行业资讯

德国AI公司Aleph Alpha在德国统一日发布开源大模型Kolibri：总参数78.1B、每token仅激活3.46B的MoE架构，上下文窗口100万token，权重以Apache 2.0协议开放，支持显式推理模式与工具调用。模型主打德英双语原生能力，自研UniBPE德语分词器使德语文本比主流模型省11%-18% token，德语训练数据占比21.3%，最低2张A100 80GB即可本地部署（FP8权重约78GB），并对齐欧盟《人工智能法案》与GDPR，主打欧洲"主权模型"定位。

谷歌为Gemini Live加入面向无障碍场景的实时视觉辅助能力“引领视界”，允许用户共享摄像头画面，由Gemini实时给出动态音频描述与自然方位提示。该功能与盲人及低视力群体共同打磨完成，已面向兼容安卓设备推出。与一次性图片识别不同，实时画面共享强调连续交互，被视为检验多模态能力的指标。

谷歌与 NASA 喷气推进实验室合作开发深度学习模型 MAPL-EMIT，可从太空追踪全球甲烷泄漏，检测到的排放量比人类专家多 50%，已发现超 23000 处此前未被绘制的甲烷羽流（含全球 25 个排放量最大垃圾填埋场中的 24 个），全部数据已在 Google Earth Engine 平台开放。成果出自谷歌 9 月 AI 成果盘点，与 AlphaGenome Atlas、Project Suncatcher 同期公布。

NVIDIA 为 DGX Spark 桌面 AI 计算机新增 64GB 统一内存配置，10 月 23 日由宏碁、华硕、戴尔、技嘉、惠普、微星等 OEM 发售，起售价 4999 美元；128GB Founders Edition 同步定价 6950 美元（10 月 2 日生效）。新机保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 CUDA AI 软件栈，系统占用约 8GB、约 56GB 可供模型权重与 KV Cache，单机最高支持 1000 亿参数模型；两台经 ConnectX-7 直连可池化为 128GB、支持 2000 亿参数，NVIDIA Sync Cluster Assistant 最多自动组网 4 台。在内存供应紧张背景下，64GB 版起售价反而高于去年 128GB 版首发价，英伟达以减内存方式重构本地 AI 设备门槛。

Cloudflare 于 10 月 1 日开源决策模型 Clef 与 Clef-flash（Apache 2.0，权重已在 HuggingFace 上线），并同步推出 RL 微调平台。此类模型不生成文本、只输出选项概率，支持图像输入；Clef 定价每百万 token 0.24 美元（Jev 的 5 倍多），中位响应 209 毫秒快于 Jev 的 524 毫秒；在工具调用/意图分类类任务明显领先，通用推理类则落后，是一个更窄而非更聪明的模型。

Perplexity 推出 Decisions API 并开源多模态决策模型 pplx-decider-v1-27b，不生成普通文本、直接返回预设选项概率分布。官方 11 项共 7210 条样本评测显示其综合准确率 85.71%，高于 Jev 的 84.51% 和 Qwen3.8-27B 的 74.76%。此类模型面向 Agent 高频小判断场景，AWS、Cloudflare 近期均推出同类产品。

美东时间10月1日，微软发布三款新语音AI模型：实时语音转文字模型MAI-Transcribe-2-Streaming、文本转语音模型MAI-Voice-2.1及更低延迟的MAI-Voice-2.1-Flash。据Artificial Analysis数据，MAI-Transcribe-2-Streaming最终转录词错误率（WER）为2.5%，在38款模型中最佳，说话结束到返回最终文本仅约0.13秒，支持60种语言并可自动识别语种；模型可在接收音频后100多毫秒产生首批结果，实现边说边识别。MAI-Voice-2.1覆盖23种语言。定价方面，MAI-Transcribe-2-Streaming年末前优惠价为每小时0.54美元（每1000分钟9美元），显示微软以准确率、延迟和企业级部署能力而非低价竞争。

芯片设计软件制造商新思科技（Synopsys）与OpenAI宣布达成多年期战略合作，联合开发专用于芯片设计的人工智能模型GPT-Synopsys，覆盖从描述芯片电路到布局数十亿个晶体管的完整设计任务。OpenAI联合创始人Greg Brockman表示该模型将帮助工程师减少数周乃至数月的设计周期。模型旨在像资深工程师一样操作EDA工具，自主运行、解读结果并迭代优化，工程师可将PPA优化、时序收敛及验证等目标委托给智能体执行。消息公布后新思科技股价盘中一度涨逾7%，收涨4.78%；公司同步上调业绩指引，预计2027财年营收增速达15%，远超分析师预期的11.19%。

2026年10月1日，ComfyUI 正式发布 v0.38.0 版本，这是一次覆盖模型支持、推理优化、图像与视频能力、资产系统、数据库稳定性、色彩空间、硬件兼容性以及合作节点模型的综合更新。更新重点集中在两个方向：一是持续完善 Qwen 系列能力，包括改进 Qwen 2.1 的 KV Cache 位置逻辑、新增 Qwen Image 2.1 Transformer Blocks 编译支持、Tiny VAE、Union Fun ControlNet 支持、FP16 激活值原地 Clamp，以及加速 Qwen 3.5 与 Qwen 3.8 的长上下文生成；二是强化 MiniMax-H3、Wan 2.1、VACE、Lumina、Flux、Yue2、SeedVR2、Ming Image 等模型的支持与运行表现。同时资产扫描、SQLite 锁、磁盘检测、模型加载、RGBA 图像处理、HDR 色彩转换等底层能力也获得多项修复与调整，并新增 W6A8 量化格式支持、移除已废弃的 Sora 节点。

xAI发布新一代语音转写模型Grok Voice Transcribe 2.0（模型ID：grok-voice-transcribe-2.0），整体准确率是1.0版本的两倍，短句识别词错误率从20.6%降至6.8%，价格保持不变：批处理每1000分钟约1.67美元、流式约3.33美元（每小时0.10/0.20美元），说话人分离、时间戳和关键词均包含在内。模型专注于嘈杂电话线路、多人说话、地方口音及口述电话号码/邮箱/地址等传统转写难题，仅以托管API形式提供、不开放权重。Atlassian Loom已接入该模型转写每条视频，并将转写文本送入Cursor完成代码更新，形成"从上下文到代码的闭环"。