周报
issue198 2026.11.9-11.15
共 37 条
让智能体帮你购物,OpenAI 推出支付功能 ChatGPT Wallet
ChatGPT Wallet 由 OpenAI 与美国运通、万事达卡和 Visa 合作开发,用户使用现有信用卡付款时,仍可享受原有的积分奖励和权益保障。符合条件的用户只需录入一次银行卡信息,随后便可让 dot 智能体帮忙寻找商品,每笔交易都需要通过安全验证才能完成。
智能体帮你联络商家或保险公司,Meta 旗下 Muse 上线代打电话功能
Meta 旗下 AI 智能体 Muse 推出代打电话功能,开通高级付费订阅后,用户就能让 Muse 代自己联系美国商家。Meta 称,Muse 可以帮助用户处理各种烦琐事务,完成待办事项。
本地推理引擎 llama.cpp 1.0.0 史诗级更新:支持超 150 种模型架构,断网也能满血跑大模型
开发者 Georgi Gerganov(X 账号为 @ggerganov)昨日(11 月 13 日)在 X 平台发布推文,宣布开源 AI 推理项目 llama.cpp 与底层机器学习引擎 ggml 的库版本迈入 1.0.0。
实时语音模型 Hy Realtime 发布:能说会唱、还能调用工具
今天,我们发布全新实时语音模型 Hy Realtime。模型在语音理解、指令遵循、拟人化表达等基础对话能力上有优异表现,同时新增 Agentic 工具调用与唱歌能力。
Anthropic推出Claude Meetings,可加入Google Meet参与会议
Anthropic推出Claude Meetings,用户可将Claude作为可见参与者加入视频会议。会议中它能实时答疑、生成文档与白板、记录笔记和待办事项;默认以文本回复,获授权后可访问连接工具,协助信息整理与任务处理。会后,生成的笔记、记录及文档统一保存在claude.ai。该功能拓展了AI在协同办公场景的应用。
谷歌发布 Gemini 4 Hydrogen 模型:主打日常编程与智能体工作流,百万 Token 输入 1.5 美元
谷歌推出 Gemini 4 Hydrogen 模型,主打日常编程与多智能体工作流场景,全 100 万 Token 上下文窗口统一定价,同步登陆 AI Studio、Gemini 应用、谷歌搜索等多端平台。
科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言
科大讯飞今日宣布,讯飞星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台上线 API 服务,开发者可直接接入调用。
字节火山引擎发布 Seedance 2.5 flash 视频模型:生成速度翻倍,价格更低
官方表示,这是当前效果最接近 Seedance 2.5 的模型,生成速度提升一倍,价格更低,为批量内容生产提供了更具性价比的选择。
Runway 开源 27B 世界动作模型 Praxis-1:登顶机器人权威榜单,全面支持 Apache 2.0 商业开源
Runway 开源旗舰世界动作模型 Praxis-1,采用 Apache2.0 许可,开放全部模型权重及推理、微调代码,支持商业用途,被视为具身智能竞争新里程碑。该模型拥有 270 亿参数,采用混合专家扩散 Transformer 架构,并登顶权威机器人榜单,展现顶尖性能。
百度李彦宏发布大模型的交易所“词元所”:宣称中立、可信,给模型提供商打分
李彦宏表示,当一个开发者或者一家企业,真正想把模型用起来的时候,往往会发现模型越多,选择越困难。同一款模型有的贵,有的便宜,来源五花八门,质量参差不齐,选来选去就是不放心,不敢用。词元所就是为了解决这个难题而生,宣称是一个中立、可信的大模型交易平台。
灵光生态再扩容!新增微信 ClawBot、QQ机器人、瑞幸咖啡等六大连接器
11月12日,灵光开放生态再扩容,新增微信ClawBot、QQ机器人、瑞幸咖啡、有道云笔记、滴答清单、腾讯新闻六大连接器。此举拓宽灵光能力边界,覆盖即时通讯、知识管理、任务协同等高频场景,外部连接服务增至47项。借助微信ClawBot和QQ机器人,灵光打通微信、QQ部分功能,用户可在微信私聊中发送任务等。
让 AI 直接回复用户 UI 界面:谷歌开源跨平台协议 A2UI 1.0 版本上线,字节跳动已用上
A2UI 是谷歌在 2025 年底公布的一份生成式 UI 开放协议,让智能体不仅能回复用户文字,还能直接回复 UI 界面内容。
告别冗长文本!谷歌发布 Gemini Decisions API:单次前向传递打分,端到端延迟压至 150 毫秒
人工智能正从“生成内容”加速转向“高效决策”。谷歌推出全新 Gemini Decisions API,由 Gemini Decision1 模型驱动,为 AI 智能体日常运行提供极速预设决策,省去生成冗长文本回复的繁琐过程。其底层机制强调单次前向传递即可完成高效评分,从而提升决策速度与效率。
DeepL 推出旗下最逼真语音 AI 翻译模型 Aure,实时复现说话者语气起伏、情绪流转等
当地时间 11 月 11 日,DeepL 推出语音 AI 翻译模型 Aure,官方称这是其迄今最具动态感、表现最逼真的语音 AI 模型。
OpenAI 宣布 12 月 11 日停用 ChatGPT 旧版语音模式,全面转向 GPT-Live
OpenAI 宣布将于 12 月 11 日停用 Advanced Voice Mode 和 Standard Voice Mode,用户将自动切换至全双工架构的 GPT-Live,但部分用户认为新版会打断说话、丢失上下文,甚至威胁取消订阅。#ChatGPT# #OpenAI#
百度文心发布 ERNIE 5.5 Flash Preview 模型,11 月 25 日前开源权重
百度文心大模型今日发布 ERNIE 5.5 Flash Preview,这是基于此前发布的 Base 模型的首个后训练版本。
Adobe Photoshop 迎来 AI 进化:照片能重新打光,删物体还能清理倒影
美国当地时间昨日(11 月 10 日)召开的 Adobe MAX 2026 大会上,Adobe 宣布为 Photoshop、Premiere、Lightroom、Illustrator、InDesign 等创意软件带来一波 AI 新功能,覆盖照片重打光、视频拆音轨、闭眼修复、自动剪辑和多人协同设计等场景。
阿里 Qwen Code 1.0 发布:Qoder 与 Qwen Code Harness 融合开源
阿里把在 Qoder 中打磨的 Harness 能力融入 Qwen Code,随 Qwen Code 1.0 Preview 一起开放,为开发者提供可嵌入自身产品的 Agent 运行基础。
OpenAI 推出 Businesses in ChatGPT 测试版:商家可认领主页、派 AI 代理接待顾客
OpenAI 推出 Businesses in ChatGPT 测试版,企业可在 Business Hub 认领并验证官方主页,更新营业信息、上传含价格与库存的商品目录。美国符合条件的电商与线上服务企业还可发布 Business Agent,在 ChatGPT 内直接回答顾客提问,并可作为广告落地页;对话独立标注,OpenAI 不与商家分享用户对话。
谷歌最强 VLA 机器人模型:Gemini Robotics 2.5 登场,会系蝴蝶结、已在奔驰生产线上岗
谷歌发布 Gemini Robotics 2.5 视觉语言动作模型,提升机器人任务广度、速度、灵巧度、可靠性与安全性,在奔驰生产线实测达 96% 成功率。
谷歌迄今最强模型 Gemini 4 Carbon 登场:主打复杂编程、科学研究与网络安全
谷歌正式开放最强推理模型 Gemini 4 Carbon,支持多模态输入,最大输出可达百万 Token,面向复杂编程、科研及网络安全场景提供服务。#谷歌AI#
Anthropic 升级 AI 办公套件:从头脑风暴到数据看板,Claude 想承包团队协作全流程
Anthropic 今日开始推出 Claude Whiteboards(白板)、Claude Sheets(表格)和 Claude Data(原 Claude Dashboards),把 AI 助手从“聊天问答”进一步推向团队协作工作台,用户可以在白板上梳理计划、在表格中搭建追踪器,并把业务数据变成可共享的仪表盘、数据故事或解说视频。
MiniMax 开源 H3-Image 生图模型,10 秒就能生成一张 4K 图像
其能够在 10 秒内生成一张 4096 x 4096 像素、约 16 MP(4K)的高分辨率图像,同时呈现丰富、真实的细节,并具备优秀的指令遵循和多参考图理解能力。
魅族 Flyme AIOS 官宣「超级 Aicy」已上线,支持通话助手、出行管家、主动备车等
魅族 Flyme AIOS 宣布「超级 Aicy」正式上线,涵盖通话助手、出行管家、办公助手等多项功能,主动备车、多媒体生成等能力加持#魅族#
迪士尼携手Adobe开发专属AI模型,布局主题公园、影视及体育业务
迪士尼与Adobe达成多年期战略合作,将共同开发面向迪士尼业务的定制化生成式AI模型,并逐步把AI工具引入主题公园、影视制作和体育媒体等领域,探索内容创作、项目开发与用户互动。合作初期重点加快迪士尼体验部门项目开发,该部门运营全球主题公园、度假区及邮轮业务,双方还将继续利用AI技术推进相关应用。
腾讯首款专属 AI 游戏陪伴 Agent“鹅次元”开启内测,支持实时陪聊、手机 QQ 陪伴聊天等
该产品面向 PC 玩家,提供拟人化 AI 陪伴和实时语音互动,AI 能识别游戏画面并与玩家互动,支持 QQ 陪伴聊天、桌宠、壁纸更换等功能。目前已上线“夏夏”等四位角色,擅长《无畏契约》《英雄联盟》等游戏。#腾讯AI游戏陪伴鹅次元内测#
让AI「摸懂」物理世界,首个触觉推理模型Touch-R1,入选NeurIPS 2026
戴盟机器人团队联合厦门大学、南京大学、大湾区大学、复旦大学提出 Touch-R1,将强化学习用于跨传感器触觉推理。
Medium 推出全新 AI 写作辅助应用 TK,将大模型深度融入创作流程
在线出版平台Medium于2026年11月9日推出AI写作辅助应用TK,将大模型融入长篇散文创作初期。用户在编辑器输入“@TK”及提示词,即可调用AI获取资料解答、导入素材,并获得符合特定出版物风格指南的标题建议与编辑反馈。TK源自出版界“待补充”占位符,意在协助作者填补创作空白。
Meta 推出轻量级 AI 模型 Muse Ember:跑分媲美 Claude Haiku 5.5,单任务成本仅 1/3
Muse Ember 专为复杂推理与智能体设计,支持 100 万 Token 上下文,可一次性处理完整代码库,原生理解文本、图像、音频和视频。跑分超越 GPT-6 Luna,定价每百万输入 Token 仅 0.10 美元。#Meta AI 模型# #轻量级AI#
8 天从零搓出操作系统:Anthropic 最强 Claude Fable / Mythos 5.2 AI 模型登场,API 调用费下降 20%
Anthropic 昨日(11 月 9 日)官宣推出 Claude Fable 5.2 和 Claude Mythos 5.2,两款模型基于同一底层模型,前者面向普通用户并内置网络安全与生物安全防护,后者则面向通过审核的网络安全和生命科学机构开放,用于高风险的专业应用。
字节 Seedream 5.5 发布:支持 100 轮连续编辑与原生透明输出,全面刷新 AI 图像创作天花板
11月9日,字节Seed团队发布新一代图像创作模型Seedream5.5。该模型延续上代优势,针对专业视觉生产痛点升级,核心亮点包括非编辑区域像素级保持、最高100轮连续创作、原生RGBA透明素材生成,并显著提升质感与文字渲染能力,可为影视、电商、广告、设计等专业团队提供更高生成可靠性。
阿里千问办公 2.0 发布:支持多人与 Agent 协作,可把 Agent 带进工作群
千问办公 2.0 今天正式发布,这是一个面向个人与组织协作的 Team Agent。2.0 版本推出首个支持多人与 Agent 协作的“协作”功能,数字员工可被带进工作群,实时关联钉钉群聊、文档等信息源,还上线“自动任务”“人机共创”“资料空间”等能力,让 Agent 从服务个人走向服务团队。目前所有功能已在千问办公客户端全量上线。#阿里千问办公 2.0 发布#
腾讯元宝搜索上线独立网页端,支持AI问答和普通搜索
腾讯元宝的搜索功能已推出独立的PC网页入口,用户可直接在浏览器中访问使用,页面形态与元宝对话产品有所区分。该入口默认进入AI搜索模式,同时保留传统关键词搜索选项,形成AI问答与常规检索并存的C端搜索产品。从实际页面看,元宝搜索PC版首页采用极简布局,核心是一个搜索框,AI模式为默认状态。在AI模式下,输入问题或任务后,页面左侧呈现AI生成的回答,右侧同步展示参考资料,回答下方附有引导性问题供进一步追问。除通用问答外,AI模式还覆盖学术检索场景,可按照用户指定的结构输出文献来源和结果。传统搜索模式并未取消,用户在搜索框输入关键词后按回车即可进入,结果以信息流方式动态加载,不再采用翻页设计。
xAI 全面升级 Grok Bot,重点优化 Token 效率与智能表现
xAI 正对旗下 Grok Bot 启动新一轮底层架构与功能优化。核心成员 Matt Palmer 与创始人马斯克在 X 宣布,重点提升 Token 效率并改进智能交互行为。此次优化针对开发者和企业基于 Grok Bot 构建大量核心工作流与自动化后暴露的痛点,旨在改善效率与使用体验,相关升级已全面展开。