一、AI 行业动态
Gemini 4 Carbon 正式发布:登顶智能指数,网络安全成了核心卖点(10.29)
距上一代 Argon 仅两周,谷歌推出新一代前沿模型 Gemini 4 Carbon,在 Artificial Analysis 智能指数 v5.0 上以综合 59 分位列第一,领先 Claude Opus 5.5(58 分)与 GPT-6 Astra(57 分)。它专为长周期智能体任务设计,可连续多日自主完成根因分析与系统级代码修复;在自主漏洞挖掘评测 SEC-bench Pro 上以 88.2% 成功率居首。因具备攻防兼备的网络能力,目前仅通过 Fairwind 计划向受审核的网络安全防御者开放,API 首发价每百万 Token 输入 2 美元、输出 10 美元,缓存输入享 95% 折扣。把"安全能力"当作旗舰模型的头号卖点,这是第一次。
财报夜分化:微软盘后大涨,谷歌盘后跌超 10%(10.29)
同一晚两份财报,市场给出了相反的答案。微软 Azure 增速加快到 48%,资本开支反而低于预期,盘后大涨;谷歌云收入翻倍,自由现金流却连续两个季度为负,盘后跌超 10%、蒸发逾 2800 亿美元市值。同样是重金押注 AI,市场开始用真金白银区分"花得值"与"烧得慌"——投入本身不再是利好,投入的效率才是。
注释:自由现金流 企业经营活动赚到的现金,减去维持和扩张业务必须投出去的钱后,真正能自由支配的部分。它为负,意味着赚的钱不够覆盖扩张的开销,要靠融资或借款补上。
OpenAI 转向谷歌 TPU:算力供应链再"去英伟达化"一步(10.29)
据 The Information 报道,OpenAI 计划采购谷歌的 TPU 芯片。此前 OpenAI 已在半年内把模型铺上 Azure、AWS 与 Google Cloud 三家云,如今又在选择自研芯片之外的第二条算力来源。对一家把"算力即战略"写在脸上的公司来说,多一个供应商就多一分议价权——英伟达的独家位置,正在被一点点挪松。
智谱 AutoGLM:让 AI 直接上手操作手机(10.29)
智谱推出自主智能体 AutoGLM,可代替人类控制电子设备:无需动手即可完成点外卖、朋友圈点赞、高铁购票等常见手机操作,还能自主执行超过 50 步的长步骤任务并跨 App 协作;基于屏幕截图输入的 GLM-PC 已启动内测——它不需要 HTML 等文本信息,只看画面就能操作。A 股市场随之出现"智谱 AI 概念"逆市上涨。当 Agent 长出手和眼睛,操作系统的入口之争就重新开始了。
SK 海力士 Q3 营收破 100 万亿韩元:HBM 产能已售罄至 2029 年(10.29)
SK 海力士第三季度营收首次突破 100 万亿韩元、创下纪录,营业利润 83.3 万亿韩元超预期。公司称 DRAM 与 HBM 产能已售罄至 2029 年,关键存储组件供应短缺至少持续到 2030 年。这条消息的另一面是:未来几年算力扩张的天花板,可能不在 GPU,而在它旁边那几颗存储芯片。
一句话总结:今天的主线是"验收"——榜单在重排考场(v5 指数)、财报在验收投入(微软与谷歌)、市场在验收供应(HBM 售罄至 2029):AI 从"谁投得多"进入"谁花得值"的阶段。
二、AI 新元素
阿里领投:AI 评测与合成数据公司 UniPat AI 获约 3 亿美元融资(10.29 深读)
成立不到一年的中国 AI 评测与合成数据初创公司 UniPat AI 被曝即将完成约 3 亿美元融资,由阿里巴巴拟领投,腾讯、红杉中国等跟投,估值飙至 25 亿美元。创始人李宽是一名 90 后,香港科技大学博士,去年还在阿里通义实验室做后训练与数据合成。在他身后,前字节 Seed 成员创办的智能知识、前 MiniMax 骨干创办的 Copula Lab、获红杉与 BAI 及鼎晖连轮押注的原壤智能密集浮出水面。
它怎么赚钱? UniPat 卖的是大模型时代最缺的两样东西:干净的考卷和管够的练习题。一方面它做第三方评测——像会计师事务所之于企业财务,为模型公司、投资机构和企业采购方提供"不掺水"的能力评估,按评测项目与订阅收费;另一方面它做合成数据,为后训练与强化学习批量生产高质量、可控分布的数据,按数据量或定制任务计价。上游是各家模型公司公开与私有的能力边界(评测要看得准),下游既是模型厂商也是采购模型的企业客户。有意思的是它的中立性生意:当模型公司既是运动员又是裁判员,一个第三方考场的价值就水涨船高——这也解释了阿里为什么一边自研模型、一边投评测公司。25 亿美元估值押的是:模型会越来越多,能信的分数只会越来越少。
扩散语言模型杀进 Agent 主场:Clover-35B 中位执行 1.52 秒(10.29)
扩散智能发布 Clover-35B-A3B-Preview,一个 350 亿参数的 MoE 架构扩散语言模型。在网页 Agent 评测中,它的中位执行时间为 1.52 秒,比 Jev 快一倍多,尝试成功率达 98.6%。与逐词生成的自回归模型不同,扩散语言模型以并行去噪的方式产出文本,在延迟与吞吐上有结构性优势。这条线在沉寂多年后,正在 Agent 需要"快"的场景里重新找到位置。
谷歌开放 Android Studio:一次接入 40 多个第三方编程智能体(10.29)
在 Android Dev Summit 上,谷歌宣布 Android Studio Rabbit 2 采用开放的智能体客户端协议(ACP),推出"Bring Your Own Agent"——开发者可以把任意支持该协议的第三方 AI 编程智能体接进官方 IDE。过去 IDE 厂商都想自己做那个唯一的 Agent,如今最大的一家主动把入口让出来:与其赌谁家模型强,不如把自己做成所有 Agent 都要走的那道门。
实时交互视频赛道升温:一张新榜让 38 个模型现出原形(10.29)
实时交互视频是今年最热的方向之一:阿里推出 HappyOyster,昆仑万维发布 Matrix-Game 4.0,爱诗科技发布 PixVerse R2,生数科技 7 月推出 Vidu S1、9 月又发 Vidu S2,资本也在跑步入场。但这个赛道连名字都没统一——有人叫它"交互世界模型",有人说它是第三条路线。清华大学、英伟达、CMU、UC Berkeley、普林斯顿、NUS 等机构联合推出 StreamEval,首次为它建立评测基准:覆盖数字人对话、虚拟人表演、世界生成、指令编辑与参考编辑五类任务,已评测 38 个模型并公开榜单、代码与数据集。结果不太好看——最高分仅 15 分。
大模型首次试水双 11:词元成了独立品类(10.29)
今年双 11,大模型首次试水电商变现,词元(Token)作为独立品类进入大促。把"每次调用"摆上货架卖,是模型公司第一次真正按零售逻辑做生意:它需要解决的是定价、套餐与售后这些零售业的古老问题,而不只是跑分。
注释:扩散语言模型 不像主流模型那样一个字一个字往外蹦,而是先把整段文本"涂成噪声"再一步步去噪还原,可以并行出词。代价是控制难度更高,好处是延迟与吞吐天然占优。
一句话总结:新元素都在补"看不见的那层"——考卷(UniPat)、速度(Clover)、入口(Android Studio)、标准(StreamEval)、货架(双 11 词元):热闹的是模型,卡住的是这些。
三、X 大 V 动态(近 30 天精选)
桑达尔·皮查伊(谷歌 CEO):两周一代模型,说明前沿推得有多快(10.29)
皮查伊正式官宣 Gemini 4 Carbon,称其性能优于此前谷歌最强的 Gemini 4 Argon,并强调在 Argon 发布仅两周后就推出 Carbon,正说明前沿被推进的速度。他此前还谈到,谷歌研究人员已开始用 AI 智能体辅助开发模型,但"距离递归自我改进的最终形态还很远"——目前仍是人类参与下的 AI 辅助研发。关于安全,他的说法是"纵深防御":对齐研究只是一层,还需要实时监测、沙箱隔离架构与给企业客户的部署控制权,并承认对齐工作仍有"明显缺口"。
谢尔盖·布林(谷歌联合创始人):模型已开始参与自身的研发(10 月)
布林本月早些时候谈到,谷歌的 Flash 系列模型与 Gemini 4 已展现出 AI 参与自身研发的能力,研究人员正与 AI 模型携手开发下一代模型。这句话的分量在于它出自创始人而非市场部门:当最了解系统边界的人说"它已经进到研发环节里了",自我改进就不再是路线图上的远景,而是工程排期表上的一项。
唐杰(清华大学教授、智谱创始人):AI 要学会向人类学习(10.17)
在第二届国际人工智能科学家大会(ICAIS 2026)上,唐杰表示:以前 AI 可以从数据中学习一切,但现在情况发生了变化,AI 需要向人类学习如何解决复杂问题。他近期还分享过一个更形象的说法——AI 真正的价值不再是回答问题,而是能在复杂、长期的任务里自主干活;在网络安全领域,AI 可以 24 小时不间断扫描漏洞、用黑客级的方法论攻击系统并提交报告,人类黑客会疲劳,AI 不会。"人类每退出一个闭环,信号就更便宜一次",是他给出的另一层解释。
金·波斯内特(高盛投资银行联席主管):投资人在变挑剔,不是变悲观(10.28)
在 The Information 的 WTF 峰会上,高盛投行联席主管 Kim Posnett 表示,她对 AI 整体"极度看多",但投资人正变得更谨慎——随着资本成本上升,市场开始出现裂缝。她特别强调:"这不是 AI 情绪的转变。"换句话说,钱还在,只是不再闭着眼睛给。这与当晚微软、谷歌财报截然不同的市场反应,恰好是同一件事的两面。
梁文锋(DeepSeek 创始人):开源拿到单项第一,总分差距却在拉大(10.29)
Artificial Analysis 智能指数 v5.0 首次把 60% 权重放到私有测试集上,重排考场之后:DeepSeek V4.1 Flash 在 FrontierCode 2.0 编码基准上以 28% 得分登顶开源模型,但综合得分与榜首 Claude Opus 5.5 的差距拉大到 26 分。开源模型在"可合并性"这类具体编码基准上反超多家闭源旗舰,综合分却被拉开——这份成绩单说明,开源追得上的和追不上的,正在变成两件不同的事。
注释:纵深防御 不依赖单一防线,而是层层叠加:模型对齐是一层,实时监测是一层,沙箱隔离是一层,企业侧控制权又是一层。任何一层被绕过,后面还有几层兜着。
一句话总结:大 V 们今天在给"进步"加注脚——皮查伊和布林说进展很快但远未到终局,唐杰说该学的是人不是数据,波斯内特说钱变挑剔了,梁文锋的成绩单则提醒:单项第一和综合领先,是两件不同的事。
四、GitHub 项目精选
Warp:把终端改造成 Agent 开发环境(单日涨星约 12,800)
Warp 是一个把传统终端重做成"Agent 开发环境"的项目,近期单日涨星约 12,800,成为当日 Trending 上最受关注的项目之一。它的思路很直接:既然编码 Agent 主要在命令行里干活,那就让终端本身成为承载 Agent 的地方——命令、输出、会话与 Agent 的执行过程放在同一个界面里管理,而不是让 Agent 寄生在一个聊天窗口里再往外敲命令。为什么有趣:Agent 越能干,人与它的协作界面就越成为瓶颈。终端是所有开发者都已有的习惯,把它升级而不是替换,是阻力最小的一条路。
VibeVoice:微软开源的语音 AI(单日涨星约 1,600)
微软开源的语音 AI 项目 VibeVoice,发布当日涨星约 1,600。它把语音合成与相关能力以开源形式放出,让开发者可以在本地或自有服务里搭建语音交互链路,而不必把音频数据交给第三方 API。为什么有趣:语音是这轮 AI 里商业化最顺的品类,却也是数据最敏感的品类之一——声纹属于生物特征信息。大厂把这条能力开源,等于把"能不能用"和"敢不敢用"两道题一起往前推了一步。
morluto/rea:让 Agent 去逆向工程一切(约 397k 星,单日 +5,167)
rea 是一个把 AI Agent 接到逆向工程工具上的项目,可以从应用的行为一路分析到原生二进制,覆盖 app、二进制与代码,全部在本地完成,通过 MCP 与 Claude Code 等环境协作。为什么有趣:过去逆向工程是少数资深工程师的手艺活,门槛高、可复用性差;把它交给能持续试错、不知疲倦的 Agent,等于把一项专家技能变成了可批量执行的工作流。它也代表了一类正在成型的开源资产——不是给 Agent 更多知识,而是给它更多"手艺"。
五、今日技巧:给长流程任务加一组"中途改需求"的测试(当天上手)
Agent 跑长任务时的典型事故,不是第一句没听懂,而是中途你改了主意,它要么改错地方,要么把不该动的也一起改了。StreamEval 基准用的正是这个思路。当天就能照做:
- 设计一条会中途改需求的用例:别只给一次指令,把需求排到时间线上——比如"先应用红色披风 → 第 10 秒换成金色 → 第 20 秒撤销修改"。关键是要同时包含"要改什么"和"不能动什么";
- 分两项打分:一是"指令跟随"(该改的对象改对了没有),二是"完整成功"(背景、人物动作、此前有效的修改有没有被连带破坏)。很多 Agent 第一项拿分、第二项全丢,只看总分会完全误判;
- 每个用例独立跑三次,再按会话时长分组汇总:单次生成偶然性很大,跑三次能看出是稳定能力还是运气;按 15 秒 / 60 秒 / 300 秒分组,还能看出它到底能撑多久。
适合实时视频、数字人,也适合一切"边跑边改"的长流程 Agent——把"中途插话"当成一项正式能力来测,而不是上线后等用户来踩。
注释:指令跟随 vs 完整成功 前者只问"你让它改的东西改了没",后者还要追问"没让它动的地方是不是也没动"。两者分开打分,才能看出 Agent 是真的听懂了,还是顺手把摊子掀了。
六、AI 论文精选
《StreamEval:流式交互视频生成的首个公开基准》(arXiv:2610.28402)
实时交互视频是今年最热的方向之一,但评测工具还停留在老框架:给一段提示词,生成一段视频,再看画面清不清楚、动作合不合理。对实时交互系统来说,这套方法测的根本不是最难的部分——用户的指令是连续的,模型必须在"不中断生成"的前提下及时响应新指令,同时保持人物身份、已有场景和此前所有有效修改不变。清华大学、NVIDIA、CMU、UC Berkeley、普林斯顿、NUS 等机构联合提出 StreamEval,覆盖数字人对话、虚拟人表演、世界生成、指令编辑与参考编辑五类任务,共 300 个用例、单次会话从 15 秒到 300 秒;输入按时间逐步到达,模型事先看不到后面的要求;每个用例对相应模型独立运行三次,再按预定时长分组汇总,以降低单次生成的偶然性。基准还把"指令跟随"与"完整编辑成功"分开评分——改变了正确的对象只算前者,完整成功还要求不该变的地方确实没变。结果相当扎心:38 个模型、49 种任务配置跑下来,最高分仅 15 分;画面质量、指令执行与长时间连续性并不总是同步提升,部分模型画面稳定、音画同步不错,面对连续指令却难以准确完成动作或编辑要求。讲什么:第一次给"边生成边改"这件事立了尺子,而整条赛道都没及格。有什么用:做实时视频、数字人、世界模型的团队,可以直接拿这套公开代码与数据集定位自己到底卡在哪一环。
《MOSAIC:面向会话智能体长期记忆与跨模态推理的全模态基准》(arXiv:2610.29249)
全模态助手要记住的不只是用户说了什么,还包括用户展示了什么、传达了什么。但现有长期记忆基准大多是文本加图像的组合,且往往只考"能不能把相关信息捞出来"。来自香港科技大学等机构的作者提出 MOSAIC:一个包含 923 个问题的全模态基准,建立在人物设定一致的多会话历史之上,横跨文本、图像、视频与音频四种模态。它的设计重点不是打分,而是诊断——把记忆过程拆成写入、检索、投递、阅读四个阶段,用来定位会话智能体究竟在哪一步把证据弄丢了。讲什么:记忆失败从来不是一个笼统的"记性差",而是可以在流水线上精确定位的断点。有什么用:做长期记忆模块的团队,可以先用它判断该优化写入策略还是检索策略,而不是盲目加向量库。
《多模态具身智能体:从电脑操作到机器人操作的统一能力视角》(PAPAV,arXiv:2610.30108)
多模态智能体通过推理、记忆、工具与反馈维持交互,最典型的两类形态是电脑操作智能体与机器人。这篇论文把两者放进同一套框架比较,定义了"多模态具身智能体"(MMEA):把多模态任务推理与物理行动耦合,并根据反馈修正决策的系统。作者提出 PAPAV 框架,用五个能力维度刻画它——感知状态(Perceive)、预判动作效果(Anticipate)、规划路径(Plan)、执行操作(Act)、验证结果(Verify)。基于 64 个基准的统计发现了一个明显偏斜:评估高度集中在 Act 环节,只有 5 个基准评估 Anticipate、3 个评估 Verify。论文还归纳了五项物理约束(从部分可观测性到不可验证的结果),指出机器人场景比电脑操作场景更难回退错误——改错一个文件可以撤销,把杯子摔了不行。讲什么:具身智能的评测严重偏科,最该考的"预判"和"验证"几乎没人考。有什么用:做具身方向的人可以对照这份清单,先看看自己的评估盲区在哪。
信息来源
- 流浪猿:今日全球 AI 重要资讯(2026 年 10 月 29 日)—Gemini 4 Carbon 与 Android Studio 开放智能体
- 腾讯证券:谷歌发布 Gemini 4 Carbon,聚焦网络安全与长程任务
- 财联社:谷歌 CEO 皮查伊表示新 AI 模型 Carbon 性能优于 Gemini 4 Argon
- IT 之家 / 腾讯新闻:皮查伊称距离 AI 能自我改进的最终状态还有很长的路要走(10-24)
- xirui 有话说:AI 每日动态 2026-10-29(微软与谷歌财报夜、SK 海力士、OpenAI 采购 TPU)
- 今日头条:每日 AI 热点速览 2026-10-29(v5 指数、扩散模型 Clover、实时视频模型赛道)
- 巨丰财经:智谱 AutoGLM 与 AI 智能体内测(10-29)
- 网易·ZFinance:中国 AI 最有权力的数据掌舵人——8 家公司、11 位核心负责人(UniPat AI 与李宽)
- 21 财经:智谱唐杰——以前 AI 从数据中学习,现在 AI 要向人类学习(10-17 ICAIS 2026)
- PYMNTS:高盛 Kim Posnett 在 The Information WTF 峰会谈投资人趋于谨慎(10-28)
- 腾讯新闻:清华、英伟达等联合推出 StreamEval,38 款实时视频模型接受评测
- 稀土掘金:GitHub Trending 观察(Warp、VibeVoice、rea 等)
- arXiv:2610.28402 StreamEval
- arXiv:2610.29249 MOSAIC
- arXiv:2610.30108 PAPAV / 多模态具身智能体