AI 日报 · 2026-10-28

Oracle 是今天的核心连接点：一边扩大与 OpenAI 的合作，把 Oracle 应用、数据和采购流程接入 ChatGPT，并发布 AI Workspace、AI Security Mesh、SMB Bundle、App Composer 等集成；另一边与 NVIDIA 一起把 OCI Supercluster 推向 Vera Rubin NVL72 的多吉瓦规模。研究侧，Google 提出睡眠框架，用记忆巩固与做梦阶段让 LLM 在部署后持续吸收知识并缓解灾难性遗忘；LiquidAI 发布统一多模态骨干的 LFM3 系列，NVIDIA 则发布开放权重模型 Nemotron 3.5 Transcribe 与 Granary v2。Ai2 的实验显示，让 LLM 判断科研想法新颖度并不可靠，提示词微调就能让准确率波动超过 50 个百分点。应用层信号也很密集：Legora、Retell 和 LangChain 分别展示法律、呼叫中心和设计智能体的效率提升，Anthropic 强调用「大脑与手」分离来隔离执行沙箱，Simon Willison 则把 2026 年 10 月称为 vibe 游戏开发的拐点。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐⭐ [产品更新] OpenAI expands partnership with Oracle to bring its apps to ChatGPT

OpenAI 与 Oracle 扩大合作，把 Oracle 的应用和数据接入 ChatGPT，并用 OpenAI 的模型和产品支撑一批新的 Oracle 服务。双方表示，这一合作建立在已有的 OpenAI API、ChatGPT Work 和 Codex 商业合作之上；Oracle 报告称其内部有 13 万活跃 ChatGPT 用户和超过 9.5 万活跃 Codex 用户，其招聘团队用 ChatGPT Work 做市场调研的耗时从过去的 2 至 4 天缩短到 15 至 20 分钟。Oracle 正在开发 Oracle AI Workspace，通过集成 Oracle 应用与数据把这类能力带进 ChatGPT，让用户描述目标、找到信息，并在组织自身的权限与审批范围内完成业务流程，文中以新入职财务人员排查成本、理解采购决策、确认月结前待办事项为例。Oracle 同时公布多项基于 OpenAI 模型与工具的新产品：用 OpenAI 网络安全模型查找并修复应用与基础设施漏洞的 Oracle AI Security Mesh，把 ChatGPT Business、Codex 与 Oracle 应用及 Oracle 云基础设施抵扣额度打包给中小企业的 Oracle AI SMB Bundle，以及供团队用 Codex 等工具构建应用、连接已批准的 Oracle 数据与工作流并部署在 Oracle 云基础设施上的 Oracle App Composer。美国客户还可通过 Oracle Marketplace，沿用既有采购流程和符合条件的 Oracle Universal Credits 购买 OpenAI API、Codex 和 ChatGPT Work 的使用权。

⭐⭐ [其他] Legora is building the agentic operating system for legal work

OpenAI 发布客户案例：2023 年成立于斯德哥尔摩的 Legora 正在构建其 CEO Max Junestrand 所说的「法律工作的 agentic 操作系统」，由 OpenAI 模型驱动，使用 API、Codex 和 ChatGPT 支撑其法律 AI 平台的核心工作流，包括 agentic 法律工作和大规模文档审阅。文中给出的数据包括：Legora 法务团队审阅 NDA 的时间减少 95% 以上，某财富 100 客户合同周转速度提升 90%，每位律师每周节省 9.5 小时。Legora 内部同样使用 ChatGPT Work、Codex 和 dots，CTO Jacob Lauritzen 称工程团队可同时探索 20 个方案并在数天内选定最佳方案，也可用 coding agent 检索数百万行日志，有时能在约五分钟内从收到缺陷报告走到可用修复。其总法律顾问 Emma Kadri Bergström 称，NDA 初审流程上线前约占法务团队 20% 的产能，现在不到 1%。

⭐⭐ [其他] Retell uses OpenAI models to help power 100M monthly calls

OpenAI 发布客户案例：语音 AI 平台 Retell AI 用 OpenAI 模型支撑其呼叫中心业务，月通话量从 2026 年初的 3000 万增长到 9 月的 1 亿次以上，服务超过 4000 家企业客户；OpenAI 模型为其中 80% 的通话生成回复，客户问题解决率超过 80%，累计消耗超过 1 万亿 tokens。Retell 自建 vCX benchmark 用真实生产场景的多轮对话比较数十个模型，在 2026 年 10 月 13 日的测试中 GPT-6 Astra 在指令遵循上以 89.7% 排名第一。Retell 还提到 GPT-6 Astra 发布前的评测中，GPT-5.5 在开启推理时以 88.0% 的非幻觉率和 88.3% 的工具调用正确率领先 Gemini-3.1-Pro 与 Claude-4.6。工程侧，Retell 开发者用 Codex 做代码研究、功能开发和调试，用 GPT-6 Astra 测试前端界面，通话后则用 GPT-5.6 Terra 分析转录文本、提取结果；公司称人均年化营收达 160 万美元。

Google

⭐⭐⭐ [研究] The sleep framework: A new way for LLMs to retain knowledge in continual learning

Google Research 提出在持续学习中引入「睡眠阶段」，让大模型在部署后不断吸收新事实、提升推理能力，同时缓解灾难性遗忘和知识截止日期固定不变的问题。文章指出，用新数据做持续参数更新会导致灾难性遗忘，而仅依赖上下文学习（ICL）则把知识保留限制在当前上下文窗口内，会话结束即遗忘。该框架受人类大脑在休息期间稳定记忆的启发，让模型在「活跃（清醒）阶段」接收并处理输入、把临时信息存入快速短期记忆，在「睡眠阶段」停止处理新输入，转而进行记忆巩固与自我改进；整个过程在固定的模型架构和人为设定的训练规则内运行，睡眠时解锁预分配的 MoE 记忆块，并用自生成的练习样本更新数值权重。睡眠过程包含记忆巩固和「做梦」两个阶段，其中记忆巩固通过参数扩展与连续记忆层级，把新解锁的低秩专家整合进稳定的低频记忆块，并用广义知识蒸馏（GKD）结合基于强化学习的模仿学习，把高频层中的脆弱短期记忆转移到新扩展的长期参数中。作者称该框架可让模型持续获取新事实、保留最长 1000 万 token 的长上下文知识并提升复杂推理能力。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] Build specialized multimodal models with LFM3

LiquidAI 发布新一代 Liquid Foundation Models（LFM3），定位为「专用智能的起点」，把文本、视觉、音频、omni 与决策模型统一到同一骨干上，参数量均在 2B 量级。相比 LFM2 家族有四点变化：新架构与训练配方让 LFM3-1.7B 在参数减少 35% 的情况下超过 LFM2.5-2.6B；六个 2B 级模型（含首个 omni 模型，视觉模型新增视频输入）均由 LFM3-1.7B-Base 训练而来；文本模型 4-bit 量化后约 1GB，采用新的自研视觉与音频编码器，文本模型上下文窗口为 256K；每个模型都可在单张 GPU 上微调。架构上，LFM3-1.7B-Base 共 24 层，采用三混合层组合：13 层门控短卷积、5 层窗口为 256 token 的滑动窗口注意力、6 层全局注意力，卷积核大小从 LFM2 的 3 提升到 7。此外引入按头门控注意力，用 sigmoid 门缩放每个头的输出，使头在无贡献时可被关闭。架构由硬件在环搜索在 14 种设备与后端组合上重新设计，涵盖手机、Raspberry Pi 5、笔记本、云端 CPU/GPU 与高通 Hexagon NPU。

⭐⭐ [模型发布] NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt

NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，已上线 Hugging Face 与 ModelScope，把转录、说话人标注、翻译与音频问答合并到同一个 checkpoint。它支持 40 种语言转录、31 种语言与英语互译、13 种语言的说话人标注，可处理最长一小时的录音并区分最多 8 位说话人，还支持词级时间戳，开发者可用自然语言提示指定输出形式与领域术语。原文称该模型在 Hugging Face Open ASR Leaderboard 英语榜上位列开放权重模型第一，在 David AI 的 21 语言说话人日志榜单上错误率最低，并在 VoiceArena 的 14 系统对比中排名第一，可在单张 NVIDIA GPU 上运行。同时发布的还有 Granary v2 多语言数据与可复用的数据处理流水线，以及 NeMo Speech 微调工具；一个医疗案例中，微调后相对最佳提示在留出说话人上的词错误率相对下降 45.8%。文中还提到 Agora 在课堂演示中使用了词级时间戳。

产品更新

⭐⭐ [产品更新] Thin, Light and Built for Everything: NVIDIA RTX Spark Windows Laptops Gain New Models, Agent Tools and Games

英伟达发布博文介绍 RTX Spark 系列轻薄笔记本，称其面向开发者、创作者和游戏玩家的各类工作负载。这些笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 提供。文中称该系列把 NVIDIA Blackwell RTX GPU 与 NVIDIA Grace CPU 集成在同一颗 superchip 上，统一内存最高可达 128GB。标题提到本次更新还包括新机型、agent 工具和游戏内容，但正文提供的细节有限。

⭐⭐ [产品更新] How We Built Our Design Agent

LangChain 发文介绍其内部设计智能体 Content Studio 的构建过程：该智能体运行在 Slack 中，用户只需一句描述并附上素材，即可产出视频、社交图、UI 图、幻灯片等成品，全部资产以代码形式生成。文章称构建需要三件事：把设计师的判断写成智能体的技能与检查项、围绕模型搭建包含视频引擎、图像工具与共享画布的自定义环境与沙盒，以及支持多人协作的长任务交互界面（展示计划、实时进度，并在成品交付前请求批准）。Content Studio 基于 Managed Deep Agents 构建，团队已开源完整 harness，可通过 Managed Deep Agents 部署到团队 Slack。文中给出的结果是：已产出 3000 多个资产、80 多份幻灯片，相关帖子在 X 上获得约 450 万次浏览，LangChain 账号上带其视觉内容的帖子点赞数约为 2 倍、3.7 倍（原文此处截断）。文章还提出一条经验：随着模型变强，为弥补模型弱点而设的规则应被删除，保留设计原则即可。

研究

⭐⭐⭐ [研究] Can we trust LLMs to judge whether a research idea is novel?

Ai2 发布研究「Old Ideas, Novel Problems」，考察大语言模型判断科研想法新颖度（即充当 novelty judge）的可靠性，并同时公开了论文、基准数据、代码以及一套可自动构建新评测集的流水线。团队基于 ICLR 2026 同行评审构建基准：从评审明确肯定新颖性、且无人提出异议的接收论文（所在领域评分前 10%）中选出 154 条高新颖度想法，从评审提出原创性质疑、且无人正面肯定新颖性的被拒论文（后 10%）中选出 145 条较低新颖度想法；在 50 条抽样中，标注者对提取出的新颖性信号极性有 47 条与流程一致。测试覆盖六个模型评审员（GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5、Claude Opus 4.6），结果显示评测设置上的细微变化会让同一批想法得到差别巨大的判断——仅改动提示词中几个词，模型在判断两条想法哪条更新颖上的准确率就变动超过 50 个百分点。检索与额外推理并不能稳定提升判断质量，两个专门构建的新颖性评测系统表现还不如直接用提示词的 Claude Opus 4.6 基线。作者据此认为新颖性评测本身远未可靠，并指出需要更可靠的方法来判断 AI 是否真的提出了新东西。

观点

⭐⭐ [观点] The October inflection point for vibe game development

Simon Willison 在博客中提出，2026 年 10 月是「vibe 游戏开发」的一个拐点；他此前曾把 2025 年 11 月（Opus 4.5 与 GPT-5.1）称作编码智能体的拐点。他认为 Claude Opus 5.5 在 3D 建模、音乐生成（如 Scrimshaw Jukebox）以及游戏设计上有明显提升，并称自己只给出「Make it a LOT more fun」这类提示，就得到了真正好玩的结果。过去几周他完全不看代码、只靠提示做了四款自己乐意玩的游戏（Tree Appreciator、Emberwick 等），全部用 HTML 和 JavaScript 写成、在浏览器里运行；例如 Tree Appreciator 是在普通 Claude 聊天界面里一次生成的找不同游戏，提示里要求用 three.js 并「认真思考如何让它又好又漂亮」。他表示 GPT-6 Astra 能构建游戏，但对「好玩」的把握不如 Opus 5.5，并预计 OpenAI 会在年内追上。

⭐⭐ [观点] How Anthropic ships Claude with Claude: Separating the Brain from the Hands

这是 Latent Space 的一期播客，嘉宾是 Anthropic 的工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，主题是 Opus 5.5 的发布，以及 Anthropic 内部如何用 Claude 来做 Claude。节目提到 Opus 5.5 同时强调模型质量与成本：官方称新模型的运行成本低于前代（具体节省幅度取决于负载和缓存上下文的使用方式），并回应了此前 Opus 代际「过于啰嗦」的反馈，目标是更强的「每美元智能」。发布中较不显眼的部分是 API 集成方式的变化，例如跨轮保留 thinking blocks 以防推理被提取用于蒸馏，但这一新要求也可能破坏客户既有的 harness。早期访问计划的实际形态是客户在自己的 harness 中跑评测、反馈异常行为，价值在于看到 Anthropic 自家产品覆盖不到的环境与任务。节目中最受推崇的心智模型是「大脑与手」之分：在 Managed Agents 中，会话日志与 harness 和执行代码的沙箱被分离，沙箱失效不必带走整个会话；凭据单独持有并通过代理附加，沙箱里没有可被代码读取的凭据。嘉宾称早期做法是把整个编码 agent 放进 API 后面的沙箱，启动环境与 agent 会增加首个响应前的开销，沙箱消失则运行中的 agent 也一起消失；拆分之后平台得以在保持执行隔离的同时追求更低延迟与更好可靠性。

其他

⭐⭐⭐ [其他] NVIDIA and Oracle Expand NVIDIA Vera Rubin to Multi-Gigawatt Scale and Bring NVIDIA Vera CPU to Oracle Cloud Infrastructure

NVIDIA 与 Oracle 宣布计划将 Oracle 云基础设施（OCI）的 Supercluster 扩展至搭载 NVIDIA Vera Rubin NVL72 系统的多吉瓦（multi-gigawatt）规模。双方称此举是为满足客户在 AI 训练、推理以及 agentic 应用方面不断增长的需求。公告同时提到把 NVIDIA Vera CPU 引入 Oracle 云基础设施。