AI 前沿日报
谷歌 Gemini Omni 1.2 Flash 发布:视频时长延至 15 秒,价格降 30%
本期两条主线相互拉扯:一边是 Gemini Omni 1.2 Flash、Inkling 2 Small、Cosmos 3 与 TorchTPU 接连开源或降价,模型能力与工具链继续快速下探;另一边是美国中期选举后 38 项数据中心限制提案获通过,纳斯达克与半导体指数重挫,Anthropic 与 OpenAI 的估值预期同步回调。METR 报告称 Anthropic 研发提速约 2 倍、八成来自 AI 参与研发,则把“自我加速”从假设推向可测量。算力扩张的政治阻力与模型迭代的加速,正构成同一枚硬币的两面。
谷歌发布视频生成模型 Gemini Omni 1.2 Flash,单段视频原生时长从 10 秒延长至最长 15 秒,720p 定价降至每秒 0.07 美元,较上代下调 30%。模型已在 Gemini API、AI Studio、Flow、Google Vids 及 Gemini for business 全面开放,生成视频均嵌入 SynthID 隐形水印。
新版本支持 3 到 15 秒按 1 秒粒度自定义时长,并引入多轮对话式编辑,用户可在不重新生成整段视频的前提下替换产品、背景、光照与画幅。模型还改善了多人对话口型同步与连续运镜稳定性,并增强参考图与参考素材的一致性遵循。
在 Arena 文生视频榜单中,Gemini Omni 1.2 Flash 以 1541 分登顶,较上代提升 27 分,图生视频同样排名第一,视频编辑位列第三。官方同时支持低分辨率起草后升级至 1080p/4K 的降本工作流。
前沿模型与基础架构突破
精选 3 篇追踪主流实验室最新基础模型、新架构与推理能力跃迁。
Thinking Machines 发布 Inkling 2 Small,智能指数 31 分比肩 Gemini 3.8 Flash
Thinking Machines Lab 发布第二代模型 Inkling 2 Small,并启动新一轮融资。该模型采用稀疏混合专家架构,总参数 594B、激活参数仅 17B,支持图像输入与可变推理强度,在 Artificial Analysis 智能指数 v5.0.1 上得分 31,较前代提升 18 分,与 Gemini 3.8 Flash (high) 持平。
模型经过四阶段预训练与 9 天联合强化训练,智能体任务表现显著跃升:AutomationBench-AA 从 5% 升至 46%,FrontierCode 2.0 从 5% 升至 25%,HLE-Diamond 从 12% 升至 29%。编码能力呈现分化,FrontierCode 2.0 得 25%,高于 Claude Sonnet 系列。
初期模型闭源,经 Tinker 平台提供,外部安全测试完成后拟以 Apache 2.0 开放完整权重。The Decoder 称其登顶西方开源权重榜首,Latent Space 则披露训练使用 12T tokens、耗时 68 小时。
NVIDIA 开源 Cosmos 3 世界模型 支持交互式仿真
NVIDIA 在 Hugging Face 发布 Cosmos 3 系列开源世界模型,面向交互式世界仿真场景,并同步开放模型检查点与示例集合。该系列延续 Cosmos 世界基础模型路线,将物理世界建模能力开放给开发者。
Cosmos 3 定位为交互式世界仿真,可用于机器人与自动驾驶等仿真数据生成,降低开发者自建仿真环境的门槛。模型检查点与示例集合可直接获取,便于二次开发与复现。
REINFORCE Zero 实现零内核失配异步强化学习
研究团队提出将异步强化学习的性能损失拆解为权重滞后与内核失配两部分,指出内核失配无法被重要性采样修正,必须对齐 rollout 与训练内核。这一结论为异步 RL 的稳定性问题提供了新的分析框架。
对齐内核后,无裁剪重要性采样即可稳定训练 20000 步、支持策略滞后 64,训练吞吐达同步训练的 2.40 倍。该方案已覆盖 DeepSeek-V4.1-Flash、Kimi K3.1 及 AMD MI355X 等模型与硬件。
研究团队将误差分为平滑的权重滞后与波动的内核失配,后者无法被重要性采样消除,是此前异步训练不稳定的主因。
产业生态与商业算力
精选 4 篇投融资脉络、算力基建演进与企业智能化转型。
美国中期选举后多地公投否决数据中心,AI 算力扩张遭遇政策与市场双重逆风
美国 2026 年中期选举后,AI 基础设施扩张遭遇重大政治阻力。全美 10 个州 44 项数据中心限制提案中 38 项获选民通过,约半数拟建 AI 数据中心项目面临更严格地方审查。得克萨斯、俄亥俄等传统友好州可能因水资源与电价问题暂停施工,民调显示 76% 受访者反对在社区内建设数据中心。
市场反应剧烈:纳斯达克单日暴跌 5.52%,费城半导体指数重挫 12.3% 创历史第二大单日跌幅,英伟达跌 9.3%,AMD 跌 17.3%,AI 与数据中心相关股票市值合计蒸发数万亿美元。高盛估算约 45% 的美国规划数据中心容量可能受短期禁令影响。
科技巨头试图将“数据中心”重命名为“计算园区”以缓解公众抵触,OpenAI 承诺不再与公职人员签署保密协议并承担电力成本,亚马逊此前已作出类似表态。超大规模厂商开始考虑将建设转向海外。
Anthropic IPO 估值预期下调至 1.2 万亿美元,市场质疑 AI 龙头高估值
受纳斯达克 100 单日暴跌 6.4%、市值蒸发约 2.3 万亿美元影响,Anthropic 的 IPO 估值预期在数日内从 1.4-1.5 万亿美元下调至 1.2-1.3 万亿美元,部分潜在投资者甚至认为应接近 1 万亿美元。作为可能首家上市的前沿模型开发商,其定价将成为检验 AI 龙头需求的关键风向标。
综合多个信源,估值下调幅度存在差异:Hacker News 和 Ramp 数据指向 1.2-1.3 万亿美元,而 WSJ 报道称从 2 万亿美元降至 1.5 万亿美元,The Decoder 则指出投资者对 1.5 万亿美元不买账。
下调主因是中期选举后数据中心暂停建设担忧引发的市场抛售,而非公司业绩——Anthropic 10 月底年化收入已超 800 亿美元,9 月底现金储备 1466 亿美元。但公司仍在亏损烧钱,且 S-1 更新中缺少 10 月营收数据。
OpenAI 完成 110 亿美元首期融资,估值 1.25 万亿美元
OpenAI 已完成新一轮融资的首期款项到账,金额约 110 亿美元,对应估值 1.25 万亿美元。整轮融资预计在数周内完成,总额最高或达 200 亿美元。这是 AI 行业迄今规模最大的单轮融资之一,进一步巩固了 OpenAI 在资本层面的领先地位。
不过,这一规模较此前计划明显缩水。9 月传出的方案为融资至少 300 亿美元、估值 1.4 万亿美元。由于公开市场 AI 股票大幅抛售,OpenAI 推迟了 IPO,转而通过私募和散户渠道募资,估值预期随之下调。
与此同时,竞争对手 Anthropic 已提交 S-1 启动上市流程,而 OpenAI 因安全论证尚未充分而推迟 IPO。科技股回调与中期选举后公众对 AI 及数据中心项目的负面情绪,也影响了融资环境。
本报简讯
- ▪METR 审计称 Anthropic 模型研发提速约 2 倍,AI 自我加速初现— 宝玉 (@dotey)
开源社区与开源模型
精选 2 篇权重开源、前沿评测与高价值社区工程实践。
谷歌与 Meta 开源 TorchTPU 原生支持 PyTorch 后端
谷歌与 Meta 在 2026 年 PyTorch 北美大会上开源 TorchTPU,为 TPU 提供原生 PyTorch 后端,取代需侵入式改动的 PyTorch/XLA,模型迁移仅需将 model.to("cuda") 改为 model.to("tpu")。Meta 计划借此将更大规模 LLM 负载迁移至 TPU,谷歌云称 TPU 由此与 GPU、CPU 并列成为 PyTorch 原生选项。
大会数据显示推理已超越训练成为数据中心最大负载,智能体 token 消耗增长远超人类。TorchTPU 的开源有望降低 TPU 的使用门槛,削弱 GPU 单一依赖。
ToyBlocks: A controlled world for robot learning and evaluation
Ai2 在 Hugging Face 发布 ToyBlocks,一个用于机器人学习与评估的可控仿真环境。该环境定位为机器人学习的“培养皿”,用于训练与失败归因分析,代码、数据集、模型与文档一次性开源,可直接复现与二次开发。
ToyBlocks 提供可控仿真环境,鼓励社区在其上构建更多 FoundationWorlds。当前机器人已能折叠衣物、分拣零件与处理陌生物体,但演示往往狭窄,ToyBlocks 试图为更系统的学习与评估提供基础。
开发者工具与实战应用
精选 1 篇提升工程效率的最新工具链、SDK 与落地实践。
Cloudflare 联合 VoidZero 发布 tsrs:AI 生成的 TypeScript 编译器 Rust 移植版
Cloudflare 与 VoidZero 联合发布 tsrs,这是 TypeScript 编译器的 Rust 移植版,在 Oxc 工具链中孵化,语言设计仍由 TypeScript 团队掌控。官方称在相同类型检查线程数下速度最高提升 8 倍、内存占用减少约 70%,第三方实测为 5.3 倍加速与 72% 内存下降且诊断结果一致。
该移植由 Claude 驱动的 Agent 以 TypeScript 的 15,197 个一致性测试为规范完成,作者未手写代码,采用 Apache-2.0 开源。tsrs 可编译为 WebAssembly 在浏览器或 Workers 上运行,无需携带垃圾回收器。
tsrs 是 TypeScript 编译器的 Rust 移植,非分支,语言设计仍由 TypeScript 团队掌控。
智能体生态与自主代理
精选 1 篇多智能体协同、自主工作流与真实复杂任务落地。
Agents Are Going Async
LangChain 发布博客文章《Agents Are Going Async》,指出随着智能体承担更大目标,需要在推进多个长任务的同时保持对用户的响应性。异步子智能体将智能体拆分为一个始终对用户可用的编排器,以及若干在后台运行、完成后向编排器汇报的子智能体。
后台执行正成为编码智能体与个人智能体等基础设施的默认形态。LangChain 开源了包含研究员与编码子智能体的 Python/TypeScript 参考实现,供开发者直接采用。