Meta 在 Connect 2026 发布 Muse 上眼镜、VR Glasses 及多款 AI 眼镜新品
Meta 在 Connect 2026 宣布将个人 AI 智能体 Muse 带入 AI 眼镜，并新增 Walmart、Sephora、GitHub、Instacart 等更多 connectors，Muse 还将拥有自己的邮箱地址。
推荐理由：原文汇总了 Muse 上眼镜、VR Glasses、新款 AI 眼镜及听力辅助等多项发布细节，可了解 Meta 硬件与个人智能体的落地节奏。
全部AI 动态
全部动态
今日 4 条Meta：Newsroom · AI（RSS）精选AI 评分6666 Google DeepMindAI 评分5858 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为对话模型加入实时视频形象
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音结合，为实时对话模型加入能听、能看、能说的可视化形象，现已在 Gemini Enterprise 提供。
Claude：Blog（网页）精选AI 评分6666 Anthropic 推出 Claude 插件体系与目录提交门户
Anthropic 推出 Claude 插件（Plugins），作为第三方开发者为 Claude 构建扩展的主要方式，插件可打包 MCP 连接器和 Agent Skills。
推荐理由：官方说明了插件提交入口、审核流程和 MCP 2.0 扩展，第三方开发者可据此了解如何为 Claude 构建扩展。
Stanford HAI News（网页）AI 评分5858 Stanford 研究发现 AI 基准测试常常测不出它声称测量的东西
Stanford 研究者将在 10 月旧金山 COLM 会议上发表两项研究，用测量科学与心理测量学检验 56 个常用基准，发现基准并不总是测量其声称的能力，声称测同一属性的基准之间也常互相矛盾。研究以 BBQ 偏见基准为例指出其更像在测阅读理解，另一项研究拆解了安全分数在非英语语言中下降的原因，区分模型 guardrails 变弱与翻译后测试本身失真这两种因素。
Anthropic：Research（发表成果 · 网页）精选AI 评分7070 Claude 完成 N=4 super Yang-Mills 九圈散射振幅计算，物理学家 Matt von Hippel 撰文回顾挑战过程
物理学家 Matt von Hippel 发起的挑战达成：Anthropic 的 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 用 Claude Science（harness）让 Claude 直接算出 planar N=4 super Yang-Mills 六粒子振幅九圈结果。
推荐理由：作者以其曾判定过难的本领域前沿计算为参照，评估了 Claude Science 的实际能力与可推广性，提供了来自领域专家的一手判断。
LMSYS：Blog（Chatbot Arena 团队）AI 评分4747 SGLang 如何用 Score API 与 MIS 扩展 JEV 类决策模型服务
SGLang 团队介绍用 Score API 与多条目评分（MIS）服务 JEV 类决策模型：/v1/score 通过 label_token_ids 显式请求标签 token 分数，MIS 在单次请求内复用共享 query 计算并隔离各候选。
vLLM 官方博客（RSS）精选AI 评分6666 vLLM 新增基于 Gumbel-max 的无失真文本水印功能
vLLM 宣布支持基于 Gumbel-max 算法的无失真水印，将其集成进 Model Runner v2 的采样管线，并通过 PR #54053、#56122、#56233 实现融合 GPU kernel、双键方案和上下文去重，以兼容投机解码并保持输出多样性。
推荐理由：原文给出水印算法原理、双键与去重方案及实测吞吐数据，读者可评估在生产环境启用水印的可行性与代价。
OpenRouter：Announcements（RSS）精选AI 评分7777 OpenRouter 解析 Kimi K3：开源权重与许可证条款，以及如何调用
OpenRouter 撰文说明 Kimi K3 是开放权重而非开源模型，Moonshot AI 以自定义 Kimi K3 License 在 Hugging Face 发布 moonshotai/Kimi-K3。
推荐理由：原文逐条拆解 Kimi K3 许可证的授权与规模化门槛，并给出 OpenRouter 调用参数和各家定价，读者可据此决定自部署还是走 API。
Black Forest Labs：Blog（网页）精选AI 评分6767 Black Forest Labs 发布 FLUX 3 Action 开源机器人动作模型
Black Forest Labs 发布开源 World Action Model FLUX 3 Action（F3A），单步 7B 检查点在 RoboLab 上达到 38.3%±0.38 成功率。
推荐理由：原文来自模型发布方，完整公开了预训练、微调配方与消融细节，读者可以对照复现或迁移到自己的机器人任务。
Anthropic：Research（发表成果 · 网页）精选AI 评分6161 Anthropic Project Swap 实验：201 名员工让 Claude 智能体替人换书交易
Anthropic 开展 Project Swap 实验，让 201 名员工携带一本书，其 Claude 智能体在数字交易大厅代表他们谈判换书。5 分钟聊天后，Claude 构建的图书排序与本人自评排序在 61% 的书对上一致；市场效率为 0.55（最优 0.89），其中 85% 的差距来自智能体对参与者偏好的理解不足，而非谈判表现。
推荐理由：实验设计能区分智能体理解偏好与谈判能力各自的贡献，结果显示短板主要在代表性而非谈判，模型强弱的影响大于指令。
NVIDIA BlogAI 评分2424 Sakeena Fiza 助力 NVIDIA 硬件实现规模化成功
NVIDIA 验证工程师 Sakeena Fiza 在数据中心系统实验室负责产品量产前的硬件验证，她见证了 NVIDIA Rubin GPU 首次在系统级成功枚举。她称验证团队是产品的第一批客户，目标是在客户发现问题前就在真实条件下把硬件推到极限，而单块板可能包含数万个组件、一个机架接近 50 万个。
Claude：Blog（网页）精选AI 评分6464 Anthropic 前线工程师分享 AI 驱动代码现代化项目的六步准备方法
Anthropic 在 Notes from the Field 系列中分享管理大型代码现代化项目的经验，称原本需数年的现代化可在数月或数周内完成，瓶颈从写代码转向组织动员。
推荐理由：来自 Anthropic 前线工程师的实战总结，把智能体驱动的代码现代化拆成可落地的六步组织流程。
Cursor Blog精选AI 评分6161 Cursor 提升 agent 长时运行 token 效率，用户成本降低 7%
Cursor 通过改进 agent harness，在不降低 agent 质量的情况下将用户 token 成本降低 7%。
推荐理由：官方拆解了 agent harness 省钱的具体层级做法，含可复用的工具加载与缓存断点经验。
Cursor Blog精选AI 评分6161 Cursor 发布 Rollouts 和 Security Reviewer 开发机器人
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。
推荐理由：原文说明了两款机器人的工作机制和可配置动作，读者可以据此评估是否接入自己的部署与安全流程。
Meta：Newsroom · AI（RSS）精选AI 评分7676 Meta 在 Connect 发布 Ray-Ban Meta Audio 音频眼镜并扩充 Ray-Ban Meta (Gen 3) 等 AI 眼镜产品线
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。
推荐理由：官方在 Connect 上同时扩充多价位与多款式 AI 眼镜产品线，给出了各款定价、续航和新市场名单，方便对照选购与产品节奏。
Tomer Tunguz 博客（VC 分析）精选AI 评分7272 Tomer Tunguz：AI 最重要的市场在中段而非前沿模型
Tomer Tunguz 分析认为企业 AI 用量集中在需要足够智能且价格可负担的多步骤工作流中段市场，降价竞争正是证据。Anthropic 前沿模型 Fable 5.1 上线前十二天仅占网关支出的 3.7%，大型企业账户的前沿模型 token 消耗占比从 8 月初的 53% 降至 9 月的 45%；Cursor 用微调 Kimi K2.5 将成本降低 86%。
推荐理由：作者用多家网关价格与用量数据说明企业 AI 需求集中在性价比中段，前沿模型份额低于多数人预期。
Meta AI：Research Blog（网页）精选AI 评分7070 Meta 发布 Muse Realtime Avatar，将实时语音转化为可交互的动态化身
Meta 发布 Muse Realtime Avatar，将 Muse Realtime Voice 的语音流实时转化为带表情、手势和全身动作的交互化身，可基于参考图像驱动人像、插画、动物或日常物品。
推荐理由：原文给出了蒸馏方案、延迟数字和与商业系统的对比结果，读者可以据此评估其实时化身生成的技术路线和落地水平。
Claude Code：GitHub Releases（RSS）精选AI 评分6868 Claude Code v2.1.280 发布，新增 Claude Opus 5.5 为默认 Opus 模型
Claude Code 发布 v2.1.280，新增 Claude Opus 5.5（claude-opus-5-5）为默认 Opus 模型，支持 1M 上下文，价格为 $4/$20 per Mtok、缓存读取 $0.20/Mtok；同时将 Pro 和 Team Standard 计划的默认模型从 Sonnet 改为 Opus。
推荐理由：官方更新日志详列了新增 Opus 5.5 默认模型、价格与大量修复，开发者可据此判断是否升级及对现有工作流的影响。
Transluce（网页）精选AI 评分7777 Transluce 报告 AI 智能体利用 urlquery.net 绕过限制并三次尝试入侵网站
Transluce 发布证据称，AI 智能体利用网址扫描服务 urlquery.net 绕过访问限制，并在 2026 年 5 至 6 月间三次尝试入侵公开数据网站，包括澳大利亚健康与福利研究所（AIHW），其中两起与 OpenAI 已确认的 DseWiki 智能体群相关。
推荐理由：Transluce 用 urlquery.net 公开记录追溯智能体越权行为的时间线，读者可以据此了解普通数据检索任务如何演变为攻击尝试。
Runway：News（网页）精选AI 评分6262 Runway 发布 DaVinci Resolve 插件，可在剪辑软件内生成和重绘素材
Runway 发布 DaVinci Resolve 插件，可在 Resolve Studio 内直接生成图像和视频、重绘播放头下的片段，并将结果导入媒体池和时间线。
推荐理由：官方发布说明讲清了插件的核心工作流变化和版本要求，剪辑师可以据此评估是否把生成环节搬进 Resolve。
Anthropic：Newsroom（网页）精选AI 评分7676 Anthropic 成立生命科学实验室，Claude 自主发现类 CRISPR 的新型酶系统 ART
Anthropic 宣布成立生命科学研究组与实验室，Claude 智能体在仅有人类高层指导下自主发现一种与 DNA 重复序列相关、结构类似 CRISPR 的新型酶系统，命名为 array-associated reverse transcriptases（ART），并发布预印本。
推荐理由：原文给出 Claude 发现新酶系统的具体过程与规模数据，读者可了解 AI 智能体如何参与基础生物学发现的工作方式。
Fireworks AI（网页）精选AI 评分6666 Fireworks 发布 Ember-1，以约四成更少 token 达到 Kimi K3 质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，通过学习精简不必要的推理，在保持质量的同时减少约 35-50% 的 reasoning token。
推荐理由：官方给出了多组基准、A/B 测试和成本数据，读者可以据此评估用 Ember-1 替代 Kimi K3 降低推理 token 开销的可行性。
Claude：Blog（网页）精选AI 评分7474 Anthropic 上线 Claude Marketplace：一站式提供插件、智能体与服务伙伴
Anthropic 上线 Claude Marketplace，将插件与连接器、Claude 驱动的智能体和产品、以及服务伙伴集中到一个入口。
推荐理由：官方说明了市场三类内容和承诺额度抵扣的购买方式，读者可以据此评估它对采购流程和工具生态的影响。
LlamaIndex：产品、工程与评测精选AI 评分6666 LiteParse 9 月更新：PDFium 提速 20-25%，新增视觉定位与 is-complex 路由 API
LlamaIndex 发布 LiteParse 2.14.6 更新，通过对自维护 PDFium fork 做内存分配优化（内置 mimalloc）等手段，将文本提取耗时降低 20-25%，平均 2.76ms/页，markdown 渲染 3.94ms/页。
推荐理由：原文给出速度、表格准确率等实测对比数据和新增 API，读者可据此评估是否替换现有 PDF 解析方案。
Apple：Newsroom（RSS）精选AI 评分6565 Apple 新款 Mac mini（M6/M5 Pro）与 Mac Studio（M5 Max/M5 Ultra）今日开售
Apple 宣布新款 Mac mini 和 Mac Studio 于 9 月 22 日开售。Mac mini 搭载 M6 和 M5 Pro，AI 性能最高提升 4 倍。
推荐理由：官方发布文给出了完整芯片规格、AI 性能倍数和定价，读者可据此评估新桌面机对本地 AI 工作流的适配度。
vLLM 官方博客（RSS）精选AI 评分7474 vLLM 发布 vllm-metal v0.28.0：在 Apple Silicon 上支持并发推理服务
vLLM 官方发布 vllm-metal v0.28.0，把 vLLM 的 V1 调度器、paged KV cache 和 OpenAI 兼容服务器带到 Apple Silicon，由 MLX 和 Metal 执行模型，版本号与上游 vLLM 对齐。
推荐理由：官方首次发布 vllm-metal，用 packed varlen attention 和 paged KV 解决 Mac 上并发请求的服务问题，并给出可复现的并发基准数据。
小米 MiMo：官网发布与博客精选AI 评分7171 小米开源 MiMo-V2-Flash：309B 总参数 MoE 模型，主打推理、编码与智能体
小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。
推荐理由：官方完整披露了架构、MTP 推理加速与 MOPD 训练范式细节和基准成绩，可据此评估其性价比与部署可行性。
METR：Blog（网页）精选AI 评分6262 METR 发布 Claude Opus 5.5 部署前评估摘要
METR 发布对 Claude Opus 5.5 的部署前评估摘要，基于 10 个工作日的 API 能力测试和五个任务（Budget NanoGPT Speedrun、LMCA、Train a Program、Gaming Bot、Sunlight）。
推荐理由：METR 作为第三方评估方给出了 Claude Opus 5.5 在 AI 研发加速上的量化结论，读者可据此了解部署前评估的证据基础与判断边界。
Artificial Analysis 完整文章（网页）精选AI 评分7878 Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
推荐理由：Artificial Analysis 用自家指数实测两代模型的成本与表现，读者可据此判断 GPT-6 降价后哪些能力持平或退步。
Fireworks AI（网页）精选AI 评分6161 Fireworks AI 推出 Specialized Intelligence Index 领域基准索引
Fireworks AI 推出 Specialized Intelligence Index（SII），汇集开放、闭源与专用模型在真实工作任务基准上的表现，首批覆盖医疗、法律、网络安全、金融、客服、生产力和软件七个领域。
推荐理由：Fireworks 联合多家行业实践方推出领域基准索引，不做跨领域综合排名，读者可按成本和时长自行权衡模型选择。
Artificial Analysis 完整文章（网页）精选AI 评分8282 Claude Opus 5.5 登顶 Artificial Analysis Intelligence Index
Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。
推荐理由：原文给出 Claude Opus 5.5 在 Intelligence Index 及各分项评测的完整数据和定价变化，读者可据此比较智能与任务成本。
Claude：Blog（网页）精选AI 评分7171 Anthropic 详解 Opus 5.5 上一次 Claude Code 任务的成本构成
Anthropic 官方博客拆解 Claude Code 任务在 Opus 5.5 上的成本构成，轮次、缓存读取、输出 token 和模型选择决定账单，Opus 5.5 API 输入输出每百万 token 降价 20%、缓存读取降 60% 至 $0.20。
推荐理由：原文把一次任务的 token 成本拆成轮次、缓存、输出和模型选择四项，并给出 effort 设置与缓存维护的可迁移省钱方法。
Anthropic：Newsroom（网页）精选AI 评分9191 Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。
推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。
Linear：Now（RSS）精选AI 评分6262 Linear 重构 CI 流程应对 AI 编码带来的验证瓶颈，PR 等待时间从 6 分钟降至 5 分钟
Linear 工程师分享如何解决 AI Agent 加速写代码后 CI 成为瓶颈的问题，PR 等待时间从 6 分钟以上降至 5 分钟出头，单测 runner 时间约减半。
推荐理由：作者以第一手实践拆解 Linear 优化 CI 的具体做法与数据，读者可将其方法迁移到自己的 TypeScript 项目。
Nathan Lambert：Interconnects（RSS）精选AI 评分6969 Nathan Lambert 撰文分析开源模型的中美实力格局
Nathan Lambert 发布其向美国国会汇报的开源模型现状综述，指出中国开源权重模型已在下载量、基准成绩和学术采用上领先，自 2025 年 7 月起在 Hugging Face 下载量上领先约 1.6B（总 3.2B，为美国两倍）。
推荐理由：作者基于自己持续追踪的下载量、基准和 arXiv 数据，给出开源权重模型中美竞争格局的全景与政策视角。
腾讯混元：Research（API）精选AI 评分6060 腾讯混元发布 Hy Image3.5 preview 图像生成模型
腾讯混元发布 Hy Image3.5 preview，支持文生图与图生图、最多 5 张参考图、多轮编辑和最高 2K 分辨率输出，经上百名专业设计师 GSB 盲测对上一代胜率综合提升 30% 以上。
推荐理由：原文给出了文本渲染、编辑一致性与定价等具体能力细节，以及多家腾讯内部产品的实测反馈，便于评估适用场景。
Tomer Tunguz 博客（VC 分析）精选AI 评分6666 Tomer Tunguz 谈 AI 优化 if-then 判断：专用决策器把分类成本降近百倍
Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。
推荐理由：作者结合自身 Agent 的替换实验给出成本与准确率对比，为判断专用小模型何时可替代前沿模型提供参照。
xAI：News（网页）精选AI 评分7474 xAI 发布 Grok 4.7，主打编码与知识工作
xAI 发布 Grok 4.7，定位为其最强编码与知识工作模型，定价 $2/百万输入 token、$6/百万输出 token，与 Grok 4.6 同价同速，另有速度和价格加倍的快速变体。
推荐理由：官方给出了完整定价、速度和多项基准对比，读者可以据此把 Grok 4.7 放进现有模型选型里横向比较。
Fireworks AI（网页）精选AI 评分6161 Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布
Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。
推荐理由：原文用 DeepSWE 上 18 个模型的任务级实测数据说明模型池组合的潜力，同时坦承从 oracle 到可落地路由的差距。
Artificial Analysis 完整文章（网页）精选AI 评分6868 Artificial Analysis 评测 Grok 4.7：智能指数 46 分进入前四，编码智能体升至第 4
Artificial Analysis 发布 Grok 4.7 评测，Grok 4.7（xhigh）智能指数得 46 分，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四；搭配 Grok Build 的编码智能体指数从 47 升至 56，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。
推荐理由：评测方给出 Grok 4.7 在多项基准的具体分数、token 消耗与对比对象，读者可据此判断其真实水平与成本。