阶跃星辰（StepFun）开源了内部用于 LLM 数据标注与模型检查的工具 onPanda，工作流为定位错误、修正 token、让模型继续生成。其数据标注中位耗时比人工后编辑低 52%，SFT 与偏好数据在同一流程完成，on-policy 保真度高（ΔPPL <1%），支持 token 级正负样本监督及图像、音频、视频的 agent 轨迹标注；模型检查可查看 token 概率与 top-k 备选、逐 token 引导解码，并在浏览器中探索 SVG 生成、Web 开发和 agent 任务。
匹配字段摘要
AWS 展示了如何将 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）结合，把执法记录仪视频、监控录像和扫描文档等非结构化证据转为结构化洞察，并通过 Salesforce Agentforce 以自然语言查询调用。文件进入 Amazon S3 后由 S3 事件通知触发 Lambda，启动 Bedrock Data Automation 任务，结果经 EventBridge 和第二个 Lambda 存入输出桶；Agentforce 侧通过 Amazon Bedrock AgentCore Gateway 经 MCP 调用 AWS Lambda 上的 MCP 服务器，查询 DynamoDB 并返回 S3 结果。该方案为示例代码，非生产就绪。
匹配字段摘要
阶跃星辰发布旗舰模型 Step 5 Preview，在 Artificial Analysis 智能指数上得分 44，每任务成本 0.71 美元，官方称其把智能与成本的帕累托前沿向外推进。该模型为 600B 总参数、27B 激活参数的 MoE 架构，支持 1M token 上下文和文本、图像、视频输入，定价为每 100 万输入/输出 token 1 美元/2.70 美元，缓存输入 0.05 美元。目前通过阶跃星辰一方 API 提供，计划于 10 月 15 日开源权重。
匹配字段摘要
小米于9月21日发布 MiMo-V2.6 系列的 Pro 和 Flash 并公开模型权重，两者均为可处理文本、图像、视频和音频的多模态模型，通过扩大强化学习规模提升编码、PC 操作、3D 空间推理和内容制作等智能体能力。小米称 Pro 在多数智能体基准上达到 Claude Opus 5 和 GPT-5.6 Sol 的水平，在 Artificial Analysis Intelligence Index 上得分 46，为发布时开源模型最高，但与 Claude Fable 5.1、GPT-6 Astra 等顶级闭源模型仍有差距。权重和技术报告已在 Hugging Face 的 MiMo-V2.6 集合发布，同时公开 7000 多个强化学习任务环境、训练框架、轻量智能体运行基座 mini-harnesses，以及基于 Qwen3.5-9B 蒸馏的 MiMo-V2.6-Distill-Qwen-9B。
匹配字段摘要
Black Forest Labs 发布 FLUX 3 Action，一个从多模态 FLUX 3 主干衍生的 7B 开源权重世界动作模型，在 RoboLab-120 榜单上以不到此前最佳开源模型一半的参数量取得 38.3% ± 0.38 的成功率，速度最高提升 3.95 倍。该模型在图像、视频和音频数据上预训练，其中视频占训练 token 的 95% 以上，再通过联合视频-动作训练和针对目标本体的微调适配动作空间。报告还分析了将其与 GPT 6 Astra 等推理模型组合的混合方案，发现快速控制能让具身推理更省时省钱，每美元成功率最高提升 53.64%。
匹配字段摘要
NVIDIA Dynamo-Triton 26.07 启用 TensorRT 后端的多设备推理能力，一个 KIND_MODEL 实例可占用多块 GPU 并通过单个 gRPC 端点对外提供分布式推理服务，TensorRT 11.0 起完整支持该能力。以 Cosmos 3 Nano 视频生成为例，Ulysses 上下文并行把 44,160 个视频 token 分配到最多八块 GPU，端到端生成延迟从单 GPU 的 156.6 秒降至八 GPU 的 34.2 秒，transformer RPC 加速比达 6.09 倍。CP2、CP4、CP8 的输出通过 MAE ≤ 25 与 PSNR ≥ 18 dB 的质量阈值校验，但该基准未测量并发吞吐、单视频成本或 TCO。
NVIDIA Dynamo-Triton 26.07 启用 TensorRT 后端的多设备推理能力，一个 KIND MODEL 实例可占用多块 GPU 并通过单个 gRPC 端点对外提供分布式推理服务，TensorRT 11.0 起完整支持该能力。以 Cosmos 3 Nano 视频生成为例，Ulysses 上下文并行把 44,160 个视频 token 分配到最多八块 GPU，端到端生成延迟从单 GPU 的 156.6 秒降至八 GPU 的 34.2 秒，transformer RPC 加速比达 6.09 倍。CP2、CP4、CP8 的输出通过 MAE ≤ 25 与 PSNR ≥ 18 dB 的质量阈值校验，但该基准未测量并发吞吐、单视频成本或 TCO。
匹配字段摘要
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，将代码、设计与工具调用整合到界面、幻灯片、SVG、视频和音乐等场景。官方称 Pro 在 Design Arena 上的表现与 Claude Opus 5、GPT-5.6 Sol 相当，在多数 agent 基准上与二者持平，并在 Artificial Analysis Intelligence Index 上得分 46。Pro 与 Flash 的权重、技术报告、7K+ RL 任务环境、端到端 RL 框架及 MiMo-V2.6-Distill-Qwen-9B 均已开源，API 定价与 V2.5 保持一致。
匹配字段摘要
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，结合 3D 空间推理、多模态感知与 computer use，可把文本、图像或视频转成可玩的 3D 世界，并支持 Blender 场景创建、仿真中控制 Franka Panda 机械臂以及桌面工具操作。官方称 Pro 在多数智能体基准上与 Claude Opus 5、GPT-5.6 Sol 相当，Artificial Analysis Intelligence Index 得分 46，为开源模型最高，API 定价与 V2.5 持平。团队同时开源 Pro、Flash、MiMo-V2.6-Distill-Qwen-9B、技术报告、7K+ RL 任务环境、端到端 RL 框架与可组合 mini-harness，并上线 MiMo Desktop 与订阅方案。
匹配字段摘要
在见到 MiMo-V2.6 之前，先走进它的世界。 MiMo Gallery 中的每个 3D 模型、游戏、幻灯片、视频、音乐和图像都由 MiMo-V2.6 生成。 留下来听钢琴。玩一局游戏。看烟花。 抢先一睹即将到来的内容：https://t.co/DCWwoiVuRX https://t.co/aG7fxPE5oq
在见到 MiMo-V2.6 之前，先走进它的世界。 MiMo Gallery 中的每个 3D 模型、游戏、幻灯片、视频、音乐和图像都由 MiMo-V2.6 生成。 留下来听钢琴。玩一局游戏。看烟花。 抢先一睹即将到来的内容：https://t.co/DCWwoiVuRX https://t.co/aG7fxPE5oq
匹配字段摘要
AAAI 发布《The Future of AI Research》报告后，其主席团成员与 AI 从业者展开系列视频研讨，本期聚焦 AI 评估。该报告由即将卸任的 AAAI 主席 Francesca Rossi 主导，于 2025 年 3 月发布，覆盖 17 个 AI 主题。
匹配字段摘要
Grok 发帖邀请用户用 Grok Imagine 制作自己的电影场景。被引用的 Grok Imagine 帖子称，@PJaccetturo 及其工作室用 9 天、3,627 张图像、3,043 段视频完成一部试播片，生成成本 2,677 美元。
匹配字段摘要
Ethan Mollick 认为，关于 AI 风险的讨论多聚焦未来模型，却忽略了 GPT-6 Astra 和 Fable 5.1 等现有模型已足以对经济的大部分领域产生变革性影响，能力过剩（capability overhang）正是机会所在。他让 GPT-6 Astra 把 1977 年的文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏，又让 Fable 5.1 依据视频、照片和两份图书目录在 3D 中重建翁贝托·埃科米兰公寓的藏书，并让模型用 Blender 制作自己新书 Co-Existence 的预告片，这些工作原本需要研究人员、程序员和设计师数周完成。他提出个人应依靠四种优势与 AI 协作：深度知识、广度知识、品味和能动性，并称新书 Co-Existence 将于 10 月 20 日出版。
匹配字段摘要
MIT Libraries 的 MIT Reads 项目在十周年之际转向虚构与回忆录，以在 AI 时代促进社交连接与共同人性。MIT 校长 Sally Kornbluth 选定 2026 秋季共读书目为特德·姜的短篇集《Exhalation》，该书曾入选《纽约时报》2019 年度好书。MIT Reads 作者活动多对公众开放并在线直播，相关视频观看量已超 5,000 次。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable thinking 与 xhigh、medium、low 三档 reasoning effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
匹配字段摘要
阿里千问发布首个围绕智能体能力构建的全模态模型 Qwen3.8-Omni-Flash，原生支持音视频理解、推理与工具调用。官方称其音视频能力接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体表现平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token。视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%，同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将推出。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。官方称其在音视频能力上接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体性能平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%。同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将发布。
匹配字段摘要
Claude Cowork 正与 Claude Chat 合并，不再需要单独标签页，已连接的 app、技能和上下文都能在普通 Claude.ai 对话中使用，合上笔记本后仍可继续工作。Claude Artifacts 将推出 Docs 和 Slides 专用产品，Claude Design 也进入对话；Claude Code 的最新实验定名为 Claude Mods，可改变 Claude Code 的外观与行为。Gemini API 新增 3.8 Live 和 3.8 Live Extended Thinking 两个 Live 模型，支持视频与音频输入、输出音频，3.8 Live 比 GPT-Live 1 便宜 7 倍。
匹配字段摘要
阿里云 Wan 官方介绍 Wan3.0 已能直接由模型生成单段 30 秒镜头，此前分别为 5 秒和 15 秒片段。该版本加入导演级控制与 omni-reference，可参考最多五段视频而非五张图片，Soulscape 的导演与阿里云的 Johnny Mai 已将其用于实际制作流程。官方称不再需要拼接大量短片段，可先生成长镜头再按剧本和故事剪辑。
匹配字段摘要
LiveKit 推出 Startup Program，为符合条件的早期创业公司提供约 23,000 美元总价值：7 家合作方的 7,000 美元推理积分、10,000 美元 LiveKit Cloud 积分，以及一年免费的 Cloud Scale 计划（原价 500 美元/月）。推理积分通过 LiveKit Inference 使用，覆盖 LiveKit Gemma 4 31B、Deepgram、Inworld、Rime、Fish Audio、AssemblyAI 和 Gradium，无需单独创建账号或管理 API key。申请门槛为员工少于 50 人、融资低于 500 万美元，且将语音、视频或物理 AI 作为产品核心。
匹配字段摘要
Meta 推出订阅服务 Meta One，在 Instagram、Facebook、WhatsApp 和 Meta AI 上线 50 多项功能，并逐步扩展到 Edits、AI 眼镜等产品。Core 与 Premium 套餐把单项产品订阅与更多 AI 用量打包，包含用 Muse 模型生成和编辑图像、生成视频，以及 Instagram Restyle 等应用内 AI 工具。面向创作者和企业的套餐提供增强主页、自动关注邀请和更多 Meta Business Agent 调用额度，价格从单项 2.99 美元/月起，个人套餐 7.99 美元/月起，创作者与企业套餐 14.99 美元/月起。
匹配字段摘要