AI 周报 · 2026 年第 43 周 · 10.19 — 10.25
设计前沿
世界模型与智能体落地加速
本期覆盖2026年10月19日至25日。行业动态显示,AI正从生成内容向理解物理世界及执行复杂任务演进。实时世界模型成为焦点,达瓦科技、VAST等团队发布能在单卡运行的实时渲染方案,NVIDIA亦扩展相关工具链。智能体(Agent)应用深化,Lovart推出具备记忆功能的设计Agent,Anthropic发布常驻智能体Claude Duet,OpenAI在ChatGPT中集成交互式UI。此外,开源生态活跃,模思智能、MiniMax、DeepSeek等发布高性能模型或推理引擎,推动本地化部署与低成本算力普及。具身智能领域获资本关注,南京大会设立专项基金,宇树科技预测行业拐点提前。
实时世界模型突破
本版导读实时世界模型技术取得显著进展,重点在于降低硬件门槛并提升交互性。达瓦科技的Scenes AI和VAST的EdenLive均实现了在单张RTX显卡上运行720P实时视频生成,前者通过维护持续世界状态而非预测下一帧来优化效率,后者采用规则与画面分离架构。NVIDIA不仅发布了DGX Spark等本地AI硬件,还扩展了Cosmos平台以支持物理AI的世界模型训练。这些进展标志着生成式AI正从离线视频生成迈向实时交互渲染阶段。
达瓦科技Scenes AI获NVIDIA大奖,单卡实现34B实时世界模型
达瓦科技凭借实时世界模型产品 Scenes AI 获得2026 NVIDIA创业企业展示半程展示卓越企业奖。该模型不预测下一帧画面,而是维护持续运行的世界状态,仅更新变化部分,在单张RTX显卡上实现720P、25帧实时输出。
VAST 开源实时世界模型 EdenLive,支持长时连续生成与具身数据增强
VAST 正式开源实时世界模型 EdenLive,该模型作为 Project Eden 系列的生成式渲染器,实现了从离线视频生成到实时交互渲染的突破。EdenLive 采用“规则归交互系统,画面归模型”的分工架构,在单张 RTX 5090 显卡上能以超过 24 FPS 生成 720P 画面并支持分钟级连续生成。
NVIDIA 在 GTC Berlin 发布 RTX Spark 与 DGX 系列本地 AI 硬件更新
NVIDIA 在 GTC Berlin 展示其本地 AI 硬件全线产品,包括面向 Windows PC 个人智能体的 RTX Spark、支持 Linux 开发的 DGX Spark 以及企业级 DGX Station。
NVIDIA Cosmos 扩展世界模型训练与部署工具集
NVIDIA 扩展 Cosmos 平台,推出新的训练工具、仿真检查点和 Cosmos Data Factory 蓝图,帮助开发者构建用于物理 AI 的世界模型。
设计智能体常态化
本版导读AI在设计工作流中的角色从辅助工具转向自主智能体。Lovart 2.0推出的Arti Agent具备记忆功能,能主动调研并沉淀重复性工作为Skill。OpenAI在ChatGPT中上线“智能UI”,允许嵌入交互式图表和按钮,结合GPT-6提升用户体验。Canva发布自研图像模型Craft,专注于基于模板的构图规划。同时,社区涌现出针对Figma工作流的Skill构建教程及Instagram视觉识别技能包,显示设计师正通过固化规则让AI从视觉模仿转向结构化生成。
Lovart 2.0 发布个人设计 Agent Arti
Lovart 2.0 推出全球首个个人设计 Agent Arti,具备记忆功能以理解设计师风格偏好,并能主动执行调研、检查画布一致性及汇总多方修改意见。该工具支持将重复性工作沉淀为 Skill,并通过“设计委托”功能实现定时批量生成物料,提供快速、均衡和专家三种模式以适应不同精度需求。
UI设计师实测:用Skill跑通AI+Figma工作流
作者实测发现直接让AI参照现有页面生成新设计稿存在速度慢且结果不稳定等问题,提出通过构建名为 $xiaochengxu-mobile-ui 的 Skill 来固化设计规则。该 Skill 包含真实组件映射、字段语义映射、页面结构规则及生成保护规则,使 AI 能从“视觉模仿”转变为“执行设计系统”,从而在组件命名不规范的情况下也能稳定生成可编辑的 Figma 页面。
ChatGPT 推出“智能 UI”功能,结合 GPT-6 支持交互式图表与按钮
OpenAI 在 ChatGPT 中上线“智能 UI”功能,允许模型在回复中嵌入图表、表单及可点击按钮等交互式视觉元素。该更新随 GPT-6 的 Sol 和 Luna 版本一同推出,Plus 及以上用户即日起可用,免费用户周四开放。
Canva 发布首个自研图像模型 Craft
设计平台 Canva 发布了其首个内部开发的图像生成模型 Canva Craft。该模型由 Canva Research 从零开始训练,主要依赖数百万个设计模板而非照片,能够规划构图、比例和文本,并以最高 2K 分辨率生成超过 30 种宽高比的图像。
Claude Code 推出 Instagram 视觉识别构建技能包
GitHub 仓库 decodengrow/instagram-visual-identity-en 发布了一款适用于 Claude Code 和 Claude.ai 的技能包,旨在通过逆向工程视觉参考来构建可扩展的 Instagram 品牌识别系统。
ai798-Lab 发布商业视觉海报生成 Skill
ai798-Lab 开源了 zopc-commercial-visual-posters Skill,这是一套用于制作商业运营海报的对话式设计工作流。该工具内置 10 个预设吉祥物和 11 个编号视觉样式,允许用户独立选择角色与风格,并支持上传自定义形象或文字描述新角色。实际出图依赖客户端的图片生成能力,包内 Python 脚本负责素材检查,生成的成品交付至本地而不自动发布。
开源模型性能跃升
本版导读开源大模型在参数效率与特定任务表现上持续突破。模思智能开源5B参数生图模型MOSS-Image,凭借优异的文字渲染能力获得百万下载。MiniMax开源M3.1 Flash,通过稀疏注意力机制优化长上下文推理效率。DeepSeek开源推理引擎DeepInfer,支撑其低成本高速模型。Moonshot AI发布的Kimi K3.1 Pro在智能体任务上逼近顶级专有模型。Google推出的EmbeddingGemma 2以740M小参数量实现多模态嵌入的高性能,进一步推动了轻量化模型的本地化应用。
模思智能开源5B参数生图模型MOSS-Image,4天海外下载超百万
模思智能与OpenMOSS团队开源发布基于5B参数DiT主干的生图模型MOSS-Image,上线4天在海外社区收获130万次下载。该模型重点优化中英文文字渲染、结构化JSON Layout布局控制及长Prompt支持,在LLTB评测中文本覆盖率达96.3%。目前API已上线,社区已衍生出8步/4步加速版、INT8量化版及多种风格LoRA。
Moonshot AI 发布 Kimi K3.1 Pro,智能体任务表现逼近 Claude Opus 5.5
Moonshot AI 发布推理模型 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 得分为 55,位列第四,仅落后于 Claude Opus 5.5 等顶级专有模型 3 分。
MiniMax 正式开源 M3.1 Flash 模型
MiniMax 正式开源 M3.1 Flash 模型权重,该模型总参数 428B、激活参数 23B。上线 72 小时内真实用户处理超过 100 万亿 Token。此次开源重点在于推理效率优化,包括将前三个全注意力层替换为稀疏注意力以降低长上下文计算负担,以及采用 QAT 技术。
DeepSeek 开源驱动 V4.1-Flash 模型的推理引擎 DeepInfer
DeepSeek 以 Apache License 2.0 协议开源内部推理框架 DeepInfer,该引擎支撑其最快最便宜的 V4.1-Flash 模型。DeepInfer 基于 vLLM 优化计算内核与分布式处理,并配套发布 deepseek-recipe 以复现官方 API 的 token 处理逻辑。此举旨在降低社区算力成本与能耗,同时为 OpenAI 等西方服务商带来价格压力。
Google 发布 EmbeddingGemma 2,740M 参数多模态嵌入模型性能超越两倍大小竞品
Google 推出开源多模态嵌入模型 EmbeddingGemma 2,参数量仅 740M。该模型在 Massive Text Embedding Benchmark (Code) 得分 78.68,性能优于两倍大小的竞品。它支持本地运行,仅需约 191 MB RAM,查询耗时 20-70 毫秒,权重已上线 Hugging Face 和 Kaggle。
具身智能产业提速
本版导读具身智能与世界模型的商业化进程加速。2026物理AI与世界模型大会在南京举办,发布了50个应用场景并设立50亿元投资基金,重点投向医疗、工业及自动驾驶。宇树科技创始人王兴兴预测具身智能的“ChatGPT时刻”将提前至1-2年内到来。生数科技开启Motubrain 2.0训练全流程直播,展示递归自我改进技术。Tuesday Labs推出半自主家务机器人Voxel Series-1,尝试通过非人形设计规避恐怖谷效应,探索家庭场景落地。
2026物理AI与世界模型大会在南京举办,发布50个应用场景及50亿基金
2026物理AI与世界模型大会于10月20日在南京启幕,由江苏省数据集团等主办。会上三位图灵奖得主通过视频发声,并发布2026年“物理AI与世界模型”50个典型应用场景。同时,全国首个总规模50亿元的物理AI与世界模型投资基金完成战略合作签约,重点投向医疗、工业及自动驾驶方向;具身智能标准工作组获批设立,《人工智能世界模型》国家标准预研工作正式启动。
生数科技开启Motubrain 2.0具身模型训练全流程直播
生数科技世界模型团队于10月21日开启Motubrain 2.0训练全流程公开直播,计划持续半个月以展示具身模型的训练过程及研究进展。此次直播涵盖预训练、后训练、Agent任务执行及RSI(递归自我改进)探索四个环节,旨在打开具身模型训练的“黑盒”,让外界直观观察模型如何逐步形成能力以及训练中的试错与调整。Motubrain 2.0即将开源,该系列模型致力于为机器人构建具备通用能力的“大脑”。
Tuesday Labs 发布半自主家务机器人 Voxel Series-1
纽约科技公司 Tuesday Labs 推出首款半自主家务机器人 Voxel Series-1,旨在通过非人形设计避免“恐怖谷”效应。该机器人采用立方体造型和哑光塑料外壳,目前结合自主智能与远程操控执行浇水、清扫等任务。其预估售价为 20,000 美元,初期面向愿意协助训练软件的早期用户,未来计划随技术成熟降低门槛以普及家庭市场。
宇树科技十周年:王兴兴劝人相信 AI 并预测具身智能拐点
宇树科技创始人王兴兴在创立十周年之际的世界物理 AI 大会上发表演讲,强调要更坚定地“相信 AI”,并将具身智能的“ChatGPT 时刻”预期从之前的数年压缩至 1-2 年。