跳到正文
10月15日周四
  1. NVIDIA (X)12

    NVIDIA 盘点北欧 AI 生态：Spotify、ABB 等落地应用

    NVIDIA 发文介绍北欧科技生态，Spotify 用其算力提升播客推荐效率，ABB Robotics 借助仿真训练和测试机器人，初创公司则基于开放模型开发瑞典语转写、专利检索等应用。文章称这些应用背后是算力投入以及研究者、创业者和企业组成的社区，并引导读者在 GTC Berlin 前探索该生态。

  3. AI at Meta (X)72

    Meta 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，官方称其在个人与专业智能体任务上取得 SOTA 表现。更多模型细节见 Meta 研究者博客。

    推荐理由：Meta 官方公布 Muse Wonder 两个版本在个人与专业智能体任务上的 SOTA 表现，并给出研究者博客入口。

  5. NVIDIA (X)22

    NVIDIA 在伦敦投资五家英国 AI 公司

    为英国的 AI 建设者们喝彩。🇬🇧 今晚在伦敦，@JensenHuang 宣布对 @boltz_bio、@ForesightWorks、@hivergeai、@PrimaMente 和 Riverlane 进行新的投资。 从新药研发到量子计算，大有可为。

  6. Latent Space58

    Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒

    Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）获取高通量蛋白与小分子结合数据，并训练出在公开基准上跟上 Boltz 的 Hermes 模型。访谈还提到他们用多年积累的数据搭建智能体科学推理沙盒，让 LLM 在 6.5M 分子、100 次预算内寻找最佳结合物，相关预印本、博客和开放数据集即将发布。

  7. OpenAI (X)36

    OpenAI：欧洲企业加速采用AI智能体

    欧洲企业正在快速扩大AI智能体的使用。在我们欧盟企业和商业客户中，超过一半的AI使用现已涉及这些工具，且该地区小企业用户数量增长了8倍。 我们最新的经济研究报告探讨了欧洲向智能体AI的转变——以及将更广泛的采用转化为更深层应用的机会。 https://openai.com/index/the-eus-next-chapter-in-ai-is-agentic/

  8. AI at Meta (X)50

    Meta 用 Muse Spark 1.3 探索 AI 加速健康科学研究

    Meta 构建了一个由 Muse Spark 1.3 和 Muse Wonder 驱动、人类主导的研究支架，接入 500 万份回顾性去标识电子健康记录及公开数据，由医学专家团队用它生成假设、执行代码并起草论文，同时保留对科学决策的完全决定权。该探索已产出 10 篇研究论文，覆盖心脏病学、肿瘤学、传染病和急诊医学等领域。

10月14日周三
  1. AI at Meta (X)58

    扎克伯格与 Alexandr Wang 对谈 Muse Wonder 与 MSL

    Meta 官方转发 @collision 的访谈节目，扎克伯格与 Alexandr Wang 在节目中讨论新前沿模型 Muse Wonder 及 Meta Superintelligence Labs（MSL）。节目章节涵盖 Muse 的主要用例、模型即产品、前沿模型如何构建、1000 亿美元押注、智能体商业、OpenRouter、超越智能手机、融资以及 AI 为何不会赢家通吃。

  2. Google AI (X)25

    Argon 用 antigravity 打造生物视觉图集

    教科书里的生物学，直接在浏览器中活起来 🌿 这个由 Argon 在 @antigravity 中构建的交互式五阶段视觉图集，把密集的教科书生物学变成动手体验。借助流畅动画和科学精度，你可以从阳光下的叶片一路滚动深入到亚细胞级的叶绿体。 该模型将准确性与无缝交互设计相结合，展示了如何构建能让复杂科学可视化、轻松探索的教育工具。

  4. Aran Komatsuzaki (X)38

    Nvidia 推出 TacitVLA 隐式推理模型

    Nvidia 推出 TacitVLA TacitVLA 学会生成推理文本，但将其对动作专家屏蔽，因此其动作无需等待文本生成。 在延迟最高降低 3.4 倍的情况下，性能与对应的 CoT 版本相当 项目：https://tacitvla.github.io/ 摘要：https://arxiv.org/abs/2610.17540

  6. NVIDIA (X)23

    NVIDIA RTX Spark 10月16日全球发布

    NVIDIA RTX Spark 的倒计时已经开始。⚡️ 10 月 16 日，与我们一起在全球各地庆祝发布！ 亲临我们的全球活动现场感受热烈氛围，或在 Instagram 上观看特别庆祝活动的直播。 📍 https://nvidia.com/en-us/products/rtx-spark

  7. Aran Komatsuzaki (X)58

    Together 与斯坦福提出 Hybrid Reasoning Agents

    Together 与斯坦福提出 Hybrid Reasoning Agents，将高效的隐式推理与基于文本的检查及工具交互结合。该方法性能提升 10.4%，同时实现约 40% 的 token 减少、约 2 倍推理加速和约 3 倍成本节省。代码已开源于 github.com/togethercomputer/HybridAgent，论文见 arxiv.org/abs/2610.18861。

  11. Anthropic (X)22

    Anthropic 在新加坡开设办公室

    我们在新加坡开设了办公室——这是我们在亚太地区的第五个办公室。我们还与新加坡政府签署了关于 AI 安全与负责任采用的谅解备忘录。 你可以在这里了解更多关于我们新办公室的信息：https://www.anthropic.com/news/singapore-office-opening

  12. NVIDIA (X)38

    NVIDIA 加码英国：5 年 2.5 亿美元算力支持 AI 安全研究

    NVIDIA 宣布未来五年投入 2.5 亿美元算力资源，支持英国在 AI 智能体安全与安保方向的研究。公司同时以全球联盟创始合作伙伴身份加入 Earthshot Prize，为气候与可持续发展领域的创新者提供算力和技术专长。英国开发者、研究者和企业正借助更多算力与开放模型，将 AI 落地医疗、银行和公共服务。

  16. MiniMax (X)12

    MiniMax 纽约广告周谈 AI 视频制作

    纽约，你们带来了满满的能量！🗽💜 在 #AWNewYork26 上，MiniMax 与 @krea_ai、@fal 和 @magnific 共同带来了一场干货满满、观点新颖的圆桌讨论。 随着我们与品牌和代理机构的合作不断深入，我们探讨了是什么让 AI 视频真正达到制作级水准：稳定的结果、创作掌控力，以及忠于品牌的作品。 我们的展位人气爆棚，小章鱼和托特包也收获了不少喜爱 🐙 感谢邀请，@advertisingweek！

  17. Google DeepMind (X)42

    Google DeepMind 用 Gemma 打造端侧反诈检测

    新加坡报告的犯罪案件中，超过一半使用了复杂的社交工程手段。 我们与 @GovTechSG 合作，利用我们的开放模型 Gemma 构建端侧欺诈检测。 通过针对本地诈骗手法对其进行微调，它能够实时识别威胁，同时不损害个人隐私 → https://goo.gle/4ygVkJa

  20. Turing Post (X)0

    AI助手指出日程地理冲突

    我的 dot 对我说： - 签署协议的各个时间我用了拉斯维加斯时间（PST）；协议并未明确标注时区。打开第一个会话。 - 你在12月1日还列了一个 Miami Art Week 早午餐，所以这些计划在地理上冲突。 艰难的选择

  21. MiniMax (X)58

    MiniMax 转发 FastH3-Omni 在 Reactor 上线预览

    MiniMax 转发 FastVideo 与 nuvalab 基于 MiniMax 实时 H3 后训练的 FastH3-Omni，称其在 Reactor 上可凭单条提示词生成音画同步视频。引用内容称这是实时 H3 最快且质量最高的开源版本，支持首尾帧条件、音频输入与对话、最多 3 张参考图，并在 Reactor API 独家预览至 2026 年 10 月 20 日。

  22. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在高风险领域的防护设计。该模型在 12 个端到端模拟网络攻击场景中全部完成，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。

    推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层，以及智能体越界行为的监控数据。

  26. GitHub Blog · AI & ML42

    GitHub 详解密钥检测模型：用更少噪音发现更多密钥

    GitHub 用微调的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，用户接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低超 98%。该方案先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，并已把通用密钥检测扩展到推送保护阶段。