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
OpenAI 更新模型规范（Model Spec）文档，将框架重构为忠于人类意图、降低伤害、诚实透明、保障人的自主选择权、审慎尽责五项准则，其中忠于人类意图是整套框架的基础。OpenAI 称现有模型还无法完全符合新版规范，团队正在研究全新训练方式让模型内化这些准则。此次调整与 Anthropic 的宪法式 AI 思路相近。
#安全/对齐#OpenAI#Anthropic
Neuralink 于 10 月 28 日发布博文，公开语音恢复项目 VOICE 的早期可行性研究，一名渐冻症参与者在使用的第一周即达到每分钟 75 个单词的输出速度，在 12.5 万词的大词库下词错误率为 5.8%。研究负责人 Nader Pouratian 博士已在 2026 年 NEALS 年会上介绍相关数据，该研究计划招募约 6 名因 ALS、脊髓损伤或中风失去沟通能力的参与者，首要评估指标为植入后 12 个月内的设备或手术相关不良事件。Neuralink 目前尚未发布经同行评审的完整论文，数字来自单一参与者，公司也未说明测试任务类型、文本与语音输出的分别表现及长期效果。
#行业动态#语音#数据/训练
谷歌宣布将逐步停用 2024 年 12 月推出的 AI 编程助手 Jules，并把从该工具获得的经验应用到智能体优先开发平台 Antigravity 中。Jules 官方 X 账号称，Jules 最初是一项了解异步编程智能体如何帮助开发者更快交付的实验，未来将把远程后台任务执行与智能体为核心的开发环境合并为统一体验。Antigravity 由谷歌 DeepMind 于 2025 年 11 月 18 日推出，是作为 VS Code 分支分发的独立 IDE，支持 Windows、macOS 和 Linux。
#行业动态#Agent#编码
Anthropic 升级 Claude 移动应用，iPhone 版语音模式现已支持 Apple CarPlay，用户可在驾驶途中直接向 Claude 提问。Claude 在网页、桌面、iOS 和 Android 端新增 24 种语言，累计支持 33 种语言，语音模式响应更快、嘈杂环境识别更准。iOS 与 Android 版还支持多账号同时登录并直接切换。
#产品更新#语音#Anthropic
人工智能语言公平研究联盟的研究发现，AI 模型处理不同语言时 Token 消耗量差异悬殊：互联网最常用的 20 种语言之间最高相差 1.5 至 5 倍，扩大到 200 种语言后，其中一个模型的差距最多达 17 倍。研究将这种隐性额外成本称为“分词器税”，消耗 Token 越多，AI 响应越慢、可用的上下文也越少。研究者建议 AI 实验室改进下一代分词器设计，并公布各语言的评估结果。
#论文/研究#数据/训练
Anthropic 招聘经理 Felix Reiseberg 宣布不再用传统编程面试考察候选人，理由是 Claude 在 React 挑战和汇编题上都已强于人，真正有影响力的构建者不靠这类测试取胜。他建议初级工程师选能带来业务影响的想法、周末做出可运行原型、只聚焦一个好点子，并发挥对用户的新鲜视角。同日 Google DeepMind 发布 Genie 4 世界模型，Artificial Analysis Intelligence Index v5 榜首为 Claude Opus 5.5（58 分）。
#行业动态#Agent#编码
Latent Space 与 Supabase 创始人 Paul Copplestone 和 Ant Wilson 对谈，讨论智能体为何把 Supabase 作为应用后端首选。文中提到 Supabase 每月约上线 500 万个数据库，并介绍了无需 Docker 的本地运行时 alpha、把期望数据库 schema 存入 Git 的声明式方案，以及私有 alpha 的 Supabase Compute、Multigres 和收购 Turso 等 Scale 侧动作。
#行业动态#数据/训练#开源生态
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
#模型发布#Google#安全/对齐
Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。
#评测/基准#多模态#推理
DingTalk A1 豆蔻医生版将 A1 的语音记录与 AI 纪要能力同豆蔻的医学循证能力结合，医生整理完病例讨论或讲座内容后，还能围绕未解决的医学问题查询文献、指南和专家共识。一位杭州三甲医院妇科主任反馈，手术日可先录下特殊情况和判断，下手术后再整理，复杂门诊则用豆蔻医生查看文献和指南链接。现阶段它更像能录音、提炼、查文献的随身专业助理，而非重构医院 IT 系统。
#产品更新#语音#RAG
灵谐AI以个人知识库和即时通信为基础，把创作者的内容积累与用户提问连接起来，为每个人构建可对话的数字分身。公开版本记录显示，1.0.7版本已包含分身订阅、付费群和创作者收益功能，并支持知识库网站导入、聊天收藏绑定分身参与回答。CNNIC报告显示，截至2026年上半年我国生成式AI用户规模突破7亿人，普及率超过50%，其中76.0%的用户会用这类工具回答问题。
#产品更新#Agent
雅迪在2026云栖大会展出冠能白鲨II艾莲款，以四千档价位提供万元级智能体验，搭载新一代Yadea OS、Smart智慧屏、智行助手“小迪”和iRide无钥匙控车。该车与《绝区零》联名，配备专属UI和Fairy智能系统。雅迪同时与高德开放平台成立“两轮车碳普惠联盟”，成为首批生态合作伙伴。
#行业动态#具身智能
三星电子公布2026年第三季度财报，营收约195.3万亿韩元、同比增长约127%，营业利润约107.4万亿韩元、同比增长约783%，连续第四个季度刷新纪录。半导体部门当季营业利润达106.5万亿韩元，约占公司整体的99%，HBM4销售大幅增加、服务器固态硬盘需求强劲。移动与网络业务收入增长但仍合计亏损6000亿韩元，三星将其归因于零部件涨价带来的成本压力。
#行业动态#数据/训练
谷歌推出新一代大模型 Gemini 4 Carbon，聚焦网络安全与长周期复杂任务处理，在 Artificial Analysis Intelligence Index v5.0 中综合得分 59 分，位居榜首。该模型在 WebDev Arena 上较前代提升 89 个 Elo 分数至 1769 分，位列第四；内部测试显示其输出安全代码的成功率比 Gemini 4 Argon 提升两倍以上。定价初期与 Gemini 4 Argon 一致，优惠期输入每百万 Token 2 美元、输出每百万 Token 10 美元，本周优先向少量网络安全从业者开放试用。
#模型发布#安全/对齐#Agent
蚂蚁 inclusionAI 在 GitHub 上线 UBTree 项目页，介绍用 Unigram 与 Bigram 模型做并行树草稿的投机解码方法（arXiv:2609.39972）。页面含 Ling3 Tiny 与 Flash 的演示视频，同一目标模型下对比 AR、DFlash、DSpark 和 UBTree 四种方法，视频为 1440×760、20 FPS、0.25× 播放速度。图表与表格数字统一由 static/js/data.js 驱动。
#开源/仓库#推理#arXiv
蚂蚁 inclusionAI 发布 ICML 2026 论文配套的 ZwZ 模型族（4/7/8B），在开源模型中取得多模态感知基准 SOTA，且只需一次前向推理、无需推理时调用工具。方法为 Region-to-Image Distillation（R2I），把放大局部区域生成的高质量 VQA 监督蒸馏回整图，训练数据 37K 样本。同时推出 ZoomBench，含 845 条 VQA、覆盖 6 个细粒度感知维度，Qwen2.5-VL-7B 平均准确率仅 42.5%。
#开源/仓库#多模态#论文/研究
蚂蚁集团 GuangJian 团队在 GitHub 开源 DefakerOne2，一个基于 Qwen3.5-2B 多模态骨干的 2B 参数统一视觉取证模型，覆盖 AI 生成内容、DeepFake 人脸、文档篡改、自然图像篡改、人脸与证件防伪以及 AI 生成视频检测。模型在约 5000 万样本上训练，采用 LoRA 到全参数再到 LoRA 的三阶段 Tide-Style Tuning，并用基于熵的测试时路由在视频与帧两条通路间选择。团队称其在 53 项检测基准中 40 项达到 SOTA、14 项定位基准中 11 项达到 SOTA，权重与 RRVBench 基准已发布于 ModelScope。
#模型发布#开源生态#多模态
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
#模型发布#语音#开源生态
AnySpeechRecognizer 在 Apple SpeechAnalyzer API 之上支持切换引擎，可选用 NVIDIA Parakeet TDT 0.6B v3（支持 25 种欧洲语言）、Moondream 后训练的 Parakeet Ultra、英文版 Parakeet Unified，以及阿里 Qwen3-ASR（0.6B/1.7B，覆盖 30 种语言和 22 种中文方言）。这些模型已转为 Core ML 发布在 Hugging Face Hub，Parakeet 转写 1 小时音频约需 20–40 秒，Qwen3-ASR 更慢且需数 GB 内存。包内还新增 Apple 框架没有的说话人分离模块 SpeakerDiarizer，基于 NVIDIA Streaming Sortformer，最多跟踪 4 位说话人。
#开源/仓库#语音#端侧