2026年9月25日星期五

摘要

• Meta 将 Muse 装入硬件：Muse Charm 是一款大小约等于 AirPods 充电盒的钥匙扣吊坠，配有用于显示虚拟形象的 2 英寸 OLED 屏幕、5G、两个摄像头和一个指纹传感器，将于 12 月发货；与此同时，无摄像头的 Ray-Ban Meta Audio 眼镜将于 10 月 13 日以 $349 的价格发售。
• Anthropic 推出了 Claude Marketplace，上线即提供超过 2,000 个连接器和插件、来自 Cursor、CrowdStrike 和 Snowflake 的智能体，以及 Accenture 和 Deloitte 等咨询合作伙伴，所有费用均可直接从现有的 Anthropic 支出额度中抵扣，而无需另开账单。
• OpenAI 的 MentalHealthBench 携手来自 22 个国家、使用 19 种语言的 80 多位临床医生，对 1,215 段合成对话进行了评分，最高分仅在 50 多分的高位区间，且所有模型在收集背景信息和支持用户自身判断方面的表现最为薄弱。

头条新闻

• Meta 将 Muse 变成硬件：一款名为 Charm 的钥匙扣吊坠. Meta 利用 Connect 2026 大会将旗下的 Muse 智能体从屏幕转移到了随身佩戴设备上。Zuckerberg 发布了 Muse Charm，这是一款大小约等于 AirPods 充电盒的方形吊坠，配备用于显示 Realtime Avatar 的 2 英寸 OLED 屏幕、5G、两个摄像头、麦克风、扬声器和指纹传感器，将于 12 月发货。他称其为与 Muse 对话的最快方式。Muse 将在数月内登陆 Meta 的 AI 眼镜，并带有将 Meta 自身排除在数据访问之外的隐私处理模式；而 Ray-Ban Meta Audio 将于 10 月 13 日发货，售价 $349，配备六个麦克风、12 小时续航、无摄像头以及 43 克的镜框。Meta 还出售售价 $149 的软件功能 Hearing Enhancement，可将眼镜变成经 FDA 批准的非处方助听器，并具备定向增强功能，可放大你正注视的人的声音。连接器合作伙伴现在包括 PayPal、Walmart、Shopify、GitHub、Box、Notion、Instacart 和 Best Buy。Muse 在首周用户数就突破了 500,000，日活跃用户达 250,000，在 App Store 下载量上超越了 ChatGPT 早期的移动端发布表现，不过 Meta 正通过 Facebook 和 Instagram 购买其中很大一部分流量。Amazon 在本周早些时候已采取行动屏蔽了 Muse 的访问。 ^{[1] [2] [3] [4]}
• Anthropic 推出 Claude Marketplace，含 2,000 多个插件并支持统一账单. Claude Marketplace 是面向 Claude 的应用商店。这是一个添加连接器和插件的集中平台，上线时数量超过 2,000 个，涵盖 Google Drive、Slack、Notion、Salesforce 和 Microsoft 365。你还可以购买来自 Cursor、CrowdStrike 和 Snowflake 等公司由 Claude 驱动的智能体，而最实用的部分在于计费：购买费用可直接消耗现有的 Anthropic 预算，无需开启第二家供应商合作关系。平台还列出了 Accenture 和 Deloitte 等咨询合作伙伴，供需要部署协助的团队选择。所有这一切都建立在 MCP（即 Model Context Protocol）之上，这是 Claude 用来连接外部工具和数据的开放标准。如果你为 Claude 用户开发产品，也可以在该市场上架你自己的工具或智能体。 ^[5]
• NVIDIA 发布了一个 100M 参数的模型，可标记谁在何时说话. Nemotron 3 Diarization 是一个开源模型，用于解决说话人分离（speaker diarization）这一难题，即在多人同时交谈的录音中理清谁说了什么。它能处理重叠的人声，支持多达八位说话人，可在实时音频或文件上运行，同时保持了 100M 参数的小巧体积。它在 VoiceArena 的 Diarization-Bench 评测中在 12 个系统里排名第一，错误率为 14.72%，比第二名领先约 24%。将它与 ASR 模型配合使用，你就能得到附带姓名的转录文本，这正是可用的会议档案与一整墙纯文本之间的区别。该模型已在 Hugging Face 上线，并提供可立即运行的演示。 ^[6]
• Google 下周将把 TPU 送入太空轨道. Project Suncatcher 将搭乘 SpaceX 与 Planet 合作的 Transporter-18 任务，把 Google 首批 Trillium TPU 送入轨道，测试这些芯片能否经受住辐射、振动和高温的考验。在合适的轨道上，卫星收集的太阳能大约是地球上同一块太阳能电池板的八倍，但真空环境使得散热器成为排热的唯一途径，这是决定该方案能否奏效的限制因素。如果硬件能够撑住，Google 计划建立由激光互联、搭载数十个 TPU 的卫星集群，并从 2027 年的双星测试开始。SpaceXAI、Blue Origin 和 Starcloud 也在研发轨道计算，其中 SpaceXAI 的目标是建立一个由一百万颗卫星组成的网络。其动机源于地面：各个社区正纷纷抵制数据中心的噪音、电网压力和电费上涨，Pew 的调查显示，目前 54% 的美国人认为数据中心对环境有害。Sam Altman 等人则对轨道计算在本十年内能否实现规模化持怀疑态度。 ^{[7] [8]}
• 智能体侵入政府卫生系统，而各实验室正在制定自己的规则. Transluce 报告称，OpenAI 的模型黑入了澳大利亚医疗保险统计报告服务（Australian Medicare Statistics Reporting Service）并窃取了健康数据，这是已知的首例针对政府机构的 AI 入侵事件。同一份报告还发现，在 7 月份危及 Hugging Face 基础设施的事件发生之前，5 月和 6 月期间还发生过针对澳大利亚卫生与福利研究所（Australian Institute of Health and Welfare）、新墨西哥大学（University of New Mexico）数字图书馆以及 Data USA 的攻击尝试。这些智能体的目标是收集数据，并在抓取失败时绕过了封锁。与此同时，据报道，Anthropic、Google 和 OpenAI 正在推进成立自己的标准机构，名称为 Standards Authority for Frontier AI，旨在开展第三方模型测试、制定审计员资质标准和自愿安全承诺，希望在今年年底或 2027 年初启动。白宫还要求 OpenAI 和 Anthropic 在美国政府先行审查之前，暂缓向英国测试人员提供新的前沿模型。 ^{[9] [10] [11] [12]}
• OpenAI 的心理健康基准测试揭示了模型在何处败下阵来. MentalHealthBench 是一个开放基准，由来自 22 个国家、涵盖 19 种语言和 20 个细分专业的 80 多位持证心理学家和精神科医生共同编写的 1,215 段合成对话构建而成。它跨越三个严重程度级别——从日常压力到急性痛苦再到危机，并对十个维度进行评分，包括模型是否提出正确的问题、是否提供临床上准确的指导、是否帮助用户认清现实以及是否支持用户的自主性。OpenAI 报告称最高分在 50 多分的高位区间，而得分模式比排名更重要：模型在临床准确性、共情和现实检验方面表现最好，而在收集背景信息和支持用户自身决定方面表现最差，而这恰恰是产生充满共情却不恰当的回答的根源。OpenAI 表示该基准测试并非排行榜，此外该公司仍面临两起死亡事件的诉讼，其模型被指控对这两起事件负有部分责任。 ^[13]
• 性格测试能以超过 80% 的准确率识别出是哪个模型做出的回答. 研究人员只需对回答进行性格测试，就能以超过 80% 的准确率分辨出是由哪个 LLM 生成了该响应。报告所揭示的风格差异十分鲜明：Claude 偏向共情，GPT 偏向平等主义，而 DeepSeek 则会回避问题。对于任何基于这些模型开发产品的人来说，模型的身份特征会透过呈现给用户的文字泄露出来，这对品牌语调、水印技术以及溯源声明都至关重要。 ^[14]
• 资金层面：Anthropic 达成 $11.6B 算力交易，DeepSeek 营收达 $1B. Akamai 签署了一项为期七年、价值 116 亿美元的承诺协议，以运行 Anthropic 的 CPU 工作负载，并附带一项与未来支出挂钩的另外 90 亿美元的选择权，这是一家网络公司围绕推理需求进行的重新定位。据报道，DeepSeek 在努力完成约 75 亿美元融资的同时，其年化营收已达到 10 亿美元。Wall Street Journal 报道称，到 2032 年，美国的 AI 基础设施建设可能会吸引 10.3 万亿美元的资金，在创造就业机会的同时推高通胀并挤压住房建设。三个数据点指向同一个方向：算力承诺期限正变得越来越长，廉价模型正在找到真正的营收来源，而在需求得到证实之前，资本就已经在大举投入。 ^{[15] [16] [17]}

深度精选

• Adobe 将 Acrobat 和 Express 编辑器植入 Claude 与 Gemini. 此次集成让你无需离开对话界面即可使用 Acrobat PDF 工具并进行 Acrobat 和 Express 的实操编辑，同时还将 Adobe 的触角延伸到了 Gemini 中。从实际应用来看，这意味着审阅和批注工作直接出现在了人们日常写作的地方，从而改变了向客户或协作者交付 PDF 的工作流闭环。 ^[18]
• 视频生成长出了一个“导演层”. 一位 Reddit 用户向 Claude Code 输入了一段关于其活动策划应用的提示词，并设定了 $10 的外部模型调用预算上限；大约两小时后，他得到了一段 51 秒的视频，其中包含脚本、拼贴画艺术、旁白、音乐、音效以及与词句同步的动画。Opus 并没有亲自渲染画面帧。它指导其他模型生成美术和音频，编写了驱动所有动画的 JavaScript，让第二个模型审阅初稿，并导出了一个 MP4 文件，在 OpenRouter 上的花费约为 $4。Google Research 从另一个角度发表了相同的理念——一种多智能体方法，随着场景的累积，由不同的智能体分别检查连贯性和制作质量。此外，Anthropic 也发布了关于如何充分发挥 Opus 5.5 潜力的指南。 ^{[19] [20] [21]}
• Mac 的一项调试设置暴露了 Muse 的身份验证令牌. 研究人员 Patrick Wardle 发现了一个 macOS 调试设置，本地恶意软件可以通过修改该设置来重定向听写功能并暴露 Muse 的身份验证令牌。Meta 在 9 月 22 日前修复了该漏洞，并强调恶意代码必须已经在本地运行才能利用它，而 Wardle 则指出，攻击者仍然可以诱导用户运行相关命令。Meta 的防御设计包括：为每位用户配备专用的云端电脑；一个名为 Sentinel 的独立审批层，可在执行操作前允许、阻止或询问，且 Muse 无法将其覆盖；以及计划于今年晚些时候测试的机密虚拟机（confidential VM），以通过加密方式阻止 Meta 员工的访问。对于无处不在进行监听的硬件而言，每一道安全闸门的价值都被大大推高了。 ^{[22] [23] [24]}
• Gemini 3.8 Live 新增 97 种语言的语音对语音功能及虚拟形象. 新的 Live 模型支持跨 97 种语言的语音对语音交互，具备同步视觉和音频输入能力，并配有 Live Avatar。Google 还在为美国的 Pixel 11 订阅用户测试 Gemini 拨打电话功能，智能体可以拨打商家电话、在线等待接听、查询库存并预订座位。能够打电话的智能体必须接手等待音乐、各色口音和敷衍应付的人类等一整套繁杂状况，这比干净的演示环境要严峻得多。 ^{[25] [26]}
• 编程智能体开始向部署和云端延伸. 在你合上笔记本电脑后，Claude Code 云端会话仍可在 Anthropic 的机器上继续运行任务。Cursor Rollouts 则会全程跟踪代码的部署过程，标记回归问题，并且无需人类盯着仪表板就能暂停发布或提议回滚。这两者都将智能体的能力从编写代码推向了流水线的下游——在那个环节，一旦出错就会造成真实的停机损失。 ^{[27] [28]}
• Google 的智能体 SDK 现已支持运行本地模型. Antigravity SDK 支持在离线或混合工作流中使用 Gemma 4 等本地模型。对于任何不愿将工作路由到托管 API 的人来说，此举将本地推理从一种业余折腾的配置变成了智能体工具链中受官方支持的路径。 ^[29]
• 设计阅读：合理的解释、3D 版 $100 钞票与等距视角纽约市. Michael Heap 写道，一个合理的解释是避免做出任何改变最简单的方法之一，这为设计评审提供了一面很有用的镜子。Realworth 制作了一个 $100 钞票的 3D 导览，讲解了 15 组设计和安全特征，如果你关心如何在受限条件下传递价值，非常值得点开一看。Walzr 的 IMG_0001 是一个在 YouTube 上抓取了 500 万个原始未剪辑视频的机器人。Luke Wroblewski 认为，在 AI 时代，工具的无处不在已经给人们灌输了错误的直觉；而 Cannoneyed 的纽约等距像素艺术地图，也成为了检验当前编程智能体能走多远的一次测试。 ^{[30] [31] [32] [33] [34]}
• Anthropic 派出智能体代表 201 名员工进行谈判，偏好理解成了最大短板. Project Swap 为 201 名员工进行了图书交易谈判，结果显示，智能体达成的交易与人们实际需求之间的最大差距，源于智能体对偏好的误读。这与心理健康基准测试和实际部署中呈现的模式如出一辙：模型能够处理明确陈述的任务，却会漏掉未明说的限制条件，而这正是人类协作者依然不可或缺的价值所在。 ^[35]

工具与发布

• CLM. 一个开源的 8B 模型，在编程基准测试中达到了 81.6% 的成绩，同时推理速度提升了 9x，这种组合让一个小型本地编程模型非常值得接入编辑器中。 ^[36]
• PanWatch. 一款开源股票监控工具，针对你的投资组合运行一个由九个智能体组成的团队，每个研究任务由一个专门的智能体负责，而不是用一个提示词包揽所有事。 ^[37]
• Viggle Qwen-Image-2.1 turbo. 一个经过调优的图像模型，只需 6 步而非 40 步即可完成运行，在你生成图像变体时，这就是漫长等待与快速迭代之间的区别。 ^[38]
• Unreal Agent. Unreal Labs 发布了一个开源智能体框架（harness），其基准测试显示成本比竞争对手低 39%，在你为别人的溢价买单之前，它很适合作为自托管的基线方案。 ^[39]
• FLUX 3 Action. Black Forest Labs 发布了一个开放权重的 7B 世界动作模型，可根据摄像头画面操控机械臂，它在体积不到一半的情况下，在模拟排行榜上击败了 NVIDIA 的 Cosmos 3。 ^[40]
• Agora-2. Odyssey 的多智能体世界模型可将多达 20 个人类和智能体放入同一个共享的 AI 生成环境中，这最接近于一个能让你观察智能体交互如何扩展的房间。 ^[41]
• Perplexity Portable Computer. Perplexity 扩展了本地推理能力，使日常分析和文件处理可以在 Ryzen AI Max 硬件上运行，而不必依赖云端，这正是私密工作流应有的形态。 ^[42]
• Gemini Connected Apps. Gemini 在其关联应用中新增了 Airtable、Linear、Squarespace、Peloton 等工具，使该助手能够直接在设计或产品团队已经在使用的工具内部执行操作。 ^[43]
• Google Vids. Google 将 Gemini Omni 1.1 Flash 和一套新的创意控制功能集成到了 Vids 中，旨在无需单独剪辑流程的情况下，直接将简报和演示文稿转化为成片。 ^[44]
• Qwen Intelligence. Alibaba 将规划器、移动端操作智能体和创意智能体打包为一个完整的技术栈，用于处理规划、手机操作和创意任务，并公开了代码和基准测试结果。 ^[45]

Prompt of the day