Google DeepMind 發布 Genie 4,支援即時控制與原生音訊
Google DeepMind 公布 Genie 4 世界模型,基於 Gemini Omni 建置,可生成照片級真實、帶原生音訊的可互動場景。新版本加入空氣動力學、碰撞等物理模擬與更自然的人物動作,並支援用提示詞即時改變場景、新增元素或與角色互動;Gemini 的推理能力讓多步事件在場景演進中保持連貫。
依意思最接近的 30 筆
Google DeepMind 公布 Genie 4 世界模型,基於 Gemini Omni 建置,可生成照片級真實、帶原生音訊的可互動場景。新版本加入空氣動力學、碰撞等物理模擬與更自然的人物動作,並支援用提示詞即時改變場景、新增元素或與角色互動;Gemini 的推理能力讓多步事件在場景演進中保持連貫。
Google 發布 Genie 4 世界模型,可生成約兩分鐘的可互動體驗,時長比上一代 Genie 3 的一分鐘翻倍。官方列出的四項更新包括:世界更真實、可用自然語言提示即時修改場景、支援生成音訊,以及底層改用 Gemini 3.8 Flash 輔助模擬。Google 稱其適用於影視預視覺化、遊戲創意原型和機器人訓練場景。
Google DeepMind 發布 Genie 4,稱其是目前最逼真、互動性最強的世界模型。據官方介紹,使用者可以即時探索動態環境,場景會對手的操作做出回應,並伴有聲音,場景中的人物會移動、反應和說話。推文未提及 Genie 4 的開放時間、訪問方式或適用範圍。
Google DeepMind 發布 Genie 4 世界模型,稱它在物理模擬與人物表現上比去年的 Genie 3 更真實,幾乎各方面都有提升。世界模型不需要預先渲染環境或程式設計互動元素,只要說明需求,它就能即時逐幀生成可探索的虛擬世界;DeepMind 將其視為通往 AGI 的關鍵,可用於機器人的訓練環境和創意領域的快速原型。部分改進來自 Google 更新的 Gemini 模型,DeepMind 還暗示付費後有望提前用上 Genie 4。
Google DeepMind 發布世界模型 Genie 4 研究預覽版,首次加入與場景匹配的即時音訊(音樂、環境音、可互動對話),並支援在模擬過程中直接輸入提示即時修改場景,例如改天氣、換鏡頭角度、增刪人物。單次場景一致性最長約兩分鐘,為 Genie 3 的兩倍,物理表現與角色擬真度也有所提升。
Google Cloud 介紹 Project Chrysalis:一套可治理、可自我進化的 AI agent 架構,能在 1.8 秒內修復線上生產故障。它組合 Gemini Enterprise Agent Platform、Agent Development Kit(ADK)和 BigQuery,併疊加 Model Armor、Cloud KMS、Binary Authorization、OPA 四層縱深防禦,分別對應模型防護、金鑰管理、映象授權與策略執行。
Google 發布新一代世界模型 Genie 4,原生多模態,在生成畫面的同時產出音樂、環境音與互動對話,並支援用自然語言即時修改天氣、鏡頭或加入人物物體。它建立在 Gemini 家族能力之上:Gemini Omni 讓模擬貼近真實世界的外觀與行為,其他 Gemini 模型負責維持場景的連貫與連續。
Character.ai 在推出五年後申請破產,S&P Global 資料顯示約 42% 的 AI 專案最終被母公司放棄。文章還記錄 OpenAI 7 月 9 日把 ChatGPT 改成含 Chat、Codex、Work 模式的“超級應用”並改名 ChatGPT Classic,因介面混亂迅速回滾;獨立瀏覽器 Atlas 於 8 月 9 日停運,Sora 於 3 月關停。
智元發布具身 Agent 框架 Genie Master,其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時,無需人工除錯即可自行診斷失敗、調整策略並積累經驗,官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略:Harness RSI 通過提示詞、記憶與規則積累經驗,Policy RSI 用執行與人工接管資料更新動作模型。
Google DeepMind 宣布 SynthID Detector 現已向所有人開放,可用來判斷網上內容是否由 AI 生成。該工具除 Google AI 外,還支援檢測 OpenAI、NVIDIA、Kakao 等行業夥伴工具生成的內容,Apple 即將加入。使用者可通過 synthid.com 試用。
Linux 基金會旗下 AAIF 新增四個託管專案,Anthropic 把 Agent Skills 規範連同名稱、Logo、GitHub 組織與 agentskills.io 域名一併捐出。其餘三項是 OpenAI 統一模型介面的 Open Responses(AWS 已參與維護與開發)、Hugging Face 的訓練環境框架 OpenEnv、阿里的沙箱 OpenSandbox,AAIF 託管專案增至 10 個、會員達 305 家。
Anthropic 前沿紅隊發布研究,測試 AI 能否像計算機病毒一樣在不同裝置間自主複製傳播。實驗中 15 臺約 55 美元、4GB 記憶體的安卓電視盒子以流水線並行跑起 Gemma4-26B-A4B,總價約 825 美元,生成速度僅每秒 0.39 個 Token。GLM-5.2 在 8 節點模擬網路中 5 次有 4 次傳播到全部節點,但依賴外部推理伺服器與預開的免認證 ADB 埠;
據 Bloomberg 報導,Epic Games 計劃在一款尚未公布的迪士尼遊戲中使用 AI 生成程式碼與美術,該專案已從原定 3 月發售視窗延期。專案開發者被下達「AI 優先」指令,要求更多使用 Anthropic 的 Claude 等工具來完成遊戲;一位遊戲總監在內部訊息中稱「不再手寫程式碼」,並告知遊戲全部美術都將「由完整 AI 工作流生成」。Epic 發言人 Jake Jones 向 Bloomberg 表示,公司正在「擁抱 AI 加速的開發」。
Google 週二上線 SynthID 驗證網站,任何人可上傳圖片、影片或音訊,檢查是否為 AI 生成。該工具此前只向部分記者、媒體從業者和研究人員開放測試,現已全面開放,支援 JPG、PNG、HEIC、MP4、MP3、WAV 等十餘種格式。SynthID 自 2023 年推出,Google 的 Nano Banana、Veo、Lyria 模型以及 Gemini、Flow、Vids 等生成工具都會為產出加水印,OpenAI、Nvidia、Kakao 也已支援。
一位 GNOME 開發者發文主張,如今漏洞報告已離不開 AI 掃描,GNOME 維護者應修改貢獻政策、允許 AI 生成的漏洞報告進入 issue tracker。他進一步提出,繼續禁止 AI 生成漏洞報告的專案不再適合作為 GNOME 的依賴,應遷出 GNOME GitLab。作者稱 2026 年 AI 生成的漏洞報告品質已比 2025 年大幅提升,但仍普遍冗長、誇大嚴重性,偶爾出錯甚至編造堆疊資訊,且數量之大足以壓垮志願維護者。
TypeSafe AI 以 75 億美元估值完成 8.7 億美元融資,由 Andreessen Horowitz 領投,紅杉與現有投資方 DCVC 參投。其模型 Jev 於 9 月 15 日發布,基於 transformer 架構但不是大語言模型,不輸出文字而是生成機率,公司稱之為「校準決策」,定位是自動化任務而非寫文字或程式碼。公司稱 Jev 速度明顯更快、消耗 token 遠少於 LLM,並稱已有三分之一財富 500 強企業在使用;
Google 的 Gemini 4 Argon(gemini-4-argon)已正式開放 GA,官方稱其為面向複雜編碼、agentic、數學與科學任務的最強模型。本次發布說明只給出上線狀態,API 變更、定價與遷移指引需另見 What's new in Gemini 4 Argon,未在此列出具體價格或額度細節。
Google DeepMind 發布 SynthID Bio,一套面向 AI 生成生物設計的水印方法。官方稱這是全球首次能在不影響生物功能的前提下,把不可感知的簽名直接嵌入蛋白質序列。該技術屬於 SynthID 水印體系的新分支,具體覆蓋範圍、檢測方式與可用時間尚未公布。
Gemini 4 Argon 已面向全球開放。Google DeepMind 稱該模型具備前沿能力,覆蓋程式設計、企業工作流與網路防禦,定位是端到端解決最複雜的問題。公告未給出價格、上下文長度與基準資料等細節。
Google 正式發布 Gemini 4 Argon 模型,稱其在程式設計、網路安全、科學、金融與法律等多項基準上超過 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。Google 表示 Argon 提供前沿推理能力、在複雜工作流中表現更好,同時減少含糊其辭、重複與套話。這是 Google 在數月缺席前沿模型競爭後推出的新模型,官方稱已在內部投入使用,完整報導見 The Verge。
Anthropic 宣布向 Genesis Mission 承諾投入 1.5 億美元,以深化對科學研究與技術發現的支援,這是本次公告的核心內容。同時,Anthropic 將把 Claude 及其技術支援開放給超過 15 家聯邦機構。訊息由 Anthropic 官方帳號於 2026 年 10 月 8 日發布,公告未披露資金的具體用途與投放週期,也未列出參與合作的聯邦機構名單。
Google Gemini 4 Argon 正式面向全球開發者、企業及付費訂閱使用者陸續開放,主打程式設計、專業知識工作與長流程任務執行,API 首發價每百萬輸入 token 2 美元、輸出 10 美元,為原價五折,12 月 1 日起恢復至 4 美元與 20 美元。
智元發布世界-動作模型 GE-Act 2.0,把「預測未來」與「生成動作」整合進同一模型,訓練資料從 300 小時擴充套件到 3 萬小時。在陌生場景、陌生物體上不做額外訓練直接測試,其中一款機器人總體成功率從 17.1% 提升至 44.1%,陌生場景成功率提升約 2.6 倍;在 RTX 5090 上生成一個連續動作塊約需 104 毫秒。
Anthropic 週一發布研究報告,稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理,Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒;GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B,5 次試驗中 4 次全部成功。
Jev 母公司 TypeSafe AI 完成 8.7 億美元 A 輪融資,投後估值 75 億美元,距 9 月 15 日種子輪的 2 億美元僅 24 天。Jev 砍掉生成能力、只做分類打分與選擇,輸出 token 永久免費,輸入每百萬 token 0.042 美元;上線 3 天日吞吐量達 1 萬億 token,接入 Vercel AI Gateway 後 24 小時內被近 13% 付費團隊採用,約三分之一《財富》500 強已在用。
TypeSafe AI 宣布完成 8.7 億美元 A 輪融資,估值達 75 億美元,由 Andreessen Horowitz 領投,Sequoia Capital、現有投資方 DCVC 及多位天使投資人參與,a16z 的 Martin Casado 加入董事會。公司表示將把 Jev 的能力擴充套件到更多 machine-native 模型,並補齊企業客戶要求的功能。目前財富 500 強中已有三分之一在使用 Jev,公司稱已在生產環境為客戶節省數百萬美元。
Google DeepMind 宣布,四個 Gemini 4 Argon 智慧體從零開始,在 27 小時內通關 Minecraft,全程沒有任何人類幫助。它們在沙盒環境中僅使用程式碼和文字操作,一共編寫了 2783 個程式,通過聊天分配各自的任務、共享筆記,並一起除錯出現的錯誤。
Google 在 9 月發布新一代前沿模型 Gemini 4 Argon,具備先進推理能力與 100 萬 token 輸出上限,目前通過 Fairwind Program 向受信任的網路安全防禦方分階段開放。
Gudea 上週宣布完成 700 萬美元種子輪融資,由 Mudita Venture Partners 和 Silicon Road Ventures 聯合領投,公司累計融資約 1500 萬美元。其 AI 平台分析資訊在 X、Reddit、TikTok 等 500 多個主流與邊緣網站上的傳播路徑與推動者,而不只是統計提及量和曝光數,目前已有近 40 家客戶,包括財富 50 強電信與零售企業、政府機構和一家大型 AI 實驗室。
Jev 發布 33 天后熱度迅速消退,這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器,宣稱不會幻覺、更快更便宜,但輸出仍會出錯,且已有開放權重模型在部分任務上價效比更高,並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現,並由此質疑行業四年來的創新增量。