国外
01 / 头条
Gemini 4 Carbon 先面向网络安全防御者
Google 于10月28日宣布 Gemini 4 Carbon，本周先向部分网络安全防御者开放，再通过 Fairwind 计划扩大可信伙伴范围。面向普通开发者、企业和消费者的上线日期尚未公布。
Google 将 Carbon 定位为更擅长长时间工程任务和网络安全防御的新模型。公告描述了发现漏洞、验证风险和修复根因的能力，并披露内部团队观察到它能连续处理多天的工程任务；这些效果来自厂商评测与使用观察。
开放采用分阶段方式：先给部分网络安全防御者使用，再增加可信伙伴。公告列出的介绍期价格是每百万输入 token 2美元、输出10美元，介绍期结束后分别为4美元、20美元；普通用户入口和明确上线日期未公布。
原始来源：Google DeepMind ↗
02 / 国外
部分 ChatGPT 订阅 可领取 API 额度
OpenAI 为符合条件、付费至少7天的 Pro 和 Business 订阅提供可激活的 API 赠送额度。Plus 不适用，领取人须满足订阅与 API 组织的所有者要求，且使用相同邮箱。
Pro 100、200、500美元档的完整月周期额度分别为100、200、500美元。月付 Business 按每个 Standard 付费席位20美元、Premium席位100美元合计，每周期最高500美元；年付预付工作区一次发放全年额度，最高6000美元。首期按剩余付费周期折算，未用完的额度到期失效。
领取需关联一个 API 组织，并检查实际到账。额度用于该组织符合范围的 API 消费，不增加 ChatGPT 或登录式 Codex 用量，也不覆盖以 API key 使用 Codex。开放还受地区和获邀批次影响。
原始来源：OpenAI ↗
03 / 国外
Gemini 互动探索 学习场景可以点开看
Google 在 Gemini 学生学习中心上线互动探索库，用户可逐层操作喷气发动机、行星和原子等场景。功能支持简体中文，聊天内访问和音频讲解仍是后续计划。
Google 10月28日公告称，用户可在学生学习中心点击“Try immersive explorations”，通过标签逐层查看结构和知识点。官方举例包括丝绸之路贸易路线、喷气发动机内部和闪电物理。
现已支持英语、印度尼西亚语、印地语、巴西葡萄牙语、法语和简体中文，其他语言用户目前获得英语体验。直接在 Gemini 聊天中访问这些探索，以及逐层音频讲解，将在后续加入。
原始来源：Google ↗
04 / 国外
Gemini Notebook 手机录音直接变资料
Gemini Notebook 官方宣布，手机应用可录制最长一小时现场音频，并直接作为资料来源；官方回复确认 iOS 与 Android 用户均可使用。
官方在10月27日的帖子中介绍了现场录音功能，举例包括讲座和团队会议。录音完成后可直接作为 Notebook 的来源使用，减少先用另一款录音工具保存、再导入的步骤。
官方还建议把录音与手写笔记照片组合成个人工作空间。本条依据官方主帖和平台范围回复，不包含第三方关于 Google Drive 连接器的其他线索。
05 / 国外
Copilot 集中更新 选模型、做项目、操作电脑
GitHub 正式推出 Copilot Fusion，按任务选择或组合模型；Copilot App 的 Projects 和 macOS、Windows 电脑操作进入公开预览，聊天内图片生成与编辑也在公开预览中。
Fusion 提供 Standard、High、Max 三档投入程度，可让单模型完成任务，或采用初稿检查后升级、另一模型审稿后修改等组合流程。它已覆盖所有 Copilot 计划，在 VS Code、Copilot App、CLI 和 JetBrains 中提供。费用按实际调用模型计算，付费计划的模型费用限时七折。
Projects 可以把仓库、设计和说明放在同一个项目里，由多个代理协作。电脑操作预览支持 macOS 和 Windows，控制应用前会请求授权。图片生成由专用图像工具处理，面向 Pro、Pro+、Business 和 Enterprise 公开预览，图像 token 与聊天模型分别计费。
原始来源：GitHub ↗
06 / 国外
HeyGen Voice STS 把声音表演带给数字人
HeyGen 宣布 Voice STS 语音到语音功能，提供体验入口。官方称它可以把用户的声音表演传递给数字人，包括停顿、强调和轻声表达。
HeyGen 于10月28日发布演示，主张由用户先说一次，再把整段表演带给数字人。相比只提交文字，输入声音能够携带说话节奏与表达方式。
官方回复给出了15秒录音约5秒、1分钟录音不到10秒的处理例子。本期展示的是官方演示，未对所有音频长度、网络和任务条件下的速度与保真度作产品实测。
原始来源：HeyGen ↗
07 / 国外
ElevenLabs 发布 Cue 字幕对齐到字符时间线
ElevenLabs 10月28日介绍 Cue 强制对齐模型，可把转写文字定位到字符级音频时间线，已用于 Scribe，并通过独立 API 提供。
强制对齐负责把已有文字与说话时刻对应起来，可用于字幕、配音和歌词时间轴。Cue 支持长录音单次处理，减少分段拼接带来的时间误差。
ElevenLabs 称，在其29种语言的实录音频测试中，Cue 优于所测其他对齐器。一小时音频约半秒的数字来自厂商生产 GPU 上的对齐计算，不是含上传、转写和下载的端到端耗时。
原始来源：ElevenLabs ↗
08 / 国外
Suno MCP 开放申请 在 AI 对话里继续做音乐
Suno 10月28日宣布 MCP Beta 并开放早期接入申请。连接支持 MCP 的助手后，可在对话里创作、延长或改编歌曲，使用现有 Suno 额度，作品保存回曲库。
官方页面列出 ChatGPT、Claude、Gemini、Claude Code 和 Cursor 等连接方式。连接使用 Suno 登录授权，无需另填 API key；部分助手仅在特定付费计划中提供连接器。
用户可沿用当前对话中的歌词、项目和视频计划，也能用已有音频继续创作。当前入口仍标为早期申请，不能将连接说明理解为每个账户都已获准使用。作品的商业使用权仍需结合所用套餐和对应许可另行核对，连接功能本身未宣布扩大许可。
原始来源：Suno ↗
09 / 国外
Perplexity 更新语音 一次对话调度多个任务
Perplexity 10月28日宣布新版语音模式，Pro 和 Max 用户可在网页或 Mac 应用中，通过一次语音会话调度多个 Computer 会话并管理 Projects。
官方列出的功能包括跨多个会话继续工作、启动新任务，以及创建和管理 Projects。对需要同时跟进多个工作的用户，语音成为任务调度入口。
Perplexity 表示这一模式使用 OpenAI 的 gpt-live-1。此次公告明确覆盖网页和 Mac 应用，没有在该公告中宣布手机端同步开放。
原始来源：Perplexity ↗
10 / 国外
NVIDIA 开放新语音模型 转写、翻译、区分说话人
NVIDIA 10月28日开放 Nemotron 3.5 Transcribe 权重，支持40种语言转写、31种语言与英语互译、13种语言说话人标注，可处理最长一小时录音和最多8名说话人。
模型可按自然语言指令输出转写、翻译、说话人标签或录音问答；不同任务的语言范围不同，音频问答训练语言为英语。当前已有权重、演示和托管端点，也支持自托管服务。
它面向录制音频，不是实时流式识别。官方技术文章明确说明量化版本和 NeMo-Speech.cpp 本地部署路线将随后推出。公开权重与商业使用许可不是同一概念，本条不把权重开放表述为无条件商用授权。
原始来源：NVIDIA ↗
11 / 国外
VEED 配音接入 fal 多语言翻译与声音克隆
fal 于10月28日宣布 VEED Dubbing 上线，提供 Standard 与 Pro 接口。官方称 Pro 支持94种语言、14种地区口音，保留背景音并处理多个说话人。
公告介绍了克隆声音和口型同步的视频翻译功能，并提供目标口音、声音克隆强度控制。数字明确标注在 Pro 档描述中，不应套用到所有档位。
对多语言视频制作，可从公告提供的对应模型入口查看分档能力。本期只展示供应商发布的演示，没有对各语言的口音、声音相似度与口型精度进行独立实测。
原始来源：fal / VEED ↗
12 / 国外
AMD 宣布投资 Meta Helios 已安装并进入测试
AMD 在10月27日公告中表示，将向 Meta 的股权发行投资10亿美元。首批 Helios 机架级系统已安装并由 Meta 测试，更大规模部署将在后续推进。
AMD 表示，EPYC 处理器支撑 Muse 个人 AI 代理的专用计算环境，Instinct GPU 已用于 Meta 的训练、排序和推荐等生产任务。双方还围绕 CPU、GPU、网络和软件协同产品路线。
本条投资方是 AMD，金额为10亿美元，公告使用的是将投资的表述。Helios 的已安装测试状态，与未来扩大部署、定制产品的计划分别陈述，未把投资计划写成已完成交割。
原始来源：AMD ↗
国内
13 / 国内
图生视频新版评测 Seedance 与 H3 各有强项
Artificial Analysis 10月28日发布 AA-Video-I2V v2.1 与无声版评测。Seedance 2.5 居有声榜首，与 Seedance 2.0 及 MiniMax H3 家族统计上接近；fal 后训练的 H3 Max 居无声榜首。
评测使用1080p起始图和配套文字提示，模型输出最高按1080p测试，覆盖10类用途、10类能力和多种视觉风格。有声评测基于1000条提示、超过5.8万人类偏好投票；无声评测基于500条提示、超过4.4万票，评审者来自美国和英国。
Seedance 2.5 在多项分类表现靠前，但该榜列出的每分钟成本也是前十最高。MiniMax H3 以768p参与；H3 Max 是 fal 在其基础上的后训练版本，擅长时空一致性和界面动效。选择模型时应同时看画面类型、声音要求、分辨率和成本，而非只看总名次。
14 / 国内
可灵 4.0 新增入口 接入 PixVerse 与 Pika
PixVerse 与 Pika 于10月28日宣布接入可灵4.0，两家公告均提到最长30秒视频生成。本次新增是平台使用入口，模型并非当天首次发布。
PixVerse 的公告强调单次生成最长30秒、跨多镜头保持人物一致，以及高速动作和复杂运镜。Pika 的公告则强调全能参考、多关键帧和最长30秒生成。
这些能力来自平台公告及演示，不能据此推断所有输入都能达到样例效果。两条帖子没有列明适用套餐和具体额度消耗，使用前需在各自入口核对。
原始来源：PixVerse / Pika ↗
15 / 国内
MiniCPM-OCR 适配苹果芯片 Mac 本地识别多一个选择
OpenBMB 10月28日宣布，MiniCPM-OCR 1.0 与 MiniCPM-OCR Jev 已支持 Apple Silicon，并披露 M5 Max 上的运行数据。此次新增是苹果芯片适配。
公告称适配来自与 Neywa Labs 团队的合作。OCR 1.0 为13亿参数，Jev 为20亿参数；Jev 用于给 OCR 结果评分。
官方在 M5 Max 上报告 OCR 1.0 每秒220至235 token 的解码速度，Jev 评分的延迟中位数为62.9毫秒。这是指定设备上的厂商数据，不是对所有 Mac 的速度承诺。本条不重复前一期的 OCR 首发报道。
原始来源：OpenBMB ↗
16 / 国内
蚂蚁开源百灵新版本 面向复杂任务继续优化
蚂蚁 inclusionAI 于10月27日宣布开源 Ling-3.1-flash-1019，并同步发布基础模型。模型卡列出5600亿总参数、250亿激活参数、百万 token 上下文和 MIT 许可。
官方称经过进一步后训练，新版本在推理与多步骤任务方面改进；模型卡列出的 Artificial Analysis Intelligence Index v4.3.2 得分从41升至44，流程自动化等评测也有提升。这些数值在本条中归于官方披露。
基础模型面向继续训练与领域适配。官方部署示例使用多张数据中心 GPU，开放权重和 MIT 许可并不表示普通电脑即可运行。该消息与灵光2.0应用更新分别属于模型层和产品层的进展。
原始来源：蚂蚁 inclusionAI ↗
内容依据所列原始来源整理，官方演示和厂商测试均按出处标注；视频使用数字形象与AI配音。
把关注，变成持续的探索。
回看其他期次，或在你习惯的平台继续关注。