小米于9月21日发布 MiMo-V2.6 系列的 Pro 和 Flash 并公开模型权重，两者均为可处理文本、图像、视频和音频的多模态模型，通过扩大强化学习规模提升编码、PC 操作、3D 空间推理和内容制作等智能体能力。小米称 Pro 在多数智能体基准上达到 Claude Opus 5 和 GPT-5.6 Sol 的水平，在 Artificial Analysis Intelligence Index 上得分 46，为发布时开源模型最高，但与 Claude Fable 5.1、GPT-6 Astra 等顶级闭源模型仍有差距。权重和技术报告已在 Hugging Face 的 MiMo-V2.6 集合发布，同时公开 7000 多个强化学习任务环境、训练框架、轻量智能体运行基座 mini-harnesses，以及基于 Qwen3.5-9B 蒸馏的 MiMo-V2.6-Distill-Qwen-9B。
匹配字段摘要
Black Forest Labs 发布 FLUX 3 Action，一个从多模态 FLUX 3 主干衍生的 7B 开源权重世界动作模型，在 RoboLab-120 榜单上以不到此前最佳开源模型一半的参数量取得 38.3% ± 0.38 的成功率，速度最高提升 3.95 倍。该模型在图像、视频和音频数据上预训练，其中视频占训练 token 的 95% 以上，再通过联合视频-动作训练和针对目标本体的微调适配动作空间。报告还分析了将其与 GPT 6 Astra 等推理模型组合的混合方案，发现快速控制能让具身推理更省时省钱，每美元成功率最高提升 53.64%。
匹配字段摘要
NVIDIA Dynamo-Triton 26.07 启用 TensorRT 后端的多设备推理能力，一个 KIND_MODEL 实例可占用多块 GPU 并通过单个 gRPC 端点对外提供分布式推理服务，TensorRT 11.0 起完整支持该能力。以 Cosmos 3 Nano 视频生成为例，Ulysses 上下文并行把 44,160 个视频 token 分配到最多八块 GPU，端到端生成延迟从单 GPU 的 156.6 秒降至八 GPU 的 34.2 秒，transformer RPC 加速比达 6.09 倍。CP2、CP4、CP8 的输出通过 MAE ≤ 25 与 PSNR ≥ 18 dB 的质量阈值校验，但该基准未测量并发吞吐、单视频成本或 TCO。
NVIDIA Dynamo-Triton 26.07 启用 TensorRT 后端的多设备推理能力，一个 KIND MODEL 实例可占用多块 GPU 并通过单个 gRPC 端点对外提供分布式推理服务，TensorRT 11.0 起完整支持该能力。以 Cosmos 3 Nano 视频生成为例，Ulysses 上下文并行把 44,160 个视频 token 分配到最多八块 GPU，端到端生成延迟从单 GPU 的 156.6 秒降至八 GPU 的 34.2 秒，transformer RPC 加速比达 6.09 倍。CP2、CP4、CP8 的输出通过 MAE ≤ 25 与 PSNR ≥ 18 dB 的质量阈值校验，但该基准未测量并发吞吐、单视频成本或 TCO。
匹配字段摘要
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，将代码、设计与工具调用整合到界面、幻灯片、SVG、视频和音乐等场景。官方称 Pro 在 Design Arena 上的表现与 Claude Opus 5、GPT-5.6 Sol 相当，在多数 agent 基准上与二者持平，并在 Artificial Analysis Intelligence Index 上得分 46。Pro 与 Flash 的权重、技术报告、7K+ RL 任务环境、端到端 RL 框架及 MiMo-V2.6-Distill-Qwen-9B 均已开源，API 定价与 V2.5 保持一致。
匹配字段摘要
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，结合 3D 空间推理、多模态感知与 computer use，可把文本、图像或视频转成可玩的 3D 世界，并支持 Blender 场景创建、仿真中控制 Franka Panda 机械臂以及桌面工具操作。官方称 Pro 在多数智能体基准上与 Claude Opus 5、GPT-5.6 Sol 相当，Artificial Analysis Intelligence Index 得分 46，为开源模型最高，API 定价与 V2.5 持平。团队同时开源 Pro、Flash、MiMo-V2.6-Distill-Qwen-9B、技术报告、7K+ RL 任务环境、端到端 RL 框架与可组合 mini-harness，并上线 MiMo Desktop 与订阅方案。
匹配字段摘要
在见到 MiMo-V2.6 之前，先走进它的世界。 MiMo Gallery 中的每个 3D 模型、游戏、幻灯片、视频、音乐和图像都由 MiMo-V2.6 生成。 留下来听钢琴。玩一局游戏。看烟花。 抢先一睹即将到来的内容：https://t.co/DCWwoiVuRX https://t.co/aG7fxPE5oq
在见到 MiMo-V2.6 之前，先走进它的世界。 MiMo Gallery 中的每个 3D 模型、游戏、幻灯片、视频、音乐和图像都由 MiMo-V2.6 生成。 留下来听钢琴。玩一局游戏。看烟花。 抢先一睹即将到来的内容：https://t.co/DCWwoiVuRX https://t.co/aG7fxPE5oq
匹配字段摘要
AAAI 发布《The Future of AI Research》报告后，其主席团成员与 AI 从业者展开系列视频研讨，本期聚焦 AI 评估。该报告由即将卸任的 AAAI 主席 Francesca Rossi 主导，于 2025 年 3 月发布，覆盖 17 个 AI 主题。
匹配字段摘要
Grok 发帖邀请用户用 Grok Imagine 制作自己的电影场景。被引用的 Grok Imagine 帖子称，@PJaccetturo 及其工作室用 9 天、3,627 张图像、3,043 段视频完成一部试播片，生成成本 2,677 美元。
匹配字段摘要
Ethan Mollick 认为，关于 AI 风险的讨论多聚焦未来模型，却忽略了 GPT-6 Astra 和 Fable 5.1 等现有模型已足以对经济的大部分领域产生变革性影响，能力过剩（capability overhang）正是机会所在。他让 GPT-6 Astra 把 1977 年的文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏，又让 Fable 5.1 依据视频、照片和两份图书目录在 3D 中重建翁贝托·埃科米兰公寓的藏书，并让模型用 Blender 制作自己新书 Co-Existence 的预告片，这些工作原本需要研究人员、程序员和设计师数周完成。他提出个人应依靠四种优势与 AI 协作：深度知识、广度知识、品味和能动性，并称新书 Co-Existence 将于 10 月 20 日出版。
匹配字段摘要
MIT Libraries 的 MIT Reads 项目在十周年之际转向虚构与回忆录，以在 AI 时代促进社交连接与共同人性。MIT 校长 Sally Kornbluth 选定 2026 秋季共读书目为特德·姜的短篇集《Exhalation》，该书曾入选《纽约时报》2019 年度好书。MIT Reads 作者活动多对公众开放并在线直播，相关视频观看量已超 5,000 次。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable thinking 与 xhigh、medium、low 三档 reasoning effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。
匹配字段摘要
阿里千问发布首个围绕智能体能力构建的全模态模型 Qwen3.8-Omni-Flash，原生支持音视频理解、推理与工具调用。官方称其音视频能力接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体表现平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token。视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%，同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将推出。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。官方称其在音视频能力上接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体性能平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%。同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将发布。
匹配字段摘要
Claude Cowork 正与 Claude Chat 合并，不再需要单独标签页，已连接的 app、技能和上下文都能在普通 Claude.ai 对话中使用，合上笔记本后仍可继续工作。Claude Artifacts 将推出 Docs 和 Slides 专用产品，Claude Design 也进入对话；Claude Code 的最新实验定名为 Claude Mods，可改变 Claude Code 的外观与行为。Gemini API 新增 3.8 Live 和 3.8 Live Extended Thinking 两个 Live 模型，支持视频与音频输入、输出音频，3.8 Live 比 GPT-Live 1 便宜 7 倍。
匹配字段摘要
阿里云 Wan 官方介绍 Wan3.0 已能直接由模型生成单段 30 秒镜头，此前分别为 5 秒和 15 秒片段。该版本加入导演级控制与 omni-reference，可参考最多五段视频而非五张图片，Soulscape 的导演与阿里云的 Johnny Mai 已将其用于实际制作流程。官方称不再需要拼接大量短片段，可先生成长镜头再按剧本和故事剪辑。
匹配字段摘要
LiveKit 推出 Startup Program，为符合条件的早期创业公司提供约 23,000 美元总价值：7 家合作方的 7,000 美元推理积分、10,000 美元 LiveKit Cloud 积分，以及一年免费的 Cloud Scale 计划（原价 500 美元/月）。推理积分通过 LiveKit Inference 使用，覆盖 LiveKit Gemma 4 31B、Deepgram、Inworld、Rime、Fish Audio、AssemblyAI 和 Gradium，无需单独创建账号或管理 API key。申请门槛为员工少于 50 人、融资低于 500 万美元，且将语音、视频或物理 AI 作为产品核心。
匹配字段摘要
Meta 推出订阅服务 Meta One，在 Instagram、Facebook、WhatsApp 和 Meta AI 上线 50 多项功能，并逐步扩展到 Edits、AI 眼镜等产品。Core 与 Premium 套餐把单项产品订阅与更多 AI 用量打包，包含用 Muse 模型生成和编辑图像、生成视频，以及 Instagram Restyle 等应用内 AI 工具。面向创作者和企业的套餐提供增强主页、自动关注邀请和更多 Meta Business Agent 调用额度，价格从单项 2.99 美元/月起，个人套餐 7.99 美元/月起，创作者与企业套餐 14.99 美元/月起。
匹配字段摘要
Chelsea Finn 发布视频显示，部署在 Dandelion Chocolate 的 Pi 机器人实现完全自主、无人工干预运行。她指出，最难的不是抓取箱子，而是可靠堆叠：原桌面机器人需额外摄像头才能看清堆叠，且每次放置位置不同、精度不足会导致整摞箱子在多次操作后倒塌。该部署近期改用移动机器人，可连续数小时自给自足，其真实场景数据与反馈对 π 预训练模型扩展很有价值。
匹配字段摘要
ZDNET 实测 2026 年全系 iPhone 后，将 iPhone 18 Pro Max 评为最佳 iPhone，理由是可变光圈相机、A20 Pro 芯片、最长续航（视频播放最长 45 小时）与散热均热板。苹果今年秋季发布 iPhone 18 Pro、18 Pro Max 和首款折叠机型 iPhone Duo（10 月上市，起售价 2000 美元）。预算有限的用户可考虑 iPhone 17。
匹配字段摘要
ChatGPT 官方 X 账号发布了一条仅含“GPT-VI ASTRA”和一条视频链接的帖子，未提供更多说明。
匹配字段摘要