VOL. 2026-10-28 · 10 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-28 · PUBLISHED · 约 8 分钟
当日最突出的变化是模型发布密集且路线分化：Google DeepMi…
当日最突出的变化是模型发布密集且路线分化：Google DeepMind 推出可逐帧实时计算并生成音效与对话的 Genie 4 世界模型，OpenAI 以旗舰十分之一价格发布主打视觉推理与电脑操作的 GPT-6.1 Terra，小米则一次性开源 MiMo-V2.6 系列多个检查点，覆盖从 9B 智能体模型到 1.02T 参数稀疏 MoE 旗舰，均强调扩展强化学习实现自我改进。研究侧同样围绕自我改进与多智能体协作展开，The Trinity 框架将环境生成与智能体进化耦合，另有工作分别追踪多智能体辩论中的观点改变、以及用小模型理解工具副作用。次要趋势上，英伟达开源整合转录、翻译与说话人识别的 Nemotron 3.5 Transcribe，Mastra 1.80.0 则补齐用户级连接与可观测性能力。
今日看点
3 个章节 · 10 条情报- 01研究进展The Trinity：面向多模态智能体的能力驱动递归自我改进3
- 02模型发布Google DeepMind 发布 Genie 4 实时世界模型6
- 03产品发布Mastra 发布 1.80.0：用户级连接、Span 聚合与错误分类1
研究进展
RESEARCH3 篇The Trinity：面向多模态智能体的能力驱动递归自我改进
论文提出 The Trinity 框架，通过 Creator、Explorer、Evolver 三个角色将环境生成与智能体进化耦合，实现多模态智能体的递归自我改进。Evolver 依据验证过的执行轨迹，把按表面类别组织的任务树重组为按共享能力需求组织的层级能力树，并引入 Capability-Driven Real2Sim2Real 方法。沿能力树进化的 Harness 在 28 个训练基准上平均提升 34 分，在 18 个未见基准上提升 26 分，其中包括两个真实具身任务。
谁说服了谁？追踪多智能体系统中LLM如何改变想法
该论文研究多智能体辩论（MAD）中同伴交流如何影响LLM个体决策与集体结果，提出MAD Bench基准（2400题，覆盖知识推理、价值观道德判断、安全拒答），并用轮次匹配的独立反思作为对照评估三个开放权重模型。研究发现辩论中的答案改变常在生成理由前已确定，同伴推理比单纯答案影响更大，来源可靠性线索强于专业身份，注意力掩码显示影响路径依赖架构；辩论相对独立投票仅带来约1个百分点的小幅准确率提升，但一致错误率增加3.1-7.4个百分点。结论是更强共识可能与更多共享错误并存，需在准确率之外评估依赖性与一致错误。
小模型应理解工具副作用：EffectWorld 基准与训练方法
研究者提出 EffectWorld，一个带有副作用类型（纯、读、写、破坏性）和幂等性声明的可执行工具世界，用于训练和评测小型开源语言模型在工具调用中的副作用安全与调用效率。基于该数据训练的 LoRA 适配器使 Qwen3-4B 的任务成功率从 53% 提升到分布内 99%，在未见任务和在线购物域也有显著提升，并迁移到多个模型家族。研究还发现公开工具调用语料中的拒绝模板会削弱模型调用工具的意愿，过滤后可修复 BFCL 准确率。
模型发布
MODEL RELEASE6 篇Google DeepMind 发布 Genie 4 实时世界模型
Google DeepMind 发布 Genie 4 交互式世界模型，可逐帧实时计算环境，并首次直接生成匹配的背景音效与角色对话；Gemini 模型在后台规划多步任务并持续调整模拟世界。该模型仍为实验性研究预览，长时程一致性与复杂物理存在局限，目前仅限部分测试者，后续将向 Google AI Ultra 订阅者开放。DeepMind 认为成熟后的世界模型可作为机器人与 AI 智能体的训练环境。
OpenAI 发布 GPT-6.1 Terra：价格仅为旗舰十分之一
OpenAI 推出新模型 GPT-6.1 Terra，主打视觉推理、电脑操作和更自然的写作能力，标准 API 价格为每百万输入 token 1 美元、每百万输出 token 5 美元，较 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在 Agents' Last Exam 电脑操作基准上，其中等推理强度得分较 GPT-5.6 Terra 提升 15 个百分点，成本约为后者的三分之一，表现与旗舰 GPT-6 Astra 相当，但每 token 价格仅为后者的十分之一。该模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，OpenAI 称其高推理强度下事实错误率降至 4.3%，Terminal-Bench 4.0 任务解决率翻倍至 50.3%。
英伟达开源 Nemotron 3.5 Transcribe，整合转录、翻译与说话人识别
英伟达发布开源语音模型 Nemotron 3.5 Transcribe，该模型支持文本指令，将转录、翻译和说话人识别整合到单一模型中，覆盖多达 40 种语言。模型总参数 300 亿，但每步仅激活约 40 亿，可在单张 GPU 上运行，并在多个基准测试中名列前茅。英伟达同时发布包含 84.4 万小时音频的 Granary v2 数据集及微调工具，便于开发者适配医疗等专业领域。
小米开源 MiMo-V2.6-Distill-Qwen-9B 智能体模型
小米 MiMo 团队基于 Qwen3.5-9B 进行监督微调，发布 9B 智能体模型 MiMo-V2.6-Distill-Qwen-9B，覆盖代码、通用智能体、视觉代码与网络安全任务。该模型使用 774 亿 token 的 SFT 数据训练，在 SWE Pro、Terminal Bench 2.1 等基准上明显优于基座模型，并以 MIT 协议开源，作为智能体强化学习研究的起点。
小米发布 MiMo-V2.6-Pro-RL 旗舰模型
小米发布 MiMo-V2.6-Pro-RL 旗舰模型，属于 MiMo-V2.6 系列，主打通过扩展强化学习实现自我改进。该模型采用稀疏 MoE 架构（总参数 1.02T、激活 42B），支持文本、图像、视频、音频原生全模态与 1M token 长上下文，并采用混合 RL、Groupwise Agentic Grading 与 MOPD2 蒸馏等技术。评测显示其在代码智能体、通用智能体及网络安全等基准上接近或部分超越 Claude Opus 5、GPT-5.6 Sol 等竞品。
小米发布 MiMo-V2.6-Flash-RL 全模态模型
小米发布 MiMo-V2.6-Flash-RL，这是 MiMo-V2.6 系列中兼顾效率的检查点，主打通过扩展强化学习实现自我改进。模型采用稀疏 MoE 架构（总参数 309B、激活 15B），支持文本、图像、视频、音频原生全模态与 1M token 长上下文，并提出混合 RL、Groupwise Agentic Grading、对齐 RL 与 MOPD2 蒸馏等方法。评测显示其在代码 Agent、通用 Agent 等基准上大幅超越上一代 MiMo-V2.5 Pro，部分指标接近 Claude Opus 5 与 GPT-5.6 Sol。
产品发布
PRODUCT RELEASE1 篇Mastra 发布 1.80.0：用户级连接、Span 聚合与错误分类
Mastra 发布 @mastra/core 1.80.0 等更新，新增 @mastra/connect 的终端用户级 OAuth 连接、聊天内“请求连接”提示、跨 ClickHouse/Postgres/DuckDB 的 span 聚合 API，以及统一的 provider 错误分类与持久化。更新还改进了运行状态订阅和持久执行取消控制，并包含多项破坏性变更，如 queryTraceThreads 移除 model/provider 字段、connect 会话返回 launchUrl 等。