宝玉@dotey

62

微软开源的VibeVoice-ASR是一个9B参数语音转文字模型，采用MIT协议。其核心优势在于单次可处理长达60分钟的连续音频，并直接输出带说话人、时间戳的结构化文本，原生支持50多种语言及中英混说。实测在128GB内存的MacBook Pro上，其4-bit量化版转录一小时音频约需9分钟，但预填充阶段内存峰值达61.5GB，要求设备内存至少64GB。模型存在单次60分钟时长限制，且对录音环境变化敏感，但为播客、会议等长音频转录提供了简化流程。

小互@xiaohu

53

智能终端工具Warp宣布开源，并引入由云端AI（Oz）驱动的协作开发模式，该AI可负责代码编写、测试等任务，开发者主要进行审核。OpenAI成为首位赞助商，其GPT模型驱动开源仓库的智能体工作流。产品改进包括支持Kimi、MiniMax、通义千问等多款开源AI模型，具备自动选择最优模型功能；提供高度可定制的界面，支持从纯终端到完整AI开发环境；新增配置文件，便于跨设备迁移和程序化控制。

ginobefun@hongming731

50

当前，遗留代码、AI工具与组织治理正加速融合。Anthropic将Claude Code作为“新员工”引入拥有70万行代码的17年老项目；Thoughtworks推动提示词成为可版本化、可审查的一等交付物；NVIDIA致力于构建统一的全模态主干模型。随着AI已具备代码生成能力，工程挑战的核心正从“生成”转向“治理”，关键在于让AI持续理解项目上下文、使其输出可复用，并推动多模态技术落地生产环境。

宝玉@dotey

60

OpenAI宣布与AWS深化合作，将GPT-5.5等模型、Codex编程工具及Bedrock托管智能体引入Amazon Bedrock平台，以限量预览形式上线。企业客户现可直接在AWS环境中调用OpenAI模型，复用现有安全、合规与账单体系，加速AI应用落地。Codex配置简便，支持多端使用，周活用户超400万。此次合作使Bedrock集齐Claude、LLaMA等主流模型，增强了AWS在云端AI竞争中的优势。

小互@xiaohu

53

Adobe 将 Photoshop、Lightroom、Illustrator 等八款核心创意工具集成至 Claude。用户现可通过 AI 助手直接调用这些工具，执行调色、抠图、扩图等图像处理，套用模板设计、剪辑视频、获取 Stock 授权素材，以及搜索、总结和整理创意文件。此举旨在简化创意工作流程。

Rohan Paul@rohanpaul_ai

47

科技巨头的AI竞赛投资达6000亿美元，正通过季度收益评估回报。Alphabet、Microsoft、Meta和Amazon的业绩将测试AI投资效果，云业务是关键指标，预测AWS增长近25%，Azure 40%，Google Cloud 50.1%。Microsoft面临压力，股价下跌约12%，且仅3.3%的4.5亿企业用户付费使用Copilot，显示其AI商业化挑战。

Berryxia.AI@berryxia

50

3D网格生成领域出现重大突破，新方法SATO能够直接从点云生成完整的网格模型。其核心技术在于采用了基于条带的标记化方法，从而实现了极其干净、结构清晰的边缘流。该模型在生成过程中原生集成了UV分割，简化了后续纹理贴图流程。此外，SATO的一个显著优势是单个模型能同时支持生成三角网格和四边形网格，提供了更高的灵活性和应用潜力。

Berryxia.AI@berryxia

60

NVIDIA 重磅发布！🚀 Nemotron 3 Nano Omni 多模态开源模型来了！ 🔥 30B 参数 🔥 256K 超长上下文 🔥 最高效开放多模态模型（语言+视觉+语音+视频+音频一体化） 🔥 专为 subagents / Agentic 任务设计 🔥 完全开源（权重 + 数据 + 配方），领跑多项榜单 可通过 NVIDIA NIM API 免费试用！完美驱动多代理工作流。

Berryxia.AI@berryxia

45

纽约眼科医生Eric Rosenberg于2025年10月使用Apple Vision Pro结合ScopeXR混合现实平台，完成了全球首例由该设备辅助的白内障手术，并已成功实施数百例。该应用提供了3D立体显微视野、实时数据叠加和远程专家协作功能，标志着空间计算技术正式进入手术室。主推文同时指出，国内沈阳和北大医院此前已有使用AVP进行手术的案例，因此此次并非严格意义上的“全球首例”。

elvis@omarsar0

62

SKILL.md文件将调用接口、执行流程和工具副作用混合在自然语言中，导致技能发现和风险评估脆弱。新研究提出SSL三层类型化JSON表示：调度层处理调用信号，结构层管理执行场景，逻辑层定义原子动作和资源使用，基于Schank和Abelson的脚本理论。通过LLM规范化器转换现有文件，技能发现MRR从0.573提升至0.707，风险评估宏观F1从0.744提升至0.787。研究发布了6,184技能语料库、403任务查询和500风险标记技能，强调随着技能注册表扩展，需结构化表示以提升管理效率。

Berryxia.AI@berryxia

66

微软World-R1通过强化学习直接“唤醒”现有视频模型的3D理解能力，无需修改模型架构、额外视频训练数据或增加推理成本。其核心方法是将相机轨迹嵌入扩散过程的噪声中，并利用Depth Anything 3和Qwen3-VL作为3D几何评判器。通过周期性解耦训练，模型能在保持建筑刚性的同时让旗帜自然飘动。仅使用3千条文本提示完成训练，该技术被视为视频生成迈向真实世界模拟的关键一步。

Rohan Paul@rohanpaul_ai

59

Sigma发布了一款开源私有AI浏览器，其核心是将本地大语言模型（如Qwen、Gemma、Nemotron）与Chromium浏览器深度集成。该浏览器通过内置的OpenClaw智能体，能直接读取页面内容、理解用户意图，并执行点击、输入、总结等自动化操作，从而将浏览器从被动查看工具转变为能直接处理任务的AI工作界面。此举旨在解决多数AI浏览器需将数据发送至远程服务器导致的延迟和隐私风险，所有计算均在用户本地设备完成，确保了隐私安全和响应速度。