跳到正文
K = 0.731订阅
时光机停在2026年10月21日 周三‹ 前一天后一天 ›加速史回到现在

今日 AI 新闻：精选与新兴事件

2026.10.21 · 周三· 智能体时代

宇宙在降温，
文明在升温。

站在时间之外看这一天，和刚刚推着文明往前走的那几件事。

订阅每日 08:00 日报打开加速史智能成本指数
设为 4K 壁纸 →
当天头条2 家信源 · 00:46Perplexity Computer 现在可以完全在你的 Mac 本地运行Perplexity Computer 现在可以完全在你的 Mac 本地运行。 使用 Mac 原生应用和本地文件处理任务，无需将敏感数据发送到云端。模型和智能体都在你的 Mac 上运行。 现已在 Perplexity Mac 应用中推出。https://t.co/tnvCgCXD7v读这件事 →

压力表 · 此刻最热

完整热点榜
  1. 1Mistral 与 NVIDIA 宣布开展工业工程 AI 合作并推出开放基准35.7新
  2. 3DeepSeek 开源 DeepInfer；vLLM 报告称解码性能与其持平27.2
  3. 4OpenAI 收购 Orchestra Bio，将药物开发运营纳入其生命科学工具26.8
  4. 5OpenAI称其模型帮助研究人员发现严重漏洞后，PHP发布安全更新19.2新
  5. 6NVIDIA AI宣布开放入场并推广直播预告16.0

最新精选

产品

AI 产品、功能、应用、工具、API 与平台的发布和更新

10月21日周三
  1. OpenAI News64

    ChatGPT 广告拓展至 26 个新国家，广告商数量超过 10 万

    ChatGPT 广告正拓展至 26 个新国家，已有超过 10 万名广告商使用该平台。从本地企业到全球品牌，更多广告商现在可以在用户通过 ChatGPT 探索、比较和决定购买商品时触达他们。

    推荐理由

    此次拓展让另外 26 个国家的广告商能够触达在 ChatGPT 中探索购买选项的人群，扩大了该平台面向企业的地域覆盖范围，服务对象从本地商店到全球品牌。

  2. OpenAI News73

    OpenAI 模型即将登陆 Google Cloud

    OpenAI 与 Google Cloud 将把前沿模型和 Codex 工作流引入 Gemini 的 Model Garden，并通过 Google Cloud Marketplace 提供。

    推荐理由

    公告指出，Google Cloud Marketplace 是获取 OpenAI 模型和 Codex 工作流的渠道，明确了这些产品将通过何处提供。

  3. Hugging Face Blog72

    SimReady Central 发布，携 2,000 多个可用于仿真的 OpenUSD 资产登陆 Hugging Face

    SimReady Central Library 将 2,000 多个可用于仿真的 OpenUSD 资产带到 Hugging Face，为机器人仿真和 AI 工厂数字孪生提供免费、无需门槛的访问。开发者可以通过自然语言查询搜索设备，并根据支持的仿真配置文件选择资产。OEM 厂商可以验证、打包并提交资产；示例则展示了面向机器人抓取与放置场景及替代工厂布局的 AI 辅助工作流程。

    推荐理由

    配置文件系统为开发者提供了明确依据，可据此选择具备仿真工作流程所需物理属性和元数据的资产，从而减少整合不同供应商设备时的手动准备工作。

  4. NVIDIA Blog73

    NVIDIA 通过机密裸金属部署和更广泛的平台支持扩展机密计算

    NVIDIA 推出了机密裸金属部署选项，让前沿模型构建者能够在专用的第三方基础设施上运行敏感工作负载，同时保留对模型、数据和软件栈的控制权。该选项与机密容器和机密虚拟机并列，新增的安全控制可保护传输中的数据、测量平台完整性，并强制执行硬件级访问限制。如今，支持范围扩展至 Grace Blackwell NVL72、HGX Rubin NVL8 和 DGX Rubin NVL8 系统；Cohere 计划将其集成到 Cohere Model Vault 中。

    推荐理由

    这些部署选项明确了模型构建者如何根据自身信任边界选择基础设施，同时在使用第三方算力时保留对软件栈的控制权。

  5. NVIDIA Blog66

    NVIDIA Agent Toolkit 扩展，将企业智能体扎根于公司数据

    NVIDIA 扩展了其开源 Agent Toolkit，新增 Agent Knowledge Foundation、Kumo 模型和工具，帮助企业智能体扎根于公司数据并控制其运行。Agent Knowledge Foundation 整合了 CUDA-X 库、Auto-Ontology 和开放模型，可在不迁移数据、不改变现有工作流程或治理控制的情况下支持检索和预测。OpenShell 提供运行时边界，而 NemoClaw 蓝图则为安全、专用的智能体提供参考设计。

    推荐理由

    此次扩展展示了企业智能体基础设施如何连接公司数据、预测模型和运行时控制，同时保留现有的数据存储位置、工作流程和治理控制。

  6. 宝玉79

    Baoyu 转述了 @thsottiaux 的公告：API 缓存现可保留 12h，而已登录的 Codex 和 Work 用户的缓存会永久保留；用户返回旧对话或几小时后恢复会话时，也保证命中缓存。 Baoyu 将公告中所说的没有惩罚解读为避免收取缓存过期费用，并推测缓存会保存到磁盘。

    引用Tibo@thsottiaux

    Day 16/ You can now cache for 12h in the API and for logged in users across Codex & Work we keep cache forever and you don’t have any penalty for coming back to an old conversation or resuming after a few hours and are now guaranteed to hit the cache. https://t.co/0HYeB01KVh

    推荐理由

    此次更新区分了 API 缓存保留时间与已登录会话的缓存保留时间，说明通过这两种访问方式返回较早对话时会如何处理。

  7. vLLM75

    vLLM 报告称，FastH3-Omni 已提供权重和训练代码，并可通过 vLLM-Omni 在首日提供服务，包括在消费级 RTX GPU 上。 在引用的公告中，@haoailab 表示 FastVideo 已开源 FastH3 Omni，并声称其在 NVIDIA Blackwell 上可实现 12 倍更快的实时生成，支持 Spark + RTX 的 NVFP4/FP8，以及在首日支持 ComfyUI。https://t.co/aBfZ4hfbl5 vLLM 的帖子：https://t.co/kZJqqoy77I

    引用Hao AI Lab@haoailab

    As promised, FastVideo open-sources @MiniMax_AI FastH3 Omni, training code included! 🚀 - Real-time gen @ 12x faster on NVIDIA Blackwell - NVFP4/FP8 for Spark + RTX! - ComfyUI day-0 Collab with @NVIDIAAI , Nuva Lab @nuvalab and Reactor @reactorworld Open source must win! ♥️ https://t.co/aBfZ4hfbl5

    推荐理由

    此次发布同时提供模型权重和训练代码，并在首日支持 vLLM-Omni，让读者具体了解模型的获取方式，以及在消费级 RTX GPU 上的服务选项。

  8. Arthur Mensch69

    Mistral AI 推出 Voxtral 3，并称其 Transcribe 和 Speech 模型处于业界领先水平，为其全新的语音代理 API 提供支持。 Arthur Mensch 补充说，Voxtral 能够在处理过程中进行说话人分离并检测轮次结束；它可以运行在你的基础设施上，也可以运行在 Mistral 的基础设施上，包括火车站里的那套基础设施。 https://twitter.com/MistralAI/status/2112574615318876178

    引用Mistral AI@MistralAI

    Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵

    推荐理由

    这些部署选项为团队提供了明确的基础设施选择，适用于考虑将 Voxtral 用于需要在处理过程中进行说话人分离和轮次结束检测的语音工作流。

  9. TechCrunch · AI78

    谷歌发布 TorchTPU，加入亚马逊，共同挑战英伟达在 AI 开发者中的主导地位

    谷歌周二宣布，TorchTPU（其面向 TPU 的 PyTorch 版本）已作为开源项目推出，现有 PyTorch 应用只需更改配置即可迁移，无需重写。亚马逊周一发布了 TorchNeuron，提供类似的迁移路径，可迁移至 Trainium 和 AWS。谷歌还推出了 TPU 智能体套件，以协助迁移和调试；与 AI 开发工具提供商合作提升兼容性；并更新 LiteRT，以更好地支持 PyTorch 应用。

    推荐理由

    这一比较凸显了谷歌和亚马逊如何瞄准软件迁移工作，解决 PyTorch 应用受制于英伟达硬件的问题；两家公司都提供了无需重写应用的迁移路径。

  10. Perplexity75

    Perplexity Computer 现在可以完全在你的 Mac 本地运行。 使用 Mac 原生应用和本地文件处理任务，无需将敏感数据发送到云端。模型和智能体都在你的 Mac 上运行。 现已在 Perplexity Mac 应用中推出。https://t.co/tnvCgCXD7v

    推荐理由

    在 Mac 上同时运行模型和智能体，为涉及敏感文件和原生应用的任务提供本地处理选项，无需将这些数据发送到云端。

  11. Hugging Face Blog79

    Hugging Face 通过 TorchTPU 增加原生 TPU 支持

    Hugging Face 宣布通过原生 PyTorch 后端 TorchTPU，为 Transformers、Diffusers 和 Kernels 提供原生 TPU 支持。模型可以使用 device_map="tpu" 或 pipe.to("tpu")，并可选择启用编译和分布式执行；Transformers 和 Diffusers 不再需要 Optimum TPU。Hugging Face 报告称，TPU 上运行的测试有 96.5% 通过，已报告的 34 个 TorchTPU 问题中有 19 个已修复。

    推荐理由

    原生 TPU 支持让 PyTorch 用户能够沿用熟悉的 Hugging Face 工作流程，减少此前将模型迁移到 Google 加速器所需的软件改动。

10月20日周二
  1. Aravind Srinivas68

    Aravind Srinivas 分享了 AskPerplexity 的演示，并评论道：“由 Computer 渲染的 Big Boy。” AskPerplexity 表示，Computer 使用自己的渲染器，将 Big Boy No. 4014（世界上最大的在役蒸汽机车）制作成实时等距 SVG 模型，其中包含 1,324 个部件、15,312 个凸面，并展示了从锅炉冷态到时速 60 英里的 7 步运行流程，数据采用联合太平洋铁路公布的数值。 试用：http://big-boy-4014.pplx.app

    引用Computer@AskPerplexity

    Computer built Big Boy No. 4014, the world's largest operating steam locomotive, as a live isometric SVG with its own renderer and a 7-step operating sequence from cold boiler to 60 mph. The live model has 1,324 parts and 15,312 convex faces, built from @UnionPacific's published figures. Try it: http://big-boy-4014.pplx.app

    推荐理由

    这个示例将公开发布的机车规格与交互式 SVG 模型相结合，为如何将技术数据转化为运行阶段可视化提供了具体参考。

  2. ollama71

    Ollama 宣布，Ornith 1.5 122B 已开放，可在你的设备上本地运行。 ollama run ornith-1.5:122b 在引用的公告中，@ornith_ 表示，Ornith-1.5-122B 采用 MIT 许可证开放权重，并可在单张 NVIDIA DGX 显卡上运行；该模型的 SWE-bench Verified 得分为 0.845，BrowseComp 得分为 0.785。

    引用Ornith@ornith_

    Aloha!🌺 Meet Ornith-1.5-122B: No Tradeoff Between Strong and Fast Stronger. Faster. Leaner. Ornith-1.5-122B delivers frontier-level capabilities with exceptional inference efficiency. With superior instruction following, stronger task decomposition, and deeper understanding of real-world workflows, it achieves state-of-the-art performance among open-source models of comparable size, while running on a single NVIDIA DGX card!! Open weights under the MIT license. Coding ✅SWE-bench Verified: 0.845 ✅TB2.1: 0.813 ✅CyberGym: 0.800 ✅NL2Repo: 0.512 Agentic ✅HLE: 0.446 ✅BrowseComp: 0.785 ✅MCP-Atlas: 0.746 ✅Toolathlon: 0.708 🤗Hugging Face: https://huggingface.co/ornith-ai/Ornith-1.5-122B We can’t wait to see what you build with Ornith-1.5-122B.

    推荐理由

    Ollama 命令为本地部署提供了一个具体的起点，而引用的 MIT 许可证则明确了模型权重的发布条款。

  4. Hugging Face Blog61

    AnyLanguageModel 1.0 扩展 Swift 应用的本地与托管模型支持

    Hugging Face 发布了 AnyLanguageModel 1.0，以及 swift-huggingface 1.0 和 swift-xet 1.0，进一步扩展了其作为 Apple Foundation Models 框架即插即用替代方案的能力。该库通过共享的会话代码支持本地和托管模型，并在所有提供方中支持工具调用和引导式生成。此次更新还增加了使用 Foundation Models 27 语法的图像支持、对话记录中的推理内容，以及用于获取短期令牌的闭包式 API 密钥。

    推荐理由

    共享的 Foundation Models API 让 Swift 开发者可以为每项任务选择本地或托管推理，同时在不同提供方之间保持会话代码一致。

  5. Hugging Face Blog77

    PyTorch 2.15 为 Mac 带来 FP8 支持和更快的 MPS 解码

    Hugging Face 的 PyTorch 团队详细介绍了 PyTorch 2.15 候选发布版中的 MPS 改进，包括 FP8 支持以及在 Mac 上更快的 LLM 解码。在配备 M3 Ultra 的设备上使用 torch.compile，与 2.14 相比，Qwen3.6-35B-A3B 的解码速度从 9.4 tokens/s 提升至 61.3 tokens/s。将常量填充移至 Metal 内核，也使 Wan2.2 分块 VAE 解码的峰值驱动程序内存从约 270 GiB 降至 8 GiB。

    推荐理由

    据报告，Wan2.2 视频解码内存的减少说明，替换后端操作可能改变在 Mac 上运行现有模型所需的内存。

  6. The Decoder76

    DeepSeek 开源 DeepInfer：驱动 V4.1-Flash 的推理框架

    DeepSeek 已根据 Apache License 2.0 开源其内部推理框架 DeepInfer，该框架为 V4.1-Flash 提供支持。DeepInfer 基于 vLLM 构建，包含经过优化的计算内核、跨多颗芯片的分布式处理，以及更快的文本生成技术。DeepSeek 还将发布 deepseek-recipe，以便在自托管环境中复现官方 API 的令牌处理方式，并表示未来模型的代码也将开源。

    推荐理由

    此次发布将开源范围从模型权重扩展到服务基础设施，让自托管团队能够使用 DeepSeek 用来降低推理成本的软件。

  7. AWS Machine Learning Blog73

    Amazon Bedrock 为 Anthropic Claude 模型新增结构化输出

    Amazon Bedrock 现已正式支持其 bedrock-runtime 和 bedrock-mantle 端点上的所有可用 Anthropic Claude 模型使用结构化输出。JSON Schema 输出格式和严格的工具使用功能可在生成过程中强制执行响应结构和工具参数架构。该指南提供实现示例，并说明受支持的架构功能、24 小时语法缓存，以及必须如何处理拒绝响应和因令牌限制而截断的响应。

    推荐理由

    实现指南阐明了架构强制如何简化集成，同时指出拒绝响应和令牌限制仍是应用程序需要处理的情况。

  8. AWS Machine Learning Blog65

    SageMaker Studio 为新客户简化 AWS 注册流程

    AWS 现允许新客户通过现有账户或电子邮件地址完成 2–3 步注册后，使用已配置好的 Amazon SageMaker Studio 环境；大多数客户无需电话验证或信用卡。Studio 约 20 秒即可完成配置，客户可获得 100 美元的免费套餐额度，并有机会再赚取 100 美元。免费套餐访问权限将在 6 个月后或额度用尽时结束，以先发生者为准，资源使用也会自动停止。

    推荐理由

    这些入门流程调整降低了开发者试用 SageMaker AI 的配置要求，而额度到期规则和自动停止资源使用的机制则明确了免费体验的界限。

  9. Hugging Face Blog78

    TorchNeuron 为 Hugging Face 模型在 AWS Trainium 上提供原生 PyTorch 支持

    Hugging Face 库现已支持 TorchNeuron，这是一款面向 AWS Trainium 的原生 PyTorch 后端，将于 2026 年 10 月 20 日进入公开测试版。Transformers 开箱即支持使用量最高的 100 种文本生成模型架构中的 89%，而 Optimum Neuron v0.4.5 为 46%。Hugging Face 建议直接使用其库，而不是 Optimum Neuron，并提供了涵盖分布式推理、微调和图像生成的示例；训练仍需管理张量形状并禁用异步权重加载。

    推荐理由

    与 Optimum Neuron 的比较说明了原生 PyTorch 集成如何减少自定义训练代码，同时仍受张量形状管理和权重加载限制的影响，因此这些因素仍需纳入迁移规划。