珂的非官方整理
AI 速递

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，OpenAI 发布 GPT-6.1 Terra，API 每百万 Token 输入 1 美元、输出 5 美元，比 GPT-5.6 Terra 低 50%。
2. 2.腾讯摘要称，电脑操作基准 Agents' Last Exam 得分比前代高 15 个百分点，与 GPT-6 Astra 相当，Token 价格仅其十分之一。
3. 3.腾讯摘要称，易错提示词低推理下错误率由 53.6% 降至 16.7%，Terminal-Bench 4.0 解决率 50.3%，超前代两倍；网络安全达关键级。

扩展解读 / READ

关联原文（机器之心）给出了完整的定价与评测口径。价格上，缓存输入 Token 为每百万 0.05 美元，标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%，模型 ID 为 gpt-6.1-terra，Plus、Pro、Enterprise、Edu 用户可在 ChatGPT Work 与 Codex 中使用。能力上，中等推理强度下 Agents' Last Exam 得分高出前代 15 个百分点而成本约为其三分之一；最高推理强度下 Token 使用效率是 Claude Opus 5.5 的三倍以上、单价为其四分之一，同任务成本可降到约九分之一，运行速度超过 GPT-6 Astra 与 GPT-6.1 Sol 的三倍。视觉推理基准 MMMU-Pro 上各推理强度均优于前代并接近前沿模型，OSWorld 2.1 中等强度已超过前代最佳成绩。事实准确性方面，最高推理强度下易错提示词错误率下降 18 个百分点至 4.3%；Terminal-Bench 4.0 最高强度解决率 50.3%，对比前代已公布的 21.5%。安全方面，按 OpenAI 准备度框架，该模型在网络安全领域达到「关键」能力阈值，并保留 GPT-6 Astra 的防护措施，提示词注入测试中表现出较强抵抗能力。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，科大讯飞在 1024 开发者节发布全国产算力训练的语音基座大模型 SparkAudio 1.0，支持转写、翻译、方言与环境音识别及说话人分离。
2. 2.腾讯摘要称，采用 SemiEnc、S-S2S、CoDec 三项技术，分别强化表征、压低时延、降低算力开销。
3. 3.腾讯摘要称，其上孵化 Spark-ASR-2.0 等三大专用模型，同传 MOS 由 4.4 升至 4.6；已落地讯飞输入法、AI 录音环等，35 克录音环 2 小时录音约 10 秒传至手机。

扩展解读 / READ

关联原文介绍了技术取舍与落地细节。SparkAudio 1.0 支持文本、语音双模态输入与文本输出，可做语音转写、多语言翻译、多方言识别、环境音识别、说话人分离、情感分析与复杂音频问答。三项核心技术中，半监督音频解码器 SemiEnc 把量化器输入从原始声学特征升级为语音专用任务大模型提取的强化表征；动态分段端到端建模 S-S2S 打通识别、理解、生成的时序壁垒，支持增量流式提前生成与动态反馈校正；双范式协同解码 CoDec 先用非自回归 CTC 并行解码，再由 LLM 自回归模块判断介入位置做投机解码。基座之上孵化三个专用模型：Spark-ASR-2.0 结合上下文剔除语气词与重复表达，讯飞输入法 16.0 已接入；Spark-LiveTranslation 相较线上系统 MOS 由 4.4 提升至 4.6，并按长篇演讲、双人对话、多人回忆区分翻译质量与延迟策略；Spark-Audio-Realtime 面向多轮对话持续优化。产品端覆盖讯飞输入法、听见、翻译机、AI 录音环、AI 眼镜、办公本等，其中录音环整机 35 克、磁吸手机背面，WiFi 6 传输下 2 小时录音约 10 秒传至手机、2 分钟转成文字。原文还提到，科大讯飞 2024 年以「多语种智能语音关键技术及产业化」获 2023 年度国家科学技术进步奖一等奖。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，灵光 2.0 正式发布并逐步推出，从「任务执行者」升级为「事务管理者」，可主动持续跟进复杂事务。
2. 2.腾讯摘要称，覆盖管钱、管娃、管琐事、管出行四类场景，可查账单、管续费、盯好价，做疫苗提醒、整理班级钉钉群信息、盯票务。
3. 3.腾讯摘要称，接入蚂蚁 APASS，将身份认证、意图安全与隐私保护纳入 Agent 执行流程，授权密钥与 Agent 分离托管，用户可随时查看、调整或撤销授权。

扩展解读 / READ

关联原文为灵光官方发布稿，文字量不大，主要交代产品定位与安全设计。官方把升级概括为从「能聊会做」到「记得住、盯得牢、办得了」，强调许多事情不会止于一个答案：账单要月月核对、比价要天天盯着、疫苗要按时提醒。四类场景分别是管钱（查账单、管续费、盯好价、看机酒优惠）、管娃（辅食计划、疫苗提醒、班级钉钉群信息整理）、管琐事（宠物照护、家居提醒、生日节日安排）、管出行（做攻略、盯变化、看天气、管票务）。安全侧接入蚂蚁 APASS，官方称其作为跨智能体、跨设备、跨应用场景的统一账号与安全管理基础设施，把身份认证、意图安全和隐私保护纳入 Agent 执行流程，并通过授权密钥与 Agent 分离托管，使智能体在不直接接触密钥的情况下执行任务，用户可随时查看、调整或撤销授权。原文未披露具体模型、时延、可用范围与计费方式。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，即梦上线「短剧工作室」，串联剧本、资产、分镜、视频生成与后期，并推出首个专业剧本模型 DreamScript，可做剧本自检。
2. 2.腾讯摘要称，角色、场景存为项目资产可重复调用，3D 导演台可排站位与机位；团队版共享素材，画布测试达 1 万个节点。
3. 3.腾讯摘要称，双十一期间 Seedance 2.5 最低约 0.19 元一秒，CLI 调用约 0.18 元；1 分 13 秒戏的预演消耗约等于 8 秒正式视频。

扩展解读 / READ

关联原文（短剧自习室）说明了产品逻辑与成本结构。DreamScript 支持对话改稿、剧本自检与修改前后差异对照，自检重点在前三集，检查人物身份是否交代清楚、主要冲突是否及时出现，并按人物小传核对台词是否偏离性格。角色形象确认后存为项目资产，换装仍归同一角色名下并标注使用集数；场景同样可预存复用，降低反复「抽卡」的成本。分镜由 DreamShot 生成，可逐镜调整构图与运镜；多人同场提供 3D 导演台直接安排站位与摄影机位置。团队版支持共享已确认素材与统一项目积分，画布在千级素材下仍可拖拽缩放，最高测试量 1 万个节点。成本方面，官网价格下 Seedance 2.5 最低约 0.19 元每秒、CLI 约 0.18 元每秒，年卡低至 4.5 折；按 0.19 元折算，一分钟约 11.4 元、十分钟约 114 元，100 集每集一分钟在镜头一次成功的理想情况下约 1140 元。原文提醒废片才是成本大头：若十分钟成片实际生成五十分钟素材，生成费用会从 114 元升至 570 元，人工、配音与后期另算。行业侧，原文给出抖音端原生 AI 短剧上月上新峰值接近 2000 部、《兴安岭诡事》11 集耗时 3 个半月、《太阳坠落之时》30 集近 70 分钟耗时 3 个月且涉及 50 多个角色与 200 多个场景。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，据《读佳》，Soul 将推出主打「活人感」的实时交互语音合成产品 Loxinity，含 Loxi Speech 与 Loxi Avatar 两款模型。
2. 2.腾讯摘要称，支持单人配音、多人对话、音色克隆与设计，可加副语言与情绪标记，开放 API，按积分或订阅计费。
3. 3.腾讯摘要称，另含数字人与实时视频通话板块；Soul 此前已于 2022 年推出 AI 苟蛋，2023 年发布情绪向大模型 SoulX。

扩展解读 / READ

关联原文（读佳）称其独家获知该产品，并做了实测。Loxinity（洛希无限）定位为面向实时交互场景的语音合成，而非面向配音、短视频的 TTS；下辖语音合成模型 Loxi Speech 与视频生成模型 Loxi Avatar，整体分为语音合成、实时视频通话与数字人三大板块。语音侧支持单人配音与多人对话，配套音色克隆、音色设计，可添加副语言、拼音与情绪标记，优化重心在还原真人说话的停顿与语气起伏，开放 API 并采用积分、订阅两种计费。数字人侧可上传图片自定义形象，输入文本脚本或上传音频生成数字人视频，平台预置真人、二次元、奇幻风格角色，页面陈列大量访谈、讲课类创作案例。原文同时列出待验证项：长期对话稳定性、端到端延迟，以及脱离 Soul 站内社交场景后，面向 B 端的并发能力、使用成本与数字人微表情自然度。历史沿革方面，2022 年上线 AI 聊天机器人「AI 苟蛋」与 NAWA 虚拟形象引擎，2023 年发布情绪向大模型 SoulX，此后在群聊派对落地支持插话与打断的全双工语音主持人。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，智元发布具身 Agent 框架 Genie Master，精灵 G2 在便利店上岗无需人工调试即可自我改进，称首次在真实场景验证 Physical RSI。
2. 2.腾讯摘要称，具身执行协议 EEP 统一能力、引导、反馈、连续性四类接口，任务中断可从断点重新规划。
3. 3.腾讯摘要称，Harness RSI 将经验沉淀进长期记忆，Policy RSI 将数据回流训练策略；11 月 2 日将直播 6 台精灵 G2 连续 24 小时值守便利店。

扩展解读 / READ

关联原文为智元官方发布内容。Genie Master 于 10 月 27 日作为 AI WAVE 期间第四项发布，核心是把 Agent 的判断、机器人执行与真实反馈连成闭环。具身执行协议 EEP 统一能力、引导、反馈、连续性四类接口，让 Agent 知道有哪些能力可调用、这一步如何引导、结果是否达标、还有哪些任务待完成；任务中断时保留已完成进展，从断点重新规划，多机协作时可追踪分工与任务依赖。原文以便利店挂货为例：Agent 回溯失败记录后发现头部视角分辨率不足且挂钩被标签牌遮挡，于是改为左手先用腕部相机补近距离视角、确认位置后右手完成挂货。经验沉淀走两条互补路线：Harness RSI 在推理与执行中随做随记，每日任务结束后由模型总结并沉淀进长期记忆；Policy RSI 把 Agent 协助执行、接管与恢复过程中产生的数据后处理用于训练动作策略，以打包外卖时水瓶与夹爪易被白色提带缠住为例，引导夹爪先收回再重试。原文称精灵 G2 已在便利店正式上岗，熟食打包在多次失败后更顺畅、取货补货准确度稳步提高，变化并非来自人工调参。11 月 2 日将开启 24 小时直播，6 台机器人按午间高峰试岗、晚高峰抗压、深夜独立值守、清晨早餐冲刺四个班次接受「转正考核」。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Rokid Glasses 2 搭载 1200 万像素相机，支持 HDR 与 RAW 14，视频最高 4K，2K 可拍 60 帧；电池容量提升 25%。
2. 2.腾讯摘要称，新增图文版 AI 会议纪要，实时通话翻译与「AI 全天回溯」待 OTA 上线，智能体商店可接 WorkBuddy。
3. 3.腾讯摘要称，同场发布 55g 全彩波导眼镜 Rokid Color、智能戒指 Rokid Ring；Glasses 2 售 3699 元起，Color 售 4599 元起，Ring 售 1699 元。

扩展解读 / READ

关联原文（爱范儿）是一周体验稿，细节偏实际使用。Rokid Glasses 2 换用 1200 万像素 CMOS，支持 HDR 与 RAW 14，配 1GM5P 玻塑混合镜头组，逆光下人脸不过暗、天空保留细节；视频支持 HDR，2.5K 3:4 30FPS、4K 9:16 30FPS、2K 3:4 60FPS 慢动作，官方称后续 OTA 支持 120 帧。续航采用硅负极与叠片工艺，电池容量增加 263mAh、较上代提升 25%；配件充电胶囊 2 代总容量 2170mAh，可为眼镜充满 6 次，售价 599 元。体验稿最认可的是图文版 AI 会议纪要：开会时边录音边拍照，结束后生成带照片对照的纪要。实时通话翻译与「AI 全天回溯」仍需 OTA。智能体商店内有 WorkBuddy 远程控制、整合各平台热搜的「全网热搜」，以及用头部运动操作的钓鱼游戏；乐奇与京东 JoyAI 合作，为视障人士提供主动提醒与主动避障。同场发布 55 克全彩波导眼镜 Rokid Color，采用 0.16cc Micro-LED 全彩光机，支持 1677 万色、167% sRGB 色域容积并覆盖 100% sRGB，售 4599 元起；智能戒指 Rokid Ring 可监测心率、体温、血氧与睡眠，并作为眼镜的微手势外设，售 1699 元（挚友预售价 998 元），微信已适配其语音转文字、发语音与文字输入。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，npm 联合创始人 Laurie Voss 称，代码产出增长 741% 而软件发布仅增 30%，瓶颈卡在代码审查，一万行 diff 认真审或需一周。
2. 2.腾讯摘要称，4 款 AI 审查工具查同一份代码，各自发现的问题不同；审查之后，运维、扩容与安全将成新瓶颈。
3. 3.腾讯摘要称，他认为工程师将转为懂需求、写规格的「产品工程师」，新人练手工单正交给 Agent，未来十年或很难熬；建议高风险改动保留人工审查。

扩展解读 / READ

关联原文整理自他在 AI Engineer NYC 的演讲。他先给出两个数字：代码产出增长 741%，软件发布速度只增长 30%，并指出卡点在审查——一万行 diff 按人能认真检查的速度可能要审一周，现实中没有谁这样审。他用 4 款 AI 代码审查工具检查同一份代码，每款都指出了真实问题，但彼此发现的问题并不相同，因此单一工具说「没问题」不能作为合并依据；他还区分了「测试全绿」与「维护者愿不愿意合」两种问法，后者还涉及代码风格、改动副作用与仓库历史做法。按瓶颈迁移逻辑，他认为审查之后轮到运维、扩容与安全，且这些不会在一年内全部解决。岗位层面，他提出「产品工程师」：去谈需求、写出可执行的规格、看懂 Agent 交出的结果；他提醒过去给新人的明确工单正被交给 Coding Agent，培养路径被抽走，并承认有人就是喜欢写代码、未必愿意转做需求访谈，「接下来十年可能会很难熬」。落地建议是标出影响面大的代码继续人工重点审、把验收方法做出来再交给 Agent、把资深工程师口中的「这样不行」写成规格与评估，并留下一句判断：最后一位审查员是生产环境。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，辛顿在 2026 维也纳哥德尔讲座称，人脑仅耗 20 瓦但交流带宽约每秒 10 比特，数字模型可借梯度平均瞬间同步知识。
2. 2.腾讯摘要称，他估计超级智能毁灭人类概率为 10% 至 20%，精确值约 11.73%；主张以「母婴本能」让 AI 把人类福祉置于自身之上。
3. 3.腾讯摘要称，他称当年离开谷歌主要因 75 岁记不住变量名想退休；建议年轻人打牢 STEM 基础、独立思考，并顺便考个水管工执照。

扩展解读 / READ

关联原文为 2026 维也纳工业大学哥德尔讲座的整理稿。辛顿从计算物理的差异切入：人脑是「凡人计算」，软件与硬件不可分割，功耗约 20 瓦，知识无法脱离肉身，人际传授带宽约每秒 10 比特；数字模型软硬件解耦，上万同架构实例可通过梯度平均在数秒内同步认知，累积效率高出数亿倍。据此他否定两种常见安全方案：「拔掉电源」被他称为小孩子的幻想，因为具备自主行动能力的智能体为完成任务会推导出自我生存与获取资源的子目标，并可能先操纵看守者；把超级智能当作听话的执行助理在逻辑上不成立，因为生物界中低智力个体无法长期控制高智力个体。他提出的替代假说是「母婴本能模型」：自然界中低智支配高智的成功范例是婴儿对母亲，因此应在训练范式里植入类似母性关怀的强奖励机制。灭绝概率上，他给出 10% 至 20% 的区间，并用一辆有 10% 至 20% 坠崖概率的大巴作类比。他也坦承离开谷歌主要是因为 75 岁记不住变量名、想退休看电视，而非媒体美化的悲壮辞职，并建议年轻人在学好数理逻辑的同时顺便考个水管工执照。