、产出类型筛选会话明细。企业每月可免费生成最多 10 份报告，超出后产生额外费用；Anthropic 表示该功能不应用于评估个人绩效或人事决策。
#产品更新#Anthropic#部署/工程
豆包工作宣布向企业客户开放第三方模型服务，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列模型。该服务面向团队订阅版和企业订阅版客户，上线后默认开启，企业无需另行向模型厂商采购或额外申请，按用量扣除已有 AI 点数。企业还可按成员、部门、群组或全员划定可用范围，按厂商批量启用或对单一模型单独配置。
#产品更新#Agent#OpenAI
谷歌 Gemini 上线文件编辑功能，用户可在对话内直接生成、预览并修改 PDF、谷歌文档、谷歌表格、幻灯片、Markdown、TXT 和代码文件，该功能从今日起面向所有 Gemini 用户开放。PDF 的预览和编辑同时支持网页端与移动端，其余格式目前仅限网页端。用户可全屏打开文档编辑，选中文本向 Gemini 提问或让其修改内容，例如把选中的表格转换成图表。
#产品更新#Google
Cartesia 推出 Managed Agents 端到端语音智能体平台，面向企业通话场景，在 Artificial Analysis 的 Speech Agent Arena 上以 1115 的偏好 Elo 在 30 个智能体中排名第一。在 ServiceNow 的 EVA-Bench 上，该平台取得 87.4% 的准确率和 90.7% 的体验分，两项均为最高。平台将语音模型与 harness 联合设计，提供 44 种语言、工具调用、知识库和外呼批次等能力，官方称已在金融、零售、酒店和医疗场景支撑数千万次对话。
#产品更新#语音#Agent
谷歌为 Gemini 新增文件预览与编辑功能，用户可在聊天界面直接生成、查看和修改文档，无需离开应用。支持 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 及代码文件，即日起面向所有 Gemini 用户开放。PDF 预览和编辑同时支持网页版与移动端，其他文件类型目前仅支持网页版；用户可全屏编辑，或选中文字向 Gemini 提问并要求修改。
#产品更新#Google
Gemini Notebook 新增数百本来自 OpenStax、Open Textbook Library 和 S Chand Publishing 等美国与印度出版方的教材，学生可免费添加。添加教材后，每个回答都直接以教材内容为依据，并附行内引用和原文链接，还可把教材内容转成学习指南、练习题和闪卡。用户在笔记本中选择 Add sources 再选 Textbooks 即可查看并添加。
#产品更新#Google#RAG
Gemini 应用新增在对话内生成、预览和编辑文件的能力，可全屏直接输入修改、选中文本提问或让 Gemini 改写文件。PDF 预览与编辑在网页端和移动端均支持，Google Docs、Google Sheets、幻灯片、Markdown、TXT 和代码等其他格式仅在网页端支持。该功能已向 Gemini 应用覆盖的所有语言的全部用户开放。
#产品更新#Google#Agent
NVIDIA 公布 RTX Spark 轻薄笔记本的多项更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 模型家族支持，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。Nemotron 3.5 Transcribe 支持 40 种语言的转写、说话人标注和翻译，约 43 亿活跃参数，已在 Hugging Face 上线。RTX Spark 笔记本现由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 出货，起售价 2599 美元。
#产品更新#端侧#语音
ElevenLabs 发布强制对齐模型 Cue，可为音频中每个字符定位精确时间点，并已用于 Scribe 语音转文字模型家族。Cue 覆盖 90 多种基准语言，单次处理任意长度录音，在生产 GPU 上对齐 1 小时音频约需半秒；在 29 种语言的基准上，其准确率高于 ElevenLabs 测试的所有对齐工具。该模型也通过 Forced Alignment API 单独开放。
#产品更新#语音#部署/工程
ElevenLabs 发布新一代音效模型 SFX v3，已在 ElevenCreative 和 ElevenAPI 上线。官方称其在基准测试中比 SFX v2 更能可靠处理描述多种声音的提示词，音乐与人声生成更可信，锣、铃、哨声等音效的杂音更少。用户可在 Flows、Sound Effects 标签页、Studio 和 Music Editor 中通过文本提示词生成音效，开发者可通过 ElevenAPI 接入。
#模型发布#语音#产品更新
MiniMax 于 10 月 28 日以 MIT 协议开源 MCode Stack，包含其团队构建 MiniMax Code 所用的 17 个 SKILL.md 技能和 5 份清单，不含 MiniMax Code 源码。技能按规划拆分、上下文与工具、长会话与命令、评审、实验与热修分组，其中 independent-review 只向评审者提供 diff、需求和测试结果。可通过复制技能目录、本地插件或插件市场安装到 MiniMax Code，也能在 Claude Code 中用 /plugin marketplace add MiniMax-AI/mcode-stack 安装；原文未公布评测结果。
#开源/仓库#Agent#编码
AssemblyAI 发布首款文本转语音模型 AssemblyAI-TTS-1 并正式开放，面向实时电话语音智能体，定价为每 100 万字符 15 美元，不设年度合同和并发档位。该模型仅以托管 API 形式在 us-east-1 和 eu-north-1 提供，支持 HTTP、WebSocket 和 OpenAI 兼容接口，内置 4000 多种音色、即时声音克隆和 6 种语言。厂商自测显示实体准确率 93.7%、首字节中位延迟 47 ms，但 Cekura 独立基准测得流式延迟 159 ms、朗读准确率 81.5%，且发布时尚不支持 SSML、语速控制和情感标签。
#模型发布#语音#部署/工程
Infini-AI-Lab 发布开源框架 Hermit，通过训练外部 harness 适配器来适配 AI 智能体，模型与 harness 保持冻结，v0.1.0 于 2026 年 10 月 25 日发布。框架为 Python 实现、Apache-2.0 许可，可用 pip install hermit-harness 安装，内置 GEPA、SkillOpt、MetaWorld Model、Harness² 和 Continual Harness 五种演化方法。在 GLM 5.3 Flash 上，MWM 适配器在 CL-Bench 数据库探索任务达到 0.795 准确率，高于 in-context 基线的 0.580，但多数结果为单次运行的自报数据。
#开源/仓库#Agent#开源生态
Prime Intellect 发布 Prime Mega MoE，在 DeepSeek 开源 DeepGEMM 库的 Mega MoE 内核基础上补上了融合且重叠的反向传播，使其可用于训练而非仅推理。在 prime-rl 训练器中，Qwen3 MoE 模型的完整训练步比基线快 32% 至 34%，比 TorchTitan 快 48% 至 55%；单层前向最高提速 3.11 倍（12.0 ms 降至 3.9 ms），但 Qwen3-235B-A22B 的反向仅提速 1.24 倍。该内核支持 BF16、Blackwell 上的 MXFP8 和 Hopper 上的 blockwise FP8，以 Apache 2.0 随 prime-rl 发布，通过 mega_moe 分发后端启用。
#开源/仓库#数据/训练#部署/工程
逐际动力开源的具身智能工程底座 FluxVLA Engine 于 10 月 22 日完成重要更新，技术报告显示其已把 OpenVLA、π0.5、DiT4DiT、GR00T 等异构策略纳入同一套数据、训练、评测与部署流程。在英伟达 AGX Orin 64GB 上，GR00T 推理频率从 3.2Hz 提升到 7.4Hz，π0.5 从 1.4Hz 提升到 4.4Hz；配合 RTC 和轨迹后处理三步机制衔接真机执行。在线 RL 方面，SmolVLA 在 LIBERO-10 上成功率从 66.2% 升至 76.2%，在 RoboTwin Clean 的 10 个任务上从 45.9% 升至 61.3%。
#开源/仓库#具身智能#部署/工程
AI 开发产品 TRAE 于 10 月 29 日正式上线开发者个人助理 TRAE宝，把全局助理加项目助理的双层助理体系引入开发工作流。全局助理可读取开发者过往任务、对话与产物，在新任务中自动补齐项目背景与历史决策，并支持绑定飞书、微信等即时通讯工具下发任务和同步进度。项目助理则基于当前项目上下文把复杂需求拆成多个子任务并行推进、联调与汇总。当前版本仅支持本地任务，云端任务与移动端能力将在后续迭代开放。
#产品更新#Agent#部署/工程
蚂蚁集团10月27日发布灵光2.0后，新版灵光已原生打通支付宝生态，并接入钉钉命令行接口（CLI）等数十项外部工具。以钉钉为例，用户授权后灵光可调用群聊、待办、日历、文档等能力，在后台汇总群聊重点、提取待办并跟进提醒。灵光2.0核心升级了跨会话记忆、长程任务调度与工具连接能力，并支持通过MCP、CLI等协议连接飞书、滴滴出行、高德地图、百度网盘、米家等应用。
#产品更新#Agent#MCP/工具调用
豆包工作今日向团队订阅版和企业订阅版客户开放三方大模型服务，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列模型。该功能上线后默认开启，企业无需另行向模型厂商采购或额外申请，按用量扣除企业已有的 AI 点数。企业可按成员、部门、群组或全员划定可用范围，并指定模型在豆包电脑端、豆包工作电脑端、豆包移动端、豆包网页端及飞书内豆包工作等场景中生效。
#产品更新#Agent#MCP/工具调用