AI 日报 · 2026-09-24

Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS，支持通过自然语言或 30 秒样本创建和复刻角色音色，并提供导演式节奏与情绪控制；Simon Willison 的 Playground 展示了多角色对话生成，约 78 秒音频成本 2.74 美分。LangChain 围绕智能体开发与运维密集更新：LangSmith Engine v2 引入红队测试和自动验证，Trajectories 提供可读会话视图，Custom Apps、Fine-Tuning 与 Managed Deep Agents 0.8 分别补齐自定义界面、轨迹微调和生产托管能力。Google Beam 协作设备扩展至六个国家，由 HP 交付硬件并与 Industrious 建立体验网络。其他进展中，LiquidAI 为 LFM2.5-VL-3B 提供 DSpark 投机解码草稿模型，设备端解码最高加速约 3 倍；NVIDIA 展示了基于 Warp 与 MJWarp 的 GPU 机器人仿真，并加入开放科学联盟以应对未来大流行；TypeSafe AI 则推出非生成式分类模型 Jev。

北美一手（LLMs 官方 & 关联账号）

Google

⭐⭐⭐ [模型发布] Gemini 3.8 text-to-speech says hello

Google DeepMind 发布两款新的文本转语音模型：Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS。用户可通过自然语言提示从零创建自定义角色声音，或用 30 秒音频样本复刻已有声音，并附带内置的同意验证。模型支持逐行导演音频，控制节奏、情绪乃至真实对话音效，可用于有声书、播客和实时语音代理等场景。Gemini 3.8 Flash TTS 侧重深度创作与角色设计，支持 100 多种语言和方言；Flash-Lite TTS 面向高并发、低成本的批量场景。两款模型可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中使用，内置水印等安全工具，并提供 2000+ 现成声音库。

⭐⭐ [产品更新] Google Beam expands with new regions, partners, and customers

Google Beam 宣布全球扩张：产品进入美国、加拿大、英国、法国、德国和日本六个国家，由 18 家渠道合作伙伴负责部署与支持，硬件由 HP 以 HP Dimension with Google Beam 的形式交付，并可与 Google Meet 和 Zoom 集成。谷歌内部一项为期八周的测试显示，使用 Beam 的团队彼此连接感提升 50%，确认反馈被清晰理解的容易程度提升 33%，需要额外跟进会议的比例下降 21%。公司同时推出首个扩展网络，与 Industrious 合作，自 10 月起可在部分 Industrious 办公空间预约体验 Beam。文中还提到 Netflix 与 Bain 等客户已使用 Beam 改进远程面试。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐ [模型发布] Accelerating vision-language models with LFM2.5-VL-DSpark

LiquidAI 发布实验性的 DSpark 草稿模型，为视觉语言模型 LFM2.5-VL-3B 增加投机解码路径，在不改变输出质量的前提下换取推理加速。草稿模型沿用文本版 LFM2.5-DSpark 的架构：4 层纯注意力草稿器、块大小 9，约 2.795 亿参数（解码器栈 1.93 亿、隐状态投影 2100 万、Markov head 6550 万），使部署模型的参数量仅增加 8.9%。官方称设备端解码最高加速 3.13 倍（M5 Max 上 MLX）与 H100 上最高 2.66 倍，端到端分别最高提升 2.62 倍和 2.27 倍，评测覆盖通用 VQA、文本 VQA、图像描述、图表 VQA、复杂推理和多轮对话六个任务，遵循 MMSpec benchmark。该草稿模型在 llama.cpp、MLX-VLM 和 SGLang 上提供首日 DSpark 集成支持。文章同时说明投机解码只加速解码阶段、不加速视觉编码与 prefill，当这些阶段占据较多时端到端收益受 Amdahl 定律限制。

⭐⭐ [模型发布] Gemini 3.8 TTS Playground

Google 今天发布两款 Gemini 文本转语音模型 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts，自带 2000 多种音色的音色库，并可用「仅 30 秒的音频样本」创建自定义音色。Simon Willison 用 GPT-6 Astra 写了一个自带 API key 的 Playground，可组合单人旁白或多说话人对话、预览生成的音频、查看请求与响应详情，并把 compose 设置保存成可分享的书签 URL。该 API 便于定义多个角色之间的完整对话，每个角色可配不同音色和音色风格指令。他给出的示例中，用 Gemini 3.8 Flash TTS（非更便宜的 Flash-Lite）生成 1 分 18 秒音频约耗时 20 秒，花费 2.74 美分。

产品更新

⭐⭐ [产品更新] New in LangSmith Engine: red teaming and automated testing

LangChain 发布 LangSmith Engine v2，新增红队测试（Red Teaming）与自动化测试能力。红队测试会分析智能体的生产 trace 与代码仓库，理解其用途和行为，进而测试弱点、发现尚未在生产中出现的问题，如幻觉和违反系统提示词，目前以 Private Beta 形式向现有 LangSmith Deployment 用户开放。v2 还能识别更隐蔽的问题，包括智能体轨迹中的低效行为（如错误或重复的工具调用）以及错误率、延迟和成本等指标的趋势。新版本会在提交人工审核和部署前自动验证其提出的提示词与代码修复方案。LangChain 表示 Engine 自 5 月上线以来已分析超过 7000 万条 trace，诊断出数万个问题。

⭐⭐ [产品更新] LangSmith Custom Apps: Build custom interfaces around your agent data

LangChain 在 LangSmith 中推出 Custom Apps，允许团队基于 LangSmith 数据构建、发布自定义 UI，并直接在 LangSmith 内部运行，省去自建前端所需的托管、认证与权限工作。用户可用 LangSmith Chat 描述想要的数据与展示方式自动生成应用，也可基于模板和 LangSmith API 自行编码构建。官方给出的典型场景包括为标注人员定制反馈界面（按角色显示不同上下文），以及自定义实验对比视图（跨 prompt 版本、模型切换、客户分层等维度）。该功能面向 Plus 和 Enterprise 套餐的 Chat 生成能力，已正式上线。

⭐⭐ [产品更新] Introducing LangSmith Fine-Tuning

LangChain 发布 LangSmith Fine-Tuning 与配套 CLI 工具 smithtune，用于把 LangSmith 中保存的 agent 轨迹转成定制微调模型。smithtune 在一个命令行流程里完成从轨迹生成数据集、在 Fireworks 或 Baseten 上训练、以及用 LangSmith 做评估并回传评估结果。目前该工具只支持监督微调（SFT），即用表现良好的示例训练模型模仿其行为。文章说明 LangSmith 的轨迹格式记录了模型每一轮实际看到的内容（包括工具定义，以及延迟加载工具等带来的上下文变化），因此可用于把每个动作与其真实上下文配对；训练集之外的轨迹则作为评估的上下文与参照动作。工具已在 GitHub 发布，并附带可供编码 agent 调用的 skill。

⭐⭐ [产品更新] Trajectories now in LangSmith: A readable view of every agent session

LangChain 在 LangSmith 中推出 Trajectories 功能，提供按时间顺序、对话式呈现 agent 会话的可读视图。Trajectory 会聚合主 agent 及子 agent 中来自人类、AI 和工具的消息，并按首次出现顺序展示，每个消息只出现一次。用户现在可以把 thread 作为 trajectory 查看，用在线 evaluator 对 trajectory 打分，并将其送入标注队列或数据集。该功能支持来自 LangChain、LangGraph、Deep Agents、OpenAI 与 Claude 等 agent SDK，以及 Codex、Claude Code、Cursor 等编码 agent 发送的 trace。LangChain 表示，Trajectories 便于快速定位 agent 行为偏离的步骤，再进入完整 trace 查看执行细节，同时让领域专家无需解析嵌套 trace 就能审阅 agent 行为。

⭐⭐ [产品更新] Managed Deep Agents delivers a better user experience for agents in production

LangChain 博客介绍 Managed Deep Agents，称其是在生产环境中构建、部署和运行智能体的最简便方式。0.8 版本新增了对用户自有凭证（user-owned credentials）的支持、用户级记忆、HTTP 通道、Slack 中的文件传输，以及一个用于网页搜索的预置工具。

⭐⭐ [产品更新] What Is Jev? A Guide to TypeSafe AI’s System One Model

LangChain 博客介绍了 TypeSafe AI 发布的新模型 Jev。Jev 不是传统 LLM，不生成文本，TypeSafe AI 将其称为「System One 模型」：评估一个状态并返回类型化的答案与概率，供代码直接使用，并以 RLCD（面向校准决策的强化学习）训练。据该公司称，在分类任务上其推理速度最高快 200 倍、成本低 400 倍。Jev 支持三类问题：Choice（从选项中择一）、Score（按有序等级打分）和 Noul（是/否），且同一请求中的多个问题会并行评估，增加问题几乎不增加响应时间。LangChain 通过 langchain-typesafe 包中的 TypeSafeClassifier 接入 Jev，调用 .invoke() 返回分类结果而非对话回复，state 可以是文本、结构化数据或 LangChain 消息。

其他

⭐⭐ [其他] How Open Science Can Help Researchers Prepare for the Next Pandemic

英伟达博客文章指出，COVID-19 疫情暴发时，科学家因数十年冠状病毒研究的积累，已充分了解该病毒的关键蛋白，从而得以在极短时间内设计出疫苗。下一次大流行未必能提供同样的先发优势。为提高应对能力，NVIDIA 加入了一个由全球研究机构组成的联盟，成员包括 Google 等。文章与开放蛋白质数据集项目相关（正文内容在此处截断）。

⭐⭐ [其他] How to Use NVIDIA Warp and MjWarp to Accelerate Robotics Simulation and Learning Workflows

本文是「State of Simulation for Physical AI」系列的第二篇，介绍如何用 NVIDIA Warp 与 MuJoCo Warp（MJWarp）加速机器人仿真与学习工作流。经典 MuJoCo 提供基于 CPU 的机器人仿真并可在 CPU 核间并行采样，而基于 NVIDIA Warp 构建的 MJWarp 把兼容的 MuJoCo 模型带入 GPU 规模。文章以 SO-101 从动臂为例，将其从常规 MuJoCo 工作流迁移到最多 2,048 个并行 MJWarp 环境，并说明所需的技术与验证步骤。文中介绍 NVIDIA Warp 是编写 GPU 加速内核的 Python 框架，可用 Python 编写静态类型内核并编译到 CPU 或 CUDA 执行，其三个价值主张为性能、易用性与能力（可微内核与 DLPack 风格互操作）。文中给出一个在重力下推进点位置的小型机器人内核示例代码，并说明该系列后续将覆盖 Newton 与 Isaac Lab；本文不训练策略。