NVIDIA Omniverse 如何借助前沿 AI 智能体把创意转化为仿真

NVIDIA 展示开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体，配合 Omniverse 库构建机器人、自动驾驶和数字孪生等仿真应用。

Databricks 解析生物医学影像瓶颈：关键在数据而非模型

Databricks 提出生物医学影像 AI 的核心瓶颈不是模型，而是 DICOM 与病理切片等数据被锁在 PACS/VNA 中，难以查询、去标识、共享和跨机构复用。

Pollo AI 借助 OpenAI 模型把创意转化为营销活动

初创公司 Pollo AI 基于 OpenAI 的 GPT‑5.6、GPT‑6 Astra 和 GPT‑Image‑2.5，通过 API 帮助创作者生成图像与电影感视频广告。其 Pollo Agent 可理解粗略创意并生成剧情、分镜和脚本，平台用户已超过 2600 万，用户选择或切换模型的时间减少逾 50%。

Claude Haiku 5.5 登陆 Amazon Bedrock 与 Claude Platform on AWS

AWS 宣布 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 可用。Anthropic 称其是 Claude 5.5 系列中最快、最高效的模型，面向子智能体和高体量、成本敏感任务，多数任务成本比 Claude Haiku 4.5 低约 75%。

OpenAI 向所有 ChatGPT 用户推出 GPT-6 与 Intelligent UI

OpenAI 于 10 月 7 日宣布面向每周超过 12 亿 ChatGPT 用户推出 GPT-6，并在 Chat 中引入 Intelligent UI，可生成图形、按钮、表单、图表和交互式体验。

Liquid AI 发布面向边缘设备的开放 d1 决策模型 d1-3B 与 d1-omni-600M

Liquid AI 发布 d1 决策模型家族中的两款开放权重模型 d1-3B 和实验性 d1-omni-600M，均已上线 Hugging Face。

Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，可将代码、文本、图像、视频和音频映射到统一嵌入空间。

AWS 教程：在 AgentCore 与 OpenClaw 上构建具备上下文记忆的 AI 助手

AWS 教程展示如何用 Amazon Bedrock AgentCore runtime、AgentCore memory 和开源 OpenClaw 构建可跨会话记忆的 Telegram 园艺助手 Sprout。

NVIDIA Inception 初创企业如何用 AI 弥补乳腺癌诊疗缺口

NVIDIA Inception 项目中的多家初创公司正借助 NVIDIA AI 基础设施，在乳腺影像、风险评估和治疗规划环节开发 AI 应用。

Runway@runwaymlAI 评分2626

Canva AI 研究负责人 Stefano Corazza、ElevenLabs CRO Ashley Kramer 和 Nebius CMO Lindsey Irvine 探讨为创意人士构建 AI 工具、为什么控制力和一致性最重要，以及智能体如何改变营销团队的工作方式。

Krea@krea_aiAI 评分2626

@thesystms 的团队在 48 小时内构建了一个创意智能体。 @ingi_erlingsson 写下了他如何解读情绪板：先看感觉，然后是色彩、色调和镜头，接着 @armandgw 将其做成了一个 Krea Agent 技能。 在下方了解如何做👇

Runway@runwaymlAI 评分2424

Gamma 首席 AI 官 Deeni Fatiha、Adobe 总监 Morgan Prygrocki 以及 Salesforce 全球品牌营销的 Shane Tapp 探讨了当创意 AI 从实验阶段进入生产阶段时会发生什么变化。

Runway@runwaymlAI 评分4444

推出 @runwayml_labs 的 Project Continuum，这是一款围绕实时视频界面构建的新型操作系统研究应用。 今天，我们将抢先展示与计算机交互的四种新方式：Portals、Visual Thinking、Responsive Video Interfaces 和 Interactive Worlds。界面世界模型（如 Solaris）正在重新构想界面的可能性。

Runway@runwaymlAI 评分3030

在一次深度问答中，Runway 研究团队畅谈实时模型、生成式界面以及机器人技术的下一步。

Runway@runwaymlAI 评分4747

Runway 机器人业务负责人 Andy Chen 介绍了 Runway 在机器人领域的独特方法，最后以我们的开放权重世界动作模型 Praxis-1 的首秀收尾。 进一步了解 Praxis-1 并申请抢先体验：https://runway.com/praxis-1

Google DeepMind 发布前沿模型 Gemini 4 Argon，输出上限提升至 1M tokens

Google DeepMind 宣布前沿模型 Gemini 4 Argon，将先通过 Fairwind Program 面向可信网络防御者开放，并参与美国政府自愿的发布前模型访问流程，随后逐步面向付费 API 客户和 Google AI Ultra 订阅者推出。

Runway@runwaymlAI 评分3636

在今天的 AI 峰会上，Runway CTO Kamil Sindi 进一步介绍了我们的首个世界接口模型 Solaris。这是一种新型操作系统，会在你与它交互时自行构建。每一帧都会根据你的意图实时生成。 在主题演讲中，Kamil 分享了一个清晰愿景：未来所有软件都将被生成。无需一行代码。 进一步了解 Solaris：https://runway.com/news/research/introducing-solaris

Manus@ManusAIAI 评分2424

用 Manus Game Dev 把一个创意变成有趣的 3D 赛车游戏。🏎️ 赛车？由我们的合作伙伴 @tripoai 生成的 3D 模型。

Google DeepMind 发布 SynthID Bio，为 AI 生成蛋白质添加可验证水印

Google DeepMind 推出 SynthID Bio，可在蛋白质序列和预测 3D 结构中嵌入难以察觉的签名，并在合成后的物理蛋白质上验证。湿实验覆盖 VEGF-A、SARS-CoV-2 spike protein RBD 和 PD-L1，水印设计在命中率、结合亲和力和自然序列多样性上与无水印版本匹配；AlphaFold 3 预测结构也保持准确率并具备接近完美的可检测性。

Runway@runwaymlAI 评分5353

Runway 宣布加入 OpenAI Marketplace 并成为发布合作方。用户即日起可通过该入口使用 Runway 的图像、视频、音频和编辑模型，并可将部分 OpenAI 承诺消费额用于 Runway 购买。

Condé Nast 如何基于 Amazon Bedrock 构建多模态视频发现方案

Condé Nast 与 AWS GenAIIC 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现方案，采用 TwelveLabs Marengo embedding 模型联合编码画面、音频与字幕，将单次内容发现耗时从 250 分钟降至 2 分钟以内。

Microsoft Research 发布面向复杂生物学的 AI 研究系统 Quine

Microsoft Research 推出实验性 AI 研究系统 Quine，包含生物学世界模型和连接模型、科学工具、文献、湿实验室与研究人员的交互式 harness。

xAI Grok 4.7 上线 Amazon Bedrock

xAI 的 Grok 4.7 已在 Amazon Bedrock 可用，面向编码、长时间运行的 AI 智能体和知识工作，提供 500K token 上下文窗口及 low、medium、high、xhigh 四档推理强度。

Microsoft Research Asia – Singapore 成立一年：如何推进研究、合作与人才培养以实现现实影响

Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日成立，是 Microsoft 在东南亚的首个研究实验室，成立一年来持续扩大团队并深化本地合作。

在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（第 1 部分）

AWS 教程展示如何在 Amazon SageMaker AI 上通过 vLLM-Omni v1.5 DLC 部署 Qwen3-TTS，实现文本输入与 24 kHz PCM 音频块在同一 HTTP/2 WebSocket 连接上双向流式传输。

如何用 Amazon Nova Act 实现智能体驱动的合成监控

AWS 文章介绍了基于 Amazon Nova Act 与 Amazon Bedrock AgentCore 的智能体合成监控方案，用多模态 LLM 读取 UI 截图替代 DOM 选择器，早期企业用例中浏览器工作流准确率超过 90%。方案由 EventBridge Scheduler 按 5 分钟至 1 小时调度，失败时通过 Amazon SNS 告警，并提供含完整实现的示例仓库。

如何在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练

Amazon SageMaker HyperPod 结合开源 RL 框架 SkyRL，可对 Qwen3-VL-8B 视觉语言模型开展 GRPO 多模态强化学习训练。

Google Research 提出长视频连贯生成多智能体框架 Co-Director、CANVAS、A²RD 与 VQQA

Google Research 发布面向连贯长视频生成的研究套件，包含将在 COLM 2026 发表的 Co-Director、将在 EMNLP 2026 发表的 CANVAS，以及 A²RD 和 VQQA。

Krea@krea_aiAI 评分4747

在 Krea Agent 中推出自定义应用。 构建按你想要的方式工作的创意工具。角色工作室、3D 查看器、动效。只需描述这个应用。 了解更多 + 示例见下方 👇

Google DeepMind 推出 Gemini 3.8 Live with Live Avatar

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，为 Gemini 3.8 Live 增加近实时视频数字人形象，并已在 Gemini Enterprise 中可用。

Liquid AI 发布 LFM2.5-VL-DSpark 实验性视觉语言草稿模型

Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过推测解码在不改变输出质量的前提下提升推理速度。草稿模型约 280M 参数，使部署参数量增加 8.9%；端侧解码最高加速 3.13x，H100 最高加速 2.66x，端到端最高提升分别为 2.62x 和 2.27x。

AWS 教程：用 Strands Agents 构建可自然语言问答的智能体视频分析方案

AWS 介绍了一套基于 Strands Agents SDK、Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe 的智能体视频问答架构，由 AI 智能体在运行时决定调用转录、视觉分析或 Amazon Bedrock Data Automation。

Runway@runwaymlAI 评分1818

Runway AI Summit 距今还有一周。公布我们的场次： Grounding Intelligence in the Physical World Nvidia 的 Ming-Yu Liu；Google DeepMind 的 Jon Barron；Wayve 的 Alex Toshev

NVIDIA 与合作伙伴在新加坡 AI Day 展示东南亚 AI 进展

NVIDIA 在新加坡 AI Day 上与合作伙伴展示东南亚地区 AI 部署进展，重点推动公共部门从试点走向生产。新加坡 HTX 将使用 Nemotron 3 Super 与 Nemotron 3 Nano Omni 研究公共安全 AI，多国企业和机构也基于 Nemotron、NeMo、Cosmos 等开发本地化模型与智能体应用。

NVIDIA Halos 推出面向物理 AI 规模化部署的全栈安全系统

NVIDIA 发布 Halos，称其为面向物理 AI 的全栈安全系统，覆盖硬件、操作系统与中间件、AI 模型、仿真验证和部署生命周期。

Google Research 用生成式 UI 帮助教师创建交互式学习内容

Google Research 发布实验，让教育工作者借助生成式 UI（GenUI）动态生成定制化、有引导的教育模拟交互内容。该研究基于 2024 年发布的教育微调生成式 AI 模型系列 LearnLM，并同步开放 30 多个面向中学物理、化学、生物和数学 STEM 学科的英文示例库，内容由 AI 生成并经教师审核。

曼彻斯特大学利用 NVIDIA Earth-2 预测英国全境空气污染

曼彻斯特大学与 NVIDIA 合作，基于 Earth-2 CorrDiff 和 StormCast 生成式模型构建英国全境空气污染预测模型，分辨率达 2-3 平方公里。模型在搭载 5,448 颗 GH200 的 Isambard-AI 超算上以单节点训练两天完成，推理可在桌面级 DGX Spark 上运行。团队计划开源训练数据与工作流，未来支持政策情景模拟、医疗预警及智能体交互查询。

Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型

Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率与高复杂度多步推理任务。

费城儿童医院如何用 NVIDIA 开源 AI 加速儿童心脏建模与护理

费城儿童医院基于 NVIDIA 联合创立的开源医学影像框架 MONAI，将 CT、MRI 和 3D 超声图像在数秒内生成精确心脏模型，原本需熟练研究人员 4 小时的流程已可用于常规临床。其还借助 NVIDIA Warp 与开源物理引擎 Newton，把心脏器械模拟从最长 4 小时缩短至近实时；美国已有 20 多家儿童医院开展心脏建模项目。

Gradio Workflow 教程：用 Workflow1111 复刻 AUTOMATIC1111 工作流

Hugging Face 展示 Workflow1111，用 Gradio Workflow 的 73 个节点和 11 条媒体管线复刻 AUTOMATIC1111 stable-diffusion-webui 的大部分功能。