AI 日报：2026-10-25

采集于 2026-10-25 · 共 10 条 · 覆盖北京时间 10 月 24 日 18:00 至 10 月 25 日 18:00；第 7—10 条为 10 月 20—23 日发布、因今日仍有跟进价值而保留；厂商自报数字均已注明

1. 英国启动 AI 生物安全实验室，先做风险评估再推进能力研究

英国政府于 10 月 24 日宣布启动 AI Biosecurity Lab，政府投入 1 亿英镑，并获得 OpenAI、Anthropic 最多 2 亿英镑模型与算力支持，目标是用 AI 早期发现生物威胁、加速疫苗和医疗对策研发。

💡 AI 安全的竞争点正在从“模型会不会做”转向“能否在受控环境中测出边界”。做 agent 或科研模型的团队，后续需要把生物、化学等高风险能力纳入发布前评估。

2. NVIDIA 与 David Baker 团队发布 RFD4-Proteina：开放模型进入蛋白质设计

NVIDIA 与华盛顿大学蛋白质设计研究所于 10 月 21 日发布 RFD4-Proteina，用于蛋白质、酶、结合剂和抗体的生成与搜索。NVIDIA 称其在四类基准上超过所比较基线；这些是计算评测，最终仍需实验验证。

💡 AI for Science 的关键不是生成一张图，而是把“生成—评分—搜索—实验”串成闭环。RFD4-Proteina 的开放部署值得科研和药物团队跟踪。

3. Kyutai 的 Moshi 路线继续验证端到端实时语音交互

Kyutai 的 Moshi 是公开的 speech-text foundation model，目标是低延迟实时对话，并提供论文与开源实现。它不完全依赖 ASR→文本模型→TTS 串联，试图保留停顿、语气和打断等语音信息；本文不把未核实的 1.5 版本发布时间当作事实。

💡 语音 agent 的产品差异不只在识别准确率，也在响应延迟、打断和情绪信息保留。开源路线降低了团队验证实时语音交互的门槛。

4. NVIDIA 发布 CADRE：面向机器人导航与操作的世界模型

NVIDIA Research 公布 CADRE，用于让机器人从视觉与动作数据中学习环境结构、预测后果并辅助规划。项目定位为机器人世界模型研究，覆盖仿真与真实机器人评测，具体效果以论文和项目代码为准。

💡 机器人模型的关键正在从“看懂画面”转向“预测采取动作后会发生什么”。世界模型若能降低真实试错次数，直接影响机器人数据成本。

5. NVIDIA 推出 Nemotron 3 Nano：把长上下文与推理能力压到更小模型

NVIDIA 发布 Nemotron 3 Nano 系列，面向推理、工具调用和长上下文应用，并公开模型卡与部署资料。官方强调其在较低计算资源下的效率，实际性能仍应结合独立评测与具体硬件测试。

💡 小模型不再只是“便宜版聊天模型”，而是承担路由、工具调用和本地 agent 执行。对企业来说，模型分层比单纯追逐最大参数更容易落地。

6. 科大讯飞星火 X2.6-4B 发布：国产小模型继续向端侧靠拢

科大讯飞发布星火 X2.6-4B，并提供模型与推理相关信息，定位为较小规模的推理与通用能力模型。公开材料中的性能数字属于厂商测试，需结合独立评测、量化版本和实际设备吞吐判断。

💡 国产模型竞争正在从百亿、千亿参数下沉到“4B 能否真正部署”。端侧可用性、中文长上下文和工具调用稳定性，可能比单项榜单更有商业价值。

7. KRAFTON 发布 Raon-1 mini：游戏公司把通用模型能力做进小模型

KRAFTON AI 发布 Raon-1 mini preview，这是一个 30B-A4B 的开放权重模型，强调韩语、英语、编码和 agent 能力，并提供限时免费的 API 预览。模型权重以 Apache 2.0 条款发布，具体能力以官方基准和实际部署为准。

💡 游戏行业的模型需求更看重成本、延迟和内容管线接入。小模型若能直接嵌入 NPC、剧情和运营工具，商业价值未必需要依赖通用榜单第一。

8. Google 发布 TPU 上的 vLLM 与 SGLang 支持：推理基础设施继续多元化

Google Cloud 介绍在 TPU 上运行 vLLM 与 SGLang 的支持进展，目标是让开发者把熟悉的开源推理框架迁移到 TPU 资源上。官方材料同时讨论了模型服务、性能和部署路径。

💡 这不是单个模型新闻，而是算力生态新闻：当主流推理框架逐渐跨硬件适配，企业切换芯片的迁移成本会下降，GPU 不再是唯一默认选项。

9. 国内 AI 产品竞争从“发布模型”转向“重排入口与工作流”

国内多家 AI 产品在本周集中调整模型入口、会员权益、搜索与办公工作流，行业报道显示产品团队更强调统一入口、深度研究、代码和多模态能力的组合，而不是单独宣传一个模型名称。具体套餐与功能以各产品页面为准。

💡 对内容团队而言，真正值得跟踪的是入口迁移：用户是否从聊天框转向任务流、研究流和可执行 agent。产品更新应看“少了几步操作”，而不是只看发布会参数。

10. OpenAI 的数学研究项目继续把模型推理接到可验证证明系统

OpenAI 公开的数学研究方向聚焦模型生成、检查和改进形式化证明，强调机器可验证性而非只给出自然语言答案。该方向把大模型能力与 Lean 等形式化系统连接起来，属于近期持续推进的研究路线。

💡 “会解释”与“能被机器检查”是两种不同的可靠性。形式化数学是观察推理模型是否真正减少幻觉、是否能自我校验的高质量试验场。