ai_news_summary_2025-10-02

AINews - 2025-10-02

原文链接

OpenAI发布Sora 2视频生成模型，显著改善了物理世界模拟问题，包括体操和花样滑冰等复杂动作的连贯性。新模型支持原生音频生成，并引入”角色一致性”功能，可从单个演示视频中注入真实世界元素。

Anthropic推出Claude Sonnet 4.5，在相同价格下提供更高智能水平，具有改进的token效率。独立评估显示其性能落后GPT-5-high但领先Gemini 2.5 Pro和Grok 4 Fast，在工具使用和安全对齐方面表现突出。

智谱AI发布MIT许可的GLM-4.6模型，支持200K上下文，编码能力接近Claude Sonnet 4，在真实世界代理编码任务中表现优异，同时比4.5版本减少约15%的token消耗。

NVIDIA发布4位预训练技术，使用2级缩放、RHT和随机舍入，在12B模型上匹配FP8基线性能，同时实现约6.8倍效率提升和50%内存降低，Blackwell架构支持FP4矩阵乘法。

由Liam Fedus和Doğuş Ekin创立的Periodic Labs获得a16z领投的3亿美元融资，致力于构建AI科学家与自主实验室，目标材料科学和半导体领域，团队包括ChatGPT、GNoME等项目的核心成员。

Meta发布从人类互动中强化学习(RLHI)技术，直接从有机用户对话中训练模型，在个性化和指令遵循方面超越基线，同时保持标准基准性能。

阿里巴巴公布激进的Qwen发展路线图，包括统一多模态模型、上下文长度从1M扩展到100M tokens、参数从1T扩展到10T、测试时计算从64k扩展到1M，数据从10T扩展到100T tokens。

腾讯预告即将发布Hunyuan Image 3.0开源文本到图像模型，号称”世界上最强大的开源文本到图像模型”，暗示需要96GB VRAM进行推理。

Wan-Alpha提出RGBA视频生成框架，通过设计将alpha通道编码到RGB潜在空间的VAE，在多样化RGBA视频数据集上训练扩散变换器，实现半透明物体、发光效果等复杂场景的高质量生成。

中国Innosilicon-like “Fenghua No.3”独立GPU声称支持DirectX 12、Vulkan 1.2、OpenGL 4.6和CUDA兼容性，可能侵蚀NVIDIA的CUDA垄断地位。

OpenAI推出Sora iOS应用和网站体验，目前通过邀请码访问，包含”cameos”功能作为新Sora社交网络的核心，具有个人资料、粉丝数、私信等社交功能，并设置防沉迷超时保护。

Anthropic发布Claude Code v2、VS Code扩展更新、上下文编辑和记忆工具，Replit报告Sonnet 4.5在Agent 3中提高了可靠代码编辑和自主性。

Cursor 1.7版本添加提示建议功能和组织范围规则，同时引入浏览器功能，内置MCP浏览器用于代理窗口，支持多模型同时聊天的模型集成功能。

Perplexity AI现在向Perplexity Pro和Perplexity Max订阅者提供Claude Sonnet 4.5访问，Max版本月费200美元，包含额外API积分。

OpenRouter现在托管GLM-4.6模型，将上下文长度从128k扩展到200k，最大tokens扩展到128k，同时发布开源代理解决方案组合免费请求。

Sim发布完全本地、开源的拖放代理工作流构建器，集成MCP功能，支持可视化构建代理工作流程。

AMD认可本地”氛围编程”工具栈，推荐Cline + LM Studio组合，建议Qwen3-Coder-30B(4/8位)和GLM-4.5-Air用于更高RAM层级。

GitHub MCP注册表和Claude扩展在VS Code中持续成熟，提供更好的开发工具集成和代理功能支持。

OpenRouter发布开源代理解决方案，结合Gemini CLI、Qwen CLI和OpenRouter密钥的免费请求，通过自动轮换提升任何OpenAI兼容客户端的输出质量。

DSPy用户讨论LLM缓存，建议语义缓存可以提高命中率；Aider用户声称其”完全控制tokens”改善模型性能，讨论集成MCP浏览器自动化用于前端开发。