Mistral 发布 1T 参数新模型 Mistral Large 4
法国 AI 实验室 Mistral AI 发布 1T 参数大模型 Mistral Large 4，绰号 Le Chonk，定位为闭源与中国开源模型之外的欧洲方案。
#多模态
#多模态
今日 4 条TechCrunch · AIAI 评分7272 The DecoderAI 评分7171 Mistral 发布万亿参数 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，参数规模一万亿、激活 490 亿，已在 Mistral Studio 开放公开预览，权重预计 10 月底发布。
The DecoderAI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型 JEPA-Anything
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把 LeCun 提出的 JEPA 架构拆成四个正交预测模块，用同一套原理处理物理、机器人、天气、单细胞和临床等七个领域。
钛媒体AI 评分4848 估值10亿美金的Utopai Studios：好莱坞老炮为何集体投奔这家AI原生影视公司
好莱坞资深主创集体加入被《综艺》称为"影视公司"的Utopai Studios，其估值据《福布斯》最新估算约为10亿美元。核心产品PAI作为嵌入剧组的AI制片中枢，衔接Premiere、DaVinci Resolve等后期工具；基于MiniMax定制的Utopai X在AA-Video-T2V v2.0文生视频含音频榜单位列全球第二、美国第一。
The DecoderAI 评分6363 Reka AI 发布 190 亿参数全能模型 Rho-1，单网络处理文本图像视频与机器人控制
Reka AI 发布 Rho-1 研究预览版，这是一个 190 亿参数的全能模型，可在单一神经网络中处理和生成文本、图像、视频以及机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 将各模态都作为 token 放在同一个共享上下文窗口中运行，不依赖工具调用或外部模型。
Ars Technica · AIAI 评分3838 AI 眼镜遭遇首次重大政府监管：挪威拟出台永久性规定
挪威正着手为可拍摄路人的 AI 眼镜制定永久性规则，希望留出时间完成立法，这被视为 AI 眼镜面临的首个重大政府监管行动。此举针对的是具备录制旁观者能力的智能眼镜。
钛媒体AI 评分3131 大厂卷 Jarvis，Samantha 却在恋爱影游里冒了头？
Yoroll 发布《VOW：谁说带妹不能拿世界冠军》和《心动相簿》两款恋爱互动影游 PV，游戏中的女主可化身为陪伴 AI Agent，支持文字聊天与实时视频通话，背后采用 Yoroll 自研的 H3 Superfast 实时视频模型和生数科技的 Vidu S2 数字人模型。
钛媒体AI 评分2222 中国团队AI社交出海：Popia、MochiChat、imely 的新打法
2026年上线的 Popia、MochiChat、imely 三款中国团队 AI 社交产品选择逆势出海：Popia 面向美国市场，用 AI 对话替代角色资料填写；MochiChat 主攻泰国等东南亚市场，加入虚拟转账、朋友圈和五级亲密关系；imely 在越南获超50万用户，并允许亲密度“向下生长”。
The DecoderAI 评分4747 NASA 与 IBM 发布开源月球基础模型，用 17 年轨道器数据做月球科学
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
钛媒体AI 评分2727 Edge AI Daily 早报（10月4日）：arXiv 月投稿破 4 万、Tavus Griffin 骗过 48% 受试者、苹果 homeOS 押注 Siri
arXiv 于 2026 年 9 月单月收到 40363 篇投稿创 35 年新高，10 月 1 日起实施每人每月限投 2 篇，其审核仅靠 260 名志愿审核员和 7 名专职人员运转。
雷峰网AI 评分2222 小米 Vision GT 将上线《Gran Turismo 7》，成 GT 史上首台中国品牌 VGT 车型
小米与 Gran Turismo 系列制作人山内一典在新加坡 GT World Series 现场宣布，Xiaomi Vision Gran Turismo 将于 10 月上线《Gran Turismo 7》，成为该系列首台来自中国品牌的 VGT 车型，小米是受邀加入该项目的第 36 个品牌。
The DecoderAI 评分4343 LEGO-Bench：AI 智能体用照片生成 3D 场景，却判断不了自己做得对不对
研究团队提出 Image-to-Code 方法，让编码智能体看单张照片写 Blender 程序并迭代修正，同时发布包含 208 张图像、443 个资产的 LEGO-Bench 评测。
爱范儿AI 评分4646 AI 视频榜全球第二，Utopai X 背后是一家 AI 原生影视公司
截至 9 月 30 日，AI 原生影视公司 Utopai Studios 的自研模型 Utopai X 在 Artificial Analysis 带音频文生视频榜位列全球第二，仅次于 Wan 3.0，是该榜排名最高的美国公司模型。
TechCrunch · AIAI 评分5656 Sean Parker 将 Stability AI 重塑为音乐 AI 工具公司
Napster 联合创始人 Sean Parker 正把 Stability AI 重新定位为面向音乐专业人士的 AI 工具厂商，他与出任 CEO 的好友 Prem Akkaraju 共同推进这一转型。
爱范儿AI 评分5858 和 Opus 5.5 同题交卷，MiniMax M3.1 Flash 的前端创作实测
爱范儿用 Opus 5.5 的公开提示词在 MiniMax Code 中实测 MiniMax M3.1 Flash Preview，让它完成动态作品集、手绘与水墨短片、时间轴交互场景以及街机卡丁车等游戏原型。
MIT News · AIAI 评分4747 MIT CSAIL 联合 Google 等推出 InstructMesh，让用户用自然语言修复并定制 AI 生成的 3D 模型
MIT CSAIL 联合 Google 和东北大学推出 InstructMesh，把 3D 生成系统 TRELLIS 与 GPT-4 结合，用户可用自然语言点选并修改 AI 生成的 3D 模型后再打印。
The Verge · AIAI 评分5454 Google 在 Gemini Live 上线 Guided Vision，可朗读镜头中的小字
Google 在 Gemini Live 上线 Guided Vision，用手机摄像头对眼前内容做实时语音描述，可朗读小字、描述周围环境、找到并识别物体，兼容的 Android 设备今天起可用。
TechCrunch · AIAI 评分5656 ChatGPT 上线虚拟试穿与收藏两项购物功能
OpenAI 宣布在全球上线 ChatGPT 的虚拟试穿与收藏两项购物功能，试穿入口是购物结果中的 Try On 按钮。用户上传自拍或全身照即可预览服装、配饰的上身效果，也可上传商品截图让 ChatGPT 代为试穿，收藏的商品会连同试穿图片一并存入应用内的 Library。
The DecoderAI 评分6868 Tavus 发布实时对话模型 Griffin，48% 测试者在一分钟视频通话中误认为真人
Tavus 推出 Griffin，公司称其为首个 Human Interaction Model（HIM），可在接收和生成视频的同时处理语音、面部表情、语气、手势和停顿。
The Verge · AIAI 评分6767 OpenAI 在 DevDay 发布智能体 Dots，仅限每月 100 美元 Pro 用户
OpenAI 在年度 DevDay 大会上发布由 GPT-6 Astra 驱动的智能体系统 Dots，目前仅向每月 100 美元的 Pro 及以上订阅用户开放，而 Meta 的 Muse 对所有 Meta 账号免费。
爱范儿AI 评分4444 华为 Mate 90 系列发布：麒麟 9050 Pro 首发，5999 元起即日开售
华为发布 Mate 90、Mate 90 Pro、Mate 90 Pro Max、Mate 90 RS 非凡大师四款旗舰，5999 元起售并于当日全系开卖。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方披露了 Gemini 4 Argon 的能力、基准与分阶段开放方式，读者可据此判断前沿模型在企业工作流和网络防御中的落地节奏。
雷峰网AI 评分5656 从海拉鲁到现实世界：视频模型如何理解「变化」
雷峰网以三组原创图生视频任务对比 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3，用同图、同提示词、目标 10 秒的条件检验意图规划、时间因果与音画对应。
雷峰网AI 评分4242 在三张圆明园鼠首照片里，我们看到了3D AI的Harness时刻
雷峰网用 Aholo Lux3D、GPT-6 Astra 与 Blender 实测：仅凭三张圆明园鼠首照片和一段自然语言指令，生成约 19.05 万顶点、28.56 万多边形的青铜鼠首 3D 资产，最终导出 scene.glb 与三张 1400 × 1400 渲染图。
雷峰网AI 评分6464 阶跃 Step 5 Preview 实测：用 Claude Code CLI 做 3D 网页游戏
雷峰网上手实测阶跃 Step 5 Preview，以 Claude Code CLI 为工作台，让其调用本机 Blender 生成角色与关卡资产，再用 Three.js/Vite 完成可运行的 3D 迷你网页游戏《星跃岛：能量快递》。
雷峰网AI 评分6464 爱诗科技 PixVerse R2 上线：实时世界模型能否走通 Scaling 之路
爱诗科技推出实时世界模型 PixVerse R2 并已全量上线，用户可在网页端体验动作指令与互动影游交互。作者通过实机体验和 HAR 网络记录观察，一轮约 119.5 秒的会话里只出现一次 session_init，八轮 Prompt 与 3355 条 action_frame 运行在同一持续 session 中，动作帧发送间隔中位数约 29.944 毫秒。
雷峰网AI 评分7171 GPT-6 Astra 首批上手实测：能自检结果、操作 Final Cut Pro，长任务仍会钻细节
雷峰网汇总了 GPT-6 Astra 发布后首批开发者的真实任务实测：有人用 Blender 一周在虚幻引擎里搭出曼哈顿，Theo 用 Blender 在约 30 分钟到 2 小时内做出可直接在浏览器运行的 one-shot 3D 游戏。
Hugging Face BlogAI 评分4747 Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与语音克隆的可扩展评测
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和 WavLM 说话人相似度等客观指标评测开源多语言 TTS 与语音克隆模型，把评测周期从数周投票压缩到数小时。
AWS Machine Learning BlogAI 评分3030 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 生成式 AI 创新中心基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，采用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与字幕，将单次内容检索耗时从 250 分钟降至 2 分钟以内。该方案支持自然语言意图检索、以图搜视频、错别字容错和精确时间戳定位，覆盖其 14 万余条视频库。
Microsoft Research精选AI 评分6161 微软研究院发布生物学生物世界模型系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像等模态联合训练的世界模型和连接模型、科学工具、文献与实验人员的 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型设计，并给出胰腺癌化合物筛选在湿实验中获验证的案例。
爱范儿AI 评分6969 AI 圈新顶流 Space Bunny 实测：涂鸦能生成可交互 3D 网页
爱范儿实测了近日在海外 AI 圈走红的匿名模型 Space Bunny Alpha，其可在 OpenRouter 和 OpenCode 免费调用，模型 ID 分别为 stealth/space-bunny-alpha 和 space-bunny-free。
爱范儿AI 评分7171 可灵 Kling 4.0 首发实测：10-bit HDR 与 15 项参考素材升级
可灵发布 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日率先开放小范围体验。
Latent SpaceAI 评分3636 AMD 以 82 亿美元收购 World Labs，Atlas 攻克稀疏重建难题
AMD 以 82 亿美元收购 World Labs，后者由 Fei-Fei Li 于 2024 年创立，专注空间智能，并已收购 SceniX 布局机器人仿真。World Labs 近期发布的 Atlas 是首个从零训练的 omni 模型架构，可像 LLM 预测下一个 token 一样从 2D 图像预测新视角，性能超过专用模型，解决了计算机视觉长期存在的稀疏重建问题。
Latent SpaceAI 评分4545 Runway 的 WorldPrompt 与实时世界模型工程
Runway 本月早些时候发布研究预览版 GWM Worlds 2，可将高保真视频与音频生成变为实时交互式模拟，并引入新输入格式 WorldPrompt，用于固定环境部分要素并按时间戳指定实时事件。
Google DeepMind精选AI 评分7171 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，让企业智能体可以边听边看边说。
推荐理由：官方说明了实时视频形象与异步工具调用的组合方式，可据此判断企业客服等场景的交互形态变化。
Hugging Face BlogAI 评分3636 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，视觉语言模型推理最高提速 3.13 倍
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，通过投机解码在不改变输出质量的前提下实现最高 3.13 倍设备端解码加速、H100 上 2.66 倍，端到端分别最高 2.62 倍和 2.27 倍。
Latent SpaceAI 评分6969 Meta Connect 2026：Muse 智能体、语音视频能力与 Charm 硬件
Meta 在 Connect 2026 上把 Muse 个人智能体作为硬件加智能体战略的核心，为其加入语音和实时视频能力，并发布 Ray-Ban Meta Gen 3、售价 1,299 美元的 Meta VR Glasses 和 12 月发货的 Muse Charm 钥匙扣设备。
MIT News · AIAI 评分2525 MIT 新书《How AI Sees the City》解析视觉 AI 研究城市的潜力与风险
MIT Senseable City Lab 团队出版新书《How AI Sees the City: Urban Visual Intelligence》，系统梳理视觉 AI 用于城市研究的可能与隐患。
NVIDIA Developer BlogAI 评分3030 NVIDIA 推出 NV-Reason-CT Open 3D CT VLM，面向放射科医生链式推理
NVIDIA 发布 NV-Reason-CT Open，这是一款面向放射科医生链式推理（Chain-of-Thought）的 3D CT 视觉语言模型（VLM）。现有通用前沿模型在 3D 体数据成像上表现不佳，多数开源医疗 AI 模型也缺乏相应能力，而 CT 这类临床信息丰富、数据密集的模态长期未获充分覆盖。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发、低成本配音场景。
推荐理由：两个 TTS 模型把语音生成从固定预设转向自然语言定制，并给出 Hume AI 基准成绩与开放入口，便于判断创作与规模化配音的能力边界。