AI 编程实时动态与要闻

商汤 11 月 2 日晚发布多模态智能体模型日日新 SenseNova 6.8 Flash 正式版，重点升级两块：一是长期记忆和主动交互，能跨任务、跨会话记住用户目标与约束，在信息变化时主动提醒；二是设计生成，覆盖 Web、SVG、Three.js、Blender、动态 PPT 和动态海报，并可接入 Figma。模型已上线 SenseNova Studio、商汤小浣熊和 SenseNova Token Plan；官方 X 账号称 Token Plan 可免费试用，每 5 小时 1500 次 API 请求。官方称其在智能体协作、数据分析和演示生成上超过部分国际前沿模型，但未在公告中列出具体分数。

查看大图

DeepSeek 旗下开源 Agent 应用 DeepSeek Harness（MIT 协议）11 月 2 日在 X 官方账号发布 Creator Mode：用户用自然语言描述想要的插件，Agent 把它做成可直接使用的插件，演示包括 3D 地标馆、Transformer 3D 可视化、视频剪辑台和论文阅读器。官方同时在 cdn.deepseek.com 公开了 7 个中英双语演示 Prompt，并提醒部分插件经过多轮对话打磨，单条 Prompt 未必能完全复现视频效果。原帖约 2 万赞、169 万次浏览。官方未公布任何跑分。

查看大图

月之暗面 Kimi 官方账号 10 月 30 日 03:14（UTC）发布 3D Make，称 Kimi 可连接 Blender 和 CAD 等工具来建模、组装场景和开发游戏，已在 kimi.ai 和 Kimi Work 上线。官方同步发布的 3D 教程说明，K3.1 Pro 经过专门训练，通过 Python 脚本操作 3D 软件，即使没有 MCP 支持的专业软件也能纳入工作流；人物、动物等网格模型则自动调用 Tripo 等扩散模型生成。需要本地软件的插件仅在 Kimi Work 中可用。

查看大图

Runway 10 月 26 日在官方博客发布 App Studio：用户用自然语言描述想要的工具，App Studio 会编写、测试并部署一个带独立界面的应用，用 Runway 的图像、视频、音频模型，结合团队的 Brand Kit、Workflow 和素材生成内容。已有的 Agent 会话或 Workflow 可一键转成应用；应用默认私有，可分享给团队或发布公开链接，访客用自己的额度运行。首发自带 Character Swap、AutoComp、3D Camera Control 等内置应用。所有付费套餐即日可用，不另收费，构建和运行都从现有 Runway 额度扣除。

查看大图

2026-10-23（UTC 01:41，SGT 09:41），Kimi 官方账号 @Kimi_Moonshot 发布一段 24 秒、复古 CRT 电脑风格的纯视频帖，没有任何文字。视频开头的 Kimi Code 终端清楚显示「Model: Kimi K3.1」「Version: 2.2.0」，状态栏为「Kimi K3.1 thinking: high」，并提示「Kimi Code Desktop is here」；随后用户输入「Build a complex procedural 3D scene in Three.js.」，模型调用 Write 工具生成 ./scene.js。这是 Kimi K3.1 型号首次由官方素材露出。官方没有文字说明，也没有公布发布日期、跑分、价格或参数，因此它是预告，不等于已发布。

查看大图

来自新加坡国立大学（NUS）、香港中文大学（深圳）等机构的研究团队在 arXiv:2610.28630 正式发布视频生成渲染框架 SolarRenderer。针对当前 3D 游戏引擎灰模、姿态骨骼、深度图与点云难以极速转化为高保真视觉视频的难题，SolarRenderer 基于冻结的 MiniMax-H3 33B 基础视频模型，引入轻量化控制 LoRA 与 4 步生成 LoRA。利用结构引导分布匹配算法，仅需 4 步去噪即可完成高质量渲染（比传统 50 步采样提速 12.3 倍），并提出块因果（Block-Causal）变体，成功实现 768p 高清视频的毫秒级实时流式生成，为下一代神经游戏引擎与虚拟制片树立了全新标杆。

查看大图

多所顶尖研究机构在 arXiv:2610.23986 中正式发布首个面向真实世界参考的视觉智能体 3D 创作评测基准 BlenderWorld。基准涵盖程序化建模、着色材质编写、空间布局与灯光模拟等 223 项真实工业级任务，接入 Blender 软件全自动沙盒环境。实测显示 GPT-6 Astra 以 79.9 分综合得分问鼎全球榜首（完美完成率达 42.2%），Opus-5 斩获 73.0 分，而开源模型 DeepSeek-V4.1-Flash 斩获 65.7 分超越众多大尺寸基线。

查看大图

加利福尼亚大学圣迭戈分校（UCSD）研究团队在 arXiv:2610.21783 中推出 3D 空间主动探索与推理智能体 ACT3D。针对传统 3D 具身模型依赖昂贵稠密多视角图像、多模态视频流或重型点云编码的痛点，该研究完整保留单目视觉语言模型（VLM）的原生单帧第一人称编码，将 3D 环境作为动作与交互观测场。经结果驱动强化学习（RL）优化后，在六大 3D 评测基准上取得 53.2% 的平均准确率（较基座 Qwen 跃升 22.0%），一举超越商业旗舰 Gemini 3.6 Flash，且输入帧数节省 50%~70%。

查看大图

由 Maluuba（已被微软收购）原班团队创办的 Skyfall AI 于 10 月 19 日发布研究预览版 SKY-001，自称首个「工程世界模型」。它不做下一个 token 预测，而是从文字或一张 2D 图出发，先并行生成几种粗略 3D 方案，再递归拆成零件树，逐个零件画 2D 草图、拉伸成 3D，最后按层级组装，可在 Autodesk Fusion 等 CAD 软件中查看。官方自测 3D CAD 任务：IoU 79.7%（GPT-6 Astra 79.1%），单例 3.9 秒、0.005 美元（Astra 199 秒、0.75 美元）。目前仅开放候补名单，商用部署目标是 2027 年初；所有跑分均为厂商自测，暂无独立复现。

查看大图

Viggle 10 月 19 日发布 JST-2。它不在像素或视频空间里学习，而是把世界表示为 3D 空间中的持久「原子」（Physics-Native Tokens），用一套架构同时生成场景、角色和动作。官方称在 NVIDIA B200 上约 1 秒生成一个 3D 场景，推理成本低于 0.01 美元，最多保留 64 个输入视角作为空间上下文；角色无需单独绑骨即可动画。现已在浏览器端 PINOC 免费试用，并提供 API 和 MCP。

查看大图

从自然语言生成完整、自洽且物理可用的 3D 室内场景一直受困于通用大模型缺乏专业空间设计与多维审查经验。香港大学与南洋理工大学团队开源 Scene-Designer（arXiv:2610.23121，登顶 Hugging Face 热门论文获 29 赞）。该系统创新构建“设计智能体（Designer Agent）”与“批判智能体（Critique Agent）”双代理交互闭环，分别学习空间设计与布局挑刺经验，在室内场景合理性、功能可用性与美学布局评测中显著击败 Holodeck 与 Chat-3D。

查看大图

现有 3D 世界模型多直接采用几何基础模型（GFM）特征作为状态，但视角依赖性导致相机运动与场景演变相互纠缠，长链路外推极易发生尺度漂移崩溃。同济大学与腾讯团队发表 GeoState（arXiv:2610.22343，项目主页上线）。该框架利用场景 Tokenizer 将多视角几何特征聚合为视角解耦的世界状态，自回归模型仅推演绝对场景状态，在 Waymo 自动驾驶长程深度预测中全程保持单一上下文尺度，且零样本泛化至 KITTI 与 nuScenes。

查看大图

当前 LLM 能否在复杂连续空间操作中精确预测离散物理世界的演变？南加州大学（USC）、UCLA 与 CMU 联合发布 Grid-Bench（arXiv:2610.22312，GitHub: grid-bench/Grid-Bench）。该基准基于 8 种离散几何变换规则，测试 2D/3D/4D 网格在 0 至 64 步长事件链下的全状态精确预测。对 GPT-5.6 Sol、Claude 5 Sonnet、GLM-5、Kimi K2.5 等 6 款顶尖模型的评测表明：在 64 步长轨迹下，开源与中型模型完整状态精确率几乎归零，唯闭源旗舰维持断层领先。

查看大图

三维与四维视觉生成迎来三项底层革新：Gen4P（arXiv:2610.22371）将预训练视频生成模型改造为无需迭代去噪的单次前馈 4D 感知器，在 WorldTrack 基准全面超越 MonST3R 与 Any4D；华科与华为团队推出 SUPRA-TEX（arXiv:2610.22352），将 DTC-Tex 渲染 PBR PSNR 推高至 32.08 dB（超越 TRELLIS.2 的 28.60 dB）；港科大 ForcingBooster（arXiv:2610.12625）通过自适应分块去噪将自回归视频扩散 Patch NFE 砍半（-50.19%），实现无损画质下 1.30 倍端到端加速。

查看大图

针对前馈式 3D 高斯泼溅（3DGS）在大视角跨越下渲染质量骤降以及免训练扩散生成式压缩显存算力开销过大的痛点，今日两项重磅视觉与图形学成果给出突破：浙江大学周晓巍、鲍虎军、彭思达团队开源 InfiniSplat v2（arXiv:2610.20341，HF 118 赞），通过冻结几何分支解耦几何与属性预测并引入大角度目标视图监督，在 6 大三维数据集上将平均 LPIPS 与 DISTS 误差分别大幅降低 25.8% 与 32.9%；以色列理工学院推出 H-DDCM（arXiv:2610.18125），用隐式随机哈达玛（Hadamard）字典替代稠密高斯码本，将计算与显存降至 O(d log d) 与 O(d)，结合周期性 KV 缓存前缀重编码实现单 GPU 准实时流式生成视频压缩。

查看大图