淘宝开源TaoMate-H3：三步生成分钟级音视频【AI 早报 2026-10-03】

AI日报
发布于 2026-10-03 00:26:16 10 次浏览

淘宝开源TaoMate-H3：三步生成分钟级音视频【AI 早报 2026-10-03】

今日看点：阿里开源的音视频联合生成模型把视频等待时间压缩到按段三步产出；Claude Code 开放 Mods 热改生态；Anthropic 下一代旗舰 Fable 5.5 灰度泄露；a16z 最新数据显示 2026 上半年美国 VC 的 86% 资金流向 AI。

今日概览

模型发布

  1. 淘宝开源TaoMate-H3：三步生成分钟级音视频
  2. StartLux-Decision五档规格开源：38项基准31项胜Jev
  3. Google推出Gemini 4 Argon：首批向网络防御者开放

开发生态

  1. Claude Code开放Mods：动嘴即可热改界面与行为
  2. AIBuildAI开源PostTrain Agent：自跑后训练登顶46.6分
  3. 华为与港中文等开源LegoFlow：智能体自建代码训练数据
  4. NVIDIA DGX Spark新增64GB SKU：双机并发性能1.7倍
  5. Cloudflare AI Gateway上线Web Search API
  6. MLNLP论文写作指南更新：新增Claude Code paper-writing Skill

产品应用

  1. OpenAI DevDay汇总：GPT-6.1 Sol与云端Codex环境等亮相
  2. Airbnb推进AI-native：60%代码AI撰写，工程师PR吞吐增1.6倍
  3. Instagram Edits上线AI助手：分析Reels表现生成脚本

行业动态

  1. a16z洞察：2026上半年AI占美国VC总投资86%
  2. Flow Engineering获5000万美元B轮：估值达7.5亿美元
  3. OpenAI开除三名安全研究员：被指违规外流敏感信息
  4. Reddit关停RSS与公开API：2027年3月全面终止
  5. Meta否认Muse偷读私信：称读取须三重手动授权
  6. Satlyt获800万美元种子轮：跨卫星运行AI模型

前瞻与传闻

  1. Anthropic Fable 5.5灰度泄露：界面标5.1答出Tibo梗
  2. Anthropic Pre-IPO定档10月14日：估值剑指2万亿美元

模型发布

淘宝开源TaoMate-H3：三步生成分钟级音视频

阿里 TaoLive AIGC 团队基于 MiniMax H3 研发的音视频联合流式生成模型 TaoMate-H3 已开源。该模型将少步 LoRA 推理与自回归生成结合，把每个小片段的去噪过程压缩到三步，无需等待整段视频完成，首段内容产出时间因此显著缩短。模型支持文本描述驱动，连续生成含人物对白、歌声或环境音的视频，并具备分钟级续写能力，可输出 480p、768p、1080p 级横竖屏画面。推理代码与 LoRA 权重已通过 GitHub 和 Hugging Face 开放，开发者可直接下载体验。演示覆盖电商讲解、窗边演唱、动漫对白及电影特效场景，其中竖屏背包介绍保留了完整一分钟生成结果。 来源：https://mp.weixin.qq.com/s/mUH1ltRoiNzs2FbJ2xIsnA

StartLux-Decision五档规格开源：38项基准31项胜Jev

原点星辉（StartLux）团队发布开源决策模型 StartLux-Decision，一次推出 0.8B、2B、4B、9B、27B 五档版本，并提供原始权重与 Q8_0、Q4_K_M、BF16 三种 GGUF 版本。在 Decision Index 0.2.1 评测中，27B 版本得分 63.88，38 项基准里有 31 项高于 Jev 1.13 的 57.91；9B 版本以 58.63 分越过同一公开对照。在上海 AI 实验室七项评测中，27B 平均准确率 91.82%，高于 Jev 的 88.74%；公开 JevBench 答对 208/231 题，比 Jev 多 9 题。单卡 H200 BF16 短请求测试下，0.8B、2B、9B、27B 分别耗时 12.2、15.5、35.7、102.3 毫秒，模型直接输出选择及概率。演示覆盖客服工单分流、连续网页操作以及 Mario、StarCraft II 等游戏环境。 来源：https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651294387&idx=2&sn=9030fd2bd31a5497a05147cba914a098

Google推出Gemini 4 Argon：首批向网络防御者开放

Google 推出 Gemini 4 Argon，首批面向可信网络防御者开放，用于测试漏洞搜寻、修补及新型 AI 安全防护能力。该版本未在摘要中提供更多技术参数、覆盖范围及面向公众开放的时间表。 来源：https://www.techrepublic.com/article/news-google-gemini-4-argon-cyber-defenders/

开发生态

Claude Code开放Mods：动嘴即可热改界面与行为

Claude Code 官方上线 Mods 生态，允许开发者用 TypeScript/JavaScript 模块监听会话事件，对界面、操作逻辑乃至底层功能做改写。每个 Mods 钩子可在工具调用、Prompt 发送等环节执行 Observe（静默观察）、Rewrite（改写数据）和 Answer（拦截接管）三种操作。官方演示了三个 Mods：在输入框上方画上下文占用柱状图的 Token Weather、对 rm -rf/git reset --hard 等高危命令做人工确认的 Blast Radius，以及逐轮回放代码 Diff 的 Replay Theater。Claude Code 之父 Boris Cherny 表示，用户只需输入 Prompt 即可让 Claude 按需生成 Mod 并热加载生效。官方自带的 /diff 与 AGENTS.md 支持也已改为 Mod 实现。运行环境要求 Claude Code 2.1.287 或更高版本，Mod 拥有与 Claude Code 相同的系统权限且无沙箱隔离，官方内置 sec-default 安全底线 Mod 防止越权。 来源：https://mp.weixin.qq.com/s?__biz=Mzg3MTkxMjYzOA==&mid=2247519416&idx=1&sn=0f8214473cd88b3a56b4b1cd9390ba52

AIBuildAI开源PostTrain Agent：自跑后训练登顶46.6分

AIBuildAI 团队发布用于自主后训练大语言模型的递归自我改进 Agent，并开源全部代码与配套知识库。给定基座模型、目标能力与算力预算，该 Agent 自行设计后训练算法、收集整理数据、写代码、跑实验并迭代，最终交付训练好的模型。在 PostTrainBench（ICML 2026）上它以 46.6 分排名第一，超过所有前沿模型与 Agent 系统，接近人类专家的 51.1。基准设定为单张 H100、10 小时内自主完成 Qwen3-4B-Base 等 4 个基座模型、7 类任务（含数学推理、写作、代码等）。相比线性搜索 Agent，该系统采用“实验员+设计员+选择器”的整实验树搜索，设计员播下互异起始方案，实验员端到端完成实验，选择器按预期收益排序 GPU 候选。 来源：https://mp.weixin.qq.com/s/HQAWOH5cQoG905fwoMOK1w

华为与港中文等开源LegoFlow：智能体自建代码训练数据

华为、港中文、港科大等机构联合推出代码数据工程框架 LegoFlow，将“出题、答题、改卷、训练、评测”全流程封装为 Root、Curator、Tracer、Trainer、Evaluator 五个 block，供 Claude Code、Codex 等编码智能体直接调用。团队同时发布 LegoFlow-SWE：从 1200 万个候选拉取请求中筛选出 5000 个 SWE 代码任务，覆盖 8 种编程语言、20 个任务标签，并附 2780 条验证成功的高质量轨迹。实验显示，仅用 1000 条轨迹训练 Qwen3.5-35B-A3B-Base，即可在 SWE-bench Verified 和 Pro 上分别达到 70.2% 与 48.8%。经过两轮递归迭代，该基座在 SWE-bench Verified 上从 7.6% 提升至 64.4%。代码、数据、文档已全部开源。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651060898&idx=2&sn=7c342e5f7de860d0e928dab50043d6b5

NVIDIA DGX Spark新增64GB SKU：双机并发性能1.7倍

NVIDIA 宣布 DGX Spark 推出 64GB 统一内存版本，由 Acer、ASUS、Dell、Gigabyte、HP、MSI 等制造商伙伴本月内供货。新 SKU 保留 GB10 Grace Blackwell Superchip、DGX OS 与完整 CUDA 加速软件栈，可本地运行至多 1000 亿参数模型。两台 64GB 设备可通过 NVIDIA Sync Cluster Assistant 无需额外配置组集群，在 Qwen 3.8 27B 测试中，双机集群相比单机最高提升 1.7 倍性能。出厂预装 NVIDIA Agent Toolkit、CUDA-X 库、Nemotron 模型，并支持 Ollama、vLLM、PyTorch 等运行时。Blender 已宣布支持该平台并提供预构建安装程序。 来源：https://blogs.nvidia.com/blog/local-ai-dgx-spark-64gb-sync/

Cloudflare AI Gateway上线Web Search API

Cloudflare 宣布与 Ceramic.ai、Exa、Linkup 三家搜索服务商合作，通过 AI Gateway 推出 Web Search API。该 API 让 Agent 不必随机猜测 URL，而是像人类一样使用搜索引擎获取实时信息，把新鲜的结构化网页摘要直接注入推理上下文。Cloudflare 要求合作伙伴爬虫遵守其“Verified bots”开发文档标准，且搜索结果必须包含被爬取内容的位置链接。 来源：https://blog.cloudflare.com/introducing-web-search-api/

MLNLP论文写作指南更新：新增Claude Code paper-writing Skill

拥有 4.6k GitHub Stars 的 Paper-Writing-Tips 项目更新，把论文写作经验整理成可被 Claude Code 调用的 paper-writing Skill。该 Skill 可读取 LaTeX 文件或论文目录，检查公式符号、排版、图表、英文表达、参考文献与匿名信息，并定位问题位置与给出修改建议。覆盖检查项包括缺失图片、宏包冲突、变量与文字描述一致性、三线表规范、投稿前匿名性与页数等。安装方式为下载仓库中的 .skill 文件并解压至项目 .claude/skills/ 目录，随后在 Claude Code 中输入 /paper-writing 调用。 来源：https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247557407&idx=1&sn=d70ff0ea7cda1fde716286d26675bcec

产品应用

OpenAI DevDay汇总：GPT-6.1 Sol与云端Codex环境等亮相

OpenAI 在 DevDay 2026 上公布一系列面向开发者的产品更新，包括 GPT-6.1 Sol、Agents API 的 computer use 能力、云端 Codex 环境、Decisions API 以及 ChatGPT 的新插件能力。InfoQ 摘要未提供各项功能的具体参数与发布时间。 来源：https://www.infoq.com/news/2026/10/openai-devday-2026/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global

Airbnb推进AI-native：60%代码AI撰写，工程师PR吞吐增1.6倍

Airbnb CTO Ahmad Al-Dahle 透露公司正推进“inside-out AI”：先在内部用 AI 提速产品开发，再把同套能力用于改造客户体验。Al-Dahle 曾任 Meta 生成式 AI 负责人并主导开源 Llama 模型发布。目前 Airbnb 约 60% 代码由 AI 撰写，同比多发布近 80% 的功能与改进，工程师人均 pull-request 吞吐量提升约 1.6 倍。公司市值约 930 亿美元，内部工具 Everest 等已用于加速新外部服务上线。 来源：https://www.latent.space/p/airbnb

Instagram Edits上线AI助手：分析Reels表现生成脚本

Meta 正在为 Instagram Edits 引入 AI 助手。该助手可分析 Reels 短视频的表现数据，生成新的内容选题、开头钩子、文案标题与拍摄脚本建议。原文未披露该功能的具体上线时间、覆盖范围及技术实现细节。 来源：https://www.techrepublic.com/article/news-instagram-edits-ai-performance-content-ideas/

行业动态

a16z洞察：2026上半年AI占美国VC总投资86%

a16z Growth 团队最新 State of Markets 显示，2026 年上半年美国 VC 共向 AI 公司投入约 3559 亿美元，占同期 4127 亿美元总投资额的 86%，而 2025 年该比例为 65.5%；AI 公司交易笔数占比 43.2%，与上年基本持平。S&P 500 中已有 69% 公司运行正式 AI 项目，但能量化业务影响的约 30%，持续追踪明确指标的仅 2%。Alphabet、Amazon、Meta、Microsoft、Oracle 2026 年资本开支预计约 7800 亿美元，2027 年起五家年度合计可能突破 1 万亿美元。OpenRouter 上与 Agent 相关的 Token 使用量已增长约 14 倍。 来源：https://mp.weixin.qq.com/s?__biz=Mzg3NDkyMTQ5Mw==&mid=2247502150&idx=1&sn=b49da3a2db0f335dbfccfecb92e03769

Flow Engineering获5000万美元B轮：估值达7.5亿美元

总部位于旧金山的硬件设计 AI 工具初创公司 Flow Engineering 宣布完成 5000 万美元 Series B 融资，估值达 7.5 亿美元。本轮由 Valor Equity Partners 的 Antonio Gracias 与 Atreides Management 的 Gavin Baker 共同领投，Sequoia Capital 跟投，前 Sequoia 合伙人 Roelof Botha 以个人身份投资并加入董事会。该公司成立于三年前，用 AI Agent 自动对齐 CAD 图纸、产品需求、仿真结果与测试数据，以加快工程团队在物理产品上的迭代速度。其客户包括通用汽车与 TWG Motorsports 的合资公司 PPU、Rivian 与大众的合资公司 RV Tech 等。 来源：https://theaiinsider.tech/2026/10/02/flow-engineering-secures-50m-series-b-at-750m-valuation-for-ai-hardware-design-agents/

OpenAI开除三名安全研究员：被指违规外流敏感信息

据外媒报道，OpenAI 安全团队三名研究员 Tomek Korbak、Mikita Balesni 和 Jasmine Wang 于 10 月 1 日被公司开除。官方声明称，三人在既定流程之外处理敏感信息，违反公司相关政策，破坏了工作赖以进行的信任。报道称被外流的部分内容涉及 OpenAI 的基础设施架构，接收方为一家外部 AI 模型测试组织。三人均为“思维链可监控性”（CoT 监控）论文作者，其中两人为一作。 来源：https://mp.weixin.qq.com/s/4dIZNCDY8T8NMxQZwuY5yA

Reddit关停RSS与公开API：2027年3月全面终止

Reddit 宣布因大规模抓取与自动滥用，将于 11 月 13 日停止支持 RSS feeds，并在 2027 年 3 月关闭公开 API。关停将影响社交聆听产品、研究工具及目前依赖 Reddit 回答问题的 AI 助手；后续 AI 助手需商业协议才能访问其数据。Reddit 建议版主在截止前将告警工作流迁移至 Discord Relay Devvit 应用。平台同时加强 Old Reddit 访问限制，仅允许已登录版主与过去六个月活跃用户访问，并要求已批准的第三方 App 与 Bot 开发者在 2027 年 1 月 12 日前完成注册。背景是 Reddit 用户生成内容通过 AI 授权变现，其非广告收入第二季度同比增长 24% 至 4300 万美元。 来源：https://theaiinsider.tech/2026/10/02/reddit-ends-rss-feeds-and-public-api-tightening-control-over-data-prized-by-ai-firms/

Meta否认Muse偷读私信：称读取须三重手动授权

针对 Inc. 专栏作家 Jason Aten 称 Meta AI Agent Muse 在未经许可下读取其 Mac 私信的报道，Meta 传播副总裁 Andy Stone 回应称 Messages 集成完全可选，且 Muse 无法在用户同时启用 Full Disk Access 与 Messages 连接器之前读取消息。Meta Superintelligence Labs 高管 David Singleton 补充，访问需经过三项应用层与 macOS 系统层手动权限确认，即使出现 Bug 也无法绕过，流程包括在 macOS 设置中手动确认并完整重启应用。Aten 则称当时 Full Disk Access 处于关闭状态，并指 Muse 告诉他已在同步设备通知；Singleton 表示 AI 给出了错误解释。事件发生在 Muse 登顶 App Store 期间。 来源：https://theaiinsider.tech/2026/10/02/meta-disputes-journalists-claim-that-muse-ai-agent-read-private-messages-without-consent/

Satlyt获800万美元种子轮：跨卫星运行AI模型

总部位于加州 Sunnyvale 与内罗毕的初创公司 Satlyt 获 800 万美元种子轮融资，由休斯顿 Non Sibi Ventures 领投。该公司不造航天器，而是做跨平台软件层，让 AI 模型跑在卫星上并在太空中分担计算负载。联创 Rama Afullo 曾任 Google Cloud 与 SpaceX Starlink 工程师，称内部提案曾被两家公司拒绝。今年早些时候，Satlyt 在 Momentus 航天器上运行 Google DeepMind 的 Gemma 模型，将机载错误传输数据量压缩超 60%，据称每颗卫星每年可省数十万美元。其软件将于周四随 SpaceX 发射的 TakeMe2Space 卫星升空，服务 NASA、空间监视初创 Stellerian 等客户。公司计划明年演示跨两颗卫星的共享云，并希望到本十年末覆盖 20% 的卫星。 来源：https://theaiinsider.tech/2026/10/02/satlyt-announces-8m-seed-to-run-ai-models-across-satellites-in-orbit/

前瞻与传闻

Anthropic Fable 5.5灰度泄露：界面标5.1答出Tibo梗

10 月 2 日一早，多位开发者发现 Claude 网页端灰度推送了 Anthropic 下一代旗舰 Fable 5.5，界面标签仍显示 Fable 5.1，但回答风格、速度与能力明显不同。知名爆料人 Chetaslua 晒出的截图显示，在未联网、未调用工具的条件下，该模型答出了 OpenAI Codex 负责人 Thibault Sottiaux（“重置哥 Tibo”）因故障给付费用户重置额度的梗；而 API 上的原版 Fable 5.1 会将他误认为法国独立开发者。开发者 JAZII 的对照实验显示，同一句“你认识重置哥 Tibo 吗”下，API 版与 Claude Code 内路由版给出完全不同的身份解释。爆料人指出下一代 Opus 与 Sonnet 已直接跳到 5.5，因此后台答题者大概率就是 Fable 5.5，正式发布可能就在下周。 来源：https://mp.weixin.qq.com/s/tYfFOOrx2zS3n5UmAz1syQ

Anthropic Pre-IPO定档10月14日：估值剑指2万亿美元

距离 Anthropic IPO 只剩不到四十天，公司将于 10 月 14 日在旧金山总部举办 Pre-IPO 投资者日，邀请核心机构闭门提问。据披露，顺利的话最快 11 月 9 日启动路演，争取赶在感恩节前敲钟，估值剑指 2 万亿美元。若落地，将超越 SpaceX 成为人类历史上规模最大的 IPO。与此同时，CEO Dario Amodei 的妻子、被 The Information 称为 Anthropic“第一夫人”的 Cami Clark 被曝悄无声息退场。Cami Clark 无正式职位与工牌，但据传参与战略讨论、筛选投资邀约并介入公共形象管理。 来源：https://mp.weixin.qq.com/s/wLVveWcpIiBKc1pPKSuaWw

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录