每日科技/AI 摘要 2026-10-28

今日共采集 85 条，新增 40 条，科技/AI 相关 24 条，深挖 8 篇。

刚刚，GPT-6.1 Terra 骨折价发布，Agent 时代的打工模型来了

来源：爱范儿 · 一句话：半价中端模型主打电脑操作，1/10 价格追平 Astra。

• 要点：
  • OpenAI 正式发布 GPT-6.1 Terra，定位"高速高效"，主打视觉推理与电脑操作（computer use）；标准 API 价格比 GPT-5.6 Terra 与 GPT-6.1 Sol 直降 50%：输入 $1/M tokens、缓存命中 $0.05/M、输出 $5/M（官方博客已逐条核实）
  • 官方成绩单：Agents’ Last Exam 中等档比 GPT-5.6 Terra 高 15 个百分点、单任务成本仅约 1/3，以 GPT-6 Astra 十分之一的 token 价格追平其表现；对比 Claude Opus 5.5 token 效率超 3 倍、单价 1/4、单任务成本约低 9 倍；任务完成速度比 Astra/Sol 快 3 倍以上
  • Terminal-Bench 4.0 max 档解决 50.3% 任务（GPT-5.6 Terra 为 21.5%，翻倍以上）；内部高难事实性测试错误率从 53.6% 降至 16.7%（低档）、max 档 4.3%；官方明示最复杂的编程/科研/深度推理仍应选 Sol 与 Astra
  • 网友实测（量子位汇总）：AA 综合智能指数 max 档 48 分居头部模型中游——低于 Claude Opus 5.5（58）、Kimi K3.1 Pro（55），但生成速度 283 token/s（Opus 的 3.4 倍）、单任务成本约其 1/15；社区结论"要智力选 Sonnet/Opus，要性价比选 Terra"。现已进入 ChatGPT Work 与 Codex（Plus/Pro/Enterprise/Edu），API 名 gpt-6.1-terra
• 扩展资料：
  • OpenAI 官方发布博客 — 一手信源，定价与评测数字均已核对
  • 量子位：GPT-6.1 Terra 首批网友实测 — 同题第二源：AA 指数排名、DesignArena 成本对比与社区两极评价

KV Cache被压成常数！OCR开源新王：页数没上限，缓存砍96%

来源：量子位 · 一句话：百度开源文心 Unlimited OCR 2，KV 缓存砍 96%，页数无上限。

• 要点：
  • 百度新一代文档解析模型"文心 Unlimited OCR 2"发布并开源（HuggingFace：baidu/Unlimited-OCR-2，GitHub：baidu/Unlimited-OCR，均已核实），实测 7 部《哈利·波特》3600+ 页连续识别转写一路到底
  • 核心是 SR-SWA 稀疏参考滑动窗口注意力（Page Gate + Token Sieve 两层筛选）+ 无限解码范式：单 token 的 KV 缓存开销与序列长度无关，百页级测试峰值 KV 缓存从 47GB 降至 1.77GB（约 -96%），16 路并发吞吐 360→1315 token/s（3.65 倍）
  • 评测：MPDocBench 综合 84.59 分（参评模型第一）、自建新基准 MarathonDocBench（100 份 103-300 页长文档）77.06 分第一；实测 884 页《指环王》42 分 56 秒（页均约 2.9 秒），466 处跨页内容合并，第 750 页识别与原文一致
  • 上一代 Unlimited OCR（0.9B，PaddleOCR-VL 路线）GitHub 已 29.1k star（核实值）、HF 下载超 305 万，两家媒体称累计下载超 1000 万；新智元称新模型总参数 3B、推理实际激活仅约 500M
• 扩展资料：
  • baidu/Unlimited-OCR（GitHub） — 官方仓库，已核实 29,118 star
  • baidu/Unlimited-OCR-2（HuggingFace） — 模型权重，10 月 26 日上架
  • 新智元同题报道 — 参数规模与下载量补充；其提及的"PaddleOCR 4.0 集成"未能在 PaddleOCR 仓库核实（最新版为 3.7.0），谨慎采信

Claude Code 撑起史上最大 IPO，被封号不退费的中国开发者撑起那 5%“脏收入”

来源：InfoQ · 一句话：S-1 披露 Claude Code 是增长引擎，5-7% 收入来自违规被封客户。

• 要点：
  • Anthropic S-1（代码 ANT）把 Claude Code 放在企业增长故事正中央：Q3 中不用 Claude Code 的 Claude Enterprise 用户月均支出不到 $75，而 Claude Code 企业用户中消费最高的 5% 约为其 20 倍；工程师日均代码贡献量达 2024 年日均的 45 倍以上，2026 年 9 月 Anthropic 代码库 90% 以上贡献由 Claude 写出
  • 增长飞轮数据：过去六个月发布的模型贡献 Q3 收入 80% 以上；净收入留存率 900%；年付超 10 万美元客户从一年前不足 950 家增至超 11,900 家，超 100 万美元的 1,900+ 家；上半年按量计费收入 131 亿美元（约占总收入 80%）
  • 最扎眼披露：截至 9 月 30 日的九个月约 5%-7% 收入来自"违反使用政策/服务条款"的客户（S-1 第 145 页），按前三季度约 331 亿美元营收折算约 17-23 亿美元；且收入在服务交付时确认、之后才限制或封禁账户——“先收钱、再封号"的顺序是争议焦点
  • 文章列举 anthropics/claude-code 仓库多个中国开发者 issue：付费订阅/升级 Max 后 1-3 天内被封、申诉无回复、不退款（个案未逐条核实，截图见原文）；S-1 竞争格局只点名 Google 与 OpenAI，未提 Cursor/Replit/Cognition
• 扩展资料：
  • Anthropic S-1（SEC EDGAR） — 一手信源，本文全部数字出处（与昨日日报覆盖的招股书财务面互补，本篇聚焦 Claude Code 与封号收入视角）

决策模型也有专用推理引擎了：StartLux 开源 Prism，单卡最高提速 5.3 倍

来源：InfoQ · 一句话：决策模型专用推理引擎开源，单卡 H200 最高提速 5.3 倍。

• 要点：
  • 国内初创 StartLux（上海倔起智能）开源决策模型专用推理引擎 Prism（GitHub：StartLuxLabs/StartLux-Prism，已核实），官方测试称在单张 H200 上对 StartLux-Decision v1.1 27B 的推理速度达到 vLLM 方案的 1.2-5.3 倍（官方数据，非第三方复测）
  • 技术路线：面向 LRMD 决策模型定制，单流解码、全 KV 缓存保留（用 batch 换低延迟），主打低延迟大 batch 场景；GGUF int8 量化开箱即用，兼容 vLLM/SGLang 部署与 OpenAI 兼容 API
  • 差异化定位：不做通用 LLM 引擎，专注决策/RL 训练产物的推理服务；StartLux 主打"仅 API"的决策模型平台（Lux-Agent、Lux-Serving），此前因不开权重引发"开源 vs API-only"争论，Prism 是其首次开源动作
  • 信源说明：细节来自 InfoQ 对官方技术博客与仓库的整理；“决策模型"作为 RL 训练专用模型的新品类，行业尚无统一定义
• 扩展资料：
  • StartLuxLabs/StartLux-Prism（GitHub） — 官方仓库，已核实存在
  • StartLux 技术博客 — 决策模型技术路线与公司背景（英文）

RSI立大功！国产开源登顶全球第一，1.3B OXR重塑OCR

来源：量子位 · 一句话：1.3B 国产开源模型登顶三大 OCR 榜单，RSI 后训练立功。

• 要点：
  • SoMark 团队开源文档解析模型 OXR-1.0（GitHub：SoMarkAI/OXR，已核实 1.7k star；权重在 HuggingFace/ModelScope），总参数 1.3B，官方宣称在 olmOCR-Bench、OmniDocBench、DocParsingBench 三大基准登顶（榜单声明以仓库为准）
  • 特色是 RSI（递归自我改进）后训练循环：用最强模型生成密集视觉描述→训练新模型→与原始 OCR 输出对比→保留更优者进入下一轮；架构上版面分析与识别解耦，版面模块可插拔替换
  • 量子位实测受污染纸质书 PDF、电梯公司多栏图文 PDF：版面分析准确、表格完整、页眉页脚剔除干净；输出结构化 Markdown/JSON 含坐标，支持 13 类文档元素（公式 LaTeX、表格、化学方程式、代码块等），另提供免费 API（每日限 20 次）
  • 注意协议：OXR 采用基于 Apache 2.0 修改的"OXR Open Source License"自定义协议，商用前需审阅附加条款
• 扩展资料：
  • SoMarkAI/OXR（GitHub） — 官方仓库与榜单声明
  • SoMarkAI/OXR-1.0（HuggingFace） — 模型权重，10 月 2 日上架

腾讯上线Nomas，一个交互式世界模型

来源：人人都是产品经理 · 一句话：混元上线交互式世界生成模型，单图约 10 秒生成可漫游世界。

• 要点：
  • 腾讯混元视觉团队上线 Hy-Nomas（GitHub：Tencent-Hunyuan/Hy-Nomas，已核实 266 star）：输入一段场景描述或单张图片，约 10 秒生成可漫游的 3D 世界，支持 WASD 推镜头与多轮动作指令续写
  • 论文《Hy-Nomas: Towards Free-form Interactive World Generation》强调"自由形式"交互：角色可自由移动、与场景物体实时交互（推倒易拉罐、拉弓射靶、击碎玻璃），支持第一/第三人称与上帝视角切换
  • 作者实测橘猫厨房场景：多轮续写稳定、伪影少；生成结果可导出继续编辑；能力可迁移到游戏原型、虚拟拍摄等场景
  • 与 Genie 3 类"可玩世界"模型同赛道，腾讯选择直接开放试玩入口，对创作者是低成本世界原型工具
• 扩展资料：
  • Tencent-Hunyuan/Hy-Nomas（GitHub） — 论文与代码
  • 项目体验页 — 官方 Demo（页面为 JS 渲染，需浏览器访问）

GitHub 狂揽 1.1 万星! 一张图,5 分钟, AI 模拟一整个 3D 世界，且可交互

来源：人工智能研究所 · 一句话：Claude skill 编排多模型，单图 5 分钟生成可交互 3D 世界。

• 要点：
  • 开源项目 image-blaster（GitHub：neilsonnn/image-blaster，已核实 12.1k star、MIT）定位"An image-to-world skillset for Claude”：输入一张图片，约 5 分钟产出动态物体 3D 模型（.glb/.obj）、静态环境高斯泼溅（.spz）与音效（.mp3），可导入 Unity/Unreal/Godot/Blender/Three.js
  • 本质是 Claude Code 多模型编排的示范实现：Claude 作为编排层（仓库自带 .claude 目录与 CLAUDE.md），调度 World Labs marble-1.1 生成环境、nano-banana（或 gpt-image-2）修图、混元 3D（经 FAL）生成 mesh、ElevenLabs 配音效
  • 使用门槛低：仓库目录运行 claude、配置 World Labs 与 FAL API key 即可；文章称其 3 天从 3.5k 涨至 1.2 万 star（增速未独立核实，当前 star 数已核实）
  • 与方向 2 高度契合：既是 Claude skill/agent 工程的参考实现（skill 拆分、上下文隔离、agent 循环），也是"agent 编排垂直生成管线"新模式的样本
• 扩展资料：
  • neilsonnn/image-blaster（GitHub） — 官方仓库，12.1k star、MIT 协议

不藏了！人形机器人全开源动真格，从机械结构一路拆到运动算法

来源：量子位 · 一句话：萝博派对全栈开源人形机器人 RP1，硬件算法一拆到底。

• 要点：
  • 人形机器人公司萝博派对（RoboParty）全栈开源自研人形机器人 RP1（GitHub：Roboparty/RP1，已核实 908 star）：135cm、24 自由度（Pro 版 30），从机械结构、电气系统、关节控制到运动算法全链路公开，另附 42 页白皮书
  • 硬件公开程度罕见：ROMOMO 关节模块（峰值扭矩 25-160 N·m、48V、CAN-FD）、内转子电机+NGW 行星减速器、非共点髋部与并联踝设计；URDF/MJCF/mesh 模型全部公开，CAD/BOM/电路板制造文件部分以内部工程记录形式开源
  • 软件侧 PartyOS 分层：System0 基础运动控制开源（含人体动作重定向工具 hhtools、MimicLite、UFO），System1/System2 仍在研究阶段；嵌入式 500Hz 控制频率、50Hz 策略更新频率等参数直接公开
  • 对具身智能开发者是稀缺素材：国内人形机器人开源多为单项算法，全栈软硬一体公开此前罕见；此前项目 RPO 已积累 2600+ star（文中数据）
• 扩展资料：
  • Roboparty/RP1（GitHub） — 官方仓库：“An OpenSource Full-Stack Platform for Agentic Humanoids”
  • RP1 白皮书 — 42 页技术文档（原文链接，未逐页核对）

今日一句话

• Anthropic科学家宣布：全球博士生职业生涯一夜清零！ — 新智元转述 Anthropic 研究员访谈观点（“人类世的终结”），情绪化表述，观点未核实
• 别学编程了！Anthropic CEO直言：人类应该学弹钢琴 — Anthropic 高管职业观言论（新智元，前天）
• 语音输入卷到了新高度：说一句意图，给你一份成稿 — 机器之心Pro 关注语音意图到成稿的新交互
• 梁圣不再独行！AI 自己写算子，屠榜华为算子榜 — AI 生成 GPU 算子动态（智猩猩）
• GitHub 66.7K+ Star！一套 100% 自研内核、多进程隔离的安全浏览器 — 自托管/安全浏览方向的新选项（AI开源求索）
• 倒卖Token暴利终结，AI中转站还剩几种活法？ — 36氪 解读 API 转售生态变化
• 行业首创！NVIDIA 联手诺奖得主 David Baker 团队发布 RFD4-Proteina — AI 蛋白质设计新模型（HyperAI超神经）
• 杨振宁当年的遗憾，被OpenAI补上了? — 与今日 GPT-6.1 同场 AI 科学发布（纯杨-米尔斯存在性）同题（36氪）
• 搜狗大改版，腾讯新一代AI搜索引擎，来了 — 腾讯 AI 搜索产品动态（人人都是产品经理，前天）
• ANE管入库，内存管聊天：买Mac mini前先分清卡在哪 — Mac 本地推理瓶颈选型科普（Mac玩机研究所）
• Data Agent还没起飞，第一颗雷就已经响了 — Data Agent 落地风险讨论（前天）
• AI Logo 工具「Rikyu」 — 用几何图形构造 Logo 的 AI 设计新路线（微头条）