Granite Switch 4.1 发布：聊天、决策与语音转写共用一个端点
Granite Switch 4.1 的 8B 和 30B 模型发布，可在单一托管端点中切换聊天、决策和语音转文本任务。
推荐理由：原文给出决策、语音转写与聊天共用一个端点的配置，读者可据此评估多任务模型在 GPU 显存上的取舍。
#模型发布
Hugging Face Blog一手来源精选AI 评分6161 Hugging Face Blog一手来源精选AI 评分8181 Meta 发布开源权重多模态混合专家模型 Muse Spark Open
Meta 发布开源权重多模态混合专家模型 Muse Spark Open。该模型总参数约 816B、每 token 激活约 42B，上下文最长 1M tokens，支持文本、图像、音频和视频输入并输出文本。
推荐理由：原文给出总参数、激活参数、上下文长度和多模态输入规格，并附部署与微调路径，适合评估其作为开源编码智能体的可用性。
Google DeepMind一手来源精选AI 评分6969 Gemini 4 Argon：专为解决你最棘手的问题而打造
Oct 13, 2026| 我们正为开发者、企业、科学家和消费者提供访问我们最新前沿模型的权限。 您的浏览器不支持音频元素。 收听文章 [[duration]] 分钟此内容由 Google AI 生成。生成式 AI 是实验性的。 本文 专为解决您最棘手的问题而打造 解决复杂工程任务
推荐理由：官方给出多领域基准、工程案例和 API 价格，读者可据此判断其在编码、科研与安全任务中的可用性。
Odyssey · 世界模型研究一手来源精选AI 评分7272 认识 Odyssey-3：我们最强大的基础世界模型
今天我们推出 Odyssey-3，这是我们迄今为止最强大的基础世界模型。Odyssey-3 Pro 在 Physics-IQ Verified 的基准测试中创下新的最优成绩，并在我们的评估中于 WorldMark 的 4 个类别中的 3 个排名第一。我们的研究预览版现已开放，如果你是物理 AI 开发者并有兴趣基于 Odyssey-3 进行构建，请与我们联系。Odyssey-3 是一个学习得到的动力系统，以自回归扩散 transformer 的形式实现，用于预测物体如何在空间…
推荐理由：官方给出 Odyssey-3 在 Physics-IQ 与 WorldMark 的具体分数和机器人、人形、驾驶的适配案例，可据此判断世界模型当前的能力边界。
arXiv · AI游戏论文一手来源精选AI 评分7070 Waypoint-1.5：面向消费级硬件的实时视频世界模型
我们推出 Waypoint 1.5，一个可在消费级硬件上运行交互式视频生成的实时扩散世界模型。与通用视频扩散模型不同，交互式世界模型（iWM）必须在严格的延迟和吞吐量约束下响应用户的密集控制输入。Waypoint 1.5 在涵盖数百款游戏的 100,000 小时多样化、控制对齐的游戏视频数据上进行预训练，并能够基于完整的键盘和鼠标输入生成可玩视频。该模型包含两种分辨率变体，可运行于广泛消费级硬件之上。为刻画这一独特场景，我们区分了渲染帧率（rendered FPS）、潜在帧…
推荐理由：原文给出了从数据管线到运行时的完整技术拆解，读者可以据此理解实时交互视频世界模型在消费级硬件上的实现路径。
Odyssey · 世界模型研究一手来源精选AI 评分7575 介绍 Agora-2：推进多智能体世界模拟
今天我们很高兴发布 Agora-2 的可玩研究预览版，这是我们下一代多智能体世界模型，可实时生成共享的交互式环境，最多支持 20 个人类与智能体。Agora-2 支持的参与者数量是 Agora-1 的 5 倍，同时从仅能模拟单一环境扩展到可模拟多个环境，具备更复杂的交互和更长时程的行为。为了探索这些更丰富的多智能体交互，我们转向了由 Blizzard 开发的《暗黑破坏神 II》。游戏长期以来一直是 AI 研究的有用环境，提供了让智能体通过与周围环境以及彼此互动来学习的世界。…
推荐理由：原文说明了共享状态与渲染模型的分工，读者可据此理解多智能体世界模型如何让参与者互相影响。
Google DeepMind一手来源精选AI 评分6464 Gemini 3.8 文本转语音向你问好
Sep 23, 2026| Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 是我们迄今最具表现力的音频生成模型。可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中生成自定义角色语音并指导场景对白。 Leland Rechis集团产品经理Alan Cowen研究科学总监，代表 Gemini 音频团队 今天，我们向 Ge…
推荐理由：两款 TTS 模型将语音生成从固定预设转向自然语言驱动的逐句表演控制，Flash TTS 在 Hume AI 语音设计基准上以 71.4 分居首。
World Labs · 空间智能与世界模型一手来源精选AI 评分6464 Atlas：面向空间智能的世界模型
世界模型能够生成、重建并模拟任何可能的世界。 它们理解世界如何呈现、如何运作、如何演化， 从而让我们能够为创意用户渲染想象中的世界， 高保真地模拟真实世界，并帮助机器人规划行动。 在 World Labs，我们构建这些通用世界模型，以追求空间智能。今天，我们正式发布 Atlas，我们的下一代世界模型。 Atlas 是一个全模态模型，我们从零开始预训练，使其能够原生处理 文本、图像、视频和 3D。 它是一个多模态自回归扩散 Transformer： 所有输入都被整合到一个共享…
推荐理由：Atlas 将世界生成、3D 重建与时空仿真统一进单一多模态架构，基准测试中在两项关键任务上均超过专用模型。
已经到底了