AI 产品发布与更新

Strands 团队发布 Strands harness，一个开箱即用的通用型 agent harness，可用一行 Python 或 TypeScript 接入 Amazon Bedrock、Anthropic、OpenAI、Google、Ollama 或 LiteLLM 的模型，采用 Apache 2.0 许可开源。

GPT Voice 获得重大升级，现在可以使用邮箱、日历、Slack 等工具，并由 GPT-6 Astra、Sol 和 Luna 驱动。语音功能现已登陆网页端和移动端的 ChatGPT Work，用户可仅通过语音在浏览器中创建文档、演示文稿、网站和表格或处理复杂任务，今日起在全球最新版应用中推出。

OpenAI 的 ChatGPT Voice 获得重大升级，全球可用的语音功能现已运行在新的 GPT-6 Astra、Sol 和 Luna 模型上，并首次可访问邮件、日历和 Slack 等插件。

Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型，支持 100 多种语言，Flash TTS 可通过文字描述从零设计语音，并支持 30 秒样本的声音克隆（需录制同意声明），生成内容带 SynthID 水印。

OpenAI 宣布 ChatGPT Voice 升级，可使用邮件、日历和 Slack 等插件，并由 GPT-6 Astra、Sol、Luna 驱动。语音现已支持 ChatGPT Work 的 web 和移动端，可在浏览器中仅通过说话创建 docs、decks、sites 和 spreadsheets 或处理复杂任务，当天起在全球最新版应用中推出。

勾勒一个世界。让 Atlas 把它变为现实。 Chisel 抢先预览，现已在 Atlas beta 中上线。

Google 发布两款新的 Gemini 语音合成模型 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts，内置超过 2,000 个声音，支持用 30 秒音频样本创建自定义声音。

Google 宣布 Antigravity SDK 支持本地工作流，首发支持通过 Google AI Edge 的 LiteRT 运行 Gemma 4 26B A4B，可完全离线获得智能体辅助能力，建议机器配备超过 24GB VRAM 或统一内存。

OpenAI 宣布为 ChatGPT 移动端带来语音触发的智能体功能，用户可用语音让模型起草文档、总结邮件等。Plus 和 Pro 用户可在手机 Work 标签页创建文档、草拟邮件、总结 Slack 消息，还能建站、做演示文稿、使用云端浏览器和财务功能；Free 和 Go 用户可使用插件和已连接应用。

YouTube 向创作者推出多项 AI 工具。YouTube Studio 内的故事助手可分析脚本和粗剪，给出节奏、结构与叙事建议，支持最多三个剪辑版本 A/B 测试；动态缩略图会为不同观众自动展示三张预览图中最合适的一张。

Elon Musk 转发 @mattyp 的介绍，Grok Bot 本周新增语音通话与语音备忘、Grok Bot 的 1Password vault、内联表单、邮件与 Slack 内联草稿、账号切换，以及通过桌面端路由流量的功能，视频按时间点逐一演示。

客服电话是 AI 智能体面临的硬核真实世界测试。 当智能体无法解决问题时，接手的人工客服需要完整的上下文。Cresta 将其传递过去，这样谁都不用从头开始。 另外，Marshawn 进入 Beast Mode 太炸了 😂

Almanac Health 推出面向医生的 AI 工作空间，医生可将临床与医学研究任务交给 AI 处理，完成后返回查看结果。该智能体能探索医学研究、运行临床计算器、查找相关临床试验，并在问诊时记录笔记，执行操作前会请求澄清和授权。

Google DeepMind 宣布将为 Private AI Compute 平台引入私密的服务端持久记忆，使 AI 助手能跨设备长期保留上下文。数据密封在云端专用加密存储中，解密密钥仅保存在用户设备上，请求通过端到端加密通道在隔离的安全飞区中临时解密处理，即使 Google 也无法访问。

Google Research 提出基于 Gemini 和 Veo 的多智能体编排框架，将长视频生成建模为全局优化与世界状态跟踪问题，包含 Co-Director（COLM 2026）、CANVAS（EMNLP 2026）、A²RD 和 VQQA 四个框架，支持 SynthID 水印。

Anthropic 宣布 Claude Tag（beta）支持在 Slack 频道中使用用户自己的连接器，此前 Claude 只能用管理员附加到频道的连接器。

马斯克转发 Jeffrey Katzenberg 的文章《The World is Changing: AI For Creativity》。Katzenberg 曾在 2023 年预测 AI 工具将在三年内把顶级动画的制作时间和成本削减多达 90%，引发同行愤怒。他以 1906 年 Sousa 反机械音乐和有声电影取代影院乐手为例，认为抵制技术只会被淘汰，但技术带来的收益需要重新谈判分配条款。

Google AI 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音模型，支持 100+ 语言自定义声音和 2,000+ 现成语音，可生成数小时一致、无毛刺的音频。

Google DeepMind 发布两款新的文本转语音模型。Gemini 3.8 Flash TTS 可设计带有独特口音和特征的自定义声音；Gemini 3.8 Flash-Lite TTS 面向效率与规模，可选用自建风格或官方生产就绪的声音库。

Baseten 发布对 NVIDIA Nemotron 3 Diarization 的托管支持，这是一个约 100M 参数的流式说话人分离模型，单一 checkpoint 可在 0.32 到 30.4 秒间配置四种算法延迟。

YouMind 创始人玉伯（@lifesinger）表示自己每天处理 50+ 邮件仍很快清空收件箱，难以理解 Town AI 或 Muse 帮忙处理邮件的增益在哪。他认为 Google Calendar 已足够好用，Personal agent 目前体验增益主要在录音且偏 for Work，质疑日历是否真有这么大需求，并求美国非沿海地区用户用真实案例反驳。

YouTube 在 9 月 23 日的年度创作者活动 Made on YouTube 上宣布升级 2025 年推出的 AI 创作工具，推出一款帮助创作者在后台优化频道的智能体。

Viggle 发布面向开源社区的首个 Qwen-Image-2.1 turbo 模型 Viggle-Turbo，采用 DMD 蒸馏，可生成和编辑图像。

不小心把软件工厂说成了CI/CD，然后他们把我踢出了SF [引用 @sloppenheimer]：不小心把agent sandbox说成了microvm，然后他们把我踢出了SF

玉伯称这是他见过关于 Jev 最浅入深出的一篇文章，印象最深的点包括：模型该给代码用还是给人用、为什么在 OpenAI 做不出来、什么是杰文斯悖论、不看公开榜单而看内部工作流、用户数据没用、老看 PMF 容易扼杀创新。他还提到借助 Jev 这类模型 SaaS 有大机会，并把 Jev 定义为"系统一模型"，认为系统一模型才刚刚开始，同时表示不看好 neo lab。

YouTube 在年度 Made on YouTube 活动上宣布为 YouTube Studio 推出多项 AI 功能。包括将 AI 问答功能 Ask Studio 扩展到 iOS 和 Android、对未发布视频草稿提供节奏和叙事建议、按视频内容生成匹配创作者风格的缩略图和标题、以及可向不同受众群体展示三种选项的动态缩略图。

YouTube 在年度 Made on YouTube 活动上宣布升级其 AI 创作者工具套件，引入一个在后台优化频道的 AI 智能体，可监测旧视频的新热度并建议修改缩略图和标题，还能整理频道受众数据生成品牌提案。

YouTube 宣布推出名为 custom feeds 的新功能，用户可在提示词框中用自然语言描述想看的视频类型，由 Gemini 生成定制推荐流并置顶在首页独立标签中。

rabbit 于当地时间 22 日正式发布智能体操作系统 OS3，兼容广泛第三方硬件，以单一聊天界面为入口，用户设定目标后系统自动调度设备、模型与文件完成任务。OS3 在云端运行，通过 rabbit agent 连接和操作设备，一个账户最多可连接五台设备，支持多设备编排、单一连续对话与直接计算机控制。用户需自备 API 接口，系统仅访问本地文件、仅通过模型提供程序处理上下文。

罗福莉发布 MiMo-V3 新架构核心 HySparse2，相比 MiMo-V2.6 的 Hybrid SWA 架构，在 1M tokens 下 prefill FLOPs 降低 5.02×、KV cache 缩小 4.5×，MRCRv2 与 RULER-v2 分数更高，AgentPPL 和 LongPPL 更低。

NVIDIA 发布开源权重、100M 参数的 Nemotron 3 Diarization 说话人分离模型，支持最多八名说话人，在 VoiceArena Diarization-Bench 12 个系统中以 14.72% DER 排名第一，比第二名低约 24% 相对值。

Spotify 开始向美国 Premium 订阅用户推出 Taste Profile 功能，用户可首次查看平台对其音乐、播客和有声书品味的理解，并用自然语言指令调整推荐。

OpenAI 宣布向乌克兰政府开放其 Daybreak 计划，支持民用基础设施的网络防御，与乌克兰数字化转型部合作提供识别软件漏洞、开发和测试修复的工具。乌克兰 CERT-UA 在 2025 年处理了近 6,000 起网络事件；此前法国、德国、波兰等欧洲防御方已使用其网络模型，其中 CERT Polska 借此发现第三方路由软件中的 6 个漏洞，厂商已发布修复。

玉伯（@lifesinger）认为 Muse 这一届 personal agent 大概率是伪需求：邮件大多可以不看，大部分用户日历空空如也，全球多数人还没坐过飞机，非精英人群对订餐也没那么多讲究。他唯一认可的真需求是退订无良 AI 产品的订阅，并称精英都是纸老虎，为人民服务才是真需求。

阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。

Cursor 发布两款软件开发机器人 Rollouts 和 Security Reviewer，帮助团队更快把安全可靠的代码送入生产环境。

Meta 在 Connect 2026 宣布 Meta Ray-Ban Display 多项新功能，包括语音驱动的骑行与公交导航、以用户面貌进行通话的 Hologram（今秋以 Early Access 登陆美国 WhatsApp）、眼镜端应用 Explore、Dolby Atmos 视频拍摄、日历、镜像通知和 Threads Community Feeds。

亚马逊宣布扩大智能眼镜应用范围，将导航和送货指引直接呈现给配送司机，计划今年部署 5000 台，2027 年底投入使用设备超过 2 万台。眼镜结合人工智能、计算机视觉和摄像头，提供步行路线、识别危险、辅助查找包裹和记录送达；过去 18 个月已有超过 500 名配送人员试用，完成超过 27.5 万次配送。配套可穿戴控制器设有紧急按钮，电池可更换，支持处方镜片和变色镜片。

Qwen 发布 Qwen Intelligence，推出三款移动端智能体：Mobile Planner Agent 规划与编排复杂任务，在 MobilePA-Bench。