AI 日报 · 2026-09-25

今天最值得关注的是 Google DeepMind 给 Gemini 3.8 Live 加上 Live Avatar，让实时语音对话模型获得近实时的可视化形象，支持 97 种语言的口型与表情同步，并面向企业开放。LangChain 围绕 LangSmith 发布了一整套生产级 agent 更新：Fine-Tuning 把轨迹转成微调数据，Trajectories 提供会话级可读视图，Engine v2 做红队测试与自动验证修复，Deep Agents 和 Custom Apps 则补充部署与自定义界面。视频与世界模型方向，Runway 的 WorldPrompt 让实时世界生成可实时提示但不算编程语言，Google Research 则提出多智能体「AI 视频联合导演」以改善长视频的叙事一致性和角色保持。DSPy 3.4.0 进入 LM 过渡期并引入 Jev 概率决策；另有观点文章把生物科技降低科学成本的两条路径总结为工业化的 Foundries 与用 AI 优化决策的 Navigators。

北美一手（LLMs 官方 & 关联账号）

Google

⭐⭐⭐ [模型发布] Introducing Gemini 3.8 Live with Live Avatar

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在上周 Gemini 3.8 Live 的基础上，为原生实时对话模型加入近实时的视觉形象。该功能把实时对话能力与低延迟流式视频生成结合，具备精确口型同步、自然表情和流畅的轮流发言；借助异步工具调用，它可在对话不中断的情况下在后台触发工具并获取数据。它支持 97 种语言的原生语音到语音同步，口型与表情会随之适配。即日起该功能在 Gemini Enterprise 中提供，除预置头像库外，企业还可基于参考图生成自定义头像，自定义创建目前仅通过企业白名单开放。所有生成内容均带有 SynthID 水印。

⭐⭐ [研究] Automating coherent long-form video generation

Google 研究团队提出「AI 视频联合导演」，一个统一的多智能体框架，用于自动生成时间上连贯的长篇视频叙事，目标是解决现有线性流水线中的角色身份漂移与级联失败问题。该框架构建在 Gemini 和 Veo 之上，作为编排层，并原生继承 SynthID 水印等安全机制。团队把长视频生成视为全局优化与世界状态跟踪问题，将研究拆分为四个基础支柱，并给出 Co-Director（将在 COLM 2026 发表）、CANVAS（将在 EMNLP 2026 发表）、A²RD 和 VQQA 等一套框架。方法上采用分层参数化，用多臂老虎机在全局搜索有前景的创意方向，再注入子智能体的系统提示中实现自上而下的统一引导。团队称在综合评估中，该框架在多镜头叙事一致性和角色保持上取得明显提升，可生成长达数分钟的视频。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] Runway’s WorldPrompt and the Engineering of Real-Time Worlds

Runway 本月早些时候推出研究预览 GWM Worlds 2，将高保真视频与音频生成变为实时交互式模拟，Runway 称其为「自回归扩散」模型。新功能 WorldPrompt 是一种输入格式，用于指定生成的世界及其中动作：可固定模拟环境的某些方面（包括第一帧），再创建一系列带时间戳的事件，动作甚至可以实时提示。Runway CTO Kamil Sindi 与首席研究科学家 Robin Kahlow 在 Latent Space 访谈中表示，WorldPrompt 是提示机制而非编程语言，不提供脚本能力或状态控制；Kahlow 称该研究预览并不完美，可靠性取决于动作难度，其中移动类动作相当可靠，Sindi 则说更多训练加上数据与模型的扩展会带来更好的指令遵循。据报道 Runway 最新估值为 53 亿美元（基于其今年 2 月 3.15 亿美元的融资），首个版本 GWM Worlds 于去年 12 月发布；同领域还有 Google DeepMind 的 Genie 3、Odyssey-2 Pro 和 World Labs 的 RTFM，均存在局限，例如 Google 称 Genie 3 目前支持数分钟的连续交互，而非数小时。

产品更新

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

LangChain 发布 LangSmith Fine-Tuning 与配套 CLI 工具 smithtune，用一条端到端流程把 LangSmith 中存储的 agent 轨迹（trajectory）转成微调数据集、完成训练并做评估。smithtune 负责从轨迹生成和准备数据集、通过 Fireworks 或 Baseten 进行训练，并把评估结果上传回 LangSmith 以便分析；它面向后训练，目前支持监督微调（SFT）。LangChain 表示，LangSmith 的轨迹格式会记录模型每一轮实际看到的上下文（包括工具定义与延迟工具加载等情况），因此能把每个动作与其真实上下文配对，用于训练和留出评估。该 CLI 可直接运行，也可由 coding agent 安装 skill 后驱动整个流程。文中还引用了 Fireworks 与 Baseten 相关负责人的说法，称该集成让团队可以从生产轨迹直达托管训练与部署。

⭐⭐⭐ [产品更新] 3.4.0

DSPy 发布 3.4.0。该版本通过 TypeSafe 客户端接入 Jev，新增三种实验性决策类型——Noul、Choice 与 Score，把概率证据带入普通 DSPy 签名，并由 ReAnchor 按程序自身的指标校准这些决策。此版本还引入原生 LM 引擎、用于可信代码的本地 CPython 解释器、异步 ReActV2，以及带版本号的文档。3.4 是 LM 过渡版本，3.5 是迁移截止版本：3.3 引入的实验性 LM 类型已被替换，旧的自定义 LM 集成与 OpenAI 风格的 messages= 调用在 3.4 中仍可用但会给出弃用警告，普通 DSPy 程序与 lm(「hello」) 调用继续受支持。RLM 的调用时解释器 API 也有变化：需通过仅关键字参数 interpreter_factory= 传入工厂，而非解释器实例或位置参数。Jev 通过与其他后端相同的 lm= 接口使用，阈值、Score 切分与 Choice 权重在本地而非后端应用；决策流式输出、RLM 决策输出，以及在 TypeSafe 上的生成式优化器与微调目前不受支持。

⭐⭐ [产品更新] New in LangSmith: Engine v2, Managed Deep Agents, Fine-Tuning, and more

LangChain 在 Interrupt NYC 活动上发布 LangSmith 系列更新，围绕运行时与可观测性/评估两条线。Engine v2 新增红队测试（利用生产 trace 和代码仓库生成尚未在生产中出现的问题假设并验证）、扩展的问题类型检测（错误率、延迟、成本趋势，以及重复工具调用、过长轨迹等低效行为），并能对运行在 LangSmith Deployment 上的 agent 自动验证候选修复、供用户一键开 PR；自托管版 LangSmith 的下一版本将支持 Engine 的 BYOK。文章称 Engine 自 5 月上线以来已分析超过 6000 万条 trace。Managed Deep Agents v0.8 新增用户级记忆、身份范围认证、channels 与内置网络搜索。Trajectories 提供 trace 的对话式视图，LangSmith Fine-Tuning 用其微调模型以适配特定任务；Custom Apps 允许团队构建并发布自定义 LangSmith 界面，用于标注队列、实验等流程。

⭐⭐ [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 agent 的生产 trace 与代码库，主动发现幻觉、违反系统提示词等尚未在生产中暴露的问题，目前以 Private Beta 形式面向现有 LangSmith Deployment 用户开放。v2 还能识别更难察觉的问题，包括低效的 agent 路径（如错误或重复的工具调用）以及错误率、延迟、成本等指标的趋势。此外，Engine 现在会在人工审核前自动测试并验证其提出的提示词与代码修复。据文中数据，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] Managed Deep Agents delivers a better user experience for agents in production

LangChain 博客介绍其 Managed Deep Agents，称它是在生产环境中构建、部署和运行 agent 的最简方式。文章说明 0.8 版本新增了对用户自有凭据（user-owned credentials）和用户级记忆（user-level memory）的支持。此外还加入了 HTTP channels、Slack 中的文件传输，以及一个用于网页搜索的预置工具。全文为简短的功能更新说明，未给出基准数据或客户案例。

⭐⭐ [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、对话形式展示 agent 会话的视图。Trajectory 将主 agent 及子 agent 中来自人类、AI 和工具的消息聚合起来，按首次出现顺序各展示一次，是对一个 thread 内各 trace 的投影，去掉了嵌套的 run 结构。该功能开箱支持来自 LangChain、LangGraph、Deep Agents 的 trace，也支持 OpenAI、Claude 等 agent SDK 以及 Codex、Claude Code、Cursor 等编码 agent。用户可将 thread 以 trajectory 形式查看、用在线评估器打分，并路由到标注队列或数据集，也可把有用的会话保存到数据集并导出用于监督微调。

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

LangChain 在 LangSmith 中推出 Custom Apps，允许用户基于 LangSmith 数据构建、发布并直接在其中运行自定义界面。用户可以从聊天提示入手——Plus 和 Enterprise 计划用户向 LangSmith Chat 描述想看的数据和展示方式，Chat 会将其转为可用的应用；也可以使用提供的模板，配合编码 agent 基于 LangSmith API 自行构建。应用发布后成为工作区内的共享界面，用户无需自行处理托管、认证、权限和分享。文章给出的典型用法包括：为标注人员定制界面，例如给工程师完整 trace（含工具调用、元数据、中间步骤），给领域专家仅展示用户请求、模型回复、相关上下文和评分标准；以及定制实验对比界面，按提示版本、模型替换、客户分群、失败类别、模型提供商或内部评估标准来切分结果。LangSmith 原本提供延迟、成本、错误率的预置仪表盘和实验回归对比视图。

观点

⭐⭐ [观点] Foundries vs Navigators: Lowering the Cost of Science

这是一篇 Latent Space 客座观点文章，作者 Adrian Sanborn 认为，在科学领域「思考」已经变便宜，但「动手做实验」没有：围绕实验的知识工作大幅提速，而需要数天或数周才能验证的物理实验本身的吞吐量几乎没有改善。他提出生物科技行业的两种适应方式——Foundries 把测量工业化，用新一代测序与多重检测、高通量显微或物理自动化把数据产出速度提升一个数量级，代表公司包括 Xaira、NewLimit、Octant、Tahoe、Endura、Insitro、Eikon、Noetik、Lila、Periodic Labs 等，其差异化资产是实验数据本身；Navigators 则把 AI 模型放进公司日常运转中，驱动更好的决策和更快的流程，决定该建什么工具、哪些问题值得做实验，不需要自有模型或海量数据集。作者指出，建设 Foundry 需要资本、数年时间和一次技术押注且非常显眼，导航路线相比之下不可见，却对所有公司开放，并在没有历史包袱的早期初创公司中运行最快。其影响包括：分析从一周缩短到一小时后实验迭代更快、原本需六位数授权的软件变成一天即可建成、疾病项目可从 500 个候选而非 5 个中挑选。文中还提到，实验科学中需求不断变化本身就是目标，软件工程没有真正的对应情形。