本周AI领域迎来密集更新，视频生成为创新焦点，字节、MiniMax等发布的模型实现了长视频、多镜头与效率突破；多模态、3D场景与智能体平台（如华为WorldGrow、智源Emu3.5、360 SEAF）取得显著进展；同时，ChatGPT在心理安全、OpenAI在开源安全模型以及PayPal与OpenAI的生态合作上也有关键动作，一起来回顾本周发生的AI新鲜事儿吧！
AI 大模型
中国科大与字节跳动联合发布端到端长视频生成模型「MoGA」
10月25日，中国科学技术大学与字节跳动旗下FanqieAI联合研发的端到端长视频生成模型「MoGA」正式亮相，该模型凭借全新的MoGA注意力机制，可直接生成分钟级长度、480p分辨率、24帧/秒的高质量多镜头视频，同时支持多镜头切换，能处理长达580K token的上下文信息，有效解决传统模型显存和计算量受限的问题，且模块化与兼容性强，可集成现有高效加速库提升效率，具备科研突破意义与产业落地潜力。
火山引擎发布新款视频生成模型「豆包视频生成模型 1.0 pro fast」
10月27日，字节跳动旗下的火山引擎发布了新款视频生成模型「豆包视频生成模型 1.0 pro fast」（Doubao-Seedance-1.0-pro-fast），该模型在继承「Seedance 1.0 pro」模型核心优势的基础上，实现了显著的效率突破：生成速度最高提升约3倍，价格直降72%（720P的5秒视频生成时间仅需10秒）。此外，模型还强化了指令遵循、无缝多镜头叙事、细节表现力等核心能力。
华为联合上海交通大学、华中科技大学推出了世界模型「WorldGrow」
10月28日，华为联合上海交通大学、华中科技大学推出了世界模型「WorldGrow」，可以生成1800㎡超大室内场景（19x39块），单张A100显卡在30分钟内可生成272㎡的场景，效率是同类技术的六倍。该模型利用三种核心技术实现高质量生成：精准数据预处理、3D块补全机制和粗到精生成策略。模型生成的场景具备连贯的几何拓扑和照片级真实感，且在复杂空间布局中能自主规划导航路径。
ChatGPT更新了内置模型「gpt-5-oct-3」
10月28日，ChatGPT更新了内置模型，命名为「gpt-5-oct-3」，主要改进了心理相关问题： 改进了精神病/躁狂、自杀/自残、情感依赖三大敏感领域，不良响应减少65-80%。专家评估显示，新模型比「GPT-4o」的不良响应减少了39-52%。
「Adobe Firefly Image 5」重磅升级
10月28日，在Adobe MAX大会上，「Adobe Firefly Image 5」重磅升级，是迄今为止最先进的图像生成和编辑模型，具备原生400万像素分辨率、照片级真实质感，并支持基于提示词的编辑功能。创作者只需拖放上传自己拥有使用权的参考图片、插图、草图及其他资产即可。
Soul App AI团队正式开源播客语音合成模型「SoulX-Podcast」
10月29日，Soul App AI团队正式开源播客语音合成模型「SoulX-Podcast」，是一款专为多人、多轮对话场景打造的语音生成模型，支持中、英、川、粤等多语种/方言与副语言风格，能稳定输出超60分钟、自然流畅、角色切换准确、韵律起伏丰富的多轮语音对话。模型基于「Qwen3-1.7B」作为基座，采用LLM + Flow Matching语音生成范式，支持零样本克隆的多轮对话能力，多语种和跨方言的克隆能力等。
OpenAI开源安全分类推理模型「GPT-OSS-Safeguard」
10月29日，OpenAI开源了专门用于安全分类的推理模型「GPT-OSS-Safeguard」，包含120B和20B两个参数版本，都是基于「GPT-OSS」开源模型，采用Apache 2.0许可证，能直接理解开发者提供的策略文档进行内容分类，随时修改无需重新训练。该模型在多个基准测试中的推理能力超越「GPT-5」；OpenAI内部已使用该技术（Safety Reasoner原型）处理图像生成和Sora 2等产品，安全推理算力占比高达16%。
Cursor发布2.0版本，推出首个编码模型「Composer」
10月30日，Cursor发布2.0版本，推出首个编码模型「Composer」，生成速度达每秒250个token，是同类前沿系统的4倍，采用混合专家（MoE）模型，支持长上下文的生成与理解，目前已完全集成到 Cursor 2.0 中。同时，Cursor更新了支持多个智能体并行协作的新界面，基于git worktree或远程机器，实现不同模型同时处理同一任务，并构建原生浏览器工具用于测试迭代。
北京智源人工智能研究院发布「悟界·Emu3.5」多模态世界大模型
10月30日，北京智源人工智能研究院（BAAI）发布「悟界·Emu3.5」多模态世界大模型，基于34B稠密Transformer模型，在超10万亿的多模态Token上预训练，首次揭示“多模态Scaling范式”；模型采用“下一状态预测”目标实现视觉叙事和视觉指导能力，在图像编辑任务上达到与「Gemini-2.5-Flash-Image」相当性能。并创新提出“离散扩散自适应”（DiDA）技术，将图像生成速度提升近20倍，推理效率媲美顶尖扩散模型。
MiniMax更新周五连发，发布多个音视频模型及Agent产品
10月27日至31日，稀宇科技更新周五连发，先后发布了专为 Agent 和代码而生的「MiniMax M2」、视频模型「Hailuo 2.3」、通用Agent产品「MiniMax Agent」、语音模型「MiniMax Speech 2.6」及音乐模型「MiniMax Music 2.0」。
10月27日，MiniMax开源并发布了「MiniMax M2」，专为Agent和代码而生，以2300亿总参数、10亿激活参数的轻量级架构，在全球权威评测Artificial Analysis榜单中斩获总分全球前五、开源模型第一的成绩。在数学推理、代码生成、智能体任务执行等关键领域超越「Claude 4.5 Sonnet」，推理速度是「Claude 4.5 Sonnet」的2倍，综合成本仅为后者的8%，并限时免费提供每日50万Token调用额度，使用期至2025年11月7日。
10月28日，MiniMax推出视频模型「Hailuo 2.3」并升级Media Agent。「Hailuo 2.3」在肢体动作呈现、风格化以及人物微表情方面实现了显著的效果提升，同时对运动指令响应做进一步优化。此外，还提供「Hailuo 2.3 Fast」模型，生成速度更快，定价更低，最高可为批量创作降低50%成本。同时宣布，「Hailuo Video Agent」正式迭代升级为支持全模态全能创作的Media Agent，并已经在全球同步上线。
10月29日，MiniMax限时免费开放了基于MiniMax M2的通用Agent产品「MiniMax Agent」。
10月30日，MiniMax发布了最新语音模型「MiniMax Speech 2.6」，全面升级突破Voice Agent场景，超低延时，专业格式无障碍，更高自然度。
10月31日，MiniMax发布新一代音乐模型「MiniMax Music 2.0」，支持对人声音色的精准控制，可以通过Prompt，保持核心音色一致的基础上，让同一声音切换不同唱法，实现一声千变，AI也可化身「百变唱将」。
AI 工具
腾讯发布全新升级的「ima 2.0」版本，推出“任务模式”与“AI要点”
10月23日，腾讯在ima Open Day活动上正式发布了全新升级的「ima 2.0」版本。作为业界首个融合Agent能力的个人知识库，「ima 2.0」推出“任务模式”，使知识库从简单的搜索问答工具升级为能够理解复杂任务、自主拆解步骤、调用工具并完成整套流程的智能伙伴。此外，新增了“AI要点”功能，能自动生成结构化摘要，支持多任务并行和协作共享，提升了知识管理的效率。
360发布企业级智能体构建与运营平台「SEAF」
10月28日，360重磅发布了全球首款囊括L2级-L4级三代Agent的企业级智能体构建与运营平台「SEAF」，支持多模型、多知识库、多MCP能力灵活组合，适配企业各类个性化需求。同时，打通Workflow和多智能体模式，各类智能体自由组队，供企业根据场景灵活选择，真正实现成本可控。
马斯克正式发布“开源版”维基百科「Grokipedia V0.1」
10月28日，马斯克正式发布「Grokipedia V0.1」版本，并预告1.0版本要比现在强十倍。「Grokipedia V0.1」收录超88万篇文章，主要通过Grok去核查事实，还支持在线交互和申报错误。对比维基百科在内容详细度和参考资料数量上均有优势，但被指部分内容直接从维基百科照搬复制，同时维基百科页面浏览量同比减少8%。
Google Labs发布AI自动营销工具「Pomelli」
10月28日，Google Labs发布了一个AI自动营销工具「Pomelli」，以“输入URL即生成内容”的创新模式，重构传统营销工作流。用户只需提供企业或产品网站链接，系统就能自动解析品牌定位、核心产品与目标人群，快速生成适配社交媒体、邮件、广告等多渠道的营销内容。该工具充分整合谷歌在自然语言理解与内容生成领域的技术积累，既能确保内容贴合品牌调性，又能适配不同渠道的传播特点。
Hugging Face发布「LeRobot v0.4.0」
10月29日， Hugging Face发布「LeRobot v0.4.0」，引入可扩展的Datasets v3.0、强大的新 VLA (视觉-语言-动作) 模型如「PI0.5」与「GR00T N1.5」，以及全新的插件系统，简化硬件集成。该版本还新增对LIBERO与Meta-World仿真的支持、简化多GPU训练，并上线全新的Hugging Face机器人学习课程。
腾讯混元推出国内首个交互式「AI播客」
10月29日，腾讯混元推出国内首个交互式「AI播客」，打破传统播客单向收听模式，用户可在收听播客的过程中，随时打断主持人和嘉宾的发言，通过语音或者打字的方式提问。该播客依托大模型的意图识别、长上下文理解等能力，能结合上下文精准作答；还支持自主选择风格（默认、深度探索、思辨讨论）、主持人数（单人、双人）及8种不同音色，可将文本、网页、文档一键转化为双人对谈式音频，已接入微信公众号等平台。
Sora更新「角色客串」、「视频拼接」、「社区排行榜」三大新功能
10月30日，Sora更新「角色客串」、「视频拼接」、「社区排行榜」三大新功能。「角色客串」支持保持非人类客串角色一致性，可从生成视频中提取虚拟角色实现自循环；「视频拼接」嫌生成的视频太短，那么可以把两条视频拼接起来；「社区排行榜」分为被使用最多的客串角色、被二创最多的视频等。同时，OpenAI宣布Sora APP在美国、加拿大、日本和韩国四个国家限时取消邀请码要求。
市场动态
高通技术公司发布「AI200」和「AI250」
10月28日，高通技术公司发布面向数据中心的下一代AI推理优化解决方案，基于云端AI芯片Qualcomm「AI200」和「AI250」的加速卡及机架系统。「AI200」专为机架级AI推理设计，支持高达768GB LPDDR内存，适用于大语言模型与多模态系统的高效部署；「AI250」则采用近内存计算架构，带来超10倍内存带宽提升，显著降低功耗与延迟，特别适合边缘计算与实时推理场景。
PayPal与OpenAI达成合作，成为首个ChatGPT数字钱包
10月28日，支付巨头PayPal宣布已与OpenAI签署合作协议，其数字钱包将嵌入ChatGPT，让用户能够直接在该聊天机器人中完成购物支付，ChatGPT将成为首个原生集成支付钱包的AI平台。PayPal的钱包功能不止于支付，还包括买家和卖家保护、争议处理、订单追踪、商户验证与结算等全流程服务；OpenAI 正在推动“对话即购物（Agentic Commerce）”的模式，拥有庞大的用户基础、成熟的支付生态、强大的风控体系的PayPal将成为ChatGPT首个支付钱包。
