LEGO-Anything 用编码智能体从单张照片生成 Blender 3D 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，从而显式记录物体、几何、布局和相机位置，场景可像代码一样运行、检查和修改。
#多模态
The DecoderAI 评分5858 美团技术团队AI 评分3838 美团智播：数字人直播技术创新与实践
美团智播是面向本地生活场景的AI数字人直播解决方案，支持真人1:1复刻与门店实景定制，30秒生成直播素材、3分钟完成开播配置，7×24小时稳定上播。过去一年其月日均GTV同比增长82.12%，月日均观看人次同比增长163.44%，开播场次提升11倍。
The DecoderAI 评分3838 NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
新智元AI 评分6262 Fable 5.5 首测：纯代码生成人类万年史等视频
有用户用 Fable 5.5 输入一句提示词，生成了一部 3 分钟人类发明史短片，把人类历史压缩成一天 24 小时，全程由代码实时渲染，未使用任何视频生成模型。
新智元精选AI 评分8080 何恺明团队VISTA论文：让Claude在ARC-AGI-3拿满分
何恺明团队在arXiv发布VISTA论文，把ARC-AGI-3官方给模型的64×64数字表换成图片，并加入可随时调用的无损视觉记忆相册，Claude Opus 5在25个公开游戏全部183关拿到满分，GPT-5.6 Sol拿到99分。
推荐理由：何恺明团队用视觉输入加无损视觉记忆替代数字表，让同一模型在ARC-AGI-3上从40分升至满分，可看方法迁移思路。
量子位AI 评分6262 Meshy 不到两年 ARR 从 100 万美元增至 1 亿美元
量子位报道，AI 3D 生成公司 Meshy 披露其 ARR 从 100 万美元增长至 1 亿美元，用时不到两年，快于 HeyGen 的 29 个月。文章用同一张参考图对比 GPT-6 Astra 与 Meshy 的生成结果，指出通用模型擅长 CAD、参数化建模等几何任务，而角色、复杂道具仍需专业 3D 模型。
雷峰网AI 评分2222 小米 Vision GT 上线《Gran Turismo 7》，成 GT 史上首台中国品牌 VGT 车型
小米 Vision GT 将于 10 月正式上线《Gran Turismo 7》，成为该系列史上首台中国品牌 VGT 车型，小米也是受邀加入 VGT 项目的第 36 个品牌。双方同时官宣 GT 赛车 30 年来首个电车驾驶教学，玩家可用小米 SU7 Ultra 和 Xiaomi Vision GT 完成专属培训任务。
智东西AI 评分6262 实测 MiniMax M3.1-Flash 前端能力，对比 Opus 5.5
智东西用动效视频、鸡尾酒动画和像素巫师三组前端任务实测 MiniMax M3.1-Flash，发现这款国庆前夕上线并开启公测的 Flash 模型能复现不少原本被认为只有旗舰模型才能完成的前端效果，部分细节处理甚至偶有惊喜。
新智元AI 评分6262 GPT-6 Astra与Claude Opus 5.5破译433年前教皇密信
GPT-6 Astra与Claude Opus 5.5几乎同时破译了1593年天主教联盟的两封绝密信件，其中GPT-6 Astra破译完整度达100%，仅一个字符存疑。
爱范儿AI 评分5858 Utopai X 登 AI 视频榜全球第二，Utopai Studios 计划 2027 年推出多部影视作品
截至 9 月 30 日，Utopai Studios 自研模型 Utopai X 在 Artificial Analysis 带音频文生视频排行榜中位列全球第二，仅次于 Wan 3.0，是该榜排名最高的美国公司模型。
机器之心AI 评分6262 MiniMax 上线 M3.1-Flash-Preview，复刻 Opus 5.5 前端生成能力
MiniMax 于 9 月 28 日上线 M3.1-Flash-Preview，百万 token 上下文、原生多模态，在 MiniMax Code 首发并可通过 API 订阅套餐调用。
爱范儿AI 评分5858 和 Opus 5.5 同题交卷，MiniMax M3.1 Flash Preview 前端创作实测
爱范儿在 MiniMax Code 中用 Opus 5.5 案例的公开提示词测试 MiniMax M3.1 Flash Preview，覆盖动态作品集、手绘与水墨短片、时间轴交互场景和街机卡丁车等游戏原型。
机器之心AI 评分7171 阿里 TaoLive AIGC 开源音视频流式生成模型 TaoMate-H3
阿里巴巴 TaoLive AIGC 团队开源音视频联合流式生成模型 TaoMate-H3，基于 MiniMax H3，将三步 LoRA 推理与自回归生成结合，可按文本描述连续生成含对白、歌声或环境音的视频，支持分钟级续写和 480p、768p、1080p 横竖屏输出。
TechCrunch · AIAI 评分5858 ChatGPT 上线虚拟试穿与收藏购物功能
OpenAI 宣布在全球范围上线两项 ChatGPT 购物功能，包括虚拟试穿服装与配饰，以及可保存商品的收藏功能。虚拟试穿以 Try On 按钮出现在购物结果中，用户上传自拍或全身照即可预览上身效果，也可上传商品截图让 ChatGPT 试穿。OpenAI 称新功能基于新发布的 ChatGPT Images 2.5 模型，该模型在光照、纹理和编辑指令遵循上有所改进并降低了生成延迟。
量子位AI 评分5858 何恺明团队提出NAT-ARC：用ImageNet预训练让视觉模型解ARC
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder，再迁移到抽象格子推理。表现最好的单模型为0.6B参数，在ARC-1上取得63.4% pass@2，集成后达70.2%，约为专用LLM方案The ARChitects（8B参数、71.6%）四分之一的参数量。
智东西AI 评分6262 华为发布 Mate90 系列旗舰手机，首发鸿蒙7与麒麟9050 Pro逻辑折叠芯片
华为发布 Mate90 系列旗舰手机，全系搭载旗舰韬芯片，首发第二代玲珑屏、第三代红枫原色影像和鸿蒙7系统，整机性能相比 Mate80 系列提升 20% 至 31%。
爱范儿AI 评分3636 华为 Mate 90 系列发布：麒麟 9050 Pro 首发，5999 元起即日开售
华为发布 Mate 90、Mate 90 Pro、Mate 90 Pro Max、Mate 90 RS 非凡大师四款旗舰，5999 元起即日全系开售。Mate 90 Pro Max 首发麒麟 9050 Pro，多核性能提升 23%、GPU 渲染提升 40%、NPU 提升 140%，并支持 120 帧极致光追。
雷峰网AI 评分3838 百度库库AI如何打上下文之战：GenFlow 1.0到企业版与出海
百度将文库、网盘十余年积累的内容资产作为AI办公的上下文优势，其GenFlow 1.0于去年4月以通用AI Agent形态切入写论文、做PPT等场景，今年8月官宣中文名“库库AI”并上线独立端。库库AI企业版已吸引3000家企业试用，同时开放连接器授权以调用飞书、钉钉等平台内容。海外版由Oreate AI焕新为「Kooko」，原平台一年内海外用户突破1000万。
智东西AI 评分6060 美团 LongCat-2.5-Preview 实测：复刻 Muse 前端、星舰动画与 3D 赛车
智东西将美团 LongCat 团队 9 月 25 日上线的预览版模型 LongCat-2.5-Preview 接入 Claude Code，连续测试复刻 Meta Muse App、制作 SpaceX 星舰升空动画和开发 3D 赛车游戏三个 Coding 任务，三项均完成可实际运行的项目。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的世界模型，以及连接模型、科学工具、文献与研究者的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Latent SpaceAI 评分6767 AMD 以 82 亿美元收购 World Labs，Atlas 解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾，公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队，并在收购 SceniX 后推进机器人仿真能力。其近期发布的 Atlas 是一种 omni 模型架构，从 2D 图像输入预测新视角，在稀疏重建这一计算机视觉长期难题上超过专用模型，可用于机器人 RL 环境、场景生成与真实世界重建。
Google Research精选AI 评分6666 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态追踪问题，缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，便于了解多智能体编排在视频生成中的具体分工。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上为原生实时对话模型加入近实时视觉形象，可同时处理视觉与音频输入并输出带表情和口型同步的音视频。
推荐理由：官方给出 Live Avatar 的多模态对话、异步工具调用与 97 语言同步细节，可据此判断企业级实时数字人落地的能力边界。
Hugging Face BlogAI 评分4141 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在创作与规模化场景中的分工。
Google Research精选AI 评分6060 Google Research 用生成式 UI 让教师创建互动学习模拟
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）为课程目标动态生成可交互的学习模拟，并同步开放 30 多个面向中学 STEM 的英文示例库。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成互动模拟，并给出教师评分与试点入口。
Microsoft ResearchAI 评分4040 MindTopo：微软研究院推出评估 VLM 拓扑空间推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列仍不可靠。