Gemini Notebook 新增语音聊天与交互式报告
Gemini Notebook 新增实时语音对话、移动录音与交互式学习报告等功能,主要面向学生。移动端将支持近100种语言语音问答,录音与手写笔记同源管理;交互报告可生成测验与80多种语言的短视频概述。此前该笔记本已支持图片笔记,此次更新扩展了学习场景。
Gemini Notebook 新增实时语音对话、移动录音与交互式学习报告等功能,主要面向学生。移动端将支持近100种语言语音问答,录音与手写笔记同源管理;交互报告可生成测验与80多种语言的短视频概述。此前该笔记本已支持图片笔记,此次更新扩展了学习场景。
曼彻斯特大学团队基于 NVIDIA Earth-2 的 CorrDiff 生成式降尺度模型,用一年英国逐小时污染数据训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型,在 Isambard-AI 的单节点八卡上仅用两天完成训练。
Salesforce 在 Dreamforce 上发布其首个 CRM 推理模型 Koa,基于 NVIDIA Nemotron 3 Super 在近三十年企业 CRM 部署数据构建的专有合成数据集上后训练而成。
推荐理由:Salesforce 首个 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 后训练,读者可了解其训练方式与落地节奏。
Meta 全球上线 Meta One 订阅服务,覆盖 Facebook、Instagram、WhatsApp 和 Meta AI,包含 50 多项付费功能,核心应用和日常 Meta AI 使用仍然免费。
NVIDIA 在 AI Infra Summit 上介绍 DSX 平台,其中 DSX MaxLPS 在 Lambda 的 HGX B200 集群上完成首次验证:19 个节点以 85% 功率运行,达到与 16 节点满功率相同的功率预算,集群 token 吞吐提升 24%(约 400 万 token/秒升至 500 万),每瓦性能提升 23%。
推荐理由:原文给出 DSX MaxLPS 在 Lambda 集群的实测数字与 DSX Flex 的电网响应案例,可据此判断同功率预算下的吞吐提升空间。
NoimosAI 推出客户互动智能体,可根据文字指令自动组装并运行生命周期邮件流程。该智能体支持在画布上编辑触发器、分支逻辑及品牌化消息草稿,并集成 WhatsApp 等渠道。此前该平台于 1 月上线,包含 10 个营销智能体,此次新增功能尚未公布具体发布日期。
ElevenLabs 把托管 MCP server 扩展到 ElevenCreative,AI 助手现在可以在对话中直接生成语音、音乐、音效、图像和视频。Claude、ChatGPT 和 Cursor 通过同一个连接器接入,一次登录即可调用 50 多个模型,安装改用 OAuth 而非 API key。
Google 的 Gemini Notebook 即将上线交互式报告功能,该功能允许在长报告中嵌入思维导图、幻灯片、测验和闪卡等工件。用户需手动触发生成,这些工件既嵌入报告也保留在笔记本中,便于学生和教育者整合多种格式。此前这些 Studio 工件仅可单独使用,Google 尚未公布具体发布日期。
Anthropic 正在为 Claude 移动端开发名为“Money”的个人理财功能,允许用户连接银行账户以分析支出和余额。该功能旨在提供持久财务上下文,无需手动上传银行对账单,目前仅见于 iOS 未发布界面。此前 Anthropic 已推出面向专业用户的金融智能体模板,而 OpenAI 的 ChatGPT Finances 已面向美国用户开放。
Fyxer 基于 OpenAI 模型,结合微调、记忆与真实用户反馈,为每位用户整理收件箱并以本人语气起草邮件。该 AI 行政助理的卖点在于让用户信任其代写与收件箱管理能力。
Cursor 向所有用户推出 Projects beta,一个通过协调代理调度编码任务来统筹长周期软件工作的系统。每个 Project 由协调智能体规划并分派给编码智能体,可设提醒、跟 PR 修 CI、监听 Slack 等。Cursor 称新用户合并 PR 多 30%,重度用户达 6 倍,且该系统已在内部使用数月用于数百 PR 的迁移。
Cognition 用 GPT-6 Astra 提升 Devin 测试软件并证明其可用的能力,目标是让工程师少审代码、多交付。
OpenAI 将 Habitat 从 Python 库演进为全球分布式存储平台,支撑超 10 亿 ChatGPT 用户、每秒 2200 万次请求。
OpenAI 推出 ChatGPT for Financial Services,结合内置金融数据与 GPT-6 Astra 推理能力,服务于研究、建模及客户材料定制。
César de la Fuente 的实验室利用 Codex 和 ChatGPT,在现存与已灭绝生物的基因组中搜寻抗菌候选分子,以对抗耐药性感染。
OpenAI 宣布 ChatGPT Work 中的 Data agent 现已向所有人开放。该智能体可连接企业数据、发现洞察,并用自然语言构建交互式仪表盘。
推荐理由:OpenAI 官方披露 ChatGPT Work 中 Data agent 的开放范围与自然语言建看板能力,可据此判断企业数据接入方式的变化。
Meta 于 9 月 8 日正式上线个人 AI 智能体 Muse,在美国支持 iOS、Android、网页和 WhatsApp。正在测试但尚未公开的能力包括带语音按钮与多语音选择器的语音模式,支持按需生成自定义语音并直接加入语音库;内部模型配置出现 Avocado 5.14 与 Avocado 5.16 v0 两个代号,后者可能对应即将更新的 Muse Spark。
Meta 计划在 9 月 23-24 日的 Connect 大会上正式宣布 Muse 的 Shared Agents 功能,允许用户创建并共享自定义智能体。该功能已在 Muse 应用中上线,支持配置提示词、技能及外部服务连接,此前 Meta 于 9 月 8 日刚推出个人智能体 Muse。
OpenAI 推出 ChatGPT for Financial Services,内置金融数据并搭载 GPT-6 Astra,用于研究、建模和生成可直接交付客户的材料。
推荐理由:官方给出面向金融服务的 ChatGPT 版本及其内置金融数据与模型组合,可据此判断其目标场景。
OpenAI 发布 Agents API,这是一个由 Codex harness 驱动的托管服务,用于构建和上线云端智能体。该服务支持编排、长时间运行的会话以及工具调用。
推荐理由:OpenAI 官方发布 Agents API,读者可了解其托管服务定位与 Codex harness 编排能力。
Meta 推出主动式个人智能体 Muse,可在应用关闭后自主处理长期任务而非等待逐个提示。Muse 运行于带文件系统、终端和浏览器的独立环境,能写代码、填表、完成交易并生成文档与仪表板,且提供活动日志、记忆编辑与人工审查等关键动作管控。Meta 邀请用户尝试 Muse,但未公布支持平台与地区,称其为围绕有用性和安全性持续修订的早起步点。
MIT 研究人员使用 GPT-5.6 Sol 配合 Codex,自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自动化能力。
Google DeepMind 发布 AlphaGenome Atlas,提供人类基因组中 90 亿种单核苷酸变异的分子效应预测。该平台包含 1PB 数据集,并推出 AVI 评分以整合 AlphaGenome 和 AlphaMissense 的预测结果,帮助研究人员快速排序和解读基因变异。
推荐理由:原文展示了覆盖全基因组 90 亿种变异的预测平台,为遗传学研究提供了可复用的分子效应评估工具。
OpenAI 发布 ChatGPT Images 2.5,可将想法、草图和参考照片转化为更个性化、更精致的图像,更贴近用户原本的构想。
推荐理由:OpenAI 官方发布 ChatGPT Images 2.5,读者可了解其把草图与参考照片转为个性化成图的定位。
1Password 的工程师使用 Codex 快速构建新功能和内部工具,在维持严格安全策略的同时达到生产可用状态,工程效率提升 21%。
Google 正在内部测试 Gemini 桌面应用的 Projects 功能,允许用户创建包含自定义指令和参考文件的专属空间以整合相关对话。该功能目前未公开,具体资格和跨设备支持细节未知,且与 NotebookLM 笔记系统相互独立。此前 Gemini Business 已提供类似功能,而 ChatGPT 和 Claude 用户早已拥有此类组织方式。
Keygraph 发布开源 AI 渗透测试工具 Shannon 3.0,新增多阶段安全代码分析流水线,与 recon 和漏洞 Agent 并行,先建立组件、接口、依赖、数据流与信任边界视图,再验证漏洞。
OpenAI 正为 9 月底的 DevDay 2026 准备 Managed Agents,其功能与 Anthropic 现有服务高度相似,支持创建不同 agents 和 environments 并启用 skills 与 plugins。
Google 在 Gemini 学生应用中上线了 Immersive View 功能,允许用户通过交互式图像节点深入探索如太空、恐龙等主题。该功能支持从宏观概念下钻至原子分子层级,目前尚不确定是测试阶段还是正式推送。此前 Google 于 2026 年 8 月 19 日公开宣布推出学生中心及交互式可视化功能。
Meta 的 AI 智能体 Muse 已进入封闭测试阶段,除等待列表外新增邀请码机制以扩大访问范围。目前该应用仅限圣基茨和尼维斯及美国地区可用,首发支持移动端和 Web 端,桌面版预计后续推出。此前 Muse 仅通过等待列表开放,此次引入邀请码并明确地域限制,标志着其从内部测试向更广泛封闭测试的过渡。
Google 更新 Gemini 桌面应用,新增 Ask 与 Assign 模式切换,其中 Assign 模式允许用户指定文件夹范围以运行 AI 智能体。应用还测试了 computer use 技能及 Obsidian 集成,代码显示其正准备适配 Gemini 4 和 Nano Banana 2.5 Flash。
GitHub 发布 Project HydraFusion 研究预览,通过运行时编排在多个提供商的模型间选择执行方案,用户可在 GitHub Copilot CLI 中用 /experimental 启用,按各模型标准费率计费。
推荐理由:GitHub 给出多模型编排的三种执行模式与三个基准上的质量成本对比,可据此判断编排式编码智能体的取舍。
Hugging Face 发布 funes,一个面向 Claude Code、Codex、pi 和 Hermes 的持久记忆层,从本机已有会话构建索引,一条命令即可接入智能体。
推荐理由:funes 把编码智能体的会话轨迹变成可检索的本地记忆,读者可据此判断跨智能体、跨机器的上下文延续方式。
Google DeepMind 推出 Fairwind 计划,向政府及可信合作伙伴提供基于 Gemini 3.8 Flash Cyber 和 CodeMender 的主动网络防御能力。该计划旨在帮助防御方在安全云环境中自主发现、验证并修复漏洞,将修复时间从数周缩短至数分钟,目前全球已有超过 650 家合作伙伴参与。
推荐理由:原文展示了利用 Gemini 3.8 Flash Cyber 实现漏洞自动修复的流程,为防御方提供了应对智能体威胁的具体工具路径。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,通过原生视频工具动态搜索、扫描和检查目标片段,替代固定帧率的静态处理。
推荐理由:官方给出 token 与成本降幅及准确率变化,并说明在长视频场景下与静态处理的取舍差异。
Hugging Face 发布 @huggingface/kernels,一个从 Hugging Face Hub 加载并运行优化 WebGPU 内核的轻量库,同时上线 207 个内核的初始集合,均以独立仓库形式发布并采用 Apache-2.0 许可。
推荐理由:Hugging Face 把浏览器推理的底层算子做成可版本化、可测试的独立仓库,并给出与 ORT WebGPU 的实测对比。
Voice Arena 与 Hugging Face 合作,在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集,印地语成为该榜单多语言标签页上的首个印度语言。
推荐理由:Open ASR 榜单新增印地语与印度英语评测集,并公开说话人元数据,读者可了解语音评测如何从单一 WER 转向按人群拆解。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者带来一批生成视频创作控制能力,通过 Gemini API 在 Google AI Studio 提供。
推荐理由:官方给出场景延展、首尾帧插值与 4K 上采样等具体能力与开放入口,可据此判断生成视频工作流的变化。
Hugging Face 在 Gradio 中内置 gr.Workflow,把多步 AI 流水线描述为带类型端口的节点图,Gradio 会渲染成可拖拽画布,每个节点可运行、每个中间结果可见。
推荐理由:原文用五个可运行的 Space 演示了把多步模型调用串成图并自动暴露 REST 接口的做法,读者可据此判断现有 Python 流水线能否迁移。
Liquid AI 为 LFM2.5 家族的 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点,通过投机解码在不改变输出质量的前提下提升解码速度,GPU 上吞吐最高提升 3.18 倍,端侧最高 2.87 倍。
推荐理由:官方给出三个模型在 H100 与 MacBook 上的实测加速比和调用方式,可据此判断端侧推理的可用性。