ARTICLE · 1266971
AI 早点摊 · 10月28日:世界模型开口说话
今天的摊子上摆了一只玻璃球——里面是一整个世界：有山、有湖、有个站在浮岛上的人。你敲两下键盘就能走进去，它还会出声。这是谷歌昨夜放出的 Genie 4，世界模型头一回从「给你放一段片子」变成「把手柄递到你手里」。今天进货 10 条，另有数学圈罕见的一幕：两家实验室前后脚宣称证伪了同一条猜想。慢慢吃。
今日金句
「未来我们会越来越多看到这类混合式世界模型。」—— Tejas Kulkarni，谷歌 DeepMind 研究总监，10 月 27 日媒体吹风会。据与会媒体转述，他称 Gemini 负责编写代码与文本，Genie 则实时接收这些内容、在不同抽象层次上模拟现实（凤凰网科技 10 月 28 日等）
01｜谷歌发布 Genie 4：能逛、能改、还自带音效的世界模型
★★★★★ 编辑推荐
10 月 27 日（当地时间），Google DeepMind 发布新一代世界模型 Genie 4 研究预览版（术语小贴士：世界模型（World Model），指不只生成一段视频、而是持续模拟一个可交互三维环境的模型——场景会随你的操作实时「长」出来，被视为机器人与智能体的虚拟训练场。），北京时间 10 月 28 日凌晨国内媒体集中报道。三个变化最关键：其一，它是 Genie 系列首个原生生成音频的版本，环境音、配乐与角色对话与画面同步生成——湖面有水声，吹萨克斯的人有琴声；其二，单次一致场景时长翻倍至约 2 分钟（上代 Genie 3 为约 1 分钟），实机画面稳定在约 24 帧/秒、720p（媒体口径，帧率规格与上代持平）；其三，交互真正「上手」：键盘控制角色与镜头，运行中还能用自然语言改天气、挪机位、往场景里加一个人或一件物。
这代 Genie 不是单打独斗，谷歌首次把 Gemini 系列深度嵌进来，组成「混合世界模型」：Gemini Omni 负责把画面锚定在真实世界的外观与物理行为上，Gemini 3.8 Flash 在后台当「导演」——盯画面、把目标拆成步骤、逐帧检查每步是否完成，用户一干预就当场改计划。在一项与 Gemini Robotics 相关的实验里，Gemini 4 Argon 把任务拆成多步喂给 Genie 4，模拟 Apptronik 的 Apollo 人形机器人下跳棋——先在虚拟世界排练，再上真机，是这套系统最被看好的用途。所有输出（含音频）全部自动带上 SynthID 水印。
获取门槛暂时不低：先向受信任测试者开放，未来几周扩展到 Google AI Ultra 订阅用户（Project Genie）与 Gemini API、AI Studio 早期伙伴，候补名单已开。冷水也得泼：DeepMind 自己列了一串没解决的问题——场景跑久了细节会漂移、物体恒存性不稳、生成世界里的可读文字还不可靠、实时音频的准确性没过关，官方定位是「早期实验模型」。行业背景同样热闹：Runway 两个月前发布了第二款带音频的可交互世界模型 GWM Worlds 2，AMD 正在收购李飞飞的 World Labs，亚马逊在洽谈收购 Decart——世界模型正在从论文里的概念，变成大厂排队下注的赛道。来源：DeepMind 官方博客 10 月 27 日、凤凰网科技/TechCrunch 10 月 28 日、36氪 10 月 28 日
【数据速览】单次一致场景约 2 分钟（上代 1 分钟）｜实机约 24 帧/秒、720p｜输出音视频 100% 带 SynthID 水印
02｜百度开源 Unlimited-OCR 2：百页文档一次读完，缓存从 47GB 压到 1.77GB
★★★★
百度 ERNIE 团队于 10 月 27 日开源文档解析模型 Unlimited-OCR 2：约 3.3B 参数（媒体口径激活约 0.5B，另有技术分析称官方未明确披露激活量）、MIT 协议可商用，权重在 Hugging Face、代码在 GitHub，单张 A800-80GB 就能以 BF16 跑起来（权重约 6.7GB）。它要解决的是个老大难：文档从一页变成几百页时，解码越来越慢、显存越吃越多——通用大模型的「长上下文焦虑」，在 OCR 上同样发作。
核心改动是一种叫 SR-SWA 的稀疏注意力（术语小贴士：SR-SWA（稀疏参考滑窗注意力），模型每写一个字不再回看前面所有页面，而是维护一组固定大小（如 512 token）的「工作参考」——像人抄书时不逐页重扫前面内容。）：官方口径下，百页规模单步解码比两种既有注意力方法快 7.0 倍与 5.6 倍；单文档峰值缓存从 47.00GB 降到 1.77GB；16 份文档并行吞吐从 360 tokens/秒提到 1315 tokens/秒。模型单次请求可吞下 131,072 token（约对应数百页），整份合同、财报一次读完，保留跨页上下文。
成绩单要带着口径看：77.06 分来自百度自建的 MarathonDocBench（100 份 103-300 页文档、20.5 万个标注元素），对手与跑分也由百度自选自跑，尚无第三方复测——同榜 Kimi-K3 只有 33.7、Gemini 3.8 Flash 28.6，差距大到值得怀疑榜单本身；在多页的 MPDocBench 上领先幅度收窄到 84.59 对 Qwen3.8-Max 的 78.30。更实诚的参照是通用单页测试 OmniDocBench v1.6：94.02 分，落后专用模型 TeleOCR（96.91）与 OvisOCR2（96.47）；最弱的子项是标题层级（48.2），官方也承认稀疏设计「不保留全局文档信息」。一句话：把几百页塞进一个请求这件事是真刚需，但「榜一」含金量，等社区自己跑一遍再说。来源：模型卡与官方技术报告（10 月 26-27 日）、新智元/TSN Media 10 月 27-28 日
03｜跟进·同一天，同一条猜想：Anthropic 放出署名 Claude 的证明
★★★★ · 跟进
本刊 10 月 27 日报道了 OpenAI 宣称其模型证伪指数时间假说（ETH）——OpenAI 宣布后数小时，10 月 27 日，Anthropic 在官方 GitHub 仓库 anthropics/formal-math 放出 49 页论文《A 2^o(n) Time Algorithm for 3-SAT》，署名只有一行：「Claude (Anthropic)」。论文溯源处写明：核心算法由一个内部 Claude 研究模型于 10 月 16 日找到，写出 1400 万输出 token、全程无人工输入；研究人员随后与模型一起改进了表述。Anthropic 数学家 Levent Alpöge 在社交平台确认此事。也就是说，两家公司各自声称，模型在同一天独立撞出了同一条路的入口。
技术内容：该确定性算法在 2^o(n) 时间内判定 3-SAT，正面推翻 ETH（Impagliazzo 与 Paturi 于 20 多年前提出、数百篇论文的推导地基，媒体口径 1999 或 2001 年并存；本刊 10 月 27 日刊有详述）；更强的版本连计数问题 #3-SAT 都能在 2^O(n log log n/√log n) 内解决，并连带证伪更强的 SETH，给独立集、团、顶点覆盖等问题带来理论上的次指数算法。复核设计是这次最扎实的部分：Lean 4 形式化由 AI 模型写成，但只依赖 Lean 的三条标准公理、无任何免证捷径，持续集成用第二个独立编写的内核 nanoda 交叉复核，24 个虚拟 CPU 约 8 分钟即可构建，代码 Apache 2.0 全公开——任何人都能自己跑一遍。读过两份证明的学者 Jelani Nelson 称，双方结果都达到约 exp(O(n/√log n)) 量级。
冷水照旧要泼足：两份证明都还没有独立同行评审——OpenAI 那边由 ETH 提出者 Impagliazzo、Paturi 与 MIT 的 Williams 牵头组织独立学术核验，三人公开信明确表示参与不构成背书，Williams 的评价是「大部分看起来平平无奇，有两三处长相陌生的部分需要细看」；Lean 只保证「形式化命题被形式化证明推出」，不保证命题与书面猜想同义（此前剑桥与伦敦国王学院团队就指出过 OpenAI 9 月手稿的不匹配先例）。而且这是纯渐近结果：论文自述要跑赢最笨的暴力搜索，公式变量数需达到 10^108 量级（一说更高）——「对实际求解毫无助益」。数学史上罕见的同日双响，究竟是里程碑还是同款乌龙，答案在 Lean 之外，还在人类专家手里。来源：anthropics/formal-math 仓库 10 月 27 日、Levent Alpöge 社交平台、CellCog/TechCrunch/The Decoder 10 月 27-28 日
04｜Meta 首批 375 亿美元一天定价：英伟达掏 30 亿、AMD 掏 10 亿入股自家客户
★★★★
本刊 10 月 27 日快讯报道了 Meta 最高 950 亿美元的股权融资计划，一天后（美东周一深夜），首阶段就完成了定价——执行速度快到承销商自己都没缓过来：250 亿美元 A 类普通股（较原计划 225 亿上调），每股 625 美元、较周一收盘价折让约 1%，据媒体援引知情人士认购需求约为发行量的 5 倍；外加 125 亿美元票息 6.5% 的强制可转换优先股（术语小贴士：强制可转换优先股，先按固定股息付息、到期强制转为普通股的「类债券」股票；本次 2029 年 8 月转股，代码 METAM，对投资者相当于高息版的 Meta 股票。），10 月 29 日交割。若 2027 年 1 月 C 类股分派后再完成最高 600 亿美元的市价增发，整轮总规模将达约 975 亿美元，超过 Alphabet 今年 6 月创下的 850 亿美元纪录——注意那 600 亿尚未签约，可能缩水、推迟甚至不发。
更有看头的是认购名单：英伟达官宣认购 30 亿美元，并同步扩大与 Meta 的 Muse 模型合作（Meta 将扩大部署 Vera Rubin 系统、Spectrum-X 以太网与 BlueField-4，双方还探讨把 OpenShell、Sentry 用于智能体安全）；AMD 紧随其后认购 10 亿美元，并披露其 Helios 机架系统已在 Meta 装机测试、EPYC 处理器正在驱动 Muse 智能体（2 月框架协议最高覆盖 6 吉瓦算力）；博通暂未公布金额——三家基石意向合计最高 50 亿，已落定 40 亿。芯片厂掏钱入股买芯片的客户，再用订单锁定未来多年的采购：AI 基建的金融化，又前进了一步。
冷水：Meta 前三季度经营现金流 970 亿美元、三季度末现金约 820 亿，仍是全行业最有钱的公司之一，却要靠增发补算力开支——三季度自由现金流已上市以来首次转负（本刊 10 月 24 日曾报），股价自财报以来累跌约 10%。股东在为「个人超级智能」的梦想垫付现金，而回报周期写在 2027 年之后。来源：Meta 定价公告与 SEC 文件 10 月 27 日、腾讯新闻/新浪科技 10 月 27-28 日、TechsCurrent/Yahoo Finance 10 月 27 日
摊主快讯
本期无重复内容核查：已对比 10 月 27 日刊（并复核 10 月 18 日至 26 日各期）。剔除：OpenAI「dots」常驻助理（聚合日报 10 月 27-28 日当新发布报道，实为 9 月下旬开发者日发布、本周为产品负责人 TechCrunch Disrupt 访谈，「报道日≠新闻日」第 18 例，已在快讯 4 标注口径）；GPT-6.1 Terra、Anthropic S-1 与 Meta 950 亿融资计划（10 月 27 日刊已报，本期 04 为定价结果跟进）；OpenAI 三项科学手稿（10 月 27 日刊已报，本期 03 为同日对垒跟进）
▪︎ 腾讯混元开源同声传译模型 Hy-SimulMT：总参数约 304 亿、每次激活约 30 亿的 MoE 架构，Apache 2.0 可商用；官方自测 RealSI 长音频流式延迟约 3 秒（人类专业同传平均 4-5 秒），质量分超全部参评开源模型与 5 个商用 API 中的 4 个；冷水：3 秒不含语音合成耗时，「开口说话」需外接 TTS，短音频 CoVoST2 一项（75.5）落后千问 Qwen3.8-LiveTranslate（82.1）；与 6 位 CATTI 持证译员的对照仅 18 段音频、且取各级最高分对比，属小规模厂商自测；「Hy 翻译」App 可免费体验（据官方发布与 IT之家/Pandaily 10 月 26-27 日）
▪︎ Axiom 完成人类史上最大证明的机器核验：约 1.5 万页、500 多篇论文的「有限单群分类」定理，其 AxiomProver 多智能体集群 24 天（10 月 2 日开工、108 个里程碑、约 380 个子任务）产出约 4310 万行 Lean 代码——迄今最大的 Lean 代码库；过程中查出文献 2000 余处错误（34 处属显著偏差），并为其中「未平衡群定理」补写了一段新证明；仓库 Apache 2.0、无 sorry、仅依赖标准公理、整机构建不到 24 小时；冷水：公告发出于 10 月 26-27 日，部分二手报道未附原始文档，形式化命题与原定理是否同义仍需数学家人工核验（据 unite.ai/The Agent Times 10 月 26-27 日）
▪︎ Liquid AI 开源端侧模型家族 LFM3：六款约 2B 参数模型覆盖文本（1.7B）、视觉（VL-2B，官方称首个支持视频输入的 LFM 视觉模型）、音频、全模态与两款「决策」模型，tri-hybrid 混合架构（24 层=13 门控短卷积+5 滑窗注意力+6 全局注意力），预训练 22T tokens；1.7B 文本模型 256K 上下文、4bit 量化仅约 1GB，单卡可微调，适配 14 类处理器（手机、树莓派 5、PC、NPU）；官方称 VL-2B 用 1.9B 参数在 62 项视觉基准平均 71.4 分、与 6 倍大的 Gemma 4 12B 相当；冷水：成绩全为官方自测，许可证对年营收 1000 万美元以上的公司不开放商用（据官方博客与 Hugging Face 10 月 27 日）
▪︎ 蚂蚁发布灵光 2.0（10 月 27 日）：个人 AI 助理从「任务执行者」转向「事务管理者」——跨会话记忆+长程任务调度+独立云主机，用户退出对话后任务继续跑（订完机票自动 24 小时盯价、扫账单找出闲置自动续费、盯钉钉班级群整理待办）；已打通支付宝账单、钉钉、飞书、邮箱、米家，开放环境可调 MCP 与 CLI；安全侧接入蚂蚁 APASS，授权密钥与智能体分离托管、可随时撤销。同类「常驻助理」还有 Meta Muse 与 OpenAI dots——后者实为 9 月下旬开发者日发布（本周新闻是产品负责人在 TechCrunch Disrupt 的访谈），聚合日报多当成新发布，此处标明口径（据中国证券报/光明网/科技日报 10 月 27 日）
▪︎ 苹果发布 M6 芯片与两款新 Mac（10 月 27 日）：12 核 CPU+12 核 GPU、首次搭载双 16 核神经网络引擎，图形较 M5 提速最高 30%、端侧 AI 负载提速最高 25%（较 M1 机型 AI 提速至 13 倍）；14 英寸 MacBook Pro 续航最长 24 小时、首发 N1 无线芯片（Wi-Fi 7 与蓝牙 6），国行 15999 元起，10 月 29 日凌晨预售、11 月 6 日开售；24 英寸 iMac 同步升级（12499 元起）。官方数据口径，实际大模型推理表现待实测（据苹果官网新闻稿、新浪科技 10 月 27 日）
▪︎ 智元发布安规级重载具身机器人精灵 G2 Max（10 月 26 日）：双臂额定负载 40kg、峰值 50kg，重复定位精度 ≤±0.5mm，7 自由度力控双臂配视觉引导，主打「重载与精细兼得」；已在多条产线运行，电商仓储场景作业成功率超 99%、每小时拆垛 80 箱，并承担启元 T1 产线关节部件搬运（匹配 2.5 分钟/台下线节拍，厂商口径）；10 月 29 日智元创新日现场展示（据新华网上海频道/南方+/界面新闻 10 月 26-27 日）
编者按
今天这期藏着一条暗线：AI 正在从「给你看」走到「陪你干」。Genie 4 把手柄递到用户手里，世界模型第一次能逛能改还出声；灵光 2.0 和一众常驻助理开始替你盯机票、扫账单、追待办；百度的 OCR 把几百页文档的成本打到一张显卡能扛的地步。还有数学圈罕见的一幕：两家实验室、两个模型、前后脚、同一条猜想——两家均称各自模型于 10 月 16 日独立找到核心算法——无论最终是里程碑还是乌龙，「AI 产出、机器核验、人类裁决」这套流程，正在被两家公司用真金白银跑通。看得见的是产品，看不见的是这套新流程正在成形。
今日话题：如果 AI 助理能 24 小时替你盯机票价、扫自动续费、追班级群通知，你愿意把支付宝授权给它吗？评论区聊聊。
往期回顾
▪︎ 第 34 期（10月27日）：Anthropic 递表，账本头一回摊开
▪︎ 第 33 期（10月26日）：110 台机器人同场起舞
