Suno 推出 Speech 功能,可生成语音与配套背景音乐
AI 音乐生成器 Suno 新增 Speech 功能,可同时生成口播语音与配套背景音乐,并合成为一条音轨。用户输入想法或文字,并描述想要的音色和音乐风格,模型即生成语音与声音。
AI 音乐生成器 Suno 新增 Speech 功能,可同时生成口播语音与配套背景音乐,并合成为一条音轨。用户输入想法或文字,并描述想要的音色和音乐风格,模型即生成语音与声音。
Chatham Financial 借助 OpenAI 的 Codex 和 GPT-5.6 构建技术并重新设计工作流,把交易核验时间从 30 分钟压缩到 4 分钟以内。该案例显示 OpenAI 模型正在被用于扩展资本市场领域的专业能力。
Circuit Breaker Labs 打造了一批模拟不同年龄、背景、语言与文化用户的 AI 智能体,用它们对模型做“红队”测试,每天运行数万到数十万次模拟对话,再以专有评分方法给出可审计、可解释的安全分数,重点覆盖 AI 教练、日记与心理健康支持等高风险应用。
10月1日华为正式发布Mate90系列,包含Mate 90、Mate 90 Pro、Mate 90 Pro Max、Mate 90 Pro Max典藏版、Mate 90 RS非凡大师五款手机,以及新款耳机、手表等生态产品。
SpaceXAI 旗下 AI 版维基百科 Grokipedia 发布 v0.3 更新,更换新 logo,并改版首页与实时编辑页面。新首页新增精选条目、最多阅读条目列表和「最新编辑」追踪器,文章页的表格与行距也有调整。Grokipedia 于 2025 年 10 月下旬以 v0.1 上线,v0.2 在一个月后发布,此后一度停更。
OpenAI 在周二 Dev Day 上由 CEO Sam Altman 透露推出 Decisions API,其功能与 TypeSafe AI 本月发布的软件自动化模型 Jev 相似,开发者可给出一组选项、由模型以低成本高速输出概率结果。
听力科技初创公司 Legato 宣布其 AI 助听眼镜 Legato Frames 正式开售,售价 999 美元起,面向轻中度听力损失成年人。该眼镜重 34 克,续航 10-12 小时,通过端侧 AI 区分人声与背景噪音,双扬声器系统可将耳外漏音降低 99%,提供三种款式并支持处方镜片与蓝牙串流,已在美国官网及部分眼科护理机构发售,可获视力保险报销。
NVIDIA 为 DGX Spark 新增 64GB 统一内存版本,10 月 23 日由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 出货,起售价 $4,999。
Suno 上线语音生成功能 Speech,在网页和移动端开启公开测试,可同时生成配音与配套背景音乐。用户可在 Create 标签下选择 Simple 模式用提示词描述,或用 Advanced 模式自填脚本,并调整 AI 语音的性别、风格和生成多样性,语音最长约 8 分钟。Suno 承认该功能远非完美,将根据用户反馈持续改进。
Earendil 发布 Pi 1.0 与 Pi Durable,两者同时登上 HN 首页。Pi 1.0 带来 Codemode(原生支持 MCP、Jev 与图像模型)。
MIT 马丁信托创业中心推出免费 AI 青年创业平台 Dear Dreamer,面向初高中学生,将"纪律化创业"框架改造成含短视频、互动练习和个性化反馈的自学体验。该框架此前课程已吸引数十万人学习,使用它的 MIT delta v 加速器学员存活/被收购率达 61%,累计融资超 30 亿美元。项目方称目标是在 2030 年前赋能 5 万名年轻创业者。
OpenAI 的 GPT-6 Astra Ultrafast 在 NVIDIA Blackwell GPU 上运行,现已面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由:原文给出了 Ultrafast 相对标准模式的加速倍数与适用场景,读者可据此判断它在编码智能体工作流中的实际提速空间。
Amazon Quick 推出 Live Data in Apps,AI 构建的应用可在用户每次打开时实时查询受治理的 Quick Sight 数据集,不再依赖发布时的静态快照。
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。
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。
NVIDIA 发布 DOCA Agent Skills,为 AI 智能体补充 NVIDIA DOCA 这一基础设施软件领域的专业知识,用于在 BlueField 上更快构建应用。NVIDIA 指出,通用智能体并非为 DOCA 这类专用基础设施软件设计,缺乏领域知识时容易靠猜测行事,而基础设施开发中每次纠错都会挤占部署时间。
Shopify 推出建站工具 Canvas,商家通过与 AI 智能体 Sidekick 对话即可搭建店铺,Canvas 会实时渲染店铺真实代码而非静态预览,商家可整体查看或放大细节,并测试页面交互与动画。
AI2 发布 Olmo-core 3,这是其大语言模型开发框架的一次重大升级,核心是一套重新设计的开源 MoE 训练系统,目标是把 MoE 训练扩展到万亿参数规模。
推荐理由:原文给出 MoE 训练栈在专家池扩展与吞吐上的实测对比,可据此判断大 MoE 训练的开源可选方案。
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。
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。
NVIDIA 发布 cuObject 和 SCADA Server SDK,为 AI 基础设施工程师、存储开发者与云服务商提供对高容量文件与对象存储的快速安全访问。AI 负载在训练、微调、推理上下文、工具调用、搜索和数据库查询中越来越需要高速数据访问,而这些数据大量存于本地与云端的文件及对象中。
NVIDIA NeMo Relay 用于追踪 Agent Harness 的运行行为,解决智能体虽然完成任务却走了低效路径的问题——例如搜索失败触发重复搜索、文件读取被截断后命令再次抓取相同内容,这些多余步骤会拉高延迟并消耗 token。这些低效步骤不会体现在最终答案里,却会增加失败概率。
Google DeepMind 推出 SynthID Bio,把水印技术带入合成生物学,在生物代码中嵌入不可感知的签名,使其不仅能在数字模型上、也能在合成出的实体蛋白质上被验证,同时保持其生物功能。
推荐理由:SynthID 首次延伸到合成生物学,给出可验证的生物水印路径和生物安全落地场景。
百度将文库与网盘十余年积累的内容资产转化为AI办公的上下文优势,GenFlow 1.0已更名「库库AI」并上线独立端,同时开放连接器授权,可调用飞书、钉钉等平台内容。库库AI企业版推出后已有3000家企业试用,中小企业推广更快;海外版由Oreate AI焕新为「Kooko」,一年内海外用户突破1000万。
DeepSeek 将 TileLang 及 DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect 五大核心计算与通信库推出昇腾版本,TileLang 官宣原生支持昇腾 950 NPU。
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。
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。
OpenAI 开发者大会发布 Dot、ChatGPT Space、GPT-6.1 Sol、UltraFast、Pro 500、Decisions API、Agents API、云端 Codex 和 OpenAI Marketplace 等一系列更新。
推荐理由:发布会一口气列出 Dot、GPT-6.1 Sol 与多项 API,其中智能体的权限设计与计费边界值得细看。
Amazon Bedrock 在印度上线 Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5,通过印度地理跨区域推理将请求限制在 ap-south-1 与 ap-south-2 之间,数据不出境。
Amazon Bedrock 现已在首尔和新加坡支持 Anthropic Claude 模型的区域内推理:首尔支持 Claude Opus 5 和 Claude Sonnet 5,新加坡支持 Claude Sonnet 5,通过 bedrock-runtime 端点调用。
OpenAI 在 DevDay 2026 一次性公布 20 多项更新,推出可全天候运行的常驻智能体 dots 和 GPT-6.1 Sol。GPT-6.1 Sol 官方称智能水平接近 Astra,标准输入输出 Token 价格仅为后者五分之一,API 定价为每百万 Token 输入 2 美元、输出 10 美元。
OpenAI 在 DevDay 2026 上发布 20 多项功能和产品更新,核心是 24 小时在线智能体助理 dots,由 GPT-6 Astra 驱动,可操作 Slack、Teams、Notion 等超过 4000 个应用,支持自定义外观和主动研究,率先向 ChatGPT Pro、Business Premium 和 Enterprise 推出。
推荐理由:发布会内容庞杂,文章把 20 多项更新收束到 OpenAI 转向企业服务这条主线上。
GPT-6.1 Sol 在 Amazon Bedrock 正式可用,为智能体编码、电脑操作和专业工作流带来更强推理能力,是 GPT-6 Sol 的一次重大升级。
推荐理由:原文给出 GPT-6.1 Sol 在 Bedrock 上的能力与成本数据,读者可据此判断智能体编码任务的部署选择。
NVIDIA 发布 Metropolis Blueprint for Video Search and Summarization(VSS)3.3,用于降低视觉 AI 智能体的构建与运行成本。该蓝图及其智能体技能将视频接入、流处理、事件检测、检索、摘要与上报整合为一套可维护的系统,面向生产级视频理解。
Simon Willison 用 GPT-6 Astra 做出实验工具 Photo Scrubber,可自动识别人脸并模糊处理。它基于 Google 的 MediaPipe C++ 库,通过 @mediapipe/tasks-vision 编译为 WebAssembly,并使用 BlazeFace 人脸检测模型,全部在本地运行。
DeepSeek 推出 DeepSeek Harness 桌面端,官方提供 macOS 和 Windows 开箱即用安装包,登录即送 6 元赠金,有效期至 10 月 6 日。
推荐理由:结合实测展示桌面端从终端走向本地常驻后,自动化任务与插件自生成带来的使用方式变化。
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。
Sebastian Raschka 撰文梳理文本分类从词袋模型、朴素贝叶斯、RNN、CNN 到 BERT、GPT、T5 的演进,并实测了 TypeSafe AI 新发布的分类模型 Jev。
Simon Willison 发布 llm-anthropic 0.30,新增 llm anthropic refresh 命令,可直接从 Anthropic API 刷新模型列表,无需为新模型单独发版;同时支持 Claude Sonnet 5.5。该版本还加入 llm anthropic count 命令,调用免费的 token 计数 API,在发送提示词前先返回将消耗的 token 数量。
NVIDIA 推出 OpenShell,为 AI 智能体添加运行时控制能力,使其在被赋予目标后可编写代码、调用工具并持续工作。这类智能体需要访问工作区、计算资源、数据、凭证和外部服务,可支撑软件故障排查、实验运行等持续数天至数周的任务。