//每日 AI 早报
2026年10月21日2026-10-213 条收录 · 5 条精选
本期要点：记忆成为大模型的内生能力；PPT 从「生成」走向「可协作文件」；语音 Agent 一天内两场对撞；PyTorch 改一行代码就能跑 TPU；车机里长出会办事的超级智能体。
每日资讯精选
01记忆张量开源 MemT 1.0：把「记忆」写进模型前向传播，模型开始会积累10 月 20 日，上海团队记忆张量发布并开源记忆原生基座模型 MemT 1.0，含 Flash（288B 参数、17B 激活、336M 动态记忆）与 Nano（36B、3B 激活、10M 动态记忆），是当前最大的开源参数化记忆模型。做法是在部分 Transformer 模块中并行接入「记忆注意力」，每轮交互后通过擦除、写入、遗忘更新记忆状态，记忆因此成为前向计算的一部分，而非外挂的向量库或长上下文。11 项记忆基准上两款模型以 50.6/47.0 分列参数化记忆方法第一、第二；编程智能体实测中 Nano 在 SWE-bench Verified 500 项任务的成功率由 66.07% 升至 69.73%，三次全对比例由 54.00% 升至 62.80%；128K/256K 长历史下端到端推理速度约为「塞满上下文」方案的 1.86/3.99 倍，而记忆状态只有其 1/66。权重已在 Hugging Face、ModelScope 与 GitHub 开放。值得关注的原因：过去一年大家靠 RAG、长上下文、记忆文件来「假装」模型有记性，代价是成本随历史线性上涨；把记忆做成可训练、可更新的参数状态，是通向持续学习与递归自我改进的一条更本质的路，也让长会话 Agent 的成本模型发生变化。机器之心
02ChatGPT Slides 上线：AI 做完 PPT 之后，真正的增量是「一起改」10 月 20 日，OpenAI 正式上线 ChatGPT Slides，补上 9 月底 ChatGPT Space 三件套（Pages、Slides、Sheets）中的幻灯片。用户可基于对话记录、上传文件或大纲生成演示文稿，也可从内置模板起步；生成后可直接在页面上改文字、更新图表、拖动缩放图片形状，只想改某处时选中元素点「Request edits」让 AI 局部重写。更关键的是协作：文稿可像 Google Slides 一样分享，多人实时同编、逐页留评论，评论攒够了可以让 ChatGPT 或 agent「dot」按意见整篇改一遍；成品可导出 PPT/PDF/Google Slides，桌面端也能用 PowerPoint、Keynote 打开。目前仅对 Pro、Business、Enterprise 开放，Plus 与免费版不在名单内，功能仍在分批放量。值得关注的原因：AI 生成幻灯片早已不新鲜，稀缺的是把「反馈—改稿」的闭环收回工具内部；这也是 AI 办公从「一次性产物」转向「人和 AI 共用的活文件」的一个明确信号，同时也是订阅分层继续拉开的又一例证。IT之家
03语音 Agent 同日对撞：Mistral Voxtral 3 卖「可拆装的全栈」，ElevenLabs 卖「一个模型全包」10 月 20 日，Mistral 发布 Voxtral 3：三档转录模型（Mini 每分钟 0.0035 美元、Small 0.004 美元、面向智能体的 Realtime 版 0.008 美元且延迟低于 500 毫秒）、语音合成 Voxtral Speech 3（每百万字符 13 美元，35 种以上语言、50 种以上口音，可按语境调情绪与语速），以及基于 LiveKit 的语音 Agent SDK——把实时转录、通用模型推理与工具调用、语音合成串成一条流，单轮响应不到 1 秒，支持 SIP 电话、WebRTC 浏览器接入，可对接现有呼叫中心。Small 在 FLEURS 45 语言测试上词错率 4.1%（指定语种）/4.0%（自动识别），官方称优于 Whisper large-v3、Scribe v2 与 Gemini 3.5 Transcribe（厂商自测，待第三方复现）。同日 ElevenLabs 推出 Eleven Realtime（v1 Mini/Max，语音到语音，Max 在 Big Bench Audio 得 98.8 分、0.57 秒响应）。值得关注的原因：语音一直被当作「转文字」的附属功能，现在被当成完整 Agent 入口；两家路线差异也很清楚——Mistral 让你换零件并搬回自己机房，ElevenLabs 让你换掉整套管线，选型时先问一句「通话录音能不能离开机房」。The Circuitry
04谷歌开源 TorchTPU：PyTorch 改一行代码就能跑 TPU，英伟达的 CUDA 护城河又少一块在 PyTorch Conference 2026 上，谷歌宣布 TorchTPU 以开源项目形式发布——与 Meta 的 PyTorch 团队共同开发的 TPU 原生后端。核心承诺很直白：多数模型把 .to("cuda") 改成 .to("tpu") 即可运行，无需重写；不再是 2020 年 PyTorch/XLA 那种需要手工标记编译区、编译慢、且没有 eager 模式的老桥。官方称已支持约 450 个 ATen 算子，并在 Hugging Face 下载量最高的 5000 个模型上验证开箱可跑（含 Qwen、DeepSeek、Gemma、Llama、Whisper、CLIP、ViT 等）；配套 vLLM、SGLang、llm-d、TorchTitan、Ray 的 TPU 后端，Hugging Face Transformers v5 里只需 device_map="tpu"；另提供 TPU 智能体套件协助迁移排错。此前一天，亚马逊刚发布同类的 TorchNeuron（迁往 Trainium）。值得关注的原因：PyTorch 承载了约 85% 的 AI 应用，谁被默认支持，谁就拿到开发者的默认选择；两家云厂商在同一周把「换芯片」从重写工程降成改配置，短期不会让人立刻抛弃英伟达，但会实质改变算力议价与排队时间。需注意：一行代码只解决「能不能跑」，要接近峰值性能仍需按 TPU 重调形状、切分与算子组合。Google Cloud 博客
05比亚迪「迪迪虾」上车：汽车行业首个 AI 超级智能体，靠 A2A/MCP 把生态接进座舱比亚迪发布汽车行业首个 AI 超级智能体「迪迪虾」，并已开始向多款车型 OTA 推送。它基于璇玑架构 2.0，端云协同，由多模态感知、工具、技能、记忆四大系统加一个生态智能体开放平台构成，官方定位是「一句话交代，它自己拆解执行」，而不是过去那种一条条下指令的车载语音。开放平台 100% 兼容 A2A 与 MCP 协议，已接入的合作伙伴智能体号称行业最多：爱奇艺、优酷、B 站（影视）、QQ 音乐/酷我/酷狗/网易云（音乐）、喜马拉雅（听书）、高德（导航）、支付宝（生活）、淘宝闪购（外卖）、COLMO（车家互联）、飞猪（酒店）。目前已推送腾势 Z9GT 闪充版、第二代腾势 D9、腾势 N8L/N9 闪充版、大唐等车型，腾势 Z9S、方程 S、海豹 08 后续跟进；并支持声纹识别与偏好记忆。值得关注的原因：这是「Agent 协议标准化」在消费硬件上少见的规模化落地——车机不再自建所有能力，而是当调度方；对普通用户而言，它也是最早能天天用上的多智能体场景之一。北京商报