Perplexity 为 Mac 应用加入本地优先模式，让 Computer 完全在设备上运行，包括无网络连接时执行任务。该模式下规划、推理和文件处理都在本地完成，文件仅在用户批准后才上传云端，模型和智能体均运行在 Mac 上。本地模型选项包括 Qwen 3.6 和 PPLX Pro，需 Apple silicon Mac 且至少 36GB 统一内存以获得最佳体验，Hybrid Compute 模式仍保留。
匹配字段摘要
Bria AI 的 Bria Fibo 2.0 已在 fal 平台上线，该模型在 Artificial Analysis 上位列开放权重图像编辑模型第一，同时支持文生图与定向编辑。它最多可接收四张输入图像，支持背景替换、产品重摆与光照调整，并能处理推理密集型提示词；模型仅用授权数据训练，商业权利清晰。
匹配字段摘要、正文
阶跃星辰 10 月 13 日晚在上海发布首款智能体手机 STEPX Neo 先行版，将 Step 系列模型、Step AOS 1.0 系统、Step Studio 工具与手机硬件打包，售价 3999 元，当晚 9 点开启预售，10 月 16 日 10:13 在京东、天猫、抖音首销。该机搭载智能体原生操作系统 Step AOS 1.0 与个人智能体阶跃 Amoo，采用双入口设计，右滑可从 Amoo 界面切回传统 App 桌面，执行上端侧处理轻量任务、云端旗舰模型负责复杂推理与多步规划。阶跃同时提出连接个人智能体与服务智能体的 A to A 网络，通过 MCP、A2A 等协议打通，Amoo 已与支付宝、腾讯、携程、滴滴、剪映、高德、美团等近百家企业或产品达成合作。
匹配字段摘要、正文
商汤在 12 个模拟评测和 8 款机器人上系统测试 GPT-6-Astra，并开源 SenseNova-RoboRSI 评测框架与 SenseNova-RoboRSI-27B-Preview 具身模型，称其任务完成成本为 GPT-6-Astra 的 1/50。测试显示，解除步数限制并允许访问训练集后，GPT-6-Astra 在 RoboDojo 上任务成功率达 81.9%，但叠碗平均耗时约 131 分钟、估算推理费用约 19 美元，把笔装进笔筒平均耗时 263 分钟、约 55 美元。开源框架将各 Benchmark 封装为独立 Docker 镜像并通过统一 HTTP API 提供环境交互与评分，27B 模型在 RoboCasa365 上成功率由 26.0% 提升至 46.5%，任务 Token 开销减少 73%。
匹配字段摘要
Google 发布 Coral NPU 完整 32 位架构（含新增 Matrix Execution Unit，可配置至 1 TOPS、推理平均功耗目标 10mW）和基于 IREE/MLIR 的开源 Coral Compiler v1.0，支持 JAX、PyTorch、TensorFlow 模型直接编译到该硬件。完整 32 位 RTL 已在 GitHub 开放，Synaptics 同步推出搭载第二代 Coral NPU IP 的 Astra SR200 系列 MCU（400 GOPS）和 Coralboard SR 开发套件，Coralboard SL（1 TOPS）经 DigiKey 全球发售。两代产品共用同一架构与编译器，模型优化一次即可部署到毫瓦级可穿戴设备或 1 TOPS 板卡。
匹配字段摘要
Viggle 发布 JST-2，将整套模型栈构建在 3D 空间，用携带 xyz 坐标、属性向量和动力学向量的 Physics-Native Token 表示世界，而非从视频像素中隐式推断物理规律。架构分为 JST encoder、JST generator 和 JST decoder 三部分，单次前向推理约 1 秒生成完整 3D 场景，成本低于 $0.01（B200），并支持最多 64 个输入视角作为空间上下文窗口。Viggle 公布的盲测人类偏好显示，角色生成对 Meshy 7.1 胜率 58.4%、对 Tripo H3.1 胜率 73.2%，视频生成运动对 DeepMotion 胜率 89.1%。JST-3 计划把学习到的动力学推广到物体交互。
匹配字段摘要、正文
Fireworks AI 推出 Free Weights Club，Muse Glimmer 30B 的 SFT 训练在 11 月 30 日前免费，无需信用卡，推理与评估调用另行计费。用 Kalshi 市场数据训练出的 tuned Glimmer 在未见主题上预测准确率 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；历史回测中假设的 1000 美元在计入模拟手续费后变为 1071 美元，base Glimmer 和 Jev 均为亏损。System One 服务栈在另一项合成基准中，中位服务端处理速度比标准 BF16 chat completions 快 2-3 倍。
匹配字段摘要、正文
NVIDIA 发布 Cosmos3-H-Dreams，基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化，用于胆囊切除术的动作条件视频生成。模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练，通过蒸馏得到四步与两步两个学生检查点，两步版本单独训练，推理更快但画质更低。官方同时提供 FlashDreams 流式运行时和适配自有数据与控制器的方法，并说明该模型是研究用模拟器，并非经过验证的临床系统。
匹配字段摘要、正文
腾讯10月20日宣布元宝搜索升级，并通过腾讯云向企业和个人开发者开放，开发者可通过API、MCP或Skill接入。官方披露向量索引规模超过1500亿、底层检索平均耗时约8毫秒、单位推理成本降低90%，覆盖13个行业157个头部信源，元宝、WorkBuddy、ima、腾讯视频等50多款产品已在调用。腾讯云副总裁马晋称搜索面对的用户已从人变成智能体，元宝搜索用大模型重构排序链路，并以Gist Token压缩和KV Cache复用降低推理耗时。
匹配字段摘要、正文
Google 与 Meta 的 PyTorch 团队合作推出开源项目 TorchTPU，为 Google TPU 提供原生 PyTorch 后端，迁移只需把 model.to("cuda") 改为 model.to("tpu")。项目支持 eager 与 torch.compile 两种模式，新增 DeferAndFuse eager 模式，覆盖约 450 个 Aten 算子，并已在 4,917 个 Hugging Face 模型上验证开箱运行，其中 Tier 1 通过率 98%、Tier 2 相对 GPU 数值一致性 97%。官方称其已用于部分 Google Cloud 大客户的推理与训练生产负载，并集成 vLLM、SGLang、TorchTitan、Ray 和 TorchRec。
匹配字段摘要、正文
阿里通义 MAI-UI 团队开源通用计算机使用智能体完整技术栈 OpenGCUA，包含 harness、跨设备 SDK、原生 macOS 应用、评测轨迹和参考 agent 实现。其核心设计是代码执行与决策从 harness 转移到模型，模型按需截图、编写带循环和条件判断的 Python 程序编排 GUI 操作、API 调用和 shell 命令，并自行维护 todo 列表。在 OSWorld-v2 上对 8 个前沿模型的评测中，平均 partial score 从 45.3 升至 64.9，每任务步数平均减少 53%；真机 macOS 测试中，同一 harness 下 Qwen3.8-Max 的推理 token 消耗是 GPT-6 Astra 的 19.4 倍，4 个任务完成 3 个。
匹配字段摘要、正文
Google 发布 LiteRT Tensor API，让开发者在 C++ 中逐算子构建计算图，同一份代码可经 LiteRT 跑在 CPU、GPU（ML Drift）和 NPU 上，或不经模型文件直接通过 XNNPACK 在 CPU 运行。官方用该 API 手写 SAM 2 并部署到浏览器 WebGPU，在 MacBook Pro 上比 Apple MLX 快约 1.5 倍，输出掩码与 Meta PyTorch 参考逐像素一致。该 API 还支持从 .safetensors 直接加载权重，并让预处理、推理与后处理通过共享加速器缓冲区串联，避免数据回传 CPU。
匹配字段摘要
成立 8 个月的 Conway Research 亮出首款个人 AI 助手 Underdog，完全运行在用户设备上且离线可用，已推出 Mac、Windows 测试版，并获 a16z、Anthropic 投资联合体等投资。其模型包括基于 Qwen3.8 27B 打造的 Saluki 27B（已开源，权重体积为全精度版本的 1/7、保留 96% 性能）和 Woof 4B，配套推理引擎 Husky 在 MacBook 上让 Woof 4B 每秒最多处理 730 个 token，比 MLX 快 4.5 倍。产品还上线了基于 Qwen-Image Flash、Qwen-Image-2.1-Turbo 的本地图像生成与编辑，以及与 Stripe 合作的设备端智能体支付。
匹配字段摘要、正文
Amnon Shashua 的新公司 doubleAI 发布首个产品 Maxwell，称其属于名为 Code Execution Models（CEM）的新类别，在代码与芯片之间优化软件执行效率，且不修改源代码。doubleAI 称 Maxwell 会持续分析运行中的程序、硬件与数据并优化底层机器指令，同时用形式化数学验证每次优化不改变程序原有行为，支持 CPU 和 GPU。公司称 Maxwell 在真实负载上让数据管道提速超过 38 倍、AI 推理 kernel 提速超过 4.5 倍，这些数字未经独立验证；Maxwell 现已通过官网开放早期访问，doubleAI 计划按节省的算力成本向客户收费。
匹配字段摘要、正文
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking_mode 默认 fast，需要更多提示词推理时可设为 high，加价 $0.02。该模型沿用 OpenRouter 上其他图像模型共用的 Images API，迁移只需更换模型 ID。
Krea 3 已在 OpenRouter 上线，这是 Krea AI 的新图像编辑模型，可接收 1–4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07；thinking mode 默认 fast，需要更多提示词推理时可设为 high，加价 $0.02。该模型沿用 OpenRouter 上其他图像模型共用的 Images API，迁移只需更换模型 ID。
匹配字段摘要、正文
Krea 3 已在 OpenRouter 上线，这是 Krea 的新图像编辑模型，可接收 1 至 4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07，thinking_mode 默认 fast，需要更多提示词推理时可设为 high 并加收 $0.02。它与其他图像模型共用同一 Images API，迁移只需更换 model ID。
Krea 3 已在 OpenRouter 上线，这是 Krea 的新图像编辑模型，可接收 1 至 4 张参考图加一段提示词，返回原生 2K 的编辑后图像，多数编辑端到端耗时不到 8 秒。定价为 1K 每张 $0.03、2K 每张 $0.06，参考图 1K 每张 $0.02、2K 每张 $0.07，thinking mode 默认 fast，需要更多提示词推理时可设为 high 并加收 $0.02。它与其他图像模型共用同一 Images API，迁移只需更换 model ID。
匹配字段摘要
Meta 发布的开源权重模型 Muse Spark Open 已在 OpenRouter 上线，OpenRouter 称其为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。据 Meta 官方介绍，该模型总参数 816B、激活参数 42B，原生支持文本、图像、视频和音频，擅长长周期任务、复杂软件工程与多步推理。OpenRouter 表示该模型在发布首日即上线，合作方包括 Baseten、Fireworks AI、Nebius 和 Together Compute。
匹配字段摘要
OpenRouter 上线 Armor，任何通过 OpenRouter 做推理的智能体都可以添加插件并配置自定义规则来启用，配置形式为 [{ id: "armor" }]。Armor 会结合一组规则和部分对话记录对每次工具调用打分，并以用户意图为优先：用户说了 Push our work，bash 工具执行 git push 会被放行，而用户从未要求过的危险命令会被标记。OpenRouter 称在其为这项任务生成的内部测试集上，Jev 1.13 相比其他 Decisions 模型以及 Claude Code 使用 Sonnet 5 取得了最高准确率和最低成本。
匹配字段摘要
Brave 与 NEAR AI 合作，为隐私优先的 Leo AI 助手带来端到端加密聊天。该功能下，浏览器在设备端用 Oblivious HTTP（OHTTP）加密提示词，只有经过认证的 TEE 才能解密并运行机密 LLM 推理，IP 地址全程隐藏，GLM 5.3 Flash 模型运行在 NEAR AI 运营的 Nvidia 硬件隔离区中，提示词与回复对 Brave、NEAR AI 及基础设施运营方均不可见。该功能已在 Brave Release、Beta 和 Nightly 上线，需在 Leo 中选择 GLM 5.3 Flash 使用；Brave 表示后续会把认证检查移入浏览器并扩展到其他开源权重模型。
匹配字段摘要
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口，可在自己的 AWS 账户中部署到 SageMaker AI 端点。该模型采用 MoE 架构，总参数 816B、每 token 激活 42B，提供 BF16（Muse-Spark-Open-816B-A42B）和 NVFP4 量化（Muse-Spark-Open-816B-A42B-NVFP4）两个变体，分别运行在 ml.p6-b300.48xlarge 和 ml.p5e.48xlarge 实例上。文章给出了通过 SageMaker Studio 和 SageMaker Python SDK 部署、发送首次推理请求以及清理端点的步骤。
匹配字段摘要