2026年10月AI大事盘点：世界模型、开源万亿参数与智能体激战这个月 AI 改卷「谁真能干活」：谷歌 Genie 4

2026 年 10 月，AI 圈像被打翻了的多米诺骨牌：谷歌端出能「运行世界」的 Genie 4，OpenAI 用 GPT-6.1 Terra 把电脑操作成本打到了人力以下，月之暗面把 3 万亿参数的开源大模型摆上桌，Anthropic 一边递交 IPO 一边推出个人智能体 Claude Duet。这一个月，大模型从「会说话」集体转向「会干活」，开源与闭源、通用与专用、世界模型与智能体三条赛道同时开火。

本文不聊理想主义，只盘十件此刻最该知道的事，每件都给出「是什么、为什么重要、对你意味着什么」。

📦 配套资源：本文为资讯盘点类，无源码包、配置清单或图表源文件，配套资源项为空，跳过开篇资源位。

谷歌 Genie 4：从「生成视频」到「运行世界」
OpenAI GPT-6.1 Terra：电脑操作成本首次低于人力
Kimi K3.1 Pro：3 万亿参数开源模型登顶开源榜
Anthropic：递交 IPO 与个人智能体 Claude Duet
DeepSeek V4.1 Flash 与 MiniMax M3.1：开源侧的双响炮
谷歌 Gemini 4 Argon 全球开放
OpenAI 千智能体 32 分钟完成数月脑细胞分析
八部门「十五五」规划：智能体普及率目标超 90%
十件大事一览对照表
写在后面：这波浪潮意味着什么

1. 谷歌 Genie 4：从「生成视频」到「运行世界」

北京时间 10 月 28 日，谷歌 DeepMind 发布了新一代通用世界模型 Genie 4，官网口径是「迄今最逼真、最具交互性的世界模型」。它最颠覆的一点，是把生成式 AI 从「生成视频」硬生生推到了「运行世界」：仅凭一句提示词，模型就能实时生成一个可交互的动态虚拟世界，场景随你的输入持续调整，人物能自主响应、环境会即时演化。

它到底新在哪？ 最直观的是两点——世界变真实了，而且第一次有了声音。Genie 4 是谷歌首个能原生生成音频的实时世界模型，环境声与人物对话随世界同步产出；同时支持实时物理模拟，人物动作、互动对话、场景修改都能在一句话指令下即时响应。用户不只是「观看」AI 生成的世界，而是能「进入其中」与环境互动。

谷歌 CEO 皮查伊把这一步称为开启「言出法随」的「绿洲」时代。有行业人士感叹，两年前 AI 连静态图像里的手都渲染不好，如今已能即时生成带实时物理与现场音频的可玩 3D 世界。

为什么重要？ 世界模型（world model）一直被视作机器人训练与 agent 进化缺的那块拼图——它提供的不只是画面，而是可控、可交互、带物理规则的训练环境。Genie 4 把「能看」推进到「能听、能交互」，等于给具身 AI 与生成式智能的融合铺了路。谷歌正探索其在游戏设计、影视制作、教育、机器人训练等领域的落地。

要泼的冷水：它目前仍是研究预览，只向受信任测试者开放，普通用户还摸不到；且官方给所有音视频都打了 SynthID 水印。

Genie 4 参考资料：

2. OpenAI GPT-6.1 Terra：电脑操作成本首次低于人力

10 月 26 日，OpenAI 推出 GPT-6.1 Terra，官方把它定位为「速度快、效率高、专为高强度专业工作」的模型，尤其擅长视觉推理、电脑操作（computer use）与清晰自然的写作。它同日在 ChatGPT Work、Codex 与 API 中开放，覆盖 Plus、Pro、Business、Enterprise、Edu 各档。

真正的看点在成本结构。Terra 定价每百万 token 输入 $1、输出$ 5，较上一代直降 50%（价格砍半）；最高强度下单任务成本仅为 Claude Opus 5.5 的九分之一。在 Terminal-Bench 4.0 上，Terra 成功率 50.3%，对比 Claude Opus 5.5 的 21.5%；事实错误率从 53.6% 降到 16.7%。

为什么重要？ 这组数字意味着电脑操作类自动化第一次进入了「按任务算比人力便宜」的区间。过去我们谈 token 成本，现在业内开始谈「单任务成本」——cost per completed task 而非 cost per token，成了路由决策的新标尺。当完成一个任务的成本真的低于一段人工操作，agent 大规模接管电脑操作的经济账才算第一次算得过来。

GPT-6.1 Terra 参考资料：

3. Kimi K3.1 Pro：3 万亿参数开源模型登顶开源榜

10 月 23 日，月之暗面（Moonshot AI）发布 Kimi K3.1 Pro，这是其 K3.1 系列第一款模型。它总参数 2.8 万亿（一说 3 万亿）、激活 1040 亿，是当前已公开的最大开源权重模型；上下文 100 万 token，定价输入 $2、输出$ 10（较前代降 33%），API 与 Kimi.ai 当天即用。

它的能力不止于体量：在 Artificial Analysis Intelligence Index 上拿到 55 分，为开源模型历史最高，位列全体第四；Terminal-Bench 4.0 达到 65.7%。权重计划 11 月 4 日公开。

为什么重要？ 这是开源侧对闭源旗舰的一次正面回应。3 万亿参数却能在 55 分这个档位，还比上一代便宜三分之一，说明中国 AI 厂商在「参数规模 × 成本 × 能力」三者的平衡上确实上了一个台阶。对中文开发者与企业来说，K3.1 Pro 意味着拿到一个可本地部署、能打前沿任务的开源底座。它在游戏开发（Unreal/Unity/Godot）、Blender/CAD 3D 建模等长尾专业任务上表现突出，瞄准的正是通用大模型覆盖不到的垂直深水区。

Kimi K3.1 Pro 参考资料：

4. Anthropic：递交 IPO 与个人智能体 Claude Duet

Anthropic 是本月的「双料主角」。

一是 IPO。10 月 27 日，Anthropic 递交 IPO 文件，首次全面公开财务：2026 年第二季度营收 116 亿美元，同比暴增 1368%，同期营业利润 9.74 亿美元。这是前沿大模型厂商首次以 IPO 申报材料形式披露完整财务，被视为检验大模型商业模式能否持续盈利的关键样本。这场发行可能让公司估值达到约 1.5 万亿 美元，但亚洲大部分投资者想直接从配售中分份额「几乎不可能」，拿不到份额的资金正在改道买入其已上市股东、加密衍生品与半导体个股。

二是产品。10 月 21 日，Anthropic 发布个人 AI 智能体 Claude Duet，进入个人 Agent 赛道，可主动监控应用并执行会议安排等任务。这已是近两个月内第七、八款形态相近的同类产品——8 月 xAI 推出 Grok Bot、9 月 Meta 发布 Muse 并带动股价上涨 27%。文章认为，个人智能体赛道已进入同质化竞争阶段，厂商更多在交互形态与入口上做文章，差异化能力尚未显现。

为什么重要？ IPO 揭开了大模型公司「到底赚不赚钱」的盖子，而 Claude Duet 说明前沿厂商正集体把战场从「模型能力」转向「个人 Agent 入口」。一个管钱的账本、一个抢入口的产品，两条线都指向同一点：AI 从技术叙事进入商业兑现期。

Anthropic IPO 与 Claude Duet 参考资料：

5. DeepSeek V4.1 Flash 与 MiniMax M3.1：开源侧的双响炮

如果说 Kimi 是把开源的天花板抬高，那 DeepSeek 与 MiniMax 这一对，则是把开源侧「单位任务的成本」打到了地板——这十天里，开源国产模型在「低价打高频」这件事上卷到了极致。

DeepSeek V4.1 Flash：10 月 17 日升级到 V4.1-Flash-1017，这是其全新模型结构系列中的最小尺寸成员，带原生多模态视觉理解能力，主打「能力上限更高、推理更快、吞吐更大、可扩展」。官方称这次升级是一次「性能–费用的帕累托改进」：相比上一版，HLE（w/o tools）冲到 42.6、Terminal-Bench 4.0 冲到 42.3、DeepSWE v1.1 到 77.0，而在提升性能的同时还缩短了任务运行时间与输出长度，让人能以更低成本、更快速度跑完同样的活。它在 Artificial Analysis 上拿到智力指数 45，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等平台做了专门优化。

MiniMax M3.1 Flash：10 月 19 日发布，10 月 23 日开源权重。它最出圈的不是参数，而是一个「马甲」——那个在 OpenCode 上匿名霸榜 12 天的 Space Bunny，就是 M3.1 Flash 的早期版本。它是个 MoE（Mixture-of-Experts，混合专家）模型，总参数 4280 亿、每个 token 只激活 230 亿，100 万上下文，原生吃文本/图像/视频。价格输入每百万 token $0.15**、输出 **$ 0.6、缓存读取 $0.015。

为什么重要？ 这两家把「Agent 任务单价」打到了一个新量级。MiniMax 的定价和 DeepSeek 低峰价一模一样，但 DeepSeek 高峰时段要翻倍到 $0.3/$ 1.2，M3.1 Flash 却是全天不变——所以它不是「更便宜」，是「全天候都便宜」。网友实测最直观：做一个硬件发布落地页，M3.1 Flash 花 2.3 万 token、 $0.014，而 Claude Opus 5.5 花 6 万 token、$ 1.22，设计水准却在一个档次，账单差了近 88 倍。

要泼的冷水：便宜不等于全能。在 DeepSWE v1.1 这类硬核工程任务上，M3.1 Flash 是 73.7，DeepSeek 是 77；OSWorld 2.0 上 M3.1 Flash 61.7，也明显落后 Claude Opus 5 的 70.6。它的幻觉率偏高，做物理约束类任务也会翻车。所以更准确的说法是：高频跑量的活交给它，难啃的重构留给更强的模型。

DeepSeek V4.1 Flash 与 MiniMax M3.1 参考资料：

6. 谷歌 Gemini 4 Argon 全球开放

10 月 29 日，谷歌把 Gemini 4 Argon 推向全球：开发者与企业可通过 Gemini API 使用，Google AI 订阅用户能在 Antigravity、Gemini app 与搜索的 AI Mode 里直接用。

它强在哪？ 官方定位是「为最难的问题而生」，擅长编码、金融、法律、网络安全、科学等领域的复杂多步任务。关键是它在 Vals Index 上拿了第一——这个指数专门衡量模型在金融、编码、法律、税务等关键经济领域的表现，Argon 是当前跨领域领先的旗舰。谷歌甚至用它自己完成了 Chrome 跨数百文件的架构重构，把数月的工作压缩到了几周。

定价：入门价输入每百万 token $2**、输出 **$ 10（缓存输入打 95 折）；需要注意的是这只是促销价，11 月 30 日后输入涨到 $4、输出从 12 月 1 日起涨到$ 20。

为什么重要？ 本月谷歌其实有两张牌：前面那张是「运行世界」的 Genie 4，这张是「干深活」的 Argon。一个负责造世界，一个负责处理现实里最繁琐的专业任务，两条线合起来，说明谷歌不再单纯拼「模型会多少」，而是拼「模型能不能替你扛下高价值、高难度的垂直工作」。对开发者来说，Argon 是全球通用（而非仅美国）的旗舰入口。

Gemini 4 Argon 参考资料：

7. OpenAI 千智能体 32 分钟完成数月脑细胞分析

10 月，OpenAI 展示了「agent 规模化」最有冲击力的一幕：它和 PerturbAI、Scripps Research 一起，用数千个 AI agent（由 GPT-Rosalind 驱动）并行工作，在 32 分钟里，从数百万个小鼠脑细胞的数据中，识别出值得进一步研究的生物学线索。

它到底干了啥？ 传统上，这类大规模实验（比如基因扰动实验）产生的数据远超科学家手动能分析的上限。OpenAI 让几千个 agent 并行地去「读实验数据 + 检索科学文献」，把基因扰动引起的效应与文献中的既有发现关联起来，从而发现一些研究者原本没注意到的、意想不到的生物学联系。这些联系能帮科学家理解疾病、找到新的治疗研究方向。

为什么重要？ 这一仗打的是「科学发现能不能被 agent 规模化」。单看 32 分钟这个数，它把过去可能需要数月、靠组内一小撮人反复推导的工作，压缩成了「几千个 agent 并行跑一段代码」。更关键的是，它不是「让 AI 胡说八道」，而是让 agent 去「接住」那些被实验室数据中淹没、靠人眼已看不到的线索。当 AI 开始替科学家决定「下一个值得做的实验是什么」，agent 就不再只是工具，而成了科研流程里的一环。

OpenAI 千智能体脑细胞分析参考资料：

Using thousands of AI agents to uncover new leads in biological data -- OpenAI

8. 八部门「十五五」规划：智能体普及率目标超 90%

如果说前面几件是厂商侧的「点」，那这一件就是国家侧的「面」。10 月底，中央网络安全和信息化委员会印发 《国家信息化「十五五」规划》，为未来五年的信息化画了一张任务书、时间表、路线图。

最值得留意的一个数：在《规划》列出的 12 项主要指标里，提升幅度最大的是「新一代智能终端、智能体等应用普及率」——从 2025 年的 40% 提到 2030 年的 90% 以上，五年间翻一番以上。换句话说，国家层面已经把「智能体」摆到了和 5G、IPv6、数字经济核心产业同一个量级的位置上，并给出了明确的量化目标。

《规划》的其他信号也很有指向性：互联网普及率从 80.1% 提到 85%，每万人 5G（含 5G-A）基站从 34 个提到 50 个，数字经济核心产业增加值占 GDP 比重从 10.5% 提到 12.5%，并「适时启动第六代移动通信（6G）商用」。它还明确提出加快量子科技、脑机接口、具身智能、6G 等技术产业化应用。

为什么重要？ 这是智能体第一次以「国家普及率指标」的形式出现，意味着它不再只是技术圈的热词，而进入了产业政策的硬约束。对从业者而言，这是一个明确的「确定性信号」：往智能体方向投入，未来五年有明确的政策托底；对企业而言，「智能体普及率 90%」不是一个口号，而会实打实地转化为对各行业智能化改造的考核与扶持。

八部门「十五五」规划参考资料：

智能体等应用普及率超90%，适时启动6G商用，国家信息化「十五五」规划释放了哪些信号 -- 澎湃新闻

9. 十件大事一览对照表

把这一月的几条主线塞进一张表，你会更清楚地看到它们在往哪走——从「会说话」，到「会干活」，再到「进场干活」。

事件	一句话概括	对你意味着什么
谷歌 Genie 4	从「生成视频」到「运行世界」，首个原生音频的实时世界模型	具身 AI 与生成式智能的融合入口，但仍是研究预览
OpenAI GPT-6.1 Terra	电脑操作成本首次低于人力，单任务成本仅为 Opus 5.5 的九分之一	电脑操作类 agent 第一次算得过来经济账
Kimi K3.1 Pro	2.8 万亿（一说 3 万亿）开源模型，55 分创开源历史最高	拿到可本地部署、能打前沿任务的开源底座
Anthropic IPO	营收 116 亿美元、同比增 1368%，估值约 1.5 万亿	检验大模型商业模式能否持续盈利的关键样本
Claude Duet	个人智能体，可主动监控应用、安排会议	个人 agent 入口进入同质化竞争阶段
DeepSeek V4.1 Flash	性能–费用帕累托改进，HLE 42.6、DeepSWE 77.0	更快更省地跑完高频任务
MiniMax M3.1 Flash	Space Bunny 现身，MoE 4280 亿/激活 230 亿，全天 $0.15/$ 0.6	把 Agent 任务单价打到地板，但幻觉率偏高
Gemini 4 Argon	全球开放，Vals Index 第一，定位「为最难的问题而生」	全球通用的垂直高价值任务旗舰入口
OpenAI 千智能体	几千 agent 并行，32 分钟从数百万脑细胞数据找线索	agent 不只是工具，正成为科研流程的一环
八部门「十五五」规划	智能体等应用普及率从 40% 提到 2030 年 90% 以上	智能体进入国家产业政策硬约束，确定性信号

三句话读懂这波浪潮：一是开源与闭源同时提速，开源在参数规模与单位成本两端同时逼近闭源；二是世界模型与智能体并进，一个造「能玩的世界」，一个抢「能干的入口」；三是国家与资本同时入场，智能体第一次进入政策指标，IPO 揭开了商业兑现的盖子。

10. 写在后面：这波浪潮意味着什么

回头看这一个月，AI 圈的节奏已经从「每个月出一个更强的模型」变成了「每个月同时开几条新赛道」。世界模型、开源万亿参数、个人智能体、Agent 规模化、国家政策——它们不是孤立的事件，而是在同一个拐点上结出的果。

什么时候该关注这件事：如果你做 agent、做具身智能、做企业智能化改造，这个月是「该认真看」的信号月——无论从成本（Terra、M3.1）、能力（Genie 4、K3.1 Pro）还是政策（「十五五」规划）看，往智能体方向投入都有了更明确的依据。

什么时候不该慌：如果你只是围观，那这些发布大多还是「研究预览」或「入口争夺」，离大规模落地仍有距离。别被「单任务成本九分之一」「32 分钟替代数月」这类数字冲昏头——它们描述的是特定场景下的最优解，不代表通用替代已经发生。

本专栏《LLM 大模型技术专栏》从 Transformer 注意力机制一路讲到 LangChain、RAG 与 MoE 落地，每篇都配一段可直接运行的代码，每周更新一篇，聚焦真实可用的模型与 agent 实践。想按顺序读完，可在专栏页订阅。

2026年10月AI大事盘点：世界模型、开源万亿参数与智能体激战

目录