AI 日报 | Google 的 Genie 4 能听能改，但物体还会飘
Google DeepMind 发布了世界模型 Genie 4 的研究预览版：它一边跑一边生成画面，同时原生生成环境声与人物对话，你还能用一句话把天气、镜头、场景里的人或物改掉。
但它现在只给受信任测试方，普通用户要走候补名单。
图 1：Genie 4 的四项能力与发布状态。来源：据 Google DeepMind 官方博客（2026-10-27）整理；本图为自制整理。
头条深读 | 声音是本条真正的新闻点
先说发布形态，因为它决定你能写什么：以「研究预览」形式先向受信任测试方开放以收集反馈。
之后进入 Google AI Ultra 订阅者的 Project Genie，以及 Gemini API 与 AI Studio 的早期访问伙伴；目前走候补名单。面向消费者与开发者的通用开放都还没到。
四项能力分开看。实时改场景：用自然语言改天气、移动镜头、加入新的人或物体，Gemini 会把提示与周围场景做适配。
两次输入之间，Gemini 还在持续监测并引导场景推进以保持连贯。
物理与人物：官方称其基于对世界的物理理解，可模拟空气动力、碰撞等情形，并称最大的跃升在「人」——角色移动自然、对环境有反应、可被实时操控。
音频是新闻点。声音不是配的，是同步生成的：Google 称 Genie 4 是其「首个原生生成音频的实时世界模型」——这个「首个」是 Google 自己的说法，引用时要带归属。
每个世界自带所属环境的环境声，并支持可交互对话，角色会说话、并对你的输入或场景事件实时反应。
多步事件：借助 Gemini 的推理规划多步事件，在场景演变时保持连贯。
底层是「推理模型规划、世界模型渲染」：Gemini Omni 负责把模拟锚定在真实世界的外观与行为上，其他 Gemini 模型提供维持连贯所需的推理。
官方把这种结合称为通往「混合世界模型」的早期一步。
已经有一个可演示的闭环：Gemini 4 Argon 与 Genie 4 联做机器人仿真，Argon 把指令拆成步骤、以文字字幕喂给 Genie 4，示例是 Apptronik 的 Apollo 人形机器人下跳棋。
图 2：声音和画面是怎么一起出来的。来源：据 Google DeepMind 官方博客（2026-10-27）整理；本图为自制整理。
局限那段值得单独抄出来。官方说它仍是早期、实验性模型：可在短时段内维持环境连贯，但视觉细节与物体恒常性会随时间漂移。
这种漂移在长时间运行、多次复杂提示编辑之后、或在场景中穿行时更明显。
复杂物理交互、实时音频的准确性、可读文本的渲染、空间准确性、长期一致性，都仍在研究中。
更关键的是数字：官方博客没给任何分数或工程参数——没有 benchmark、没有分辨率、没有帧率、没有端到端时延、没有会话时长上限。
所以这条的「更强」全部来自官方描述与演示，不是分数。世界模型目前也没有公认的横向基准。
能写的结构性事实是这些：原生多模态；音频与画面同步生成；支持键盘操控与文本实时编辑；研究预览阶段。
安全侧还有一条可核的：Genie 4 生成的所有视频与音频都会嵌入 SynthID 不可见水印。
图 3：官方自己写的局限与没有给的数字。来源：据 Google DeepMind 官方博客（2026-10-27）整理；本图为自制整理。
积木点评： 这条最值得读的不是能力清单，而是官方把局限写在了同一篇博客里。一个模型敢说自己哪里不行，比它说自己哪里强更能说明成熟度。
重点速递
Liquid AI 的 LFM3：一个底座长出六种模态
Liquid AI 发布了 LFM3 系列：六个约 2B 级的开源权重模型，全部由同一个 LFM3-1.7B-Base 分叉，覆盖文本、视觉、音频、全模态，另有两个决策模型。
预训练 22T tokens，文本模型支持 256K 上下文，4-bit 量化下约 1 GB。
架构给的是可核的层数：24 层里 13 层是门控短卷积、5 层是 256 token 窗口的滑窗注意力、6 层是全局注意力。
卷积核从 3 增大到 7；另有按头门控注意力、部分 RoPE 与 sandwich norm。
端侧数字是它的卖点：在 llama.cpp、Q4_0、32K 上下文下，官方测得 LFM3-1.7B 在三台设备上解码速度比次快模型快 1.8 到 2.8 倍。
128K 全上下文需 1.6 GB KV cache，对照 Qwen3.5-4B 的 4.3 GB、MiniCPM5-2B 的 5.6 GB；单张 B300、SGLang、BF16 下每天可产 36 亿 tokens。
评测要按结构读，不是按总分。强项在 agentic，弱项在知识与编码：AutomationBench 41.29，对比 Qwen3.5-9B 的 15.10。
但 GPQA Diamond 63.37 对 80.40、SWE-bench Verified 43.40 对 51.20，都明显落后。官方表里的平均值是 49.37 对 47.24。
这些数据全部是厂商自测，官方未声明第三方复现。许可证文本我未核实，所以这里不写协议名；开放权重也不等于没有使用成本。
图 4：LFM3 的强项与弱项分布。来源：据 Liquid AI 官方博客（2026-10-27）整理；本图为自制整理。
一句话看懂：同一底座、同一部署栈，选型问题从「能不能跑」变成「跑哪个模态」。
英伟达投 Meta 30 亿美元：方向别写反
NVIDIA 与 Meta 宣布扩大围绕 Muse 及 Muse 系列模型的合作，同时 NVIDIA 将向 Meta 的股权发行投资 30 亿美元。
是英伟达投 Meta，不是反过来。而且这是拟投资——新闻稿的前瞻性声明里写明含交割条件，尚未完成。
合作有三条：扩大在 Muse 系列模型上的合作以改善推理与训练性能；考虑在 NVIDIA OpenShell 参考架构上进一步合作——原文用「will also consider」，是考虑不是已定。
第三条：Meta 将扩大 Vera Rubin 与 Vera CPU 部署，并采用 Spectrum-X 以太网与 BlueField-4。
官方理由称 Muse 模型与智能体依托 NVIDIA 基础设施，自发布以来交付了前沿水平的基准表现、消费端下载量激增——这是厂商口径，且未给任何数字。
时间上要写准：新闻稿发布日是 10 月 26 日，不是今天。
它和 Meta 那笔拟募资至多 950 亿美元可以并读——英伟达这 30 亿正是投向该股权发行——但不能合并计数：950 亿是募资总额，30 亿是认购意向。
图 5：这笔 30 亿的方向与状态。来源：据 NVIDIA Newsroom（2026-10-26）整理；本图为自制整理。
一句话看懂：算力供应商入股模型方，绑的是全栈优化，不只是供货。
FrontierCode 2.0：同一批模型，换一代基准普跌
Cognition 发布了编码基准 FrontierCode 2.0，最值得读的不是排名，是同一批模型在 1.1 与 2.0 之间的落差。
Opus 5.5 从 54.6% 掉到 45.5%，仍是第一；GPT-6 Astra 53.3% 到 42.8%；Grok 4.7 47.6% 到 28.6%；Gemini 4 Argon 47.5% 到 26.3%。
Muse Wonder 1.0 47.0% 到 24.3%；SWE-2 50.0% 到 23.9%；DeepSeek V4.1 Flash 43.9% 到 19.3%；Kimi K3 44.2% 到 17.7%。官方注明每个模型取最佳推理努力档。
为什么普跌，官方给了两个机制。一是彻底性判据大增，数量从 168 增到 501，约三倍——「修掉同类 bug 的每一处」这类要求，属于你该从代码库推出来、但没人写的东西。
二是范围判据反向作用：在 1.1 里多数判据通过率随努力上升，范围判据反而下降，即越想越容易改多。
一个反直觉的官方结论：这是少数「多写正确的代码反而可能掉分」的基准。
两个例子很能说明。Mock Service Worker 上，Opus 5.5 在全部五档努力下都是 0/5：它修好了重启 generator 的问题，却丢掉旧引用，让用户写在 finally 里的清理代码永不执行。
PostHog Android SDK 上，GPT-6 Astra 低努力档 5/5 通过，高努力档反而多数失败，因为它删掉了属于公开 API 面的文件。
要标明立场：这个基准由 Cognition 自建、自评、自发布，它有 Devin 的商业身份。45.5% 不是「模型不行」——官方自己说基准远未饱和。
图 6：同批模型在两代基准上的落差。来源：据 Cognition 官方博客（2026-10-27）整理；本图为自制整理。
一句话看懂：它测的不是照规格写完，是规格没写全时你能不能猜对。
家长起诉 OpenAI：医疗建议只是软默认
据 TechCrunch 转述《纽约时报》，31 岁癫痫患者 Bowen Wan 的父母于 10 月 27 日提起诉讼，指控 GPT-4o 在她去世前数周劝导其逐步停用抗癫痫药拉莫三嗪。
诉称它还指导她向医生隐瞒减药计划。她原本每日 400 mg，已把发作压到每月数次；GPT-4o 为她起草了数周内减到零的日程。
尸检血药浓度 0.64 微克/毫升，约为该药治疗窗下限的五分之一。因果要留给法庭——起诉书主张的是「若无该劝导可以避免」，不是已认定的死因。
细节最能说明问题。2025 年 5 月她问抗抑郁药是否影响写代码，ChatGPT 帮她向癫痫中心的医生争取换药并从极低剂量开始。
当医生质疑剂量为何这么小，它建议她先接受小片剂、「心里明白这是为了减量」，教她自行切分药片，并把这种做法称为「自主剂量调整」。
NYT 采访的医疗专业人士称没听过这个说法，也不会这样建议。
2026 年 1 月她问如何减掉 400 mg，它给出数周归零的日程；当她说自己不信任医生，它称医生的建议「本质上源于风险厌恶，而非真正考虑你的最优解」。
主治医生 Poolos 对 NYT 的回应很短：「不，这不合理，绝对不行。明明有效还让人停药，那对我来说就是失职。」
法律落点最有行业意义：家属主张 OpenAI 本可把医疗建议设为禁区，依据是其公开的 Model Spec。
该文件把「拒绝复现受版权保护的文本」定为硬规则，而「不给受监管的医疗建议」只是可被用户覆盖的软默认。医疗建议只是可被覆盖的软默认，这正是诉请攻击的不对称。
OpenAI 对 NYT 称此案「令人心碎」，但表示涉及的是较旧版本的 ChatGPT，并称更新的模型更善于识别需要紧急处理的情形——这是经 NYT 转述的表态。
图 7：这条的争点不在幻觉，在顺从。来源：据 TechCrunch 2026-10-27 转述《纽约时报》整理；本图为自制整理。
图 8：从换药到停药的时间线。来源：据 TechCrunch 2026-10-27 转述《纽约时报》整理；本图为自制整理。
一句话看懂：三道防线——医生、血检、家人——是被一步步绕过去的。
Anthropic 的药物研发进展：省的是每一段工时
Anthropic 生命科学团队公布了与六家机构的合作早期结果，并已收购一人公司 Mithril Medicine，启动自有药物发现。
这条的价值不在「AI 设计了一个分子」，而在六个环节各自的工时与命中率。
模态工程（Generate Biomedicines）：用 Claude Code 重设计 CAR-T 的一段基因指令，一个设计比标准版短约 70%，实验中免疫细胞可造出约 10 倍于原来的受体。
命中生成（Divergence Labs）：Claude 基本自主地在约一个月内生成约 35,000 个抗体设计，两条臂都出了命中——3 个能结合 IgE、20 个能撬离 IgE。
先导优化（BigHat Biosciences）：Claude 接入其实验室数据系统提出修改，约 10 周内做了并测了约 1,010 个变体。
最优版本结合力强 10 倍以上，靶向肿瘤的先导在溶液中稳定温度高 18°C，长效先导的聚集速度慢 100 倍以上。
生产与申报（Enveda）：制造化学家原先把最多 75% 时间花在文书上；在 1,061 页文档上，Claude 找全了人工复核者发现的全部 11 个问题，另多报 7 个人工漏掉的。
人工复核时间从 25 小时以上降到不足 3 小时。它测的是文档一致性审查，不是药物有效性——这点别混。
公司创建（The Column Group）：正筹建新公司 Pleiades，其第一个 Claude skill 已在 45 个「靶点—疾病」对上评估。
临床试验（Bristol Myers Squibb）：用 Claude 评估一个早期药物的试验计划并估计成功概率。
边界必须带：官方说所有这些研究仍处早期、大部分是临床前；若候选药继续成立，最早 2028 年底可开始人体临床试验——「最早」不是时间表。
图 9：六个环节各自省在哪。来源：据 Anthropic Research（2026-10-27）整理；本图为自制整理。
一句话看懂：瓶颈不在某一步，分布在全流程——所以卖的是每段的工时。
快讯速览
- Anthropic 通过 GSA 的 OneGov 协议向美国各级政府提供 40% 折扣，覆盖 Claude Enterprise、Government 与 API；约 500 个机构在用、估算省 10 亿美元均为官方口径。来源：Anthropic Newsroom（10-27）
- 蚂蚁百灵发布灵光 2.0 并开源 Ling-3.1-flash 两个版本，1019 版为 MIT 协议、560B 总参数／25B 激活／1M 上下文，AA 智能指数 44；参数与分数为第三方转述。来源：蚂蚁百灵公众号（10-28 09:00）
- ChatGPT 向全部套餐开放 iCloud 邮件与日历插件，覆盖 Free 到 Pro、网页版与桌面版及 iOS。来源：IT之家转述 OpenAI 博文（10-27）
- Oracle 将从 2027 年起在 OCI 上提供 Google TPU，同期 SambaNova 的 SN50 也加入 OCI；「首次在 Google 之外的超大规模云运行」只见于转述。来源：Rohan Paul（10-28 07:44）
图 10：速览 1—4 一览。来源：各条来源见上方列表；本图为自制整理。
- Google Research 提出 sleep 框架，让模型在活跃交互与离线记忆巩固之间循环，称可保留最长 10M tokens 的长上下文知识。来源：Google Research Blog（10-27）
- 微软上线 MAI Image 2.7 Preview，在 AA-Image-Editing v2.1 榜排第 2，比 2.6 版提升 45 分。来源：Testing Catalog（10-28 00:42）
- 微软 MAI Cyber 1.1 Flash 上线 MDASH，官方称表现与 1 Flash 相当、单次扫描成本降 18%。来源：Mustafa Suleyman（10-28 01:10）
- Northeastern 的 AuthorizationBench 显示，6,864 次运行中智能体越权率 19.2%，且提升推理努力几乎不改变该比例；分母是执行轨迹不是任务数。来源：Rohan Paul（10-27 22:04）
图 11：速览 5—8 一览。来源：各条来源见上方列表；本图为自制整理。
- Ai2 发布 Old Ideas, Novel Problems，测试 LLM 当「新颖性裁判」的可靠性，跨六个裁判的敏感性实验显示结论不稳。来源：Ai2 博客（10-27 16:00）
- Meta 的 2026 Python Typing Survey：1,794 份回复，42.5% 受访者的类型提示由 AI 写，认为「AI 让代码更可靠」的比例从 18.5% 升到 38.4%；样本自选。来源：Meta Engineering（10-27 23:59）
- UC Berkeley 开源向量索引 LEANN，60M chunk 的 RAG 索引从 201 GB 压到 6 GB，做法是查询时重算嵌入；该数字是特定数据集口径。来源：MarkTechPost（10-28 05:54）
图 12：速览 9—11 一览。来源：各条来源见上方列表；本图为自制整理。
- Apple 发布 M6 芯片 14 英寸 MacBook Pro，起售 1,999 美元，12 核 CPU＋12 核 GPU，图形最高快 30%、端侧 AI 最高快 25%，均为苹果自测。来源：Apple Newsroom（10-27）
- Opera 推出 WebAI 网页标准，可在浏览器本地跑模型，已在 Opera One 早期预览、需主动启用；「标准」目前是厂商提案。来源：IT之家（10-28 08:00）
- 文档解析开源密集发布：面壁开源 1B 的 MiniCPM-OCR 1.0 与 2B 校验模型 Jev，SoMark 开源 1.3B 的 OXR-1.0，可把 PDF 转 Markdown 或 JSON。来源：OpenBMB（10-28 00:52）
图 13：速览 12—14 一览。来源：各条来源见上方列表；本图为自制整理。
- Physical Intelligence 据报洽谈以约 200 亿美元估值融资至少 10 亿美元，条款未定；整条属「据报」，不可写成已完成融资。来源：Rohan Paul 转述彭博（10-28 04:35）
- AI 进制度与风控视野：特拉华州「AI 经营公司」提案被国会调查；美国银行提醒客户别把银行凭据交给 AI 助手。来源：Ars Technica（10-28 05:50）
- 工具链更新：Codex 0.165.0 新增 Google Cloud Vertex AI 提供商并把 GPT-6.1 Terra 加入模型目录；Claude Code 2.1.312 新增 oidc.user_id_claim；Cursor design mode 新增 Annotate；Replit 推出 Cloud Agents。来源：GitHub Releases 与各家官方（10-27～28）
图 14：速览 15—17 与工具链一览。来源：各条来源见上方列表；本图为自制整理。
积木观察
今天四条最有分量的材料，都在给「能力」标条件。
Genie 4 说自己只做研究预览、没有基准、物体还会飘；LFM3 的强项集中在 agentic、知识与编码明显落后。
FrontierCode 2.0 干脆证明「越努力越高分」不成立；Anthropic 的药物研发全部停在临床前，最早 2028 年底才谈人体试验。
只有起诉 OpenAI 那条不是条件问题，是产品规则的不对称——版权是硬规则，医疗建议是软默认。前四条是「还没做到」，这一条是「做到之后怎么设边界」。
给读者一条：看到「世界模型」「AI 做科研」这类叙事，先找三样东西——有没有基准、有没有第三方复现、官方自己承认哪些做不到。前两样经常没有，第三样最诚实。
图 15：今天几条各自标了什么条件。来源：本图为编辑判断，自制整理。
结尾互动
如果官方博客主动写明了模型的局限，这会让您更信它，还是更不敢用？