返回资讯列表

每日AI资讯 2026-10-19

AI技巧AI论文行业动态AI工具AI新元素

一、AI 行业动态

谷歌出价 7000 万"蒸馏"一家破产公司:企业数据成了硬通货(10.19)

谷歌出价 1000 万美元,收购破产航司 Spirit 的 30 年企业数据:约 1 亿封邮件、5 亿条 Teams 记录、约 3000 万行代码,用于训练可执行多步骤企业任务的 Agent。竞拍对手 Mercor 出价 750 万美元,交易尚待法院审理。当"同事"的生产痕迹成为训练语料,企业数据在破产清算里第一次排在了办公家具前面——每家公司其实都坐在一座没意识到的金矿上。

Anthropic 公开"4 年后的世界":造 AI 只剩 5% 留给人(10.19)

Anthropic 两份内部报告曝光:1334 名员工预测到 2030 年,AI 将完成"造模型"工作中 95% 的任务;今年 3 月,Agent 累计工时首次超过公司全体人类员工,研究部门更是达到人类的 19 倍;技术部门初级岗位占比从 27% 跌至 9%。当一家前沿实验室把"AI 造 AI"的内部时间表公之于众,初级工程师的职业路径问题,从行业八卦变成了需要正面回答的公共议题。

蚂蚁开源百灵 LING-3.1-FLASH:560B 大模型,每百万 Token 一毛九(10.19)

蚂蚁百灵开源 LING-3.1-FLASH:560B 参数(激活 25B)的 MoE 大模型,支持 1M 上下文窗口,生成速度 210 Token/s,价格每百万 Token 仅 0.19 美元——可独立完成城市建造游戏开发等复杂长程任务。国产开源模型的"价格地板"本周又被砸低一层:继阶跃 Step 5(10-16 资讯)与 Meta Muse Spark Open 之后,开源军备赛进入"白菜价+超长上下文"的贴身肉搏。

智谱 GLM-Legal:法律垂域全球第一,成本只有 Argon 的七十分之一(10.19)

智谱发布开源法律模型 GLM-Legal:在 Harvey LAB 与 LegalBench 双榜登顶,通过率 19.2%、准确率 86.23%,支持审合同、证据分析、跨境合规,成本仅为 Gemini 4 Argon 的 1/70。通用模型卷到 99 分之后,"垂域+白菜价"成为新的进攻路径——律所与新势力法务科技公司之间,第一次隔着一个开源模型对峙。

Tibo 的 Codex 翻盘记:接手不到一年,吞掉了 ChatGPT(10.19)

OpenAI 编程智能体 Codex 完成惊天翻盘:2026 年 6 月周活超 500 万,7 月成为新版 ChatGPT 桌面应用的底层,合计周活超 4000 万。操盘手 Tibo(Tibor Blenessy)已升任 OpenAI 核心产品与平台负责人——这位曾在发布承诺风波(10-05 资讯)中被推上风口浪尖的产品负责人,用一年时间把"口碑崩盘的 Codex"做成了 OpenAI 的入口级产品。编程智能体从工具变成壳,ChatGPT 从聊天框变成操作系统。

一句话总结:今天的行业主线是"遗产变资产"——破产航司的数据卖了 1000 万,Anthropic 把内部预测当公开信发,Codex 把口碑遗产翻成了壳:AI 时代最值钱的,是那些原本躺在账本外的东西。

二、AI 新元素

VAST 开源实时世界模型 EDENLIVE:单张消费级显卡跑 720P 24FPS(10.19)

5B 参数模型首次实现实时生成下的任意参考输入、任意画风与长时连续运行:RTX 5090 上 720P 达 24FPS+,端到端延迟百毫秒级,权重与代码全部开放。世界模型从"云端多卡的事"变成"一张显卡的事"——仿真训练的门槛,本周被拉到了个人开发者的桌面。

Murea-Pro:交互视频世界模型双榜第一,还有免费开源轻量版(10.19)

新公司 Murea Labs 发布交互视频世界模型 Murea-Pro:WBench Full-289 评测 81.1 分登顶;RTX PRO 6000 上 3.6 秒生成 5 秒视频(RTF=0.71)达实时生成标准,轻量版 Murea-Fast 开源后同样评测第一。从"看运镜"(可灵 4.0,10-16 资讯)到"可交互",视频世界模型的竞争维度又翻了一页。

华硕 37999 的 RTX Spark 电脑:80 瓦功耗的 Token 自由(10.19)

华硕 ProArt 创 16 集成 128GB 统一内存与完整 CUDA 生态,可本地部署 Qwen3.8-27B 级别大模型,整机功耗仅约 80W。继微软 Surface(10-12)与英伟达笔记本(10-16)之后,RTX Spark 生态迎来第三家整机厂——端侧 AI PC 的货架,正在一个星期内被填满。

两台宇树 G1 组队打乒乓:人形机器人学会"双打"(10.19)

上海创智学院、源策未来、港大与英伟达提出 PingpongDuo 系统:两台宇树 G1 通过联合站位规划与全身运动控制实现双打协同,与人类搭档完成连续 18 次交替回球。继单机陪练(吉尼斯羽毛球纪录,10-16 资讯)之后,机器人运动开始从"一对一"进化到"队形配合"——双打的本质是队友间的实时信任,这比扣杀难得多。

Manifold AI 的 R²SI:一次示范学新任务,RoboDojo 登顶(10.19)

Manifold AI 推出 WorldScape R²SI 框架:内外双层 Agent 系统,让机器人从一次示范中学习新任务——push_T 任务从 723 步优化至最低 222 步,RoboDojo 智能体评测超越 GPT-6 Astra 登顶。"看一遍就会"的机器人学习范式,正在把"数据采集成本"这个具身智能最大开销,压向零。

一句话总结:新元素全在"降门槛"——世界模型降到一张卡(EDENLIVE)、机器人示范降到一次(R²SI)、协同练到双打(PingpongDuo)、整机降到 80 瓦(华硕):贵的东西都在变便宜,难的东西都在变简单。

三、X 大 V 动态(近 30 天精选)

王兴兴(宇树科技创始人)罕见公开认错:最大错误是对 AI 相信得不够(10.12 工博会)

在第二十六届工博会上,王兴兴当众修正自己的判断:"过去十几年我犯的最大错误,就是对 AI 的相信还不太够。"他给出新时间表:临界点快的话一两年内就有可能——"明年 GPT-7 出来,可能直接把具身智能问题打穿";宇树已把 GPT-6 放上各种机器人实测,效果"非常不错"。两个月前他还在给行业"降温"(最快还要两三年),GPT-6 的实测结果让这位最该冷静的从业者转了向——具身智能的时间表,正在被通用模型反复改写。

李飞飞(斯坦福教授、World Labs 创始人):世界模型公司被 AMD 82 亿美元收购(10.18 季报热议)

据晚点具身季报(10-18),AMD 与李飞飞创立的 World Labs 签署了 82 亿美元收购协议(9-28 达成)。这笔交易给过去一两年冒出的世界模型/具身智能 Neo Lab 们做了一次实质定价:独立世界模型公司的出路,可能是并入芯片巨头的算力版图——李飞飞的"空间智能"叙事,最终以物理 AI 巨头棋子的方式落了地。

Jim Fan(英伟达高级研究科学家):开源 ASPIRE,提出"Physical Bitter Lesson"(10.19)

英伟达开源机器人智能体框架 ASPIRE V1.0:机器人可自主写控制程序、复盘失败、积累技能,技能库含 90 多项 Skill 覆盖 150 多任务,LIBERO-Pro 基准接近满分。Jim Fan 称之为"Physical Bitter Lesson"(物理世界的苦涩教训)——正如 Rich Sutton 的经典论文所说,通用方法终将胜过手工设计;在机器人领域,这堂课由"让 AI 自己写控制代码"来上。

陈淑珊(星展集团 CEO):市场正在重新评估 AI 投资的风险(10.19)

陈淑珊表示,市场正在重新评估 AI 建设相关投资的风险,AI 领域融资将更加审慎:"这不是坏事——投资者会要求更高的回报,更仔细地审视融资结构",实力较弱的企业可能面临信用评级下调。星展今年已促成约 250 亿新元(约 200 亿美元)的 AI 相关交易。作为亚洲最大债权银行之一的掌门人,她的"健康重定价"论,是给全民 AI 热潮的一张银行家式冷静贴。

DeepMind(机构观察):4 个 Gemini 组队打穿《我的世界》(10.19)

Google DeepMind 让 4 个 Gemini 4 Argon 智能体在无人类干预下挑战《我的世界》:27 小时击败末影龙,期间写了 2783 个程序、死亡 605 次——验证了多智能体系统的长时程协作能力。有意义的是过程而非结果:它们会自行分工、共享记忆、在反复团灭后重写策略。多 Agent 不是营销概念,是真的能"开黑"了。

一句话总结:大 V 们今天都在"修正"——王兴兴修正时间表、李飞飞修正退出方式、Jim Fan 修正机器人方法论、陈淑珊修正市场温度:这一行最稀缺的品质,可能就是公开认错并改判的速度。

四、GitHub 项目精选

addyosmani/agent-skills(100k 星):本周突破十万星的"技能图书馆"

Addy Osmani 维护的 AI 编码 Agent 生产级工程技能库,本周突破 100,000 星(两日再涨 4k)。它把"怎么让 Agent 干好活"的工程经验沉淀为可复用的技能包:代码评审流程、重构策略、测试纪律。为什么有趣:当模型能力趋同,"技能包质量"正在成为 Agent 实战效果的分水岭——十万星说明开发者在用脚投票给"经验沉淀"。

alibaba/open-code-review(42.7k 星):两日飙升 7.9k 的混合评审管线

阿里开源的代码评审系统:确定性管线先跑格式、安全与依赖检查,LLM Agent 再做语义级审查——混合架构兼顾速度与深度,本周两日暴涨 7.9k 星。为什么有趣:它把"AI 审代码"从玄学变成了工程流水线,与 Anthropic 用 Scion 重做版本管理(10-15 资讯)同一逻辑:AI 写码提速后,评审与合并环节必须跟着工业化。

browser-use/jev-ultrafast(21.4k 星):极速浏览器 Agent,两日再涨 3.1k

浏览器自动化 Agent:动态索引动作空间,7.1 秒完成一次航班搜索的全流程操作,两日再涨 3.1k 星。为什么有趣:当"访问壁垒"被确认为 Agent 商业化瓶颈(杰富瑞报告,10-08 资讯),速度就成了绕不开的第二战场——把浏览器操作从分钟级压到秒级,Agent 才配得上"助手"二字。

五、今日技巧:用 GLM-Legal 三步过一遍你的合同(当天上手)

智谱开源法律模型 GLM-Legal 双榜登顶、成本只有通用旗舰的 1/70——个人与小团队当天就能把它变成合同初审员。三步上手:

  1. 取模型:从智谱开放平台或开源仓库获取 GLM-Legal(API 直连或本地部署均可,开源版按显存选规格);
  2. 喂合同:上传待审合同全文,用固定句式提三类问题——"列出对我方最不利的五个条款并注明原文位置""标记与行业标准范本不一致的条款""指出缺失的保护性条款";
  3. 要证据:要求模型每个结论都附条款原文引用,人工只复核被标记的部分——AI 初筛、人终审,一小时能过完过去一天的合同堆。

适合有大量标准化合同流转的中小团队(租赁、采购、劳务):法律模型的意义不是替代律师,是把"让律师看一遍"从每天 5 份变成每天 50 份。

注释:条款引用定位 要求模型给出结论对应的合同原文条款号与文字,是防"AI 编造条款"的最简单手段。

六、AI 论文精选

〈Humanity's Sixth Sense:AI 第六感基准〉(Scale AI×Elorian,附原文链接)

新基准 HSS 专测"看一眼就懂"的直觉视觉推理:522 道开放题、288 张图片与 234 段视频(约 17.6 小时),从画面未明示的信息中推断"谁更有话语权""两车之间还能否塞进一辆"。结果悬殊:20 名人类拿到 93.1%,榜首 GPT-6 Astra 即使最大推理强度也只有 53.6%,25 个模型中位数仅 30.9%;分析 8573 次失败,94% 源于"漏看关键线索"等感知问题,只有约 5% 是逻辑错误。讲什么:AI 的短板不是想不透,是看不出来。有什么用:感知层(视觉编码器)而非推理层,才是下一阶段多模态改进的主战场(论文链接:https://labs.scale.com/papers/humanitys-sixth-sense )。

《EgoWild2Dex:从野外人类经验学习灵巧机器人操作》(arXiv:2609.23755)

港大 MMLab 提出:直接利用 538.9 小时未经刻意编排的第一视角人类数据(家庭、工厂、药房,保留晃动、复杂背景与长尾物体)训练双臂灵巧机器人,每个下游任务仅需不到 1 小时真机数据——连续完成拆快递、热熔胶枪固定手办、制作冷饮等长时序任务,30 次测试成功 29 次、平均成功率 96.7%。讲什么:机器人数据太贵,但人类经验遍地都是——"脏数据"不必清洗也能用。有什么用:真机数据预算从千小时级降到小时级,机器人公司的数据成本结构被改写。

《评估 MLLM 视觉编码器的一个强基线》(arXiv:2610.05413)

为多模态大模型"选眼睛"的问题:换一个视觉编码器效果天差地别,但逐一训练验证太贵。团队训练并评测 210 个多模态模型后发现,现有跨模态指标在更复杂的候选池中并不总是有效,提出免训练评测方法 RAVEL:稳定化 PCA 白化+局部图像块匹配,评估分数与下游实际表现的 Spearman 相关性达 0.85,大幅超越现有方法并已开源。讲什么:给模型选"眼睛"不必训练完再验,看表征对齐就能预判。有什么用:与 HSS 的发现互为印证——视觉编码器如此重要,选型工具同样是刚需(GitHub:https://github.com/JuntaoTang/MLLM-VisionEncoder-Eval )。

信息来源


评论

加载中…