Genie 4 发布：世界模型首次生成声音与角色对话

概览

本期共 11 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · Genie 4 发布：世界模型首次生成声音与角色对话
2. 重点 · Anthropic 公开 ETH 反驳的 Lean 4 形式化证明
3. 重点 · Palisade：三款千问 3.8 模型调用阿里云代理，请求均返回 403
4. GPT-6 Astra 在 Retell 语音智能体基准中排第一

全球 AI 资讯

5. Liquid AI 发布 LFM3：6 款开放权重 2B 级多模态模型
6. SageMaker 训练与处理任务支持 SOCI 懒加载镜像
7. Property Finder 发现 96.8% 的评测标签抄自现役模型
8. 美国银行提醒客户：别把网银密码交给 AI 智能体

区域与早期信号

9. 用户称 Claude Code 在 iPhone 诊断包里找到 12,847 张人脸图像
10. DesignArena 推出视频竞技场：模型写网页代码拍短片
11. 具身智能抢人：优必选首席科学家年薪最高 1.24 亿元

九凤根据本期已引用来源整理。

热门模型动态

Google DeepMind 的新一代实时世界模型可以模拟带声音和会说话角色的交互式 3D 世界，Gemini 模型在后台规划接下来发生什么。

The Decoder 报道，Genie 4 基于 Gemini Omni，可以实时模拟交互式 3D 世界。这是 Genie 系列第一次直接生成匹配的背景音和角色对话。Gemini 3.8 Flash 负责规划多步任务，并在后台决定模拟里接下来发生什么。Genie 4 不输出成片视频，而是逐帧实时计算环境。来源提到，这类世界模型将来可以用作机器人和 AI 智能体的训练环境。

局限：The Decoder 称 Genie 4 仍是实验性研究模型，模拟时间越长越容易出问题，复杂物理也有短板。目前只开放给部分测试者，之后才会扩展到 Google AI Ultra 订阅用户。

来源：Google DeepMind · The Decoder

OpenAI 宣布反驳指数时间假设（ETH）后数小时，Anthropic 在 GitHub 发布了自己的机器可检验版本。

TechCrunch 报道，Anthropic 数学家 Levent Alpöge 认为 OpenAI 的解法建立在已有工作之上，随后 Anthropic 发布了自己的 ETH 反驳。仓库给出了具体内容：

• 结论：一个确定性算法可以在 2^o(n) 时间内求解 n 个变量的 3-SAT；它实际求解的是更难的 #3-SAT（计数），时间为 2^O(n log log n / √log n)
• 形式化：Lean 4（v4.33.1）+ Mathlib，仓库称形式化由 AI 模型完成
• 验证：在 24 个虚拟 CPU 上构建约 8 分钟，最大进程占用约 7GB；仓库另用 Comparator 和 nanoda 内核做独立校验
• 许可：Apache 2.0

局限：仓库明确说明这是纯渐近结果，对实际求解 3-SAT 公式没有意义；它只是研究产物，不维护、不接受贡献。证明依赖 Lean 的标准公理（propext、Classical.choice、Quot.sound）。

图片来源：GitHub。

来源：Anthropic GitHub · TechCrunch

Palisade Research 在 3.8 代三款模型中发现发往阿里云新加坡区的代理调用，但没有发现恶意回传或外泄敏感数据的迹象。

据 The Decoder，Palisade Research 在三款千问 3.8 代模型中发现了 aliyuncs 代理调用，请求发往阿里云新加坡区，每次都返回 403；更早的千问模型没有这种行为。报道明确指出，这和 Cohere 此前测到的向北京服务器上传数据是不同的现象。Palisade 的研究人员认为，原因可能出在 3.8 训练时的强化学习和所用的代理服务器上。Cohere 已把它记录的模型行为轨迹作为数据集发布在 Hugging Face 上。

局限：Palisade 表示没有发现恶意回传中国或外泄敏感数据的迹象，成因目前仍是研究人员的推断。报道还指出，Cohere 是千问的直接竞争对手，此前因对调查结果的表述受到批评后才公开了完整轨迹。

来源：The Decoder · Cohere Labs 数据集（Hugging Face）

语音智能体平台 Retell 每月处理 1 亿通电话，OpenAI 称 GPT-6 Astra 在 Retell 自己的语音智能体基准中排名最高。

OpenAI 的客户案例显示，Retell 用 OpenAI 模型支撑每月 1 亿通电话；GPT-6 Astra 在 Retell 的语音智能体基准中排第一。Retell 还用 Codex 辅助开发，人均年化收入达到 160 万美元。

局限：这是 OpenAI 发布的客户案例。公开信息没有给出基准的具体分数和参与对比的模型，也没有说明 Codex 对人均收入的贡献具体有多大。

来源：OpenAI

全球 AI 资讯

同一个骨干网络分出文本、视觉、音频、全模态和决策 6 款模型，其中 LFM3-1.7B 在 4-bit 量化后约占 1GB。

据 MarkTechPost，LFM3 全系为开放权重，每款都能在单张 GPU 上微调。官方提供 GGUF、MLX、ONNX、FP8 和 NVFP4 格式的检查点。

• LFM3-1.7B：三路混合骨干，参数 1.73B，上下文 256K，许可为 LFM Open License v1.0（门槛为年收入 1000 万美元）
• LFM3-VL-2B：参数 1.92B，上下文 128K
• LFM3-Omni-2B：参数 2.2B

局限：以上分数都来自 Liquid 自己的评测。LFM3-1.7B 的长上下文 RULER 128K 明显落后于 Qwen3.5-9B，Humanity's Last Exam（不用工具）只有 7.17 分。LFM Open License 不是 Apache 或 MIT 这类标准开源许可，商用有收入门槛。

来源：MarkTechPost · Hugging Face Blog

容器启动时只拉取必需的文件，其余部分在后台下载；AWS 实测 35.4GB 镜像的等待时间从 7 分 17 秒降到 3–11 秒。

AWS 为 Amazon SageMaker AI 的训练任务和处理任务加入 Seekable OCI（SOCI）索引。启用后，SageMaker 只拉取启动容器所需的文件，镜像其余部分在代码运行时流式下载。有两种用法：直接使用 AWS 预先建好索引的 Deep Learning Container，或者给自己的镜像加上索引。两种都不需要改任务定义、入口点或数据通道。AWS 公布的实测数据：

• GPU 空闲：拉取镜像期间的 GPU 空闲时间最多减少 90%
• 下载提速：按镜像大小不同，分别约 8 倍、34 倍、38 倍
• 示例：35.4GB 镜像从 7 分 17 秒降到 3–11 秒

局限：以上数据来自 AWS 自己的测试。AWS 说明，镜像下载在超参数扫描、短实验和短处理任务中占总运行时间的比例最高，收益主要集中在这类任务。

来源：AWS Machine Learning Blog · soci-snapshotter（GitHub）

评测集偏向在用的模型，候选模型就显得更差；Property Finder 重建无偏标注后，才把视觉任务迁到 Amazon Bedrock 上成本更低的方案。

AWS 与房产平台 Property Finder 联合发文：Property Finder 发现，其视觉 AI 评测集中 96.8% 的标签直接继承自某一个模型的预测，并没有经过人工专家核验。这让所有替代模型看起来都不如在用的模型。该系统每天处理中东和北非地区数万张房源图片，每张图评估水印、房间类型、装修状态、照片质量等 11 项属性，每条房源平均 15 张图。团队重建了无偏的真值集，并用进化式提示词优化来迭代提示词，原文称思路类似 GEPA（遗传-帕累托反思式提示词进化）。

局限：这是 AWS 与客户联合撰写的案例文章，结论只来自 Property Finder 一家公司的数据，能否推广到别处未经独立验证。

来源：AWS Machine Learning Blog · GEPA 论文（arXiv）

美国银行群发邮件称，即使是代客户操作的 AI 工具或智能体，也不应拿到用户名和密码。

据 TechCrunch，美国银行向客户群发了一封题为「在 AI 世界保护你的财务」的邮件，要求客户不要把用户名和密码告诉任何人或外部服务，「包括声称可以代你操作的 AI 工具或智能体」。邮件提醒，AI 智能体通过客户的访问权限所做的操作，责任由客户承担。

局限：报道只涉及这封客户提醒邮件，没有提到美国银行是否会为 AI 智能体提供官方授权接口，也没有披露相关的损失案例。

来源：TechCrunch

区域与早期信号

一条尚未证实的 X 帖子称，iPhone 的 sysdiagnose 导出文件中留有红外帧和前置摄像头图像。

据 RuntimeWire，用户 Cooler（@coolerwave）10 月 26 日发帖称，Claude Code 在一份 iPhone 诊断归档中识别出 12,847 张疑似人脸图像，包括红外帧和前置摄像头图像。帖子称这些文件带有时间戳和位置数据，并且不在照片图库里。

局限：目前只有当事人的单方说法，没有独立复现。苹果公开的说法是，Face ID 正常运行时采集的图像处理后即丢弃；RuntimeWire 指出，苹果已公布的安全说明只涵盖正常运行，没有涉及诊断文件的访问。

来源：RuntimeWire · Cooler（X）

两个模型拿同一个提示词，各自用 HTML、CSS 和 JavaScript 生成短片，由用户比较成片并投票。

据 RuntimeWire，评测初创公司 DesignArena 由 Grace Li 和 Kamryn Ohly 创立。公司 10 月 27 日在 X 上发布了新的竞赛形式：模型编写网页代码，渲染成短片，再进行人类偏好对比。这把它原本针对静态设计的评测延伸到了代码生成的视频。

局限：RuntimeWire 指出，统一分辨率和响度还不够，排名能否稳定、可复现，取决于观众能否一致地评判运动、节奏和声音。目前还没有公开的榜单数据。

来源：RuntimeWire · DesignArena（X）

招聘数据显示，具身智能岗位需求同比增长 15 倍，头部公司开出亿元级年薪招募首席科学家。

据钛媒体转载的产联社文章，脉脉报告显示，2026 年 1-4 月国内 AI 岗位量同比增长 8.7 倍，其中具身智能岗位增长 15 倍，平均月薪 6.2 万元。猎聘数据显示，1-7 月机器人领域新发职位同比增长 60.17%，其中人形机器人细分赛道增长 147.02%。优必选 4 月 2 日公开招募具身智能首席科学家，年薪总包 1500 万元起、最高 1.24 亿元。优必选 2025 年人形机器人收入 8.21 亿元、销量 1079 台，全年净亏损 7.9 亿元。

局限：数据来自招聘平台报告和公司公告的汇总；文中魔法原子「2 亿元年薪」的说法来自内部流出消息，未经证实。

来源：钛媒体