Google Gemini 聊天中可直接生成并编辑 Docs、PDF 等文件
Google Gemini 现在支持在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 文件和代码,即日起向所有 Gemini 用户开放。PDF 预览和编辑在网页端与移动端均可用,其他文件格式目前仅限网页版。用户可将文档全屏展开编辑,并高亮文件中的文字向 Gemini 提问或要求修改,例如高亮表格让它转成图表。
Google Gemini 现在支持在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 文件和代码,即日起向所有 Gemini 用户开放。PDF 预览和编辑在网页端与移动端均可用,其他文件格式目前仅限网页版。用户可将文档全屏展开编辑,并高亮文件中的文字向 Gemini 提问或要求修改,例如高亮表格让它转成图表。
Kinoloom 是一个在单台 Windows PC 上运行的本地 AI 电影工作室,作者在 RTX 3070 8 GB 显卡和 64 GB 内存上跑起 22B 的 LTX-2.5 与约 20B 的 MiniMax H3,做法是同一时间只给一个模型用卡、把放不下的权重留在内存里按需串流。
以会议记录工具起家的 Granola 上线听写功能,用户在 Mac 上按 Fn 键即可语音输入,工具会自动清理并格式化文本,且支持所有应用。该功能不限字数、免费使用,iOS 和 Windows 版本即将推出。此前 Wispr 已从听写工具扩展至会议记录,Fireflies、Speechify、Monologue 等语音应用也在走向多功能融合。
Sheetgraph 发布,可将 xlsx、xlsm、xls、xlsb、ods、csv 及 Google Sheets 提取为一份 REPORT.md 和公式依赖图,并保留每个单元格供智能体按需查询。
phpClaw 发布面向 PHP 的 AI 智能体运行时,内置 ReAct 循环、可插拔工具与记忆,核心零框架依赖,支持 Anthropic、OpenAI、Groq、Gemini、Mistral、DeepSeek、Ollama 共 7 家提供商自动识别。
OpenAI Codex 0.166.0 将 GPT-6.1 Terra 加入内置、Vertex AI 和 Amazon Bedrock 模型目录,并新增键盘驱动的转录选择,支持按词、行、页移动及集成搜索。新版本还加入 codex queue --resume 恢复未加载线程,以及 codex doctor --network-only 用于配置、连接和 WebSocket 诊断。
Anthropic 为 Claude Platform 上线 Usage and Cost Analytics API beta,通过 analytics-usage-cost-2026-08-24 beta header 提供 /v1/organizations/analytics/usage 和 /cost 端点。
AWS Batch 为 SageMaker Training 作业推出配额管理功能,管理员可按团队或项目划分 GPU 容量为配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借闲置算力。
MotherDuck 发布 Dive Apps,用户可通过智能体构建自定义数据应用,并运行在 MotherDuck 数据仓库上。Dive Apps 的可视化可触发无服务器 Python 运行时 Flights,把数据回写到源系统、发送邮件、发布 Slack 消息或重跑机器学习模型。官方称其可用于替代 SaaS 应用、自动化运营流程,并在自动化过程中保留人工审批环节。
MLCommons 推出 Candela,为开发者和部署者提供 AI 风险基准测试即服务。该服务将 AI 风险评估以 benchmark 服务形式交付,面向模型开发与部署两类使用者。
Luma 是一款 Linux 智能启动器,可模糊搜索应用与文件,并支持基于 CLIP 的语义照片搜索和 OCR 文字搜索。它通过 MCP server 和 CLI 向 AI 智能体开放同一索引,同一提示词下 Claude Code(Sonnet 5.5)用 Luma 耗时 11 秒,不用则需 1 分 26 秒。索引与模型默认全部留在本地,仅模型下载和汇率查询会联网。
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投递说明,并可解答 Prime 与 Audible 订阅及账单支付问题。Amazon 称今年年初以来使用智能体功能的用户数增长 8 倍,过去 12 个月已有超 4 亿消费者用 Alexa 购物。
Simantic 推出固件仿真层,让 AI 智能体无需硬件即可测试和验证固件。产品提供可通过单次 API 调用编程运行的虚拟开发板、基于仿真证据做判断的固件 AI 代码审查器,以及每次提交都对微控制器仿真版本验证固件的 CI/CD 流水线。团队此前在 Neuralink 和 Tesla 从事固件工程,用户已将其用于飞行控制器、电动汽车、机器人和卫星的裸机与 RTOS 开发。
EarnDraft 上线,用户描述想法后由 AI 生成大纲、章节与封面,支持 PDF、EPUB、DOCX 导出,可直接上传 Amazon KDP 或 Etsy 销售。定价为 100 credits 一次性 12 美元或每月 29 美元 300 credits,注册送 100 免费 credits,手动编辑与下载免费。
《纽约时报》正在为其 Cooking 应用测试 AI 食谱修改功能,可推荐食材与厨具替换、按任意份数缩放食谱,目前面向 iOS 端所有 Cooking 订阅用户开放,后续将扩大范围。定制食谱为私密内容,无法发布或分享,且用户无法关闭该功能。部分读者在评论区质疑 AI 普及的环境影响及对使用体验的影响,相关评论已关闭。
Howler 是一款 macOS 菜单栏 AI 工具,按 ⌥H 唤出羊皮纸信件界面,回答以羽毛笔手写速度流式呈现,按 Esc 或点击外部即触发燃烧动画,对话不保存。
mnestiq 发布面向 AI 智能体的防篡改飞行记录器,记录智能体读取、决策和执行的内容及其输入来源,并用哈希链和 Ed25519 签名的 Merkle 检查点保证记录不可悄悄修改。
Kin 发布一款位于 AI 应用与用户账号之间的管控产品,账号只需连接一次,即可按规则对每个动作选择允许、询问或拦截。它支持在 Claude 达到限额时把笔记和下一步交给 Codex 继续任务,并可在 Mac、iPhone 和 Apple Watch 上审批请求。免费版提供 2 个 AI 应用、5 个连接和每月 1,000 次动作,Pro 版每月 16 美元起。
FusionAuth 1.70 通过 Client ID Metadata Document(CIMD)注册和 RFC 8693 OAuth token exchange,为 AI 智能体建立可信客户端身份并签发降权委派 token。
Apargon 是一款面向 macOS 和 Linux 的桌面应用,用于运行 .papp 文件——即带额外标签的单个 HTML 文件,双击后在沙箱窗口中打开,无需安装器、服务器或构建步骤。沙箱会拦截标签未允许的一切,页面运行前弹窗展示其申请的权限。编码智能体可凭一句提示词写出 papp,Windows 暂不支持。
vLLM 宣布在 Mistral Large 4 发布当天提供支持,该模型为 1 万亿参数、每 token 激活 49B 的 MoE 原生多模态模型,提供 FP8 与 NVFP4 两种 checkpoint。
推荐理由:原文给出 Mistral Large 4 在 vLLM 上的完整部署参数与多项优化前后对比数据,可作为长上下文推理配置的参考。
ROAL 是一款面向餐厅的 AI 电话接待服务,粘贴网站或 Google Maps 链接后约两分钟即可自动学习菜单和营业时间并生成电话接待,可先通过浏览器试打电话。它支持接听自取与配送订单、按实时菜单确认菜品与取餐时间、用来电者语言应答,并把确认订单以厨房票据形式推送。按完成订单收费,每单 $0.90,无月费、无按分钟计费,未成单不收费。
SpaceApp 发布自托管工作台,可在同一房间内并排运行 OpenCode、Codex、Claude Code、Gemini、Qwen、Kimi、Grok、DeepSeek 等 16 个 AI 编码 CLI,每个 CLI 使用用户自己的账号。
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和管理购物清单、修改订阅配送周期、编辑收货地址与投递说明,并可解答 Prime 和 Audible 订阅及账单支付问题。Amazon 称今年以来使用智能体功能的用户数增长 8 倍,过去 12 个月超 4 亿消费者用 Alexa 购物。
CaseCite 发布免费开源法律 AI 平台,覆盖带引用的法律检索、文档分析、合同审阅与红线修改、法律起草、引用核查和法官情报。该平台采用自托管方式,运行在用户自有基础设施上,支持自带 AI 模型和 API key,并以 Apache 2.0 许可证发布,用户只需承担自身基础设施和 AI 使用成本。
Crewd 是一个面向 AI 编程智能体与技能的 NPM 式包管理器,在 Hacker News 的 Show HN 板块发布。该工具以 NPM 的包管理思路组织 AI 智能体与技能的分发和复用。
vibecheck 发布面向 AI 生成应用的上线前安全审计工具,通过 60+ 项零依赖扫描和 AI 智能体复核,输出 0-100 分与 NO-GO/FIX FIRST/GO 结论。
Pidgeon 发布面向 AI 智能体的邮箱产品,可通过一次 API 调用为智能体创建独立地址,支持收发邮件、读取完整会话线程和附件。产品还提供入站邮件防火墙,先识别隐藏指令再交给智能体读取干净副本,并支持 EU 数据驻留、分级密钥和 90 天审计日志。官方给出 TypeScript SDK 快速上手示例,注册需两次调用并接收一封验证码邮件。
Project Baobab 是一个轻量级去中心化边缘计算编排器,可将 AI 任务分片到 Raspberry Pi 4/5 等低功耗离网节点并行执行,并通过 PayPal REST API v2 自动发放实时微支付奖励。项目基于 Python 3.10+ 与 concurrent.futures 实现任务分片,采用 OAuth 2.0 认证,可在笔记本、迷你主机或单板计算机上部署。
Nakama 是一个面向团队的 AI 智能体平台,团队可在类 ChatGPT 的仪表盘中与各自拥有独立身份、权限、提示词、工具、技能和记忆的智能体对话。智能体可接入 Telegram、WhatsApp、Discord、Slack,并通过 Composio 连接超过 1,000 个外部应用。平台支持托管云或单个 Docker 容器部署,单容器空闲约占用 200 MB,采用 MIT 许可证开源。
Deriv 以 MIT 协议开源自托管 AI 平台 Deriv One,整合共享技能目录、Slack 智能体、多窗格工作区、沙箱代码执行和无代码应用构建器,统一运行在自有身份目录与密钥库上。
开发者发布 Universal Blindspot Detector,通过重构 AI 对话找出用户本可采取的最小改动,以暴露问题中的未知假设。工具免费、无需注册,只需按指定格式导出对话并上传。作者称该方法可把迭代集中在规划与策略阶段,执行阶段用 Qwen 3.6/3.8 等本地模型一次生成输出,成本远低于反复执行。
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布,前者在 Apple 的 SpeechAnalyzer API 下可切换 Parakeet、Qwen3-ASR 等识别引擎并新增说话人分离,后者以概率而非生成文本的方式回答是非、多选和评分问题。
Amp 现在可以在对话线程内直接为用户生成可视化内容,包括图表、时间线、示意图和可点击的 mockup。官方给出了真实线程示例,例如按仓库提交记录生成可视化,以及为 diff stat 在小屏幕上如何呈现设计多种可点击变体供选择迭代。
Spotlytt 上线 AI 面试平台,用户完成一次岗位相关 AI 面试后,系统会提取最佳回答片段并生成可验证技能评分,供招聘方查阅。平台展示的示例档案包含 8.4/10 技能评分、84% 岗位就绪度和 Top 18% 同伴排名,并针对缺失技能给出学习建议。
AWF 发布开源 AI 工作流框架,由三个静态二进制组成:Go 编写的 AWF CLI 用 YAML 定义并运行工作流,支持 OpenAI、Claude、Gemini。
Intel 发布 Robotics AI Suite,提供预验证组件、参考应用和硬件感知优化,可在 Intel CPU、GPU、NPU 上整合 AI 感知与确定性控制。
AssemblyAI 发布首个文本转语音模型 AssemblyAI-TTS-1,面向实时电话语音智能体,定价为每 100 万字符 15 美元,无年度合同且并发不限。
Infini-AI-Lab 发布开源框架 Hermit,在智能体模型与 harness 保持冻结的前提下训练外部 harness 适配器,v0.1.0 已于 2026 年 10 月 25 日发布,采用 Apache-2.0 许可。
Visible by AI 上线免费工具,输入首页地址即可运行 16 项检查,判断 ChatGPT、Perplexity 和 Google AI 能否读取、信任并引用该网站,并列出未通过的项。工具无需注册、留邮箱或安装,几秒出结果,仅请求首页及 /robots.txt、/sitemap.xml、/llms.txt 四个地址。官方称这是付费审计起点的自动化快照,不预测排名或引用结果。