AI 周报 · 2026 年第 44 周 · 10.26 — 11.01
设计前沿
世界模型密集发布与空间智能商业化
本期覆盖2026年10月26日至11月1日。行业焦点高度集中于“世界模型”与“空间智能”,World Labs、Google DeepMind、Stability AI及清华团队等相继发布RTFM、Genie 4、Marble及AWM等模型,推动从静态生成向实时交互、持久化3D世界的演进。资本层面,World Labs获10亿美元融资,Physical Intelligence估值达200亿美元,显示巨头对具身智能底层的押注。应用端,室内设计Agent工具(如interior-design-skills、NestPlan)涌现,AI视频创作流程(即梦、Genspark)进一步整合多模型调度。同时,OpenAI GPT-6.1 Terra降价、Apple智能国行版上线及硬件涨价趋势,反映出算力成本传导与商业落地加速并存的复杂局面。
世界模型技术突破
本版导读多家机构发布新一代世界模型,强调实时性、持久性与物理一致性。World Labs推出RTFM实现单卡实时生成,并发布Marble构建可导航3D世界;Google DeepMind的Genie 4延长场景一致性至两分钟并集成音频;清华团队提出代数世界模型AWM以解决幻觉问题;Stability AI则通过SV4D 2.0和Virtual Camera强化4D资产与相机控制能力。
World Labs 发布实时生成式世界模型 RTFM 研究预览版
World Labs 推出名为 RTFM(Real-Time Frame Model)的实时生成式世界模型研究预览版,该模型可在用户交互时实时生成视频以探索 3D 世界和真实场景。RTFM 仅需单张 H100 GPU 即可运行推理,通过“位姿帧作为空间记忆”的技术实现世界的无限持久性,且无需显式 3D 表示即可从单张图片渲染出包含反射、阴影等复杂效果的新视角画面。
World Labs 推出 Marble 预览版:生成更大更精细的可导航 3D 世界
World Labs 发布其最新突破模型 Marble 的受限访问测试版,用户可通过 marble.worldlabs.ai 基于图像或文本提示生成持久、可导航且无时间限制的 3D 世界。
Google DeepMind 发布 Genie 4 世界模型研究预览版
Google DeepMind 周二发布了最新世界模型 Genie 4 的研究预览版,该模型能生成更逼真的交互式世界并支持实时音频和模拟中的提示词修改。Genie 4 将场景一致性维持时间延长至两分钟,并与 Gemini 深度集成以规划步骤和检查帧,适用于游戏、互动学习和机器人测试等场景。
Stability AI 发布 Stable Video 4D 2.0 模型
Stability AI 将 Stable Video Diffusion 4D (SV4D) 升级为 Stable Video 4D 2.0 (SV4D 2.0),旨在从单段以物体为中心的视频中生成高保真动态 4D 资产。
Stability AI 发布 Stable Virtual Camera:支持 3D 相机控制的多视角视频生成模型
Stability AI 推出研究预览版多视角扩散模型 Stable Virtual Camera,可将 2D 图像转换为具有真实深度和透视感的沉浸式 3D 视频。
清华姚期智团队发布代数世界模型 AWM,提升 AI 逻辑推理与去幻觉能力
清华大学姚期智和袁洋团队提出代数世界模型(AWM),旨在让 AI 像牛顿一样从观察中提炼本质规律。该模型利用范畴论工具将游戏或交互环境抽象为代数结构,并通过 Lean 4 语言进行形式化证明,从而克服传统大模型仅记录现象导致的“幻觉”问题。
空间智能资本涌入
本版导读空间智能领域迎来巨额融资与高估值。World Labs完成10亿美元融资,投资方包括AMD、Autodesk和NVIDIA;具身智能公司Physical Intelligence洽谈10亿美元融资,估值达200亿美元;初创公司Dream获a16z领投种子轮,专注建筑设计AI世界模型;西湖大学成立研究中心并孵化Awomo获超亿元融资。资本正加速布局底层基础设施。
World Labs 宣布获得10亿美元新融资
World Labs 宣布完成10亿美元新一轮融资,投资方包括 AMD、Autodesk、NVIDIA 等。该公司专注于通过构建世界模型推进空间智能,其首款产品 Marble 允许用户基于图像、视频或文本创建具有空间一致性、高保真度和持久性的3D世界。
具身智能公司Physical Intelligence洽谈10亿美元融资,估值达200亿美元
美国机器人AI初创公司Physical Intelligence(PI)正洽谈至少10亿美元的新轮融资,投后估值预计达到约200亿美元。尽管该公司自2024年成立以来尚未产生商业营收且无量产硬件,但凭借由斯坦福、伯克利及DeepMind顶尖学者组成的创始团队,以及其开发的通用机器人基础模型(如π0.7),吸引了贝索斯、红杉资本等知名投资者下注。
前Palantir高管创立Dream获a16z领投1700万美元种子轮融资,开发用于建筑设计的AI世界模型
前Palantir高管Andy Elder和Arjun Mathur创立的初创公司Dream宣布结束隐身模式,获得由Andreessen Horowitz领投、SV Angel等跟投的1700万美元种子轮融资。
西湖大学成立世界模型研究中心并孵化初创公司Awomo
10月31日,西湖世界模型研究中心在云谷校区正式成立,由于开丞教授担任主任。该中心基于三年前AutoLab实验室的研究积累,重点探索“概念世界模型”技术路线,即不再生成像素而是在抽象数学隐空间中建立物理概念表征。依托此研究孵化的初创公司西湖数智(Awomo)已获累计超亿元融资,其模型在四项国际权威机器人评测集中登顶第一,旨在打造对标大语言模型的物理世界基础大模型。
垂直领域Agent工具
本版导读面向特定行业的AI Agent工具密集开源或发布。GitHub上出现interior-design-skills、NestPlan及House AI MCP服务器,旨在将室内设计流程自动化并接入主流大模型工作流;MiniMax Code开源16个生产级Agent技能;DeepSeek探讨Super-agent架构以解决多任务协作瓶颈。这些工具侧重于通过标准化接口和模块化技能提升专业工作效率。
GitHub 开源 interior-design-skills:面向室内设计的 Agent 技能套件
GitHub 仓库 liuqing0224/interior-design-skills 发布了一套包含 15 个可独立安装 Skills 的室内设计智能体工具集,通过共享项目模型衔接需求、测量、平面、材料、灯光、定制、机电、图纸、软装、预算及校审等环节。
开源项目 NestPlan 发布:支持本地化户型还原与 AI 智能布置
GitHub 新晋开源项目 NestPlan(栖图)发布,这是一款纯前端应用,数据完全保存在用户浏览器中,不经过任何服务器。它支持上传户型截图自动还原为可编辑的 2D/3D 模型,并提供基于用户自配 API 的 AI 助手进行家具布置和方案修改。
House AI 发布 MCP 服务器支持 Claude 等客户端室内重设计
GitHub 仓库 House AI 提供 MCP 服务器,允许 Claude、ChatGPT、Cursor 等客户端通过照片重新设计任意房间。该工具旨在将 AI 室内设计能力集成到主流大模型工作流中。
MiniMax Code 团队开源 16 个 Agent 技能
MiniMax Code 团队将其日常使用的 16 个 Agent 技能和工作流开源。该仓库定位为实际生产工具而非提示词合集,内容涵盖维持 AI 代码高标准、判断任务是否交由子智能体处理、长命令等待策略以及防止长会话性能下降等具体实践方法。
DeepSeek发布Super-agent架构探讨:迈向更自主的Agent系统
DeepSeek团队公开了名为“Super-agent”的个人智能体底层架构思路,旨在解决多任务协作中的上下文断裂与效率瓶颈。该架构采用Router(调度)与Worker(执行)双层设计,支持跨平台连续对话、投机执行及24小时在线运行。
AI视频全流程整合
本版导读视频生成工具趋向于整合多模型与工作流。即梦发布短剧工作室,引入自研剧本、美术及分镜模型实现全流程创作;Genspark Media Studio集成70多个模型版本,由LLM担任导演自动调度;Adobe测试EditAgent模拟专业修图工作流;英伟达与MIT发布基于MiniMax H3的视频增强方案。竞争焦点从单一模型转向端到端的自动化制作管线。
即梦发布短剧工作室,整合 Seedance 2.5 实现全流程 AI 剧集创作
即梦正式推出短剧工作室,整合小云雀 Agent 能力并引入自研剧本模型 DreamScript、美术模型 Anycook 及分镜模型 DreamShot。该工具支持从灵感或已有剧本导入,自动解析角色场景资产,提供 3D 导演台预演、片段重拍及截帧注释等后期修改功能。配合双十一活动,Seedance 2.5 720P 带参考视频生成折算最低约 0.19 元/秒,旨在通过工作流优化减少重复生成消耗。
Genspark发布Media Studio视频Agent工作台
Genspark正式发布Media Studio视频Agent工作台,集成20多家厂商的70多个模型版本,实现从剧本、分镜到成片的一站式AI视频生成。该工具通过大语言模型担任“导演”,自动调度Seedance、Kling等模型进行视频制作,支持局部重拍和帧编辑功能,大幅降低了零基础用户制作短剧和知识讲解视频的门槛。
Adobe 测试 EditAgent:利用量化数据提升 AI 图像编辑智能体表现
Adobe Research 与加州大学圣地亚哥分校联合提出 EditAgent,一种模拟专业 Photoshop 用户工作流的图像编辑智能体系统。该系统将复杂请求拆解为步骤,并行使用通用编辑器(如 Flux-2-Klein-9B)和专用工具生成多个候选结果,随后由标准语言模型基于包含亮度、色彩统计及变化映射的验证数据进行一次性对比筛选。
英伟达与MIT团队发布基于MiniMax H3的开源视频增强方案Open-H3-Regenerate-2K
英伟达与麻省理工学院团队在Hugging Face发布了视频增强项目Open-H3-Regenerate-2K的模型权重,该方案基于MiniMax H3,支持最高3840×2160的原生4K重生成。
模型迭代与硬件变局
本版导读基础模型持续迭代且价格策略调整,同时硬件市场受算力挤压影响。OpenAI发布GPT-6.1 Terra,API价格减半;Kimi K3.1 Pro强化3D与金融能力并大幅降价;Hi3D开源V1.0并发布商用V3.0。另一方面,苹果确认Apple智能国行版时间表;爱范儿分析指出AI算力虹吸导致电脑普遍涨价,入门款减少,消费者面临高价困境。
OpenAI发布GPT-6.1 Terra:价格减半且电脑操作能力追平旗舰,同日公布三项AI科学新发现
OpenAI正式发布GPT-6.1 Terra,其标准API输入价格降至1美元/百万Token,输出5美元/百万Token,相比GPT-5.6 Terra直接砍半。
Kimi 发布 K3.1 Pro:加量降价挑战 Opus 5.5,强化 3D 与金融能力
Kimi 正式发布 K3.1 Pro 及 Highspeed 版本,作为 K3 的后训练升级,底座架构不变但大幅优化了编程、3D 建模和金融推理能力。API 价格较上一代降低三分之一,约为 Claude Opus 5.5 的一半,完整模型权重将于 11 月 4 日开源。
国产AI 3D大模型Hi3D开源V1.0并发布V3.0
Hi3D正式开源V1.0模型代码并推出业界首个可商用2048³超高精度模型V3.0。V1.0基于Sparc3D架构,训练数据扩容至约200万个3D资产,在多视图保真度和切片成功率上表现优异。Hi3D Agent支持从生成到修改的全流程创作,并通过MCP接口连接外部应用,旨在构建AI 3D基础设施。
Apple 智能国行版官网正式上线:11 月测试 12 月推送,接入千问 · 该内容已按来源方要求下架或调整展示方式。
爱范儿分析:AI算力挤压致电脑涨价,2030年前难有平价选择
受上游零部件成本推动及AI算力对半导体产能的虹吸效应影响,主流电脑品牌普遍涨价或砍掉入门款,消费者面临买不到便宜电脑的局面。苹果新款MacBook Pro起售价涨至15999元,iMac起步价升至12499元;宏碁等PC厂商也通过调整配置变相提价。