行业资讯

AMD为Windows平台正式发布ROCm 10.1 Adrenalin版专用显卡驱动（版本号26.10.41.05，Windows驱动程序库版本32.0.31041.5005），完全独立于常规游戏驱动，专为底层算力调用重构，全面接入RDNA 4与RDNA 3架构产品，为桌面端AI计算提供更完善的底层支持。新驱动涵盖消费级Radeon RX 9000系列、RX 7900/7800/7700/7600系列及专业级Radeon AI PRO R9700，上一代RDNA 2架构的RX 6000系列未获支持；系统要求最低Windows 11 21H2或64位Windows 10 1809。ROCm作为AMD核心软件栈为PyTorch等主流深度学习框架提供运行时、编译器及底层库，今年8月的ROCm 10.0已完成AI推理与性能分析工具初期部署。AMD明确提示驱动兼容性不等同于ROCm全部功能可用，该驱动不含任何游戏优化，普通游戏玩家不建议使用。

马斯克旗下SpaceX与xAI推出Grok 4.5，定位编程与AI代理工具，与Cursor团队联合训练，宣称在工程和知识类任务上优于同类模型，定价每百万输入token 2美元、输出6美元，已在Grok Build、Cursor全套餐及SpaceXAI控制台上线（欧盟暂未开放）。

谷歌发布新一代端侧多模态嵌入模型EmbeddingGemma 2，基于Gemma 4架构、Apache 2.0许可、7.4亿参数，首次将文本、代码、图像、视频与音频统一映射到同一嵌入空间；MTEB Code基准从68.76提升至78.68，支持完全离线的跨模态搜索与检索。

ComfyUI v0.39.0于2026年10月6日发布，含39次提交、94个文件变更、15位贡献者。重点：新增LynnReal light MiniMax-H3 VAE支持并修复MiniMax VAE offload问题、优化MiniMax H3峰值显存；改善资产扫描与数据库锁问题；提升图像/视频输出质量与EXR 16位浮点输出，更新多项Partner Nodes合作节点。

紫东太初开源面向物理世界的通用多模态大模型ZDTaichu5.0-9B（约9B参数），支持单图、多图、长序列视频及任意分辨率视觉输入，在九大国际权威空间理解基准中拿下8项通用组别第一，被认定为10B参数档位空间具身能力最强的通用多模态大模型。此次开源除模型权重外，还同步开放完整空间多模态数据生产管线方案，涵盖数据接入清洗、三维标注、合成校验等环节，有望降低具身智能在机器人、智能制造等场景的部署门槛。

当地时间2026年10月5日（周一），获英伟达投资的美国AI初创公司Reflection AI发布其首款开放权重大模型Beam。模型总参数量达5010亿，采用稀疏激活（MoE）架构，单任务仅激活230亿参数，在代码生成与智能体任务上重点优化，官方称其性能对标智谱GLM-5.2，并逼近阿里千问Qwen 3.8-Max，算力需求比同类模型低3-4倍。Reflection由前DeepMind科学家于2024年创立，已获SpaceX Colossus 2数据中心算力支持，此次发布被视为美国阵营对中国开源模型全球主导地位的直接回应，模型将以Apache 2.0协议于本月释出权重。

OpenAI公布面向欧盟《人工智能法案》的文本溯源方案，推出名为textGrain的文本水印技术，在模型选词过程中嵌入不可见的统计信号供检测器识别。即日起全球API客户可为部分选定模型选择开启水印输出，未来数周内欧盟地区符合条件的ChatGPT与Codex文本输出也将自动添加不可见水印，水印不设为全球默认。官方评测显示其表现与测试过的其他方案持平或更优，技术细节将在技术报告中给出且相关技术计划开源；但文本越短或措辞约束越强检出越难，1%目标误报率下200词段落检出率约80%、400词约95%，替换10%同义词后检出率从约92%降至66%、替换25%降至17%，因此检测器仅限获批研究人员与专业机构申请使用。开启水印对前沿模型Astra基准成绩无有意义影响（GPQA Diamond 94.44%对93.94%，BrowseComp 87.92%对87.35%）。OpenAI强调水印不能衡量人类贡献度、不能确立所有权或责任归属、不能识别用户身份、不能验证内容真伪。

国庆假期期间，MIT 何恺明团队在 arXiv 发布 VISTA 视觉框架（arXiv:2610.02200），使通用多模态大模型在被称为"AGI 考卷"的交互式基准 ARC-AGI-3 上首次拿到满分：搭载 Claude Opus 5.0 通关全部 25 个公开游戏、183 个关卡得 100 分，搭载 GPT-5.6 Sol 得 98.27 分；Claude 仅用 7542 步，比首次上手的人类玩家合计 17135 步少走 56%。团队核心判断：大模型的推理能力早已够用，真正拖后腿的是视觉输入（"眼睛"）与记忆机制（"记性"），VISTA 通过重构视觉表示与上下文记忆释放既有模型潜力。

10月4日，阿里云通义千问团队开源 Qwen3-VL-30B-A3B-Instruct 和 Qwen3-VL-30B-A3B-Thinking 两款多模态模型，并提供 FP8 版本，同时上线 Qwen3-VL-235B-A22B FP8 版本。30B 总参数、激活约30亿的 MoE 架构，在 STEM、VQA、OCR、视频理解、Agent 任务上对标 GPT-5-Mini 和 Claude 4-Sonnet，部分项目更优，用小模型成本跑大模型效果。

国庆假期期间（10月3日），DeepSeek Harness 更新发布 v0.2.1-alpha.1，新增实验性 Claude Code Mods 兼容层。官方解释称，这次首先想验证 Claude Code Mods API 的能力大致属于 DeepSeek Harness 插件能力的一个子集。此前 Claude Code 刚推出 Mods 机制，允许以运行在 Claude Code 内部的 JavaScript/TypeScript 事件处理函数改造 AI 编程工具的界面与行为（示例包括把上下文占用做成天气预报的 Token Weather、高风险命令前展示影响的 Blast Radius、逐步回看文件修改的 Replay Theater）。DeepSeek Harness 团队负责人崔添翼转发了 Claude Code 负责人 Boris 的帖子并回应：祝贺这一让 Agent Harness 可扩展、可定制的巧妙方式，双方理念正在汇合；同时强调架构区别——Claude Code 将部分能力开放为 Mods，而 DeepSeek Harness 从一开始就重新思考插件这件事，主张 Everything is a Plugin（一切皆插件），模型、工具、Skills、会话、沙箱、文件系统、Agent Loop、任务编排、UI 都可以作为插件组合、替换和扩展；在创造模式里用户还可以让 Agent 检查当前运行的系统、现场编写插件并保存。