今日导读
DeepMind 放出 Genie 4：实时世界模拟首次原生带声音与对话；同日 Gemini Robotics ER 2 上云公开预览，机器人「高层大脑」进企业。国内侧，百度开源文心 Unlimited OCR 2，冲「任意页数」文档解析；Liquid AI 则放出 LFM3 六个约 2B 开源多模态小模型。OpenAI 与 Oracle 把企业应用拖进 ChatGPT。今日关键词：世界模型、具身推理、超长 OCR、边缘多模态。
🤖 AI 热点
1. DeepMind 发布 Genie 4：原生音频的实时世界模型
评级：高 · 出处：Google DeepMind / Google Blog
10 月 27 日，Google DeepMind 宣布 Genie 4。模型支持自然语言实时改天气、运镜、加人加物，并首次在实时世界模型里原生生成环境声、音乐与交互对话；Gemini Omni 锚定外观与行为，其他 Gemini 负责连贯推理。当前为可信测试者研究预览，随后面向 Google AI Ultra 的 Project Genie，以及 Gemini API、AI Studio 早期伙伴。输出将带 SynthID 水印。适合关注机器人训练环境与影视预演的产品团队。
2. Gemini Robotics ER 2 登陆 Google Cloud 公开预览
评级：高 · 出处：Google Cloud Blog
同日，Gemini Robotics Embodied Reasoning 2（ER 2）在 Gemini 平台公开预览。它充当跨本体机器人的高层智能层：时空视频理解、长时程规划、内置安全护栏，可把 VLA、导航 API 等声明为工具，并支持多机协作。官方称关键事件帧定位准确率约 91.3%，并可直接读仪表盘类视觉读数。Boston Dynamics、Arm 等出现在客户证言中。这是「具身 Agent」从实验室走向企业编排栈的明确一步。
3. 百度开源文心 Unlimited OCR 2：冲任意页数解析
评级：高 · 出处：新华网 / 百度
10 月 27 日，百度发布并开源文心 Unlimited OCR 2，宣称突破传统数十页上限，实测可一次解析《哈利·波特》全系列超 3600 页。新机制 SR-SWA（稀疏参考滑动窗口注意力）先用页面门控缩小视觉参考范围，再取高分 Token 桶抓长距依赖；报道称百页场景单步解码较 Full Attention / 上一代 R-SWA 分别提速约 7 倍与 5.6 倍。权重与代码同步 GitHub、Hugging Face，并上线百度智能云与 AI 开放平台。11 月 12 日百度世界 2026 将继续展示。
4. Liquid AI 发布 LFM3：六个约 2B 开源多模态家族
评级：高 · 出处：Liquid AI Blog / Hugging Face
Liquid AI 推出 LFM3：在共享 1.7B 骨干上分支出文本、视觉/视频、音频、Omni 与两款决策模型（d1 / d1-Omni），全部开源权重。文本模 256K 上下文，4bit 约 1GB；官方强调单卡可微调、端侧可跑。发布含与 AMD、Qualcomm、Ambarella 等合作叙述，以及把 VL 模微调成巡检/机器人控制的示例。面向「专用小模型」而非通用巨模路线。
5. OpenAI 与 Oracle：把企业应用拖进 ChatGPT
评级：中 · 出处：OpenAI
OpenAI 宣布扩大与 Oracle 合作：Oracle 正开发 AI Workspace，把应用与数据接入 ChatGPT；同期推出 AI Security Mesh（用 OpenAI 安全相关模型找修漏洞）、面向中小企业的 AI SMB Bundle，以及用 Codex 等工具拼应用的 App Composer。美国客户可通过 Oracle Marketplace 用既有采购流程购买 API / Codex / ChatGPT Work。
📦 开源动态
1. 文心 Unlimited OCR 2 与 LFM3 同日落权
评级：高 · 出处：新华网 / Liquid AI / Hugging Face
文档 OCR 与端侧多模态两条开源线同日放量：前者冲超长页解析，后者冲 2B 级全模态可微调。本地 RAG、工业巡检、语音助手与「决策闸门」类产品可直接对标试用。
2. GitHub 热榜：反糙设计技与 Agent 工作区
评级：中 · 出处：GitHub Trending（10-27 存档）
单日高增包括 Nutlope/hallmark（反 AI 设计糙技 skill）、TradingAgents、JetBrains/thinkrail、makecindy/cindy、ECC harness、pbakaus/impeccable、NVIDIA/SkillSpector、VoiceStudio 等。叙事继续集中在「Agent 技能质量 + 本地队友工作区」。
📈 行业趋势
世界模型 × 具身：仿真与真机编排同日推进
出处：DeepMind / Google Cloud
Genie 4 把可交互仿真推到原生音频与自然语言改场景；ER 2 则把同类推理接到企业机器人栈。两边都强调安全评测与受控 rollout，预示「先仿真、再上真机」产品路径会加速产品化。
企业分发：云厂商把模型塞进既有采购单
出处：OpenAI / Oracle
Oracle Marketplace 采购 OpenAI、Workspace 嵌 ChatGPT，说明 ToB 增长越来越依赖「不换采购流程」的嵌入，而非再开一条独立 AI 账单。
✅ 行动建议
- 【内容创作】 做「Genie 4 vs 上一代世界模型」对比卡：音频、时长、改场景、水印四点。
- 【技术跟进】 拉 Unlimited OCR 2 与既有多页 OCR 管线做千页级对照；记显存与页均时延。
- 【产品参考】 评估 LFM3-VL / d1 做端侧巡检或决策闸门 PoC，对比云端大模成本。
- 【竞品关注】 跟踪 ER 2 公开预览配额与定价；对照自家具身编排是否缺「任务进度分类」层。
- 【风险预警】 Genie 类仿真与机器人编排仍是受控预览——对外演示统一标研究预览，不承诺物理一致性。