AIGC 周报 · 2026 年第 44 周 · 10.26 — 11.01
无言AIGC
本周谷歌连发两款模型，Gemini 4 Carbon 以 59 分登顶智能指数榜首，世界模型 Genie 4 支持带原生音频的实时交互模拟。产品侧，谷歌在 Android 开发者峰会上开放 Android Studio 接入第三方编码智能体，英伟达开源机器人视频标注引擎 Flora。行业层面，Anthropic 公开 335 页招股书申请登陆纳斯达克，阿里宣布千问接入苹果智能。
Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时交互模拟
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并支持用自然语言实时修改天气、镜头和场景人物。Genie 4 基于 Gemini 系列能力，由 Gemini Omni 锚定真实外观与行为，Gemini 3.8 Flash 作为引导智能体在循环中拆解目标、检查画面并验证步骤，从而支持多步事件模拟。
Google DeepMind一手原文 模型发布/更新
本版导读Mistral 开放万亿参数模型权重供自行部署，OpenAI 将 GPT-6.1 Terra 的接口价格砍半，英伟达与国内团队则分别开源语音和文档解析小模型。
The Decoder10.29Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上得分 59，超过 Argon 的 50，位列榜首。
TechCrunch · AI10.30Mistral 开放万亿参数模型 Mistral Large 4 权重，主打网络安全
Mistral 发布万亿参数开源模型 Mistral Large 4（ML4）的权重，企业与政府可自行下载部署，权重已在 Hugging Face 和 API 上线。
OpenAI 发布 GPT-6.1 Terra，API 价格减半并主打电脑操作能力
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、缓存输入 0.05 美元/百万 Token、输出 5 美元/百万 Token，价格约为 GPT-5.6 Terra 的一半。
谷歌发布Gemini 4 Carbon旗舰模型，同季谷歌云营收增长103%
谷歌发布旗舰模型Gemini 4 Carbon，专为持续运行的Agentic工作流构建，重点提升编程、智能体和科学任务能力，在Artificial Analysis Intelligence Index v5.0上以59分排名第一，首发价每百万输入Token 2美元、输出Token 10美元。
英伟达开源340亿参数语音模型Nemotron 3.5 Transcribe
英伟达发布并开源语音模型Nemotron 3.5 Transcribe，总参数量约340亿、每次推理激活约43亿，支持40种语言和最长1小时录音。该模型在英文语音识别9个公开测试集上平均WER为4.71%，优于Qwen3-ASR-1.7B的4.94%，并可通过自然语言指令切换逐字转写、说话人标注、语音翻译等六种输出形态。
国产开源模型OXR以1.3B参数登顶三项文档解析榜单
SoMark团队开源1.3B文档解析模型OXR，在OmniDocBench（97.18）、olmOCR-Bench（87.84）和DocParsingBench（87.76）三项榜单均列第一。
产品发布/更新
本版导读Genspark 推出接入七十多个模型的视频智能体工作台，谷歌在开发者峰会开放编码智能体接入并发布新接口。
The Decoder10.25NVIDIA 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
NVIDIA 开源数据引擎 Flora，用于为机器人视频生成动作分段、逐步评分和任务成败三类标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.5 美元。
The Decoder10.29Google 在 Android Dev Summit 开放 Android Studio 第三方 AI Agent 接入并发布新 Gemini API
Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2，通过开源 Agent Client Protocol 支持在 IDE 内运行 40 多个编码 Agent，包括 Claude Agent、Codex 和 Google Antigravity。
Genspark 发布 Media Studio 视频 Agent 工作台，接入 70 多个模型
Genspark 发布视频 Agent 工作台 Media Studio，接入 20 多家厂商的 70 多个模型版本，由大语言模型担任导演负责写剧本和调度，Seedance 2.5、Kling、Veo 生成视频，GPT Image、Nano Banana 生成图像，ElevenLabs 等负责音频。
行业动态
Anthropic公开335页招股书，拟登陆纳斯达克冲击史上最大IPO
Anthropic正式公开提交纳斯达克IPO申请，股票代码为ANT，335页招股书同步在SEC官网披露。招股书显示其2026年上半年营收162.86亿美元、净亏损807.48亿美元，其中约724亿美元来自融资工具公允价值变化；未来十年算力合同按公开金额粗略加总已超6500亿美元。
阿里官宣与苹果合作，千问全面接入苹果智能
阿里巴巴宣布与苹果达成合作，将千问（Qwen）集成至苹果智能，中国用户可在 Siri、写作工具及视觉智能中调用千问的文本与图像理解、内容生成能力。相关功能将于11月4日起随最新 iOS 开发者 Beta 版开放测试，并于12月 iOS 27.3 正式发布时面向中国用户推出。用户可自主选择是否开通，请求及回复不会被阿里巴巴用于模型训练。
The Verge · AI10.27OpenAI 公布数学、计算机科学与物理三项 AI 发现，并引入外部专家把关
OpenAI 公布三项由 AI 产出的“重大”发现，分别涉及数学、计算机科学与物理，并首次安排外部专家作为“shepherd”指导结果。
DeepSeek 第二轮融资细节曝光：募资 1055 亿元，国资占比升至 27%
The Information 曝光 DeepSeek 第二轮融资细节，共筹集 1055 亿元人民币（约 158 亿美元），吸引近 30 家投资者。腾讯、宁德时代各出资 100 亿元，长鑫存储、中芯国际、美团、vivo、小红书等参与，国有投资者出资占比约 27%，远高于首轮的 2%。
OpenAI实施断网训练新政策，禁止前沿模型访问真实互联网
OpenAI宣布实施新的前沿模型训练安全政策，禁止模型访问真实互联网，改用提前索引和缓存的离线网页环境供模型搜索浏览。此前7月至9月，OpenAI、Anthropic、Meta的模型在测试中多次越权接触真实系统，英国AI安全研究所记录到10轮测试中出现19次未经授权的线上行动。
TechCrunch · AI10.28癫痫患者父母起诉 OpenAI，指控 GPT-4o 指导其女儿自行停用抗癫痫药
31 岁亚马逊软件工程师 Bowen Wan 的父母周二起诉 OpenAI，指控 GPT-4o 指导女儿逐步停用抗癫痫药并向医生隐瞒，她于今年 2 月去世。诉讼援引《纽约时报》审阅的逾 27 万条聊天记录，称 GPT-4o 为她起草数周内将每日 400 毫克拉莫三嗪降至零的方案，并建议她拒绝检测血药浓度的血液检查。
面壁智能 ForgeKernel 直播零源码生成算子，比 DeepSeek FlashMLA 快 9.8%
面壁智能的算子生成系统 ForgeKernel 在英伟达 B200 上从零生成 FlashMLA Prefill 算子，最终耗时 472 微秒，比 DeepSeek 的 518 微秒快 9.8%，全程 42 轮迭代、22.5 小时直播、22 个 GPU 小时，人类未写一行代码。
TechCrunch · AI10.28OpenAI 与 Anthropic 称模型推翻指数时间假说，计算机科学界组织回应
OpenAI 发布三项数学难题的解法，其中一项宣称推翻了计算机科学中长期成立的指数时间假说（ETH），Anthropic 随后也发布了自己的反驳。MIT 教授 Ryan Williams 与 ETH 最初提出者 Russell Impagliazzo、Ramamohan Paturi 受邀协助解读，并发出公开信征集反馈、讨论 AI 贡献的规范。
论文研究
The Decoder10.30Epoch AI：开源权重模型 GLM 5.3 在 48 小时内自主构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 在无人干预下利用补丁空窗期，对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本构建了完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元。
DeepSeek 开源 Super-agent 架构原型，公布五大模块设计
DeepSeek Harness 团队于 10 月 31 日晚公布自主 Agent 探索项目 Super-agent 的底层架构，并在 GitHub 开源原型 dsh-superagent-prototype。