AI 产品发布与更新

Google Research 提出基于 Gemini 和 Veo 的多智能体编排框架，将长视频生成建模为全局优化与世界状态跟踪问题，包含 Co-Director（COLM 2026）、CANVAS（EMNLP 2026）、A²RD 和 VQQA 四个框架，支持 SynthID 水印。

Anthropic 宣布 Claude Tag（beta）支持在 Slack 频道中使用用户自己的连接器，此前 Claude 只能用管理员附加到频道的连接器。

马斯克转发 Jeffrey Katzenberg 的文章《The World is Changing: AI For Creativity》。Katzenberg 曾在 2023 年预测 AI 工具将在三年内把顶级动画的制作时间和成本削减多达 90%，引发同行愤怒。他以 1906 年 Sousa 反机械音乐和有声电影取代影院乐手为例，认为抵制技术只会被淘汰，但技术带来的收益需要重新谈判分配条款。

Google AI 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音模型，支持 100+ 语言自定义声音和 2,000+ 现成语音，可生成数小时一致、无毛刺的音频。

Google DeepMind 发布两款新的文本转语音模型。Gemini 3.8 Flash TTS 可设计带有独特口音和特征的自定义声音；Gemini 3.8 Flash-Lite TTS 面向效率与规模，可选用自建风格或官方生产就绪的声音库。

Baseten 发布对 NVIDIA Nemotron 3 Diarization 的托管支持，这是一个约 100M 参数的流式说话人分离模型，单一 checkpoint 可在 0.32 到 30.4 秒间配置四种算法延迟。

YouMind 创始人玉伯（@lifesinger）表示自己每天处理 50+ 邮件仍很快清空收件箱，难以理解 Town AI 或 Muse 帮忙处理邮件的增益在哪。他认为 Google Calendar 已足够好用，Personal agent 目前体验增益主要在录音且偏 for Work，质疑日历是否真有这么大需求，并求美国非沿海地区用户用真实案例反驳。

YouTube 在 9 月 23 日的年度创作者活动 Made on YouTube 上宣布升级 2025 年推出的 AI 创作工具，推出一款帮助创作者在后台优化频道的智能体。

Viggle 发布面向开源社区的首个 Qwen-Image-2.1 turbo 模型 Viggle-Turbo，采用 DMD 蒸馏，可生成和编辑图像。

不小心把软件工厂说成了CI/CD，然后他们把我踢出了SF [引用 @sloppenheimer]：不小心把agent sandbox说成了microvm，然后他们把我踢出了SF

玉伯称这是他见过关于 Jev 最浅入深出的一篇文章，印象最深的点包括：模型该给代码用还是给人用、为什么在 OpenAI 做不出来、什么是杰文斯悖论、不看公开榜单而看内部工作流、用户数据没用、老看 PMF 容易扼杀创新。他还提到借助 Jev 这类模型 SaaS 有大机会，并把 Jev 定义为"系统一模型"，认为系统一模型才刚刚开始，同时表示不看好 neo lab。

YouTube 在年度 Made on YouTube 活动上宣布为 YouTube Studio 推出多项 AI 功能。包括将 AI 问答功能 Ask Studio 扩展到 iOS 和 Android、对未发布视频草稿提供节奏和叙事建议、按视频内容生成匹配创作者风格的缩略图和标题、以及可向不同受众群体展示三种选项的动态缩略图。

YouTube 在年度 Made on YouTube 活动上宣布升级其 AI 创作者工具套件，引入一个在后台优化频道的 AI 智能体，可监测旧视频的新热度并建议修改缩略图和标题，还能整理频道受众数据生成品牌提案。

YouTube 宣布推出名为 custom feeds 的新功能，用户可在提示词框中用自然语言描述想看的视频类型，由 Gemini 生成定制推荐流并置顶在首页独立标签中。

rabbit 于当地时间 22 日正式发布智能体操作系统 OS3，兼容广泛第三方硬件，以单一聊天界面为入口，用户设定目标后系统自动调度设备、模型与文件完成任务。OS3 在云端运行，通过 rabbit agent 连接和操作设备，一个账户最多可连接五台设备，支持多设备编排、单一连续对话与直接计算机控制。用户需自备 API 接口，系统仅访问本地文件、仅通过模型提供程序处理上下文。

罗福莉发布 MiMo-V3 新架构核心 HySparse2，相比 MiMo-V2.6 的 Hybrid SWA 架构，在 1M tokens 下 prefill FLOPs 降低 5.02×、KV cache 缩小 4.5×，MRCRv2 与 RULER-v2 分数更高，AgentPPL 和 LongPPL 更低。

NVIDIA 发布开源权重、100M 参数的 Nemotron 3 Diarization 说话人分离模型，支持最多八名说话人，在 VoiceArena Diarization-Bench 12 个系统中以 14.72% DER 排名第一，比第二名低约 24% 相对值。

Spotify 开始向美国 Premium 订阅用户推出 Taste Profile 功能，用户可首次查看平台对其音乐、播客和有声书品味的理解，并用自然语言指令调整推荐。

OpenAI 宣布向乌克兰政府开放其 Daybreak 计划，支持民用基础设施的网络防御，与乌克兰数字化转型部合作提供识别软件漏洞、开发和测试修复的工具。乌克兰 CERT-UA 在 2025 年处理了近 6,000 起网络事件；此前法国、德国、波兰等欧洲防御方已使用其网络模型，其中 CERT Polska 借此发现第三方路由软件中的 6 个漏洞，厂商已发布修复。

玉伯（@lifesinger）认为 Muse 这一届 personal agent 大概率是伪需求：邮件大多可以不看，大部分用户日历空空如也，全球多数人还没坐过飞机，非精英人群对订餐也没那么多讲究。他唯一认可的真需求是退订无良 AI 产品的订阅，并称精英都是纸老虎，为人民服务才是真需求。

阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。

Cursor 发布两款软件开发机器人 Rollouts 和 Security Reviewer，帮助团队更快把安全可靠的代码送入生产环境。

Meta 在 Connect 2026 宣布 Meta Ray-Ban Display 多项新功能，包括语音驱动的骑行与公交导航、以用户面貌进行通话的 Hologram（今秋以 Early Access 登陆美国 WhatsApp）、眼镜端应用 Explore、Dolby Atmos 视频拍摄、日历、镜像通知和 Threads Community Feeds。

亚马逊宣布扩大智能眼镜应用范围，将导航和送货指引直接呈现给配送司机，计划今年部署 5000 台，2027 年底投入使用设备超过 2 万台。眼镜结合人工智能、计算机视觉和摄像头，提供步行路线、识别危险、辅助查找包裹和记录送达；过去 18 个月已有超过 500 名配送人员试用，完成超过 27.5 万次配送。配套可穿戴控制器设有紧急按钮，电池可更换，支持处方镜片和变色镜片。

Qwen 发布 Qwen Intelligence，推出三款移动端智能体：Mobile Planner Agent 规划与编排复杂任务，在 MobilePA-Bench。

Meta 发布 Meta VR Glasses，整机约 100 克，比 Meta Quest 3 轻 5 倍，采用眼镜本体加外接 puck 的两段式设计，搭载 5K Infinite Display micro-OLED 面板与 37 PPD，由 Snapdragon Reality Elite 驱动，puck 电池支持最长 3 小时高分辨率媒体播放和 45W 快充。

Meta 在 Connect 上发布首款音频眼镜 Ray-Ban Meta Audio，重 43 克，预售价 349 美元起，10 月 13 日发货，单次充电可用 12 小时。

百度副总裁石清华与车百会研究院理事长张永伟围绕中国汽车产业AI转型展开对话，指出车企AI转型的真正挑战在组织层面，即从"使用AI工具"走向"成为AI企业"。百度智能云在2026智能经济论坛上提出"产业智能体操作系统"理念，并推出"快、广、深"场景规划方法论，帮助车企将智能体嵌入实际生产环节。双方还联合出品白皮书《中国汽车产业AI转型的路径》，给出场景、数据、平台、组织、生态五层路径。

9月23日，汉得信息与百度智能云签署战略合作框架协议，将百度伐谋自我演化超级智能体平台以算法SDK形式嵌入汉得企业级AI中台及“得·灵”产品体系。汉得信息由此成为百度伐谋在企业软件领域重点布局的综合性ISV战略伙伴，双方将围绕AI工艺优化、AI物流路径规划、AI数字化营销等场景联合打磨解决方案，降低企业AI应用门槛。

Gallup 与 Microsoft 对 37 国调查显示，中位数 81% 的人知道 AI 工具存在，但仅 43% 每天使用；美国是仅有的三个负面情绪超过正面的国家之一，另两个是埃及和巴勒斯坦。Gallup 将西方普遍担忧 AI 的现象称为“Paradox of the Worried West”，并指出使用频率、信任与担忧之间存在强关联，但无法确定因果方向。

华为混合云总裁Antonony Gu：在#agenticAI时代，AI正从辅助工具演进为能够理解目标、调用工具并协作完成任务的#agents。 企业如何构建面向智能体AI时代的生产力平台？确定性的混合云架构提供了一条清晰的路径。#HUAWEICONNECT2026 #HuaweiCloudStack

华为云在HUAWEI CONNECT 2026发布专业服务26.0，构建覆盖AI基础设施、数据、模型与智能体的端到端专业服务框架，已服务金融、政府、制造、能源等行业超5400家客户。百联、Stixor、广联达、金山办公等分享了基于华为云数据使能、AI模型服务、CodeArts Agent等落地的零售数据治理、MaaS平台、智能性能测试与AI原生SRE实践。

OpenAI Platform 将新增 Free、Prototype 和 Accelerate 三档套餐，让用户构建并托管自己的 AI 应用。Accelerate 起步价 $50，可使用全部最新模型，享有更高用量与速率限制以支撑更大规模的生产级应用，并支持在 Codex 和 Playground 中通过 API 加速开发。

微软为 Windows 11 内置视频编辑器 Clipchamp 新增视频超分辨率功能，可利用本地算力将低分辨率视频提升至最高 4K。支持硬件包括 CPU，Copilot+ PC 可用 NPU，兼容 AMD、英特尔和高通硬件，仅限 Windows 桌面版，浏览器版暂不支持。微软提醒 AI 生成的细节可能出现伪影或失真，不建议用于法律证据、身份验证和医学影像等敏感场景。

浙江省推出“AI+ 非现场监管”系统，对全省 19 万外卖商户后厨进行 24 小时自动巡检，覆盖全省所有外卖商户。系统能静态评分并自动生成整改意见推送商户，可捕捉鼠迹、洗菜池洗拖把等 12 种违规问题；去年 11 月至今累计巡检 460 余万家次，抓拍违规视频 1.3 万余例，商户自主整改率从 20% 多提升至 60%。

Nokia 应用研究团队开源 AnyJev，一个 Python 库，无需训练即可把开放 LLM 变成可输出概率的决策模型，接口借鉴 TypeSafe AI 于 2026 年 9 月发布的 Jev。

安踏与火山引擎合作，将 Agent 落地到内容生产、海外订货和跨境退货等电商业务环节。海外订货 Agent 借助 ArkClaw 把四套模板封装成 Skill，下单决策由半天缩短至10—20分钟，手工录入减少约90%，准确率超99%；退货单据 Agent 在 TikTok 跨境业务中月均自动建单超1000张。

特斯拉在 X 平台官宣 Grok Bot 于北美车机上线，驾驶员可免手动查看邮件、管理日程、线上购物和梳理待办。功能通过唤醒口令、方向盘按键或应用启动器触发，访问 Gmail、Google Calendar 等第三方服务需配置连接器，目前仅对 SuperGrok Heavy 订阅用户开放，其他订阅档位后续获得资格，连接器则所有用户均可配置。

Waymo 宣布在旧金山湾区推出公共交通奖励计划，乘客在 Waymo app 绑定 Visa 卡后，2 小时内先后使用 Waymo 与公共交通即可自动获得 2.85 美元 Waymo Cash。该计划覆盖湾区全部 27 家支持 Visa 非接触支付的公交机构，先面向员工开放，未来几周逐步向公众推出。