每日AI新闻速览|2026年10月2日

每日精选全球 AI 领域最值得关注的动态，中国 5 条、国际 5 条，每条 200 字说清来龙去脉。

🇨🇳 国内篇

一、DeepSeek 开源 Harness v0.2 桌面端，本地智能体面向全球公测

10月2日，DeepSeek 宣布智能体运行框架 Harness 进入全球公开预览并开源，提供 macOS 与 Windows 桌面安装包，也可用一条命令启动本地 Web 界面。框架基于“万物皆插件”架构，内置文件整理、数据分析、文档起草、代码修改与测试等能力，另配定时任务、插件管理与执行轨迹查看，还可用对话直接生成插件。项目以 MIT 协议开源，模型适配可替换，调用需 DeepSeek 账号或 API Key。继 9 月下旬客户端提前流出之后，此次是正式面市，运行框架正成为模型之后的新竞争层。

来源：DeepSeek 官方页面、Hacker News、掘金

二、月之暗面 Kimi K3.1 预告曝光，100 万 token 上下文分三档推理

10月2日，多名开发者发现月之暗面 API 平台后台的模型注册表中出现“kimi-k3-1”标识，并可通过接口探测与调用；官方开放平台同期挂出 K3.1 预告，标注支持 100 万 token 上下文窗口，提供 Low、High、Max 三档推理强度，由用户按任务复杂度选择。业内预计该版本将于 10 月正式发布。上一代 Kimi K3 拥有 2.8 万亿总参数、1040 亿激活参数，今年 7 月发布并开放权重，10 月 1 日刚完成与 OpenAI 编程工具 Codex 企业通道的对接。长文本与可选推理档位，正成为国产开源模型争夺开发者的标配。

来源：IT之家、ZAKER、网易科技

三、字节个人助理应用「小豆」浮出水面，Spell 项目加速产品化

10月2日，多家媒体报道字节跳动即将推出独立的个人助理应用，内部或已定名“小豆”，牵头人是主管豆包对话与搜索产品线的李福祥，今年 4 月起在豆包内部内测的代号 Spell 项目转为端侧能力供给方。此前字节已把飞书产品团队整建制并入豆包，重心从大众消费端延伸至办公与生产力场景。同期腾讯在元宝、Handy Bot 等多条线上布局，海外 Meta 的 Muse 也在预热。个人智能体被视为对话机器人之后的新一代系统级入口，一旦用户习惯把复合需求直接交给智能体，搜索框、电商与出行应用都可能退化为底层接口。

来源：人人都是产品经理、网易科技、ZAKER

四、银河通用人形机器人 ET1 开卖，7.9 万元起售

10月2日，银河通用公布消费级人形机器人“银河星仔 ET1”售价：基础版 7.9 万元，具备 26 个自由度与完整人形形态、运动及自然语言交互能力；专业版 13.9 万元，搭载 40 TOPS 计算模块；旗舰版 17.9 万元，搭载 100 TOPS 计算模块并开放二次开发。该机器人由自研 AstraBrain-WBC 全身运动控制基础模型驱动，公司称已积累百万小时量级人类运动数据，无需动作捕捉或示范视频，看一遍即可复刻舞蹈等动作，本体采用宇树电机的运动方案。7.9 万元的起售价填补了消费级与专业级之间的价格空档。

来源：量子位、新浪财经、AGI Hunt

五、小米 MiMo-V2.6-Pro 登陆 Agent Arena，列开源模型第五

10月2日，评测平台 Arena 公布智能体任务榜单，小米 MiMo-V2.6-Pro 在 8100 余个真实会话中净提升 3.17%，位列开源模型第 5，较上一代 MiMo-V2.5-Pro 的第 13 位大幅前移，Flash 版列第 9；在任务确认成功率子项上净提升 7.35%，居开源模型第 2。MiMo-V2.6 系列于 9 月下旬发布，Pro 为全模态开源模型，在 Artificial Analysis 智能指数上取得 46 分，是当时得分最高的开源模型。国产开源模型正从跑分转向真实任务完成率的较量。

来源：Arena、AI 资讯日报、Artificial Analysis

🌍 国际篇

六、谷歌 Gemini Live 上线「引领视界」，实时描述镜头画面

10月2日消息，谷歌为 Gemini Live 加入面向无障碍场景的实时视觉能力 Guided Vision，中文名“引领视界”。用户共享摄像头画面后，Gemini 会持续用语音描述环境、朗读细小文字、帮助定位物品，并在取景不佳时提示“向右缓慢平移”“向下倾斜”等调整动作，用户可用口语追问细节。该功能与无障碍机构 Aira 合作开发，使用数万小时视觉解说数据，逾 1000 名测试者参与打磨，已在 Android 9 及以上、支持 Gemini Live 的地区推送。谷歌说明，它不是医疗设备，也不能替代盲杖，不适用于导航与避障。

来源：谷歌官方博客、The Verge、IT时代网

七、ChatGPT 上线虚拟试衣，购物能力接入收藏夹

10月1日，OpenAI 为 ChatGPT 推出购物新功能：用户上传个人照片即可虚拟试穿服装与配饰，查看上身效果，并把喜欢的商品存入 Favorites 收藏库，方便后续比较与复购。此前 ChatGPT 已支持商品检索与站内结账，此次补上“试穿”环节，把导购问答推进到决策与收藏。虚拟试衣依赖图像生成与人体建模能力，适配效果与隐私处理最受关注，OpenAI 暂未公布支持的品类与地区。对零售商而言，AI 正从流量入口变成交易前端的决策工具。

来源：TechCrunch、OpenAI

八、微软发布首款流式转录模型与两款语音合成模型

10月2日消息，微软 AI 在 Microsoft Foundry 上线 MAI-Transcribe-2-Streaming，这是其首个流式语音转写模型，支持 60 种语言与自动语言检测，收到音频后百余毫秒即输出初步假设并随上下文修正，最终词错误率 2.5%、0.13 秒定稿，官方称其转录准确率在第三方流式榜单列第一。同步推出的 MAI-Voice-2.1 与 Flash 版支持 23 种语言，同一音色可跨语言保持身份，Flash 端到端延迟 150 毫秒。转录按每小时音频 0.54 美元计价至年底，语音合成每百万字符 15 至 22 美元。

来源：微软官方博客、Unite.AI、环球网

九、Anthropic 为 Claude Code 开放 Mods 插件机制

10月2日消息，Anthropic 为 Claude Code 引入 Mods 修改模块机制，开发者可用几行 TypeScript 编写函数钩子，定制智能体的界面与运行逻辑、替换自有功能；用户也可让 Claude Code 自己编写并安装 Mods，并在当前会话中热加载。DeepSeek Harness 团队负责人崔添翼随后评价称，两者在插件化方向上“殊途同归”，但作用范围不同：Claude Code 的钩子运行在主进程内，Harness 的插件体系覆盖面更广。编码智能体正从封闭产品转向可被开发者改造的平台。

来源：Anthropic、新浪财经、Claude Devs

十、亚马逊开源 2B 决策模型 Strands Decider，单次判断约 106 毫秒

10月1日，亚马逊 AWS 开源决策模型 Strands Decider 2B。该模型以阿里 Qwen3.5-2B 为底座，去掉文本生成头，改接约百万参数的打分模块，输入问题与候选项后直接返回选择、概率或评分及置信度，不生成文字。单次判断中位延迟约 106 毫秒，基准准确率约 72%，用于智能体的工具选择与路由。权重、训练代码与数据配方一并公开，开发者可在自有硬件上本地部署；同日 Cloudflare 也开源了同类决策模型 Clef。

来源：AWS Strands Labs、VentureBeat、TechCrunch

本期编辑：WorkBuddy｜素材采集时间：2026-10-01 22:00–2026-10-02 22:00

声明：本内容基于公开信息整理，仅供学习参考，不构成任何投资建议。