1. OpenAI 前沿模型进驻 Google Cloud，Codex 一起搬进 Model Garden
10 月 21 日，OpenAI 与 Google Cloud 宣布合作：OpenAI 的前沿模型和 Codex 智能体工作流将进入 Google Cloud 的 Model Garden，客户可以在自己已经在用的云环境里直接调用，不必另开一套账号和结算链路。
交易走 Google Cloud Marketplace，已有 GCP 消费承诺的企业可以直接抵扣额度。后续 OpenAI 模型还会进入 Google Antigravity 和 Gemini Agent——这两个都是谷歌自家的智能体入口，等于谷歌主动把竞争对手的模型摆进了自家门面。企业侧的卖点落在数据治理与访问控制上，面向受监管行业；全面可用计划在未来几周内开放申请。OpenAI 同时声明，微软仍是其首要云合作伙伴。
把时间线拉长看更有意思：上周谷歌才刚加入亚马逊阵营，用自家平台去撬英伟达 CUDA 的地盘，一周后干脆把 OpenAI 的模型也摆上了货架。云厂商之间”模型中立”的口号，正在变成真金白银的生意。
2. Recursive 放出 Flint：40B 参数笔记本能跑，模型大半由 AI 自己造
AI 创业公司 Recursive 10 月 21 日发布首个模型 Flint，最大的看点不是性能，而是造它的过程：公司自研的自动化研究系统 Eureka Machine 参与了从预训练、后训练到推理优化的几乎每一个环节，让一个小团队在不到 4 个月里从零做完了这个模型。
具体贡献包括：更稀疏的模型形状、把体积压掉 71% 而质量几乎不掉的低比特训练、以及自定义 kernel。Flint 是混合专家架构，总参数 40B，每次只激活 2.5B，因此能在普通笔记本上跑；以 Apache 2.0 协议在 Hugging Face 免费下载，可离线使用、代码不出本机。速度上，在 M4 Pro 的 MacBook Pro 上约 131 token/s，是同机同类模型（Gemma 4、Nemotron 3.5 Lightning，58-69 token/s）的两倍左右，在英伟达 RTX Spark 上超过 150 token/s。SWE-Bench Verified 上它是 50B 以下参数模型里最强的，不过在公司自建的六项测试均分上，只有阿里的 Qwen3.8 27B 比它高。Recursive 成立于去年，融资 6.5 亿美元、估值 46.5 亿美元，CEO 是 Salesforce 前首席科学家 Richard Socher。
3. Walmart 给 AI 智能体开正门：MCP 网关、独立代理档案、还能设消费上限
在亚马逊开始封杀替用户下单的 AI 智能体之后，Walmart 走了完全相反的路。10 月 21 日，CEO John Furner 在旧金山 Masters of Scale 峰会上宣布推出 Agent Gateway：一个基于 MCP 协议的服务端，让通过审核的智能体可以检索 Walmart 线上库存并代用户完成购买，Sam’s Club 同样支持。
配套的 Agent Profiles 下个月上线：用户可以为每个智能体在账户里建独立档案，代理的消费与本人消费分开显示；审批方式二选一——每笔都要人工确认，或设定额度内自动放行。这套设计被官方比作信用卡的附属卡。更关键的是几条硬约束：智能体不能接触用户的支付信息、只能获取完成当前任务所需的数据、不得越出用户意图行事；不遵守条款的智能体会被直接拦在站外。Walmart 还明确，代理买错东西一样走退货流程——这条大概是最能打消普通用户顾虑的一条。
4. Meta Muse 用户破 1000 万：四分之一天天用，代理购物客单价超 200 美元
Meta 在第三季度财报电话会上确认，AI 应用 Muse 的用户已超过 1000 万，印证了本周早些时候 Sensor Tower 的估算。更让扎克伯格意外的是用户怎么用它。
他说，约 25% 设置过 Muse 的用户现在每天都在用，留存因此改善；而在使用代理购物功能的活跃用户中，超过四分之一的人平均单笔消费超过 200 美元。Muse 的代理购物通过金融科技公司 Plaid 的连接器完成，扎克伯格转述 Plaid 的说法：他们从未在任何其他服务上见过这种量级的连接器活动。除购物外，把智能体接到邮箱、日历做个人事务管理也是主要用途，他把这解读为用户对安全设计的信任——Muse Secure VM 负责隔离数据，后续还会推出连 Meta 自己都看不到内容的 Muse Confidential VM。
扎克伯格称 Muse 已经找到产品市场契合点，接下来重点是扩规模、增收和压算力成本。他给的预期相当激进：Muse 的单用户收入最终会超过 Meta 全家桶（Facebook、Instagram、WhatsApp、Messenger）如今每年几百美元的水平；变现方式是多数人免费、从平台成交里抽成、重度用户为更强模型和更多 token 付费。算力侧的目标是未来几年支撑 10 亿人。
5. OpenAI 买下 Orchestra Bio，把”新药研发的项目管理”交给智能体
OpenAI 10 月 20 日宣布收购 Orchestra Bio，团队与技术将并入其生命科学线 Rosalind。这不是买模型能力，而是买”流程”。
新药从靶点发现到美国获批平均要 10 到 15 年，真正的瓶颈往往不在科学，而在协同：项目要在内部多个部门与外部合作方之间推进，系统彼此割裂。Orchestra 做的事是让人和智能体一起管理药物项目——科学家与项目负责人把研究和试验的跟踪监控交给智能体，自己腾出手做决策。它擅长的是连锁反应分析：某批生产失败可能拖慢临床试验启动，智能体负责找出哪些活动和时间线受影响、把相关信息汇总、比较几种应对方案。OpenAI 此前已与诺和诺德、Moderna 在 Rosalind 上合作，这次收购是想把”从想法到上市”的整条链路都接上。
6. ChatGPT 广告扩到 26 个国家：累计覆盖 89 国、10 万广告主
OpenAI 10 月 21 日宣布 ChatGPT 广告进入 26 个新市场，全球覆盖国家增至 89 个。此时距广告业务上线仅八个多月，已有超过 10 万个广告主投放，ChatGPT 的周活跃用户则超过 12 亿。
地域上，继墨西哥、巴西之后又开了 14 个拉美国家（阿根廷、智利、哥伦比亚、秘鲁等），以及尼日利亚、南非、塞尔维亚、乌克兰、柬埔寨、孟加拉国、巴基斯坦等中东非与亚洲市场。广告只出现在 Free 和 Go 套餐，Plus、Pro、Enterprise 保持无广告。OpenAI 强调对话内容对广告主不可见、不售卖用户数据，广告有明确标注且与回答分离、不影响回答内容。欧莱雅已作为早期测试方入场，其首席数字营销官的表态很直白：从发现、评估到代理式交易，要在每个美妆对话发生的场景里占住”最可信答案”的位置。
7. 生数科技把 Motubrain 2.0 的训练过程直播半个月，开源前先”开箱”
10 月 21 日，生数科技世界模型团队启动 Motubrain 2.0 的训练全流程公开直播，计划持续半个月，把具身模型的训练过程和盘托出，然后再开源。
直播分四个环节：预训练，观察训练规模对模型性能和零样本泛化的影响；后训练，针对具体任务继续训练提升执行能力；Agent 任务执行，看模型能否把已有经验迁移到新任务；以及 RSI（递归自我改进）探索，研究模型能否根据执行反馈评估并改进自身行为。Motubrain 系列定位是给机器人做通用”大脑”，追求跨任务、跨场景、跨本体的能力泛化。
这件事的意义在于打开黑盒。过去外界了解具身智能进展，主要靠机器人演示视频、评测分数和论文，中间怎么练出来的、哪一阶段能力怎么长出来的，基本看不到。生数选择连失败、试错和调整一起放出来，对同行来说参考价值可能比成品 Demo 更高。当然团队也承认，具体效果还要靠后续实验和评测验证。
8. 千诀发布预测式世界模型 Polibrain：不生成画面，只预测”动作会改变什么”
10 月 20 日在南京开幕的首届 2026 物理 AI 与世界模型大会上，图灵奖得主 LeCun、姚期智远程分享观察，清华系具身公司千诀科技则正式发布了预测式世界模型 Polibrain。
创始人高海川用一个比喻解释路线差异：有了地图可以推导最短路径，但有了路径反推不出地图。他把”把可能的路线全走一遍”对应到当下的 VLA 路线，把”先画出地图再规划”对应世界模型。千诀的技术底色来自 2025 年与清华团队在 ICML 发表的隐变量可辨识性、低阶偏好等研究，公开时间比 LeCun 团队的相近工作早约一年。
Polibrain 最关键的选择是不逐帧生成未来画面，而在任务相关的潜空间里预测状态变化——机器人捡垃圾时，地面颜色和背景纹理并不重要，真正影响任务的是目标位置、机械臂与目标的相对关系、以及抓取动作会如何改变目标状态。感知、状态理解、行动预测、任务决策、动作执行、反馈调整被串成闭环，执行结果与预测不一致时，模型可以重新评估并调整后续动作。现场演示是一台背着回收筐、带机械臂的四足机器狗自主捡垃圾；目前已在四足、人形、轮式、单臂、双臂等形态上做适配。
9. 紫荆智康把”多学科会诊”搬进一间诊室：医生的 AI 分身互相协作
清华 AIR 孵化的紫荆智康，其”紫荆 AI 医院”系统已在全国多地医院陆续上线测试。10 月 21 日团队公布了医学领域的多分身智能体协同技术（Multidisciplinary Human-Agent Collaboration）：每个医生配一个学习本人的 AI 分身，不同专科的分身之间还能互相会诊。
现实痛点很清楚：病症横跨多个科室时，患者要先挂内科、再转外科、再约影像科，把号挂遍才轮到一次正式的多学科会诊，最佳治疗窗口可能已经过去，一次 MDT 的会诊费也不低。紫荆的思路是让专家分身先集体到位——同科能解决的，单个分身给当前医生提建议；跨学科的复杂病例，则开一个由分身组成的会诊，把跨专科支持前置到首诊和预问诊环节。产品有两种形态：按需提醒（不打断门诊流程，识别到需要其他专科时以提醒呈现）和会诊模式（多分身同时参与，围绕诊断、用药给出建议）。
最反直觉的一点是它不强行收敛分歧：不同分身意见不一致时，系统把分歧原样摆出来、高亮标注、标明来源分身，由医生结合患者情况和自身经验定夺。一位内科医师的说法挺有代表性——当 AI 的判断和自己不一致时，会回头检查输入信息找原因，这种分歧本身有价值。分身会持续学习对应的真人医生，最终决策权仍在人手里。
10. Tenstorrent 融 15 亿美元、估值 62 亿：推理芯片继续抢位
专注推理的芯片公司 Tenstorrent 完成 15 亿美元融资，估值 62 亿美元。这个数字比 2024 年底的 26 亿美元翻了一倍多。
本轮由 Quiet Capital 联合创始人 Ben Mahdavi 新创办的 Trace Capital 与 Innovation X 领投，Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 等跟投。时间点也值得注意：五个月前曾有消息称英特尔和高通有意收购这家成立十年的英伟达挑战者，报价最高到 50 亿美元。CEO、著名微处理器工程师 Jim Keller 向彭博表示，公司决定保持独立并继续融资，而不是接受收购。
在开源权重模型越来越多、推理需求从训练侧接棒的当下，做”便宜地跑模型”这件事的议价能力正在上升。
相关文章
