AI 编程实时动态与要闻

Meta 10 月 28 日宣布个人 AI Agent Muse 在新加坡上线，可在 iOS、Android 和 muse.ai 使用。除 Gmail、Google Calendar、Instagram 外，首批本地连接器伙伴包括 Shopee、Grab、新加坡航空、Agoda、ShopBack、Klook、Trip.com 和 Lazada，覆盖购物、买菜、餐饮和出行，部分功能会在上线后陆续开放。Muse 运行在云端专用的 Muse Secure VM 上，密码和支付方式不进入 Agent 视野，发邮件、下单等敏感操作前会先征得用户同意；大部分功能免费，另有订阅套餐。

查看大图

ChatGPT 官方账号 10 月 27 日宣布，iCloud Mail 和 iCloud Calendar 插件已在 ChatGPT 上线，覆盖所有套餐的网页版、桌面版和 iOS，正在全球逐步推送。用户可以让 ChatGPT 找邮件、汇总收件箱、查看日程或修改日历事件。两个插件需分别安装，均用 Apple 的 App 专用密码连接，并都带只读的联系人查询；独立的通讯录和提醒事项插件不在本次范围内。

查看大图

2026-10-23（UTC 16:53，SGT 10-24 00:53），Block 官方账号 @blocks 发布 Dessa，Jack Dorsey 随后转发称其为「迄今最真实的全双工语音模型」。官方页面 block.xyz/dessa 介绍：Dessa 是真正的语音到语音模型，训练数据只有人类对话录音，不用文本、不用任何预训练模型；全双工，能边听边说，会自然插话和附和（“yeah!”“got it!”），推理快于实时，可在 MacBook Pro M4 Max 或更高配置上本地运行。官方称只用一套 NVIDIA GB200 NVL72 完成训练，学习语言所需的词量比 LLM 少数百倍。目前没有公开 API 或权重，只向一小批 AI 安全研究者开放早期访问。

查看大图

Fish Audio 于 2026-10-13 发布 Drama 3：以自然语言方括号指令导演情绪与节奏的 TTS，开源权重上架 Hugging Face，API 头 model: drama-3。骨干为约 35B 参数 MoE（每 token 约 3B 激活，自 Qwen3.5-35B-A3B 语言塔初始化），配合 codebook-MTP 音频解码器与人类偏好 RL。独立评测 Artificial Analysis Pronunciation Robustness 93.2%（S2.1 Pro 88.1%）；支持 83 语种、最多 16 说话人；Community License 年营收低于 50 万美元可免费商用。启动至 11 月 12 日 API 特价约 $10/百万字符。

查看大图

随着文生图（Text-to-Image）扩散模型与多模态生成架构从生成唯美插画迈向商业广告海报、电商详情页与中文海报设计，模型在图片中准确渲染高密度、长文本与复杂排版文字的能力，已成为衡量其实用商业价值的核心标尺。然而，现有的视觉文本评测基准主要局限于单个单词或简短英文短语，面对包含 4 到 12 处文字区域、长难中英混排的真实工业场景完全失去甄别力。LINs 实验室联合学术团队在最新成果（arXiv:2610.09823）中正式开源了双语密集视觉文本基准 UltraText Bench（开源代码：github.com/LINs-lab/UltraText_Bench）。UltraText Bench 构建了涵盖 24 大真实世界场景类别、中英双语各占 50% 的 432 个经过人工严格审查的高难度 Prompt，划分为 L1 到 L3 三级复杂度阶梯。基准引入多模态评测大模型 Q-Judger，从文本忠实度（Fidelity）、清晰度（Clarity）、空间排版质量（Spatial Quality）与场景美学（Scene Quality）四大正交维度对 24 种前沿模型配置展开了全方位地毯式扫描。评测揭示了大量关键选型数据：如 Turbo 加速版本在清晰度上提升 3.81 分但忠实度暴跌 14.76 分，Qwen-Image 在面对 L3 密集长文本时综合得分从 L1 的 86.50 骤降至 42.86，全量基准代码与评测集已全面开源。

查看大图

OpenAI 10 月 5 日发文回应欧盟《AI 法案》对生成文本「机器可识别」的要求：自即日起，全球 API 客户可对部分模型选择开启文本水印（API 默认关闭）；未来几周，欧盟地区所有套餐的 ChatGPT 与 Codex 合格文本输出将加入隐形水印。技术名为 textGrain，通过对词选择施加统计信号实现，官方称效果持平或优于 SynthID 文本版，并计划开源。检测器暂只向获批研究者开放。在 1% 误报率下，200 token 段落检出约 80%、400 token 约 95%，替换 25% 同义词后降到 17%；Astra 各基准有无水印差异不明显。

查看大图

Anthropic 于 2026-09-30 发布 Claude Code 2.1.286（npm @anthropic-ai/[email protected]）。权限提示显示「2 of 5」堆叠计数；修复 --resume/--continue 在并行工具调用后崩溃丢失后续轮次；多处密钥/Bearer/URL 密码脱敏；默认模型被拒时同档前回退一次；Remote Control 策略关闭时主动断开；Agent SDK TS 0.3.286 / Python 0.2.163 对齐。

查看大图

Unsloth 于 2026-09-28 发布 v0.1.900-beta（PyPI unsloth 2026.9.12）：Desktop 可本地运行 Laya 等 Decision 模型（Jev 兼容 /v1/systemone），新增 Skills 创建/编辑/删除与 Library 文档查看器（PDF/Word/Excel/PPT）；Apple Silicon 侧补齐批服务、结构化输出与 TurboQuant KV；图像/视频管线宣称 LTX-2.3 片段约 4.5×、VAE 解码 1.7–6.3×，MiniMax-H3 首渲最高快约 1 分钟且峰值显存降 25–29 GiB。

查看大图

开源语音/多模态助手框架 Pipecat 于 2026-09-26 发布 v1.12.0：TTSService.pronunciation_transform_ipa() 用词→IPA 映射生成可跨 Cartesia/ElevenLabs/Inworld/Deepgram 复用的发音变换；MOQTransport 增加客户端模式重连与 session-ending 标记；新增 Pipecat Classifiers、LLMClassifier、帧级 interruptible，以及 LLM run_inference 的 response_schema。PyPI pipecat-ai 1.12.0 已同步。

查看大图