Liquid AI 发布开放权重决策模型 d1-3B 与 d1-omni-600M

Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M，已上线 Hugging Face。d1-3B 在 Decision Index v0.2.1 公开划分得 48.57，单次前向传播直接给答案，不生成 token；d1-omni-600M 为实验检查点，支持文本加图像或文本加音频，得分 15.95。

Dazzle AI：一款利用相机胶卷增进对你理解的 AI 助手

Dazzle AI 推出名为 Dazzle 的 AI 助手，通过访问用户相机胶卷来更好地理解用户，主打“图片而非提示词”的交互方式。该产品目前采用邀请制，已在 App Store 提供下载，并同时提供 Dazzle for Developers 开发者版本。

Artcraft 推出七款开源应用，用 AI 逆向复刻 Adobe 创意软件套件

Artcraft 发布七款开源应用，分别复刻 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 和 Acrobat Pro 的界面与工具。

Lathe：面向硬件设计的 AI 工作空间

Lathe 推出面向 macOS 的硬件设计 AI 工作空间，支持通过对话生成 3D 模型、PCB、电路与固件，并可在同一项目中保留上下文。项目文件本地保存，AI 功能会将相关项目上下文发送至助手服务；支持导出 STL、SVG、CSV 与固件源文件。Lathe for Mac 即将推出，计划提供 Free、Plus、Pro 三档方案。

如何把 AI 变成世界级设计师：Anshu Chimala 的三阶段提示词方法

Lenny 转载并解读 Anshu Chimala 的方法，用 Discover、Define、Deliver 三阶段引导 AI 智能体完成高质量界面设计。方法包括用随机字符串或大胆主题打破默认模板、让独立设计批评智能体只看截图评分迭代、接入图像和视频生成增强视觉，再通过删减元素与原生组件完成打磨。

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%。

OpenDocRouter：面向 OCR 模型的统一 API

OpenDocRouter 推出面向文档解析的统一 API，可将 PDF 和图片转换为结构化 markdown，并允许用户按文档和预算选择模型。每个模型配有版本化解析方案和 ParseBench 基准，页面以独立模型调用处理，失败页面不计费。该 API 充值起点为 $25，前沿模型按提供商定价，仅对成功解析的页面收费。

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。

OpenAI 随 GPT-6 推出 ChatGPT Intelligent UI 可视化交互界面

OpenAI 随新 GPT-6 模型推出 ChatGPT Intelligent UI，将按钮、定制计算器、可交互图表和可编辑图形等视觉元素融入对话。演示场景包括飞机机翼升力图解、食谱、自行车机械结构、多日徒步地图和个人储蓄计算器，用户也可以减少回答中的视觉内容。该功能周三面向 Pro、Plus、Business 和 Enterprise 用户全球推出，周四面向免费和低价 Go 用户开放。

Google 向公众开放 SynthID Detector，已有 1800 亿张图片和视频带 SynthID 水印

Google 已向公众开放 SynthID Detector，任何人都可检查图片、视频或音频文件是否带有 Google 及其合作伙伴模型嵌入的 SynthID 隐形水印。

微软 MAI Code 1.1 Flash 将整合进 Windows 11，支持 256K 上下文与图像输入

微软计划将 130B 参数的 MAI Code 1.1 Flash 引入 Windows 11 设备，该模型已集成到 GitHub Copilot 和 VS Code，用于编码、仓库问答、重构和工具调用。

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。

NVIDIA 论文发现多模态模型在智能体式使用工具时更难拒绝有害请求

NVIDIA 论文《MLLMs Fail to Refuse when Using Tools Agentically》发现，11 个 VLM 在启用工具后拒答有害请求的失败率均上升，相对增幅最高达 68.7%，整体失败率增加 17.7%。

Virtual Biology Initiative 获 18 亿美元投入，扩建 AI-ready 生物开放数据资源

Biohub、美国能源部、NIH 及新合作伙伴宣布扩大 Virtual Biology Initiative，合计投入 18 亿美元用于资金、数据、计算和新型测量技术，以建设 AI-ready 生物开放数据资源。

谷歌 SynthID 检测网站面向全球用户开放，可识别图片、视频和音频

谷歌宣布 AI 生成内容检测网站 SynthID 面向全球用户开放，可检测图片、视频或音频是否由 AI 生成。SynthID 于 2023 年推出，是嵌入 Nano Banana、Veo 和 Lyria 模型的隐形水印，OpenAI、英伟达和 Kakao 也支持该工具。

ArtCraft 推出面向艺术家的可控 AI 创作工具

ArtCraft 推出面向艺术家的可控 AI 创作工具，支持在浏览器中使用或下载，无需安装，并以 GitHub 开源形式提供。

Show HN：ARSA AI Box，面向现有 IP 摄像头的本地视频分析

ARSA Technology 推出 ARSA AI Box，为现有 IP 摄像头提供本地部署的视频分析能力。其安全控制台提供演示登录，账号为 admin、密码为 arsa2025，系统由 ARSA AI Engine 驱动。

Google 推出改进版 SynthID AI 内容检测器并在全球开放

Google 宣布改进版 SynthID 检测器已支持所有合作伙伴的水印，并通过新网站 SynthID.com 向全球用户开放。SynthID 是嵌入 AI 生成图像、视频像素和音频波形中的不可见信号，Gemini 已在超过 1800 亿张图像和视频以及相当于 24 万年的音频中集成该标识。

Google 上线 SynthID 检测网站，面向公众识别 AI 生成的图像、视频和音频

Google 于周二上线新的 SynthID 检测网站，任何人都可上传图像、视频或音频来验证内容是否由 AI 生成。该工具此前仅向部分记者、媒体专业人士和研究人员开放，现在支持 JPG、PNG、MP4、MOV、WAV、MP3 等多种格式。

豆包 App 登陆华为鸿蒙电脑端，首版搭载豆包 2.1 Turbo 与 2.1 Pro

豆包 App 已正式登陆华为鸿蒙电脑端，用户可在应用市场搜索下载，首版本搭载豆包 2.1 Turbo 和豆包 2.1 Pro 模型。该版本支持对话与工作模式切换，并上线深入研究、PPT 生成、帮我写作、图像生成、云盘等能力，覆盖工作、学术研究、资料管理、自动化任务和创意设计场景。华为称豆包是鸿蒙电脑用户心愿单 TOP1 应用。

Armin Ronacher 解读 Pi 的 Codemode：让智能体在 harness 侧编排工具

Armin Ronacher 解释 Pi 1.0 随 MCP 支持引入的 Codemode：它让 LLM 在 harness 的 QuickJS/WASM 沙箱中用 JavaScript 组合工具调用，而不是在 bash 执行环境中运行。

Perplexity 发布基于 Qwen3.8-27B 微调的决策模型 pplx-decider-v1-27b

Perplexity 在 Hugging Face 发布 pplx-decider-v1-27b，这是基于 Qwen3.8-27B 微调的决策模型，11 项基准总体准确率为 85.71%。模型结果通过 Perplexity API 测量，支持文本 choice、yes/no 概率判断，并可传入图片。本地运行需要 Python 3.12+、CUDA GPU，以及约 49 GiB 权重空间和工作内存。

谷歌推出 macOS 应用 AI Edge Foresight，基于 EmbeddingGemma 2 离线生成会议纪要

谷歌推出全新 macOS 应用 AI Edge Foresight，用于展示 EmbeddingGemma 2 端侧多模态模型，支持完全离线运行。该应用可调用 Mac 麦克风和系统音频，结合用户笔记整理线上、线下会议纪要，并支持基于会议内容和其他知识库实时问答。

Chorus 发布 Mac 原生应用，可同时向多个 AI 提问并对比答案

Chorus 是一款 Mac 原生应用，可用已有账号同时向 ChatGPT、Claude、Gemini 等 AI 发送同一提示词，并把回答并排展示，无需 API key。

Simon Willison 发布 llm-openai-decisions 0.1a0 插件，接入 OpenAI Decisions API

Simon Willison 发布 llm-openai-decisions 0.1a0，用插件接入 OpenAI 新的 Jev 风格 Decisions API。

AINews：OpenAI 发布 722 篇数学论文，称解决 500 个顶级未解数学问题中的 90 个

OpenAI 公开未发布内部前沿模型产出的 722 篇数学论文，涵盖 372 组结果，平均每项使用约 3 小时 ChatGPT Pro 推理算力，模型本身仍未发布。

谷歌发布 AI 图像模型 Nano Banana 2.1，改进视觉设计、蒙版编辑与主体一致性

谷歌正式发布 AI 图像生成与编辑模型 Nano Banana 2.1，重点提升视觉设计、基于蒙版的局部编辑和主体一致性。

OpenAI Decisions API 进入公开测试，仅支持 gpt-6-luna

OpenAI Decisions API 进入公开测试，可评估文本、图像或二者组合，并返回类型化答案，速度约为 Responses API 的 10 倍。当前仅支持 gpt-6-luna，使用 POST /v1/decisions，问题类型包括 predicate、choice 和 score，适用于内容分类、请求路由和工作优先级排序。

Google 发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，量化后手机端文本运行约需 191MB

Google 正式推出 EmbeddingGemma 2，将嵌入能力从文本扩展到代码、图像、视频和音频，并把这些内容统一映射到同一嵌入空间。模型总参数 7.4 亿，基于 Gemma 4 架构，以 Apache 2.0 许可发布；纯文本部分为 2.7 亿参数，可按需加入视觉和音频编码器。

Mistral 发布 1 万亿参数开源模型 Mistral Large 4，称可匹敌中国顶尖开源系统

Mistral 发布 Mistral Large 4（ML4，又称 le Chonk），称其跻身全球最强开放权重模型之列。该模型拥有 1 万亿参数，面向网络安全、编码、制造、金融和多模态任务，目前以预览版提供给开发者、网络安全负责人及政府机构，本月晚些时候扩大开放。

Rohan Paul@rohanpaul_aiAI 评分6969

Google DeepMind 发布 Apache 2.0 许可的 EmbeddingGemma 2，这是一款面向端侧的原生多模态开放嵌入模型，可把文本、代码、图像、音频和视频统一到可搜索空间。

Aravind Srinivas@AravSrinivasAI 评分5555

Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，并在 Hugging Face Decision Index 0.3 基准上取得最高分。该模型 API 输入价格较 v1 减半，为每百万 input tokens 0.02 美元；Aravind Srinivas 转发开发者消息并确认 Decision API 已降价。基准页面：https://huggingface.co/spaces/multimodalart/jev-decision-index

Mistral Large 4 与多款前沿模型的 SVG 生成测试

2026 年 10 月 6 日，wren6991 用同一生成穿渔网袜犰狳在火星乱穿马路 SVG 的提示词，测试 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4，并列出各模型的默认推理等级。

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。

Google 发布开源多模态嵌入模型 EmbeddingGemma 2

Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量。模型为 740M 参数，在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代 68.76 提升近 10 分；Google 称其表现可超过两倍参数量的竞品。

HieraticBench 评测：13 个模型均无法识别专家手写的古埃及僧侣体句子

HieraticBench 测试 13 个模型阅读古埃及僧侣体，结果所有模型在专家 2022 年手写的密封句子上识别率均为 0%，78 次尝试无人说出 script 名称。

家长使用 AI 生成孩子照片以节省开支

家长正使用 ChatGPT 将孩子的普通照片处理成学校肖像照，以省去购买摄影套餐的费用，有家长称三个孩子的照片花费超过 100 美元。也有家长用 ChatGPT 去除专业校样照水印，但该做法可能构成侵权，最高或被罚款 150000 美元。另有使用者担心孩子面部被改变及照片上传风险。

Pixellect 发布免费原生 macOS Photoshop 替代品，集成 AI 智能体控制能力

开发者 terhechte 发布免费原生 macOS 图像编辑器 Pixellect，使用 Swift 和少量 Rust 构建，定位为 Photoshop 替代品。

Aravind Srinivas@AravSrinivasAI 评分5858

Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，称其在 Hugging Face Decision Index 0.3 基准上得分最高。该模型输入价格为 $0.02 per million input tokens，成本为 v1 的一半，现已开放使用：https://huggingface.co/spaces/multimodalart/jev-decision-index