AIHOT 精选行业资讯，关注 AI、产品与技术的新进展。
AIHOT · 精选摘要，保留原始来源 · 2026年11月3日 09:00
14岁开发者发布桌面智能体产品 Titan，可实时读取屏幕内容、在 Notion、Mail、Calendar、Spotify、Chrome、Terminal、Slack、Linear、GitHub 等 400 多个应用中执行操作，并支持屏幕标注、语音指令与本地记忆；提供免费起步版及 Pro（20美元/月）、Ultra（100美元/月）、Max（200美元/月）三档订阅，按推理复杂度分级计费；产品为本地运行的桌面应用，非网页版，已开放 API、MCP 服务器与 agent 文件。
文章指出AI数据中心对HBM内存的爆发式需求，促使三星、SK海力士、美光将晶圆产能大幅转向高毛利AI专用存储，导致LPDDR5X等消费级内存价格单季度暴涨89%，占手机硬件成本超50%；由此引发Mac mini、Xbox Series S等终端产品涨价及Nothing停发新机，并推动IDC预测2026年PC与手机终端价格上涨10%–20%、出货量显著下滑。
Open Academic Paper Gen 是一个 GitHub 开源的多智能体论文初稿生成工具，支持从选题、文献检索（对接 OpenAlex/Crossref/Semantic Scholar/arXiv）、证据整理、趋势分析、创新性诊断、提纲生成、分章节写作，到引用核验与模拟审稿的九阶段工作流；其核心能力是基于文献全文定位支撑论点的具体段落，并在有页码时标注 PDF 页码；目前需 OpenAI API Key 支持论点核验、无引用陈述检查和模拟审稿环节；项目由个人开发者猫叔发布。
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，使多模态模型可在不微调或重训练的前提下，保存原始环境画面并按需回看、放大、对比帧间变化；在ARC-AGI-3上，Claude Opus 5.0和GPT-5.6 Sol均实现全部25关通关，动作效率分别达满分100和99；在GameWorld、AI GameStore和BabyVision等基准上也显著提升成功率与准确率；论文已上传arXiv:2610.02200。
Rezoom 是一个基于 C++/Qt6/KF6 开发的开源桌面应用，为 KDE 环境设计，提供单列表统一管理本机及 SSH 远程的 Claude Code、aider、Gemini CLI 等 CLI Agent 会话，支持实时状态（工作/等待/冻结）、自动采纳、SSH 远程扫描与恢复、会话迁移（reptyr）、多账户隔离（~/.claude-<name>）和跨屏浮动窗口；它仅读取 Claude 自身生成的 ~/.claude/sessions/ 文件，不调用任何网络 API；支持 Debian/Ubuntu、Fedora/openSUSE、Arch 及 macOS，源码托管于 GitHub。
Cube Forms 是一款面向 AI 智能体的表单工具，支持智能体通过 MCP 或 HTTP 协议直接创建和填写表单，无需浏览器或验证码；人类用户也可通过同一链接查看、修改或手动填写；支持签到、等待列表、错误报告、销售咨询等场景；免费提供。
Ledger官方授权经销商CryptoBilis（覆盖马来西亚、印尼、菲律宾）销售的硬件钱包被曝遭供应链攻击，设备内置恶意微控制器监听屏幕SPI总线，在用户抄写助记词时实时捕获并经LTE/eSIM外传；截至10月9日链上估算损失约8700万至9290万美元，涉及约98个高净值钱包；Ledger已要求该渠道90天内售出设备暂停初始化，并提醒用户转移资产；攻击未破坏安全元件或固件，仅利用屏幕显示窗口实施侧信道窃取。
OpenAI于10月7日公开722篇数学手稿，其中编号074的两篇分别声称证明了三维挂谷极大函数猜想（97页）和四维挂谷集Hausdorff维数猜想（175页），作者栏仅署名OpenAI；两篇均未经同行评审，也未做Lean形式化，README注明部分结果可能有问题；三维版本强化了王虹与Zahl 2025年成果，四维版本则首次将下界从约3.059推至4，核心工具为多尺度二次多项式拟合；文中多次引用王虹与合作者的已有工作，将其视为基础框架。
麻省理工等机构研究者提出HugAgent，通过54名真实参与者在全民医疗、公共监控和住房增密三个议题上的问卷与think-aloud访谈，构建1742项评测任务，检验GPT、Claude、Gemini、DeepSeek、Llama、Qwen等模型从访谈中推断当前信念（Belief State Inference）及预测新情境下立场变化（Belief Dynamics Update）的能力；结果显示模型在前者可达77.56%，后者最高仅68.61%，且增加访谈长度不带来后者稳定提升；论文入选EMNLP 2026 Main Oral，代码开源至GitHub，项目主页与论文发布于arXiv。
PanzerJack 开发并开源 Clipori，一款面向 macOS 的 AI 剪切板备忘录工具，支持自动保存文字、链接、代码、截图和图片，提供 AI 自动分类与 AI 搜索功能，兼容 OpenAI/Claude 协议；需手动移除隔离标记安装，运行于 macOS 14+，支持 Apple Silicon 与 Intel；历史记录本地 SQLite 存储，API Key 保存在钥匙串，许可证为 Apache-2.0。
omdrop-owl 是由开发者 @T4T5 推出的开源方案，包含 OWL（在 Linux 上实现苹果 AWDL 无线协议）和 omdrop（负责设备发现与文件收发），已在 MediaTek MT7925 网卡上实现 Linux ↔ iPhone 双向 AirDrop，支持照片、视频和文件互传且不影响原有 Wi-Fi 连接；Intel AX200/AX211 等网卡暂不兼容。
GSD Task Manager v11 发布，提供离线优先的单矩阵壳（Eisenhower 矩阵），支持拖拽、Quick Capture、任务编辑、搜索、依赖管理、归档、仪表盘分析与 PocketBase 可选多设备同步；配套独立部署的 MCP 服务器含 19 个任务/分析/诊断工具；默认本地 IndexedDB 存储，支持 JSON 导入导出与 PWA 离线使用；代码托管于 https://github.com/vscarpenter/gsd-task-manager，MIT 许可。
DeepSeek-Bot 是一个开源插件，基于 DeepSeek Harness 构建多 Bot 协同界面，支持自定义 Bot 名称、角色、模型及持久化长期记忆；提供 Main Bot 主管机制以降低群聊 token 消耗，记忆通过 Markdown 文件本地存储并支持团队共享；桌面端和 Web 端均可安装，使用 Apache License 2.0 许可，项目地址为 https://github.com/FeiZhuLulu/DeepSeek-Bot/tree/main。
PanSou 盘搜得（pansou.de）为应对高并发下响应延迟、资源占用高、维护复杂和定时任务不可靠等问题，将原 Next.js + BullMQ + PostgreSQL + Redis 架构重构为前后端分离的 Go API + Next.js SSR + Go Worker 架构；实测搜索 P99 响应时间从约 2 秒降至 1 秒内，内存占用下降超 30%，转存成功率升至 95% 以上；采用流式搜索、请求合并、双写 SEO 模型和 Docker 内网直连等关键技术，并通过灰度发布完成零事故迁移。
Pearl是一条基于比特币工作量证明机制改造的Layer 1区块链，矿工运行矩阵乘法（而非SHA-256哈希）作为PoW，通过NoisyGEMM机制确保诚实计算；网络实时聚合全球32万张GPU的挖矿行为，每194秒生成一次AI算力基准，反映真实机会成本；Together AI已基于该网络推出低价推理端点Gemma-4-31B-it-Pearl。
《金融时报》与《中国新闻周刊》报道显示，内蒙古乌兰察布因低价电力、土地和气候优势成为数据中心密集区；DeepSeek于5月将V4-Pro模型API价格永久下调75%，但Token综合价格指数至10月仅较5月高点下降超52%；阿里2026年Q1财报显示单季资本开支达676.78亿元（同比+75%），AI云与算力服务收入484.37亿元（同比+45%），而AI实验室分部亏损138.61亿元。
UU889-Drama 是一个基于 AI 的短剧自动化生产平台，支持小说到成片的全流程：剧本改写、角色/场景/道具提取、生图、分镜拆解、生视频及 FFmpeg 拼接导出；提供 Electron 桌面版（macOS/Windows），含 4 个 Mastra Agent（script_rewriter / extractor / storyboard_breaker / prompt_generator），提示词与 Skill 可在线编辑；支持中英日韩越德法西葡多语言界面与生成；文本生成兼容 OpenAI、Gemini、火山引擎、DeepSeek、通义千问、Claude、Grok；图片生成支持 Grok 图片、OpenAI、Gemini、火山引擎及本地 ComfyUI / Stable Diffusion WebUI / Fooocus；视频生成支持 Grok 视频、Google Veo、Runway、本地 ComfyUI、火山引擎 Seedance 2.0、MiniMax H3、阿里云百炼 Wan 3.0；项目开源地址为 https://github.com/uu889/uu889-drama/
HeloV 开发并开源 Artiface，一个基于 Go 和 React 的工具，支持在浏览器中查看本地及通过 SSH 连接的远程服务器上的 AI Agent 输出内容，兼容 md/html/pdf/image/code/csv 等多种格式，支持 Git 状态显示、多项目多标签页、自动刷新、夜间模式与移动优化，提供 Docker Compose 部署方案，采用 Apache 2.0 许可证，项目地址为 https://github.com/i207M/artiface。
OpenAgents、哥伦比亚大学等机构联合发布AgentWorld评测基准，用于评估多个大语言模型驱动的智能体在RPG沙盒环境中分工、通信与资源协同完成任务的能力；主任务集上最高成功率为52.0%，并提出CCE指标回溯贡献动作；论文已发布于arXiv，代码与数据开源至GitHub。
西湖机器人发布通用大脑WR1，完成全球首次人形机器人灵巧手自主折叠T恤与长裤的双机协同演示，并实现冰箱取物、空气炸锅操作、客厅收纳、床铺整理等跨越厨房/客厅/卧室的全程无中断家务任务链。WR1采用大小脑双预训练架构，融合世界模型（WM）与视觉-语言-动作模型（VLA），由自研通用动作大模型GAE执行全身控制，强调柔性物体泛化、跨场景长程执行与运动操作一体化三项底层能力。
TypeSafe发布Jev，一款专为高频小判断设计的文本决策模型，每百万输入token仅0.042美元、输出免费，支持多问题并行与结构化概率输出；9月15日上线后，OpenAI于10月6日推出Decisions API公开Beta版，基于GPT-6 Luna改造，支持图片输入但输入成本更高（0.10美元/百万token）。
NUS、NTU 与 GaugeForge 等联合团队在 arXiv 发布论文（2609.17439），提出 Verified Autonomy（验证自治）概念，构建完全可交互的虚拟量子实验室 Quantum-Harbor 及包含 49 项真实工程任务的评测基准 QIQCBench；该基准采用 Evidence-bound grading 机制，从链路核查、逻辑一致性、隐藏环境验证三方面评估 AI Agent 的物理决策可靠性，测试了 GPT-5.6、Claude Opus、DeepSeek-V4、千问、混元等 17 个前沿 Agent 系统。
论文提出 NoteBank，一种训练无关、即插即用的稀疏情景记忆机制，通过在查询前存档文本、利用骨干网络原生特征进行写入与寻址、并通过原生前向计算重放检索证据，无需外部嵌入模型或独立检索器；在 100 万 token 下，使 Gated DeltaNet 在六项 RULER 检索任务上的平均准确率从 1.7% 提升至 70.3%，分析 FLOPs 增加 ≤0.025%，持久上下文存储约为同规格 Transformer 全 KV cache 的 1/2600；实验覆盖 Gated DeltaNet、Mamba-2-8B 和后训练 Qwen3.5-9B，在 LongBench v1/v2 和 MemoryAgentBench 上均验证有效。
Apertus 1.5 将 Apertus 1.0 文本模型通过持续预训练（8B 模型新增 4T tokens，70B 新增 2T tokens）扩展为支持图像和音频理解的多模态推理模型，上下文窗口扩大至 262,144 tokens；多模ality 通过 tokenizer 实现，语言模型头仍限于文本，架构未变；经监督微调、长上下文微调、可验证奖励强化学习及偏好对齐后发布；思考能力由 chat template 标志控制，8B 模型数学推理提升最高达 20 分；在知识、指令遵循与文化类基准上领先同类全开源模型，指令遵循能力超越所有对比模型（含开源权重模型）；图像与音频理解为该系列首次支持，在文档理解与低资源语音识别上具竞争力，但专用视觉/音频模型在英语等高资源语言感知与转录上仍更优；全部模型权重、数据准备与训练配方、评测套件均以宽松许可证开源，训练仅使用公开数据并尊重爬虫退出协议。