Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成式视频控制能力

Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 和 Google AI Studio 面向开发者提供新的创意控制与生成式视频能力。

Galaxea Dynamics@GalaxeaDynamicsAI 评分3030

从下单到配送——完全自主。星海图（Galaxea）的机器人驱动微型履约中心，可跨数万个 SKU 自主识别、拣选、打包并配送商品。看具身智能在真实零售工作流中运转。#EmbodiedAI #Galaxea #Robotics #Automation

Michael Truell@mntruellAI 评分5959

Grok Bot 现已向所有持有标准 Grok 或 Cursor 订阅的用户开放，作者称其增长速度超过他们见过的任何产品。引用内容提到所有 SuperGrok 和 Cursor Pro 订阅者均可使用，并重置了所有用户的每周用量限制。作者称用户委派给 Grok Bot 的任务涵盖运营小型电商（含客服、广告、库存、财务）、协调客户活动、测试生产软件以及完成日常工作中大量繁琐部分。

Lee Robinson@leerobAI 评分5757

Lee Robinson 宣布 Bot 现已面向所有付费客户开放，定价每月 20 美元，并已为所有 Bot 客户重置每周用量上限。

Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型

Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可将原始音频直接转为整洁、带格式的文本。

SpaceXAI@SpaceXAIAI 评分4343

在 LiveKit 中使用 Grok Voice 模型，构建实用的语音智能体，全面支持 ZDR

NVIDIA Dynamo 推出影子引擎恢复，LLM 推理容量秒级恢复

NVIDIA Dynamo 预览版新增影子引擎恢复功能，可在 LLM 引擎进程故障后数秒内恢复推理容量，替代需从存储加载权重到 HBM、编译 kernel 并捕获 NVIDIA CUDA graphs 的冷启动路径。大模型冷启动初始化通常耗时数分钟，期间存活 worker 需承接转移流量。

Andrew Ng@AndrewYNgAI 评分5858

Andrew Ng 宣布开源智能体 OpenWorker 发布新版本，新增多项面向安全工作流的功能。新版内置三类网络安全智能体：扫描代码漏洞、扫描依赖以发现供应链注入、检查云安全配置的攻击面；其 harness 完全开源，安全团队可审计确认无后门。

Lee Robinson@leerobAI 评分4444

我们刚刚提高了 Cursor 中 Grok 模型的包含用量！ 随着 Grok 4.6 的发布，需求一直在增长。上个月我们已经通过增加算力将限额翻倍。现在我们将再次永久上调限额。 尽情享用！

NVIDIA 发布 CUDA Python 1.0：稳定 API、统一基础与完整平台访问

NVIDIA 技术博客宣布 CUDA Python 1.0，主打稳定 API、统一基础和对完整平台的访问。文章指出此前 Python 开发者要用 GPU 只有两条现实路径：学 CUDA C++ 写扩展并维护 Python 绑定，或依赖 PyTorch、CuPy、RAPIDS 等上层库，而后者虽有局限却推动了 Python GPU 生态的繁荣。

Nous Research 发布 Hermes Agent 的 Sprites 终端后端插件

Nous Research 为 Hermes Agent 推出 Sprites 终端后端插件，基于 Fly.io 云沙箱提供有状态运行环境，支持 checkpoint 与 restore。该插件已在 GitHub 开源。

Gradio gr.Workflow 指南：用节点图搭建并部署 AI 工作流

Hugging Face 发布 gr.Workflow 实用指南，介绍 Gradio 内置的工作流功能：用户把步骤描述为带类型的节点图，Gradio 提供可拖拽画布，每个节点可单独运行、中间结果可见，同一张图自动成为 REST API 并可一键部署到 Hugging Face Spaces。

NVIDIA Groq 3 LPX 如何在 NVIDIA Vera Rubin 上实现长上下文超快交互

NVIDIA Groq 3 LPX 是 NVIDIA Vera Rubin 平台的交互式 AI 推理加速器，与 Vera Rubin NVL72 搭配可扩展该平台的长上下文交互能力。Vera Rubin NVL72 面向从小型到大型、开源与闭源的最广泛 AI 工作负载，兼顾高吞吐与交互性。

NVIDIA Vera CPU 如何解决智能体 AI 集群难题

NVIDIA 发文阐述用 Vera CPU 应对智能体 AI 集群挑战：GPU 负责运行模型，CPU 承担编排、工具执行与沙箱计算。文章指出，与传统负载稳定的运行特征不同，智能体工作负载不可预测且波动极大，AI 工厂的集群经济性取决于整个技术栈将电力与资本转化为已完成智能体任务的效率。

Michael Truell@mntruellAI 评分2828

本周末我们将向一小部分企业开放 Grok Bot 访问权限。 如果你想让我们明天或周一去你旧金山的办公室为你的团队做上手培训，请回复。

Noah Zweben@noahzwebenAI 评分2525

看看我们数据团队用 Claude Tag 为整个 Anthropic 提供数据问答的绝妙方式 https://claude.com/blog/self-service-data-analytics-in-slack-how-anthropic-deploys-claude-tag-for-ad-hoc-questions

Midjourney alpha 站点更新：文件夹分组、Upscale/Zoom/Vary 回归与大量修复

Midjourney 为 alpha.midjourney.com 上线两周的大改版推送了一批 UX 改进与 bug 修复，侧边栏新增可折叠的文件夹树分组，支持双击重命名分组并把新文件夹直接归入其中。

NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示面向长时程自主智能体的前沿级通用架构

NVIDIA 的 AVO 在 ARC-AGI-3 上取得 100% 成绩，展示了一种面向长时程自主智能体的前沿级通用架构。该工作指出前沿语言模型只是 AI 智能体的一部分，真正决定模型如何接收上下文、使用工具、维持状态、响应反馈、从失败中恢复并在长任务中持续推进的，是外围的智能体系统（常称为 harness）。

Meituan LongCat@Meituan_LongCatAI 评分3131

好消息！LongCat-2.0 搭配 Hermes Agent 的免费使用已再延长两周 🐱 在 @NousResearch Portal 上有更多时间体验！

World Labs@theworldlabsAI 评分3636

在 LED 舞台上以全尺寸观看这些世界令人着迷。 从 16K LED 体积到实时制作工作流，以下是 Marble 在虚拟制作和 VFX 中的几种用法 ↓

Sierra 为大规模智能体推出发布治理功能

Sierra 将发布治理直接内置到平台，用 Agent Checks、Simulations、合并审批工作流和分流发布，把变更从 Workspace 安全推进到线上客户对话。

AlloyDB ScaNN 如何将向量搜索扩展至 100 亿向量

AlloyDB 的 ScaNN 索引通过新增四级树（preview）架构与内存优化，将向量搜索规模扩展至 100 亿向量。内部测试中，该索引在 100 亿向量下实现 ≤51 ms p95 延迟与 95% 召回率，搜索复杂度由三级树的 O(N^1/3) 降至 O(N^1/4)。四级树已开放 preview，可按快速入门指南部署。

Mistral 发布 Agentic Search，FinanceBench 准确率从 26.7% 升至 86%

Mistral 发布 Agentic Search，一种多步检索层，让模型在复杂文档中查找、翻阅并核实信息，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries。

Hugging Face 开源 s2-cli：查询 Semantic Scholar 的命令行工具与 Skill

Hugging Face 在 GitHub 发布 huggingface/s2-cli 仓库，提供一个查询 Semantic Scholar 的命令行界面（CLI）和 Skill，面向智能体和人类使用。

VeRL-Omni v0.2.0 发布：更快的扩散模型 RL 与稳定的全模态训练

VeRL-Omni v0.2.0 发布，通过 vLLM-Omni 的请求级批处理让 Qwen-Image FlowGRPO rollout 的 GPU 利用率从约 80% 升至约 100%，单次生成时间从 226s 降至 108s，减少 52%。

Galaxea Dynamics@GalaxeaDynamicsAI 评分2323

身体在动。倒咖啡稳稳当当。☕🤖 在 WRC 2026 上，NEXO 通过全身零空间控制协调手臂、躯干和移动底座——全程还在倒咖啡。 #EmbodiedAI #WRC2026 #Galaxea #NEXO

Google AI Developers@googleaidevsAI 评分3131

从一句提示词到完整动画视差落地页。🤯 看看 Gemini 3.7 Flash 结合 Nano Banana 和 Omni，如何一次性构建交互式网站。底层上，3.7 Flash 调用合适的工具来生成文案、图像参考，并渲染可用于视差的 Omni 视频。

Google AI Developers@googleaidevsAI 评分2626

用 Nano Banana 和 Gemini Omni 把网络变成交互式视觉百科。🌐✨ 我们在 @Antigravity 中用 Gemini 3.7 Flash 构建了一个 Chrome 扩展，让你在浏览时高亮任意文本，即可快速生成丰富的视觉化定义，助力深度学习。 查看演示 ↓

Google AI Developers@googleaidevsAI 评分3131

我们向 Gemini 3.7 Flash 输入了一本维多利亚时期植物插画书中的数百份 PDF，让它用现代 APG IV 分类系统提取并分类这些历史植物。🌳 💻 看看它如何在 @Antigravity 构建的交互式可视化中将自己的理解生动呈现：

browser-use 开源 macos-harness：让 LLM 完全自由地控制 Mac

browser-use 在 GitHub 发布 macos-harness 仓库，定位是最简单、最精简的 harness，让大语言模型完全自由地控制一台 Mac。

vLLM-Omni 推出分布式逐层卸载，可在多卡上高效运行 200B+ 级 DiT 模型

vLLM-Omni 团队发布 Distributed Layerwise Offload，让超过单卡 HBM 的视频生成模型（如 Cosmos3-Super 64B / 124 GB）可在多块 NPU 或 GPU 上运行。

vLLM 推出 DSpark 自适应验证：按置信度调度投机解码预算

vLLM 在 PR #47808 中引入 DSpark 置信度调度验证（enable_adaptive_verification），让引擎逐步决定验证多少 draft token，而非按部署固定 num_speculative_tokens。

Noah Zweben@noahzwebenAI 评分4848

为了让 Claude 具备主动性，我们做了大量研究。我们的数据显示，未经提示的消息减少了约 45%——Claude Tag 既能更好地感知你工作场景的上下文，也更懂得何时保持安静。 最棒的是——Monitoring 也不收费！ https://claude.com/blog/claude-tag-now-reads-even-more-of-the-room

Google Cloud 用 BigQuery Graph 的 measures 支撑可信智能体工作负载

Google Cloud 为 BigQuery Graph 引入 measures（预览版），把受治理的指标与关系映射统一起来，让 AI 智能体在图上跨多跳依赖进行推理。

Nous Research 发布 Hermes-Bot-Mode：Hermes 桌面端 Bot Mode

Nous Research 在 GitHub 发布 Hermes-Bot-Mode，为 Hermes 桌面端带来 Bot Mode，提供一组具名智能体，各自拥有独立聊天、头像、例程，并支持智能体间互发消息。该功能以桌面插件形式实现，无需修改核心代码。

DeepSeek@deepseek_ai精选AI 评分7373

DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向全球构建 Agent harness 的开发者开放，代码库以 MIT 许可开源，仓库地址为 https://github.com/deepseek-ai/deepseek-harness。

DeepSeek 发布 deepseek-harness：一切皆插件

DeepSeek 在 GitHub 新建 deepseek-harness 仓库，核心理念是"一切皆插件"。该仓库以插件化架构组织功能，具体能力与可用性尚未在现有信息中披露。

OlmoEarth Studio 推出自定义 embedding 导出用于下游分析

AllenAI 的 OlmoEarth Studio 现已支持计算并导出 OlmoEarth 开源基础模型的 embedding 向量，源代码、模型权重和研究论文公开可查。

Google DeepMind 发布手语转文本模型 SL2T，落地 Gboard 与 Live Transcribe

Google DeepMind 发布大规模多语言手语转文本模型 SL2T，为 Gboard 和 Pixel 11 的 Live Transcribe 带来手语转文字听写，首先支持 ASL 转英语，后续将扩展更多语言和设备。

Sierra 谈 Horizon 智能体：跟进就是成交

Sierra 称其 Horizon 智能体可为每位潜在客户配备一名 AI 智能体，持续数天、数周甚至数月主动跟进，直到客户购买或放弃。文中以车险为例，AI 智能体 Jamie 在客户保存报价后当晚即发短信，第 4 天解答保险条款问题，第 7 天完成通话并促成保单购买。Sierra 表示该智能体遵循企业合规要求，沟通内容由企业控制。