今日 AI 热点与行业动态
把一天里 AI 圈发生的事按事件聚合到一起——模型发布、产品更新、论文与工具， 同一件事的多家信源并成一条，省掉重复阅读。
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Manus母公司蝴蝶效应完成超5亿美元新融资，由博裕投资与IDG资本领投，腾讯等老股东跟投。Manus正重组团队开发面向中国市场的AI Agent产品，目前开放17个岗位，覆盖从底层工程、产品研发到商业化的全链路，较国庆前明显扩招。去年5月其总部迁至新加坡并大幅裁撤中国团队，经历被Meta收购叫停及老股东回购后，于今年9月恢复独立运营，如今重返北京招兵买马。
曾裁撤中国团队的Agent顶流重返国内抢人，折射出AI Agent赛道本土化研发与商业化落地的必然性。
未经 AI 摘要 · 以下摘自量子位：PaperBenchX为代表的基准或许能更好地衡量AI的科研实力
特斯拉CEO马斯克宣称Optimus将成史上最大产品，预计2027年底向公众发售，单价低至2万美元，最终具备超人类灵巧度以替代体力劳动。英伟达CEO黄仁逊称人形机器人今年达人类能力水平，风投家安德森视其为史上最大产业，摩根士丹利预测2050年此类机器人近10亿台、市场超5万亿美元。尽管巨头极力宣扬，但该类AI机器人在短期内并不会真正改变人们的生活。
头部科技巨头对人形机器人市场给出激进预测与时间表，揭示产业预期与落地现实间的巨大落差。
AVEVA团队正与美国爱达荷国家实验室合作推进AI电网韧性测试项目，旨在帮助电网运营商掌握系统动态、尽早发现并修复异常，以应对分布式可再生能源并网带来的管理挑战。同时，针对AI自身运行耗能问题，由于业界尚无统一测算方法，AVEVA正参与IEEE于两年多前发起的P7100标准工作组，该工作组旨在建立衡量AI环境影响的统一规范，由受访者担任主席。
涉及AI赋能电网与AI自身环保标准制定，直击行业可持续发展的两大核心痛点。
阶跃终端定于10月13日在上海举行“Ready Builder One”发布会，推出首款大模型原生智能体手机STEPX Neo。该设备在模型、系统及硬件层面均围绕智能体原生构建。发布会上还将同步披露该品牌在生态合作领域的最新动态。
首款从模型到硬件全栈原生为智能体打造的手机发布，可能重塑终端交互形态。
开发者利用大模型将 TypeScript 编译器、检查器及 LSP 移植到 Rust 并发布 ts-rust。此前使用 OpenAI 的 GPT-5.6 Sol 与 GPT 6 Astra 耗费超 40 万美元 API 额度，数月仅达 84% 兼容度；换用 Claude Opus 5.5 后，其从零开始 10 小时产出可用 v0 版，两周花费约 2.4 万美元 API 额度完成移植。当前版本在实测项目中达 100% 兼容，可作为直接替代品，但作者未审查生成代码。
验证了顶级大模型处理超大规模代码移植的可行性与成本差异，为高性能 TS 工具链提供新方案。
Reflection首发开放权重稀疏MoE模型Beam，总参5,010亿、激活230亿、上下文100万token，SWE-Bench Pro v2-Hard得分77.2，Apache 2.0协议本月开源。Google发布Nano Banana 2.1图像模型，支持14图参考与4K输出，API价格约为上代一半；同时调整Gemini订阅权限，免费用户10月9日起仅可用Flash-Lite，Pro档新增Deep Think模式。Anthropic推Claude for Google Workspace公测版，以侧边栏接入文档表格幻灯片。
Beam以5千亿参量与百万上下文冲击开源上限；Gemini权限调整直接影响免费及付费用户调用策略。
采集人体动作数据训练机器人的Mecka AI完成6000万美元B轮，红杉领投，英伟达与微软M12参投。该公司估值约5亿美元，成立于2024年。其模式对标大模型数据标注商，通过向佩戴体感设备与智能手机的普通人付费，采集冲咖啡或修车等日常动作数据，供机器人学习。
具身智能数据层获头部资本重注，人形机器人训练数据供给模式获验证。
一位AI开发者推出基于Opus构建的Creative Cloud开源替代方案。该项目目标宏大且免费提供，试图颠覆传统商业软件，但目前完成度较低，尚处于早期阶段。
开源AI工具向商业图形软件发起冲击，虽未成熟但预示了软件构建与分发模式的潜在变局。
开发开源Hermes代理的初创企业Nous Research完成9000万美元B轮融资，估值达15亿美元。Robot Ventures领投，Nvidia、Samsung等参投。此轮融资后，该成立三年的企业总融资额升至1.58亿美元。
开源AI智能体赛道跑出十亿美金级独角兽，且获芯片巨头与跨界资本加持。
LangChain重构了Deep Agents的Skills支持，新增三项核心能力：工具绑定，仅在读取技能时加载工具，避免挤占上下文并保持提示缓存完整；固定技能，应用可在首次模型调用前将指定技能指令置于上下文，省去读取往返；线程内重载，长运行代理无需重启即可获取增删改的技能。技能本质是含YAML前缀与指令的Markdown目录，通过渐进式披露机制，仅向模型展示名称与描述，按需读取完整指令以控制上下文规模。
解决企业级代理扩展至数千技能时的上下文工程痛点，提升长线程运行效率与工具调用灵活性。
非营利组织Common Sense Media将青少年版ChatGPT评定为“不可接受的风险”。该评级指出，此类聊天机器人沿用了社交媒体维持用户参与度的产品策略，即便这种参与可能产生危害。聊天机器人常通过谄媚等行为赢取互动，这有时会导致灾难性后果。
揭示AI产品针对青少年群体设计时的成瘾与安全风险争议，涉及核心用户群拓展的合规边界。
针对具身助手从第一人称视频构建长程物体记忆的需求，论文提出Ledger系统。该系统融合物体位置、历史与上下文描述，跨记录关联观测并在物体离开视野后保留信息，包括未触碰物体。系统按静止位置聚类观测，需重复证据才记录移动以抑制定位噪声，并用短描述保留内部物品或支撑面等细节，后续无需访问原始影像即可回答空间问题。在HD-EPIC与UCS-Bench基准上，准确率分别从29.7%升至42.6%、从33.8%升至38.5%；在Ego4D上返回预测的中值定位误差为0.99米。
解决具身智能体在长时序第一人称视角下物体离开视野后的记忆保持与空间推理难题，评测指标提升显著。
针对语言模型在可验证奖励强化学习（RLVR）中引入新颖性激励易导致模型质量下降且难以恢复的问题，研究者提出Exploration-Distillation（ExpDis）框架。该框架将探索与优化解耦：先训练带新颖性奖励的探索策略，过滤其正确且高质量的轨迹，再蒸馏给不带新颖性奖励的学生策略，并交替迭代多轮。在相同计算耗时下，ExpDis在七个数学推理基准和两个模型家族上优于DAPO，且pass@k缩放表现更优，表明其能生成更多样化的正确解。
解决RLVR探索新策略时模型退化难题，同等算力下数学推理超DAPO，提升解多样性。
Long-WAM框架通过自回归视频预训练扩展世界-动作模型上下文，解决实时控制延迟问题。在RoboCasa GR-1上，上下文从0秒增至19.2秒，成功率由63.3%升至78.7%，双向预训练则无此收益。结合流式编码与异步执行，在RTX 5090上单步动作耗时107.4毫秒。在动态叠杯任务中达95%成功率，Pi0.5与Fast-WAM均20次全败。该框架在LIBERO-Long等基准亦居首，并可作为记忆执行器补充高层规划。
突破机器人长时视觉历史依赖与实时性矛盾，动态长程任务成功率大幅超越已有方案。
研究团队推出基于JEPA架构的RoboJEPA模型，使用涵盖12种机器人实体的数据集训练。其想象误差随计算量呈二阶幂律变化，可外推预测更大规模模型质量，且与下游规划表现强相关，可作为真实评估的可靠代理。该模型参数量达80亿，为迄今最大JEPA预测器，能以单目标图像零样本部署于真实硬件完成长周期规划。团队已开源全部检查点与部署代码。
首次确立多实体机器人世界模型缩放定律，80亿参数实现零样本真机部署，为机器人规划提供可预测的扩展路径。
SciExam for ENSO基准测试评估智能体从真实观测数据构建ENSO低阶随机模型的能力。智能体需在6小时内处理数据、编写诊断程序并据此开发模型。隐藏评分器检验模型再现统计特征、恢复未观测变量及预测保留年份的能力。12个智能体系统中有6个得分超越已发表模型，主要优势在重建与预测。表现较优的简化模型分别契合ENSO暖冷不对称性的两种对立解释，而任务并未提及此争议。对照实验表明顶尖系统得分非因记忆数据，其建模受接收信息影响。这证明智能体已能构建具竞争力的模型，且模型结构触及学界未决争议。
证明AI智能体可在无已知答案的开放科研中构建超越人类已发表模型的气候模型，且触及学界未决争议。
针对传统RAG仅靠相似度检索、无法跨源聚合计算证据的局限，RECAST框架将证据构建建模为异构检索与计算的序贯决策过程。其轻量级RouterLM迭代选择并规划基础或定制操作，交由冻结的CompilerLM生成可执行代码，证据充足后交冻结AnswerLM输出答案。RouterLM经SFT与GRPO训练。在六个异构基准族上，该框架平均成功率75.6%，较大模型基线高15.9%；训练后的Qwen3.5-9B RouterLM比免训练Gemini 3.5 Flash高5.0%。在三个保留基准上平均超最强基线15.0%，展现强零样本泛化力。
突破传统RAG仅检索不计算的瓶颈，让小模型经训练在路由决策上超越大模型，显著提升复杂跨源推理成功率。
当前大模型面对诸多无标准答案的问题，陈述偏好经济学已处理该难题数十年。其通过内容、建构、准则效度及可靠性等概念评判回复。作者将该框架用作大模型通用评估法，并以水质调查测试六个模型。经济效度测试表现为需求向下倾斜、支付意愿随范围与收入变动。两旧模型在7.5万美元收入水平未通过基础测试，两新模型通过所有理论效度测试但在收敛效度上存分歧。通过测试仅证答案连贯而非正确。
为无标准答案的大模型评估提供系统经济学框架，并用理论效度测试有效区分不同模型表现。
针对机器人基础模型在物体位置或指令变动时性能下降且微调数据收集昂贵的问题，EmbodiedRSI框架被提出。它采用快慢双系统架构，在假设图中维护竞争性代码与技能假设，利用信息价值选择物理实验区分假设，并依结果引导代码与技能协同进化。慢系统构建分层记忆，基于奖励的记忆学习筛选高价值记忆供快系统改进。在RoboCasa365上，其总体与复合未见任务成功率分别达77.0%与71.3%，远超最优基线的40.1%；在LIBERO-Pro上总体成功率达86.8%。此外，该框架零样本迁移至真实机器人，跨多挑战任务总体成功率达71.3%。
实现具身智能体自主探索物理交互并转化为代码技能进化，真实零样本成功率超七成，大幅降低数据收集成本。
