10 月 28 日，摩尔线程宣布开源大模型训练基础设施项目 Megatron-MUSA-Titan，基于自家全功能 GPU，面向万卡级集群中万亿参数 MoE 模型的训练需求，覆盖预训练与强化学习两大场景。技术上支持 blockwise FP8 训练，结合 DeepEP 与 ACE 异步通信引擎加速 MoE 的 Token 分发与结果合并，实现专家并行与计算的通算重叠；同时支持 slime、miles 强化学习框架协同，结合 Megatron 训练与 SGLang 样本生成，打通预训练到 RL 的训练链路。官方称已在万卡级集群的万亿参数 MoE 预训练中长期应用，“实现高 MFU 与长稳训练”。划线：国产 GPU 的叙事正在从“能用”转向“好用”——开源训练基建是 MUSA 生态的拼图，节奏卡在 IPO 后的首次公开亮相。诚实标注：性能说法均为官方口径、无第三方验证。（IT之家/新浪科技（10-28，摩尔线程官方口径））

新组织 DiffuSpace 10 月 28–29 日发布首个模型 Clover-35B-A3B-Preview，主打“块扩散（block diffusion）”生成：与逐 token 自回归不同，以 32 个 token 为一块并行去噪填充。模型卡：35B 总参数的 MoE 架构、每 token 激活约 3B，40 层、256 个路由专家（top-8），128K 上下文；源自阿里 Qwen3.6-35B-A3B，加了双向 GDN 参数与生成控制。官方宣称在 H200 上达 515 tokens/秒，自称“发布时开源扩散语言模型中最强”，Apache 2.0 许可，已上架 Hugging Face、GitHub 与 ModelScope。划线：扩散式生成是 LLM 之外的另一条路——从图像扩散借来的并行去噪，能不能在语言模型上跑出速度与质量的双赢，是 2026 年下半年的新赌局。诚实标注：组织背景不详，全部基准与速度数字为官方自称、未经独立验证。（Hugging Face 官方模型页（一手，经 alextech.ai 报道）；发布时间两家来源差一天）

10 月 28 日，GitHub 宣布 Copilot Fusion 结束研究预览、正式 GA：把 HydraFusion 的多模型编排能力与 Copilot 的自动模型选择合并，任务自动路由到合适的模型组合。据 GitHub changelog，Copilot Fusion 在 Artificial Analysis 的 Coding Agent Index 上得 60 分，只比跑 Claude Opus 5.5 Max 的 Claude Code 低 2 分，而每任务的 API 成本与 token 消耗约只有一半。发布时机卡在 GitHub Universe 2026 之前。划线：编码智能体的竞争从“谁家模型最强”转向“编排与成本”——便宜一半、性能差 2 分，这笔账开发者会算。诚实标注：分数与成本对比为 GitHub 官方自述、未经第三方复核。（GitHub changelog（10-28，经 pontero.ai 整理转述））

10 月 28 日，谷歌在官方博客宣布与 XREAL 联合发布 XREAL AURA——第一款搭载 Android XR 的有线 XR 眼镜。透明光学透视式镜片，70 度视场角，眼镜本体不到 95 克（重计算放在有线连接的便携计算棒里，内置电池与高通全新的 Snapdragon Reality Elite 平台——该芯片在 AURA 上首发）。Gemini 深度集成，可理解用户所见所做并跨应用协助；支持 Google Play 应用，含 150+ 专为 XR 打造的应用。美、加、韩今日开售，日本 11 月 2 日。划线：谷歌用“眼镜+计算棒”的分体方案对标 Meta 9 月发布的 Meta VR 眼镜（同样骁龙 Reality Elite、同样计算棒），AI 眼镜的战争正式从“能不能做”打到“跟谁的生态”。缺口：价格尚未公布，留了一手。（Google 官方博客（10-28，一手；经 gizbot/business-standard 报道））

在 10 月 29 日的 2026 智元创新日上，智元发布灵渠 OS 1.0——号称“业界首个具身智能原生操作系统”，覆盖从构建到部署全流程、从底层硬件使能到上层应用支撑的全技术栈。关键数字：定义机器人硬件接入新范式，支持 15 类 100+ 种外设快速接入；1000Hz 高频任务负载下端到端时延抖动小于 4 微秒。计划 2026 年底全面开源；智元宣布成为开放原子开源基金会白金捐赠人、捐赠灵渠 OS 项目，共建中国人形机器人开源社区；到年底将把经量产验证的 2 亿行代码、5000+ 生态软件包向全行业开源。同场还发布新一代具身基座模型 GO-3 Preview（自研 WRAM 架构，自称登顶三大具身评测榜单）与多模态交互大模型 WITA Omni1.0。划线：智元的打法是“开源换生态”——代码与操作系统先捐出去，硬件与标准留在手里；“业界首个”是自称，成色要看年底开源兑现几成。诚实标注：榜单成绩与技术指标均为官方说法、无第三方验证；开源为计划。（新浪科技/科创板日报/证券时报（10-29 现场报道，智元官方口径））

10 月 29 日，值得买科技（300785.SZ，“什么值得买”母公司）发布 2026 年三季报：前三季度营收 8.28 亿元（+2.79%）；与 AI 有关的业务收入 1.08 亿元，占总营收比重 13%——而 2025 年同期 AI 相关收入仅 3229 万元、占比 4%。一年时间 AI 收入翻了 3 倍多、占比翻三倍。划线：不像大厂财报里“AI 驱动增长”的宏大叙事，这是一个 A 股上市公司的干净样本——AI 收入从 4% 涨到 13%，证明 AI 落地可以出现在利润表里，而不只出现在发布会 PPT 里。诚实标注：“AI 相关收入”为公司自定口径，明细未展开。（新浪财经（10-29，公司三季报口径））

据《证券时报》10 月 26 日记者调查：随着 AI 视频生成技术改进，“AI 探店”视频正批量渗透达人探店领域——“不用真人出镜、不用写文案脚本，没有一个镜头是实拍”。有业内人士透露，专门批量制作 AI 探店视频的公司，有的月流水已做到 800 万元。记者实测成本：闲鱼上 AI 探店教程普遍售价 1 元左右、最低 0.1 元；花 0.18 元买下教程、充值几十元算力积分，几分钟生成一条 12 秒探店视频，耗费 9.6 积分（约 9.6 元）。接单报价：一名个人接单者称，用 AI 给餐饮店做一条探店视频收费 800 多元；代接机构报价奶茶小吃类每条 300–500 元，火锅烧烤美容类每条 600–800 元。风险划线：报道同时点出——“探店”不再“到店”，虚假宣传的法律风险与 AI 标识缺失问题随野蛮生长放大；这门生意的成本结构（几十元算力 vs 几百元报价）注定卷向价格战。诚实标注：“月流水 800 万”为业内人士向记者透露、未独立核实；接单报价为受访者自述。（21 经济网（2026-10-26，源头为《证券时报》记者调查））

核心贡献：Anthropic 对齐团队 10 月 27 日发布研究报告《How AI agents shape experts' judgment calls》，首次用随机对照实验量化了“自动化偏见”在智能体时代的强度——50 名有因果推断经验的专业分析师，用 Claude Code（Claude Opus 4.8）为虚构农业合作社做咨询；研究者用抛硬币暗中设定每个智能体的倾向（藏在 system prompt 里），要求智能体“诚实地为倾向辩护、绝不误导”。结果：分析师 86% 的选择与智能体倾向一致（无影响时应为 50%）；已有先验观点的人在智能体反对时 60% 倒戈（智能体赞同时仅 6% 改变）；77% 的人在解释决策时复述了智能体的论点（有时逐字），但只有 15% 承认来源，且无人识破偏好是被设定的。作者警告：若多个团队各自 defer 给同一个模型，会制造“虚假共识”，在科学共识与 AI 安全研究等场景尤其危险。为什么值得读：实验设计干净、数字触目惊心——“我用 AI 辅助决策”和“AI 替我做决策”之间，只隔了一层没人察觉的 system prompt；且与本期访谈中 Nadella“对齐不会自动到来”形成互文。局限：样本小（50 人）、单一虚构任务、单模型、倾向被故意加强，真实世界效应可能更小；作者自己也强调结论是方向性的。诚实标注：非 arXiv 论文，是机构技术报告；数字经 AI Weekly / Al Jazeera 转述。（anthropic.com 官方报告（2026-10-27，经 AI Weekly、Al Jazeera 转述）；非 arXiv，是机构技术报告）

观点 1（转述原话）：被问到过去一年改变了什么看法时，Nadella 说：“I used to always think that alignment would just fall out. I no longer believe that. I think this alignment thing may be a harder, different problem.”（我过去总以为对齐会自然而然地到来，现在不再这么认为了；对齐可能是个更难、完全不同的问题。）能力曲线如他预期在走，但对齐没有“搭便车”跟上。观点 2（转述）：把 AI 模型当作“内部威胁”来对待——呼应他 10 月 10 日在 X 上的警告；团队应默认“模型已被攻破”，用零信任架构把智能体装进笼子；思维链（chain-of-thought）不可信，需要 Agent 365 这样的防篡改智能体日志来审计。观点 3（转述）：每家公司必须“拥有自己的智能”——数据、trace、私有评测将成为公司最有价值的 IP（他称之为 "reverse information paradox"）；透明度监管要求可能反而利好开源权重模型；最大的生产力红利将落在“新的 implementation economy”（落地实施经济）。缺口提醒：以下为媒体转述的播客原话，非逐字实录；Pichai 同日做客 Big Technology 播客称谷歌云要为 DeepMind 让算力——同一天两家 CEO 的口径可以对照着读。（20VC 播客（2026-10-26，经 Business Insider、Pivot News 转述）；为媒体转述非逐字实录）