AI 大事件 | 2026年10月29日

导读： 10 月 28 日的 AI 新闻，主题是“开始算细账”。英伟达把 40 种语言的转写做成 30B 开源权重、一块芯片就能跑；一家新创公司用强化学习把任务成本砍掉近一半；阿里达摩院让机器人先“想象”再动手；美团把 5 分钟长视频生成开源。参数竞赛没有停，但今天的主角是成本、可控与可部署——AI 从“能不能”转向“划不划算、归谁管”。

1. 英伟达发布 Nemotron 3.5 Transcribe：30B 开源转写模型，40 种语言、一块芯片能跑

10 月 28 日，英伟达发布 Nemotron 3.5 Transcribe——免费开源权重的语音转写模型，支持多达 40 种语言的转写、31 种语言与英语互译，可处理最长 1 小时的录音、区分最多 8 位说话人。英伟达称其在 Hugging Face 的 Open ASR 排行榜上击败对手。同步发布的还有语音数据集 Granary 的第 2 版。模型 300 亿参数，据称可在一块芯片上运行，从 Jetson AGX Thor 机器人控制器、DGX Spark，到 Blackwell 数据中心芯片均可；但只处理录音、不支持直播流。

摘要： 英伟达 10 月 28 日发布 Nemotron 3.5 Transcribe：30B 开源转写权重，40 种语言、31 种语言与英语互译、1 小时录音、8 位说话人区分；Granary 数据集同步更新至第 2 版；单芯片可跑，但仅限录音。

为什么重要： 会议与医疗转写是 AI 最早站稳的职场场景之一，而转写长期是按量付费的 API 生意：一个单芯片可跑、支持 40 种语言的开源权重，意味着中小团队可以把转写成本从“按分钟计费”变成“一次性部署”。值得注意的边界是它不做直播流——实时会议场景仍需另配流式方案；以及“击败对手”的说法来自厂商口径，中文等语言的实际表现要看 Open ASR 榜单与本地实测。

来源： TechCrunch：英伟达发布开源转写模型（10 月 28 日）https://techcrunch.com/2026/10/28/voice-ai-in-vogue-nvidia-releases-new-open-transcription-model/

2. 新创公司 Particle 发布 Particle-1：用强化学习把输出 Token 砍掉 45%，任务成本降三到五成

10 月 28 日，旧金山新创公司 Particle 亮相并发布首个模型 Particle-1——它是在 DeepSeek V4.1 Flash 基座上后训练得到的模型，思路是反直觉的省钱法：用强化学习奖励“用更少输出 Token 得出正确答案”，而不是一味把回答写长。官方口径：相比基座模型，Particle-1 的平均输出 Token 减少 45%，每任务平均成本低 34.4% 至 51.6%。公司由 Y Combinator 与 8VC 支持，目标是先从软件工程切入、再扩展到更多领域。

摘要： Particle 10 月 28 日发布 Particle-1（DeepSeek V4.1 Flash 后训练）：强化学习奖励少 Token 答对，平均输出 Token 减 45%、每任务成本降 34.4%–51.6%；YC 与 8VC 支持。

为什么重要： 这条新闻的价值不在模型本身，而在它点破的账本：大模型账单的大头往往是输出 Token——“写得短且对”比“参数大”更直接地省钱。如果 45% 的 Token 削减在真实任务上不掉准确率，它就是所有重度 API 用户都该抄的优化方向；但目前数字来自公司自述、且只覆盖其测试任务，选型前要在自己的任务集上复测“省 Token 是否等于省质量”。

来源： Wisevoter：Particle 发布 Particle-1（10 月 28 日）https://wisevoter.com/world/us/2026/10/28/suhail-launches-particle-ai-startup

3. Cognitum One 在 GitHub Universe 发布 MetaHarness：给智能体脚手架办“品牌工厂”，开源、可治理

10 月 28 日，Cognitum One 在 GitHub Universe 2026 上发布 MetaHarness——一个开源的智能体脚手架（harness）工厂：从一个 GitHub 仓库或空白页出发，生成一套归团队自己所有、可按自己品牌发布的智能体脚手架，自带命令行工具、MCP 服务器、限定范围的记忆、治理策略与见证签名的发布流程；模型可以换，脚手架是团队留下的资产。它还会自动尝试不同的智能体工作方式，在通过安全检查的前提下把更优的改动迭代进下一轮——全程不改动底层模型。

摘要： Cognitum One 10 月 28 日在 GitHub Universe 发布开源 MetaHarness：生成归团队所有的品牌化智能体脚手架，含 CLI、MCP 服务器、限定记忆、治理策略与签名发布；模型可替换，脚手架可沉淀迭代。

为什么重要： 做 Agent 的团队都踩过同一个坑：模型换代很快，但围着模型的命令行、工具连接、记忆、安全规则与发布检查每次都要重写。MetaHarness 把“脚手架”从一次性胶水变成可拥有、可治理、可迭代的资产，契合企业对 Agent 的核心诉求——模型可以是别人的，但控制平面必须是自己的。落地前要确认两点：其治理策略能否接住真实业务的权限与审计需求，以及“自动迭代工作方式”在生产环境的安全边界。

来源： Access Newswire：Cognitum One 发布 MetaHarness（10 月 28 日）https://www.accessnewswire.com/newsroom/en/computers-technology-and-internet/cognitum-one-unveils-metaharness-the-open-source-factory-for-bran-1242525

4. 阿里达摩院开源 16B 统一具身模型 RynnUnify：先“想象”再执行，真机三任务平均成功率 46.7%

阿里达摩院的统一具身模型 RynnUnify 在 10 月 28 日的行业速览中受到关注：它由 8B 推理器与 8B 视频生成器组成混合 Transformer，思路是让机器人先“想象”——生成一段预测视频、想清楚动作后果——再执行；权重与代码均已开放。官方报告的真机表现是三项任务、各 20 次试验，平均成功率 46.7%。论文于 10 月 23 日提交，公开权重在 10 月 27 日前后可查。

摘要： 达摩院 RynnUnify（16B，8B 推理 + 8B 视频生成）：先生成预测视频再规划执行，权重与代码开放；真机三任务平均成功率 46.7%（各 20 次试验）。

为什么重要： 具身智能卡在“理解”与“动手”之间的断层：语言模型会说、视频模型会演，但机器人要的是“做了之后世界会怎样”。RynnUnify 把“预测视频”当作理解与动作之间的桥梁，是具身路线上一个值得跟进的范式；但 46.7% 这个数字要冷静读——它来自三项特定任务、各 20 次试验，能支撑研究比较，还远不是通用机器人的日常可靠度；另外基础模型、筛选预测视频的代理与动作版本是分开的部分，不能只下载一份权重就默认全套能力。

来源： 搜狐 / AILog：今日 AI 行业热点速览（10 月 28 日）https://www.sohu.com/a/1093641827_122550976 · AIPostHub：RynnUnify 解析 https://www.aiposthub.com/rynnunify-embodied-video-planning-robot-action-open-model/

5. 美团发布开源视频生成模型 LongCat-Video：13.6B 参数，可稳定生成 5 分钟视频

美团于 10 月 27 日前后发布开源视频生成模型 LongCat-Video：136 亿参数、基于 DiT（扩散 Transformer）架构，可生成 720p、30fps 高清视频，且据称能稳定生成长达 5 分钟的视频而不掉质量；对文本中的物体、人物、场景与风格指令解析精准，语义理解与视觉呈现达到开源 SOTA 水平（厂商口径）。模型面向数字人、具身智能等应用场景。

摘要： 美团 LongCat-Video 开源：13.6B DiT 架构，720p、30fps，可稳定生成最长 5 分钟视频；语义与视觉表现自称开源 SOTA，面向数字人与具身智能。

为什么重要： 视频生成的长视频一直是“能生成”和“能看完”之间的鸿沟：多数模型在几十秒后就开始走形、丢一致性。5 分钟稳定生成如果属实，意味着长叙事、数字人直播、具身训练数据生成这些场景的成本结构会变；但“SOTA”与“不掉质量”目前是厂商口径，真实评测要看长视频里的人物一致性、镜头运动与物理合理性——这三项恰恰是短评测最容易漏掉的。

来源： 财新全球 Tech Brief（10 月 28 日）https://www.caixinglobal.com/2025-10-28/tech-brief-oct-28-meituan-releases-open-source-video-generation-model-102376386.html · 搜狐 / 界面新闻转引：今日 AI 行业热点速览（10 月 28 日）https://www.sohu.com/a/1093641827_122550976

6. 阿里 Qwen 团队发布 Qwen 3 Coder：480B-A35B 开源代码模型，主打智能体式编程

10 月 27 日（10 月 28 日见报道），阿里 Qwen 团队发布代码模型 Qwen 3 Coder，首发最强版本 Qwen3-Coder-480B-A35B-Instruct，具备智能体式编程（agentic coding）、智能体式浏览器使用与工具使用能力。模型定位是“能自己干活的代码智能体底座”，而非单纯的代码补全。

摘要： Qwen 团队发布 Qwen 3 Coder（首发 480B-A35B-Instruct）：开源代码模型，支持智能体式编程、浏览器使用与工具使用。

为什么重要： 代码模型的竞争已经从“补全准不准”升级到“能不能独立跑完一个任务”：浏览器使用与工具使用意味着模型可以自己查文档、跑命令、验证结果。对开发团队，选型时要从补全基准转向任务完成率——在一个真实仓库里从需求到可合并 PR 的全流程表现，才是智能体式编程的试金石。

来源： Gadgets 360：Qwen 3 Coder 发布（10 月 28 日）https://turbo.gadgets360.com/en/ai/alibaba-qwen-3-coder-ai-model-open-source-agentic-capabilities-browser-tool-use-released-8931873?utm_source=website&utm_medium=content&utm_campaign=gadgets360turbo

7. OpenAI 给 ChatGPT 接上 iCloud 邮件与日历插件：苹果用户全档位可用，包括免费版

10 月 27 日（10 月 28 日见报道），OpenAI 宣布为 ChatGPT 推出 iCloud 邮件与 iCloud 日历插件：苹果用户可在 ChatGPT 网页版、桌面端与 iOS 应用中使用，覆盖全部订阅档位，包括免费版、Go、Plus 与 Pro。此前 ChatGPT 已有 Gmail、Outlook 等邮件插件，iCloud 的加入补上了苹果生态的最后一块。

摘要： OpenAI 推出 ChatGPT 的 iCloud 邮件与日历插件：网页、桌面与 iOS 可用，全档位（含免费版）开放；用户一句话即可让 ChatGPT 检索邮件与日程信息。

为什么重要： 这是“聊天机器人变个人助理”的又一块拼图：邮箱与日历是最高频的个人数据入口，接上之后 ChatGPT 才能真正回答“帮我找那封机票确认邮件”“我下周三下午空吗”这类问题。对用户的提醒同样直接：接插件等于把邮件与日程的读取权限交给 ChatGPT，享受便利之前先确认授权范围与可随时关闭的路径——便利与隐私永远是同一枚硬币。

来源： Gadgets 360：ChatGPT iCloud 插件上线（10 月 28 日）https://turbo.gadgets360.com/en/ai/alibaba-qwen-3-coder-ai-model-open-source-agentic-capabilities-browser-tool-use-released-8931873?utm_source=website&utm_medium=content&utm_campaign=gadgets360turbo

8. 英伟达与 Meta 扩大 Muse 系列模型合作：Meta 加码 Vera Rubin 算力集群

10 月 27 日，英伟达与 Meta 宣布扩大在 Muse 系列模型上的合作，以响应市场对 AI 智能体的爆发式需求，双方还将探索更多技术维度的协同。Meta 将进一步扩大英伟达 Vera Rubin AI 算力集群与 Vera CPU 的部署规模，搭配 Spectrum-X 以太网网络与 BlueField-4 DPU，全面提升 AI 工作负载的运行性能与扩展能力。

摘要： 英伟达与 Meta 10 月 27 日扩大 Muse 模型合作：Meta 加码部署 Vera Rubin 算力集群与 Vera CPU，配 Spectrum-X 网络与 BlueField-4 DPU。

为什么重要： 这条合作是“需求从训练囤卡转向推理常态化”的又一个信号：智能体爆发意味着推理负载常驻化，算力采购从一次性大单变成持续扩容。对产业链，模型与算力的深度绑定会让中立性与议价权问题越来越难回避——当一家模型厂商与一家芯片厂商越绑越紧，第三方部署者的选择空间值得持续观察。

来源： 每经 / 腾讯新闻：数智早参（10 月 28 日）https://news.qq.com/rain/a/20261028A02M2O00

9. ESET 发布安全专用模型 NeoCortex：号称训练成本低 200 倍，设计目标是“永不失控”

10 月 28 日，网络安全公司 ESET 发布专用基础安全模型 NeoCortex，驱动其 ESET LiveCortex 平台：把每天数十亿条原始遥测事件关联成可行动的安全事件——其中只有约 0.00111%（约 9 万分之一）的事件最终成为呈现给客户的事件。模型主打“永不失控”设计：受限沙箱、只读工具、持续监控、一键切断开关与关键决策的人类专家复核；且在 ESET 自有安全环境内开发与托管，关键负载与敏感安全数据不经过第三方。

摘要： ESET 10 月 28 日发布 NeoCortex 安全专用模型：驱动 LiveCortex，把数十亿遥测事件浓缩为可行动事件（约 9 万分之一）；“永不失控”设计含沙箱、只读工具、监控、切断开关与人工复核；自有环境托管。

为什么重要： 安全场景是 AI 智能体最危险也最有价值的落地之一：一个能自动响应攻击的模型，一旦失控本身就是安全事件。NeoCortex 的看点不在“更强”，而在“更可控”——沙箱、只读工具、切断开关与人工复核这套组合，正在成为安全智能体的标准答案；“训练成本低 200 倍”则是厂商口径，真正的检验是误报率与漏报率能否同时压住，以及在真实攻击下的响应速度。

来源： GlobeNewswire：ESET 发布 NeoCortex（10 月 28 日）https://www.globenewswire.com/news-release/2026/10/28/3390580/0/en/eset-introduces-eset-neocortex-cybersecurity-ai-model-with-200-times-lower-training-costs-and-a-never-go-rogue-design.html

结尾： 一句话总结今天：AI 的竞赛正在从“谁的模型更大”转向“谁的账本更划算、谁的系统更可控”——而这两项，恰恰是普通开发者与企业最先感受到的部分。