AI 日报 · 2026 年 10 月 28 日 · 星期三
SI信息茧房
Google DeepMind 发布 Genie 4 多模态世界仿真模型
Google DeepMind 发布 Genie 4，一款支持实时交互、多模态生成（视觉、音频、对话）的世界仿真模型。Genie 4 基于 Gemini 系列模型，实现物理模拟、人物动作、环境音效和实时对话，并通过 Gemini 3.8 Flash 等模型进行多步推理与场景引导。
模型发布/更新
LiquidAI 发布 LFM3 多模态模型家族
LiquidAI 发布 LFM3，新一代 Liquid Foundation Models，包含文本、视觉、音频、多模态和决策模型，均基于 1.7B 参数的共享主干，支持在单 GPU 上微调并部署到边缘设备。
产品发布/更新
Google Gemini Omni 发布：支持多模态输入与对话式视频编辑
Google Gemini Omni 是 Gemini 系列的新成员，支持文本、图像、音频和视频的多模态输入，可进行对话式视频编辑，保持场景、角色和物理连续性。
Google · Gemini 博客一手Google 发布 Gemini 4 Argon 模型，支持多模态推理与工具协调
Google 发布 Gemini 4 Argon 模型，具备先进推理与多模态能力，可处理复杂任务如生成 5,000 行代码构建 3D 图像、协调 Blender MCP 和 Nano Banana 创建可玩 3D 场景、解析 80,000 个 NASA 文件生成演示文稿、制作交互式 3D 定制动画，并支持实时 3D 渲染与物理模拟。
行业动态
cnBeta另有 5 家信源报道英伟达向Meta投资30亿美元 扩大Muse人工智能合作
英伟达向Meta投资30亿美元，双方扩大Muse人工智能合作，重点提升训练与推理性能并降低运行成本。Meta将部署Vera Rubin系统、Vera CPU、Spectrum-X网络及BlueField-4技术，同时评估采用OpenShell架构和Sentry工具以增强AI代理安全与可控性。
蚂蚁灵光2.0发布：从被动响应到主动管理事务
蚂蚁集团发布灵光2.0，推动AI助理从被动响应指令向主动发现需求、持续管理事务演进。依托独立云主机，灵光2.0支持跨会话记忆、长程任务调度和工具调用，可主动监测机票降价、梳理账单、提取班级群待办等。
cnBeta特斯拉Optimus机器人将为CyberCab无人车充电
特斯拉Optimus人形机器人正在学习为CyberCab无人出租车充电，短期内将负责为Robotaxi车队插枪补能。Optimus电池为2.5kWh独立模块，成本占比低于整车。CyberCab生产线自动化程度达80%，产线工位仅25个，采用4680电芯独立灌封模块，支持未来更换磷酸铁锂电芯。Optimus未来或拓展至车辆维护与配送领域。
论文研究
文心Unlimited OCR 2发布：支持无限长文档解析，KV缓存降低96%
百度发布文心Unlimited OCR 2并开源，支持连续解析超长文档，如3600页《哈利·波特》全集。通过稀疏参考滑动窗口注意力机制SR-SWA和无限解码机制，峰值KV缓存从47GB降至1.77GB，减少约96%。
智元发布Genie Master框架，实现便利店场景中机器人自主递归自进化
智元发布具身Agent框架Genie Master，支持精灵G2机器人在真实便利店环境中自主分析失败原因、调整策略、沉淀经验，实现无人在环的持续自我改进。该框架通过Harness RSI和Policy RSI两条路径，分别优化提示词与记忆、更新底层动作策略，打通推理与执行闭环。11月2日将开启24小时直播，6台机器人接受真实营业考核。
技巧与观点
AGBoss：面向多智能体工作流的TypeScript框架发布
AGBoss是一个开源的TypeScript框架，支持基于LangGraph的复杂多智能体工作流，提供静态验证、依赖注入、编译时路径校验、补偿机制、人类干预暂停、预算控制、PII掩码等功能。
QuickReview：基于多轮窄视角AI审查的GitHub PR工具
QuickReview 是一个自托管的AI代码审查工具，针对GitHub拉取请求，通过将审查任务拆分为多个独立的窄视角审查（lens），每个视角专注一类问题，再合并结果并经由对抗性验证后发布单一审查。
Arize 博客一手在 Claude Code 中构建并评估一个幽灵模组
作者在 Claude Code 中构建了一个名为 'trick-or-treat' 的模组，用于在每次工具调用后判断操作是否谨慎，并通过 Arize AX 进行可观测性追踪与评估。