今日AI：NVIDIA Cosmos 与 OpenAI Decisions API

知识状态截至 2026-10-23。素材收集于 2026-10-23。

今天的技术概览涵盖了一系列 AI 工具，从环境监测系统到计算基础设施。OpenAI 推出了 Decisions API，Google DeepMind 发布了 Forest Typology 2020 地图，NVIDIA 扩展了 Cosmos 平台并推出了 Minerva 系统。最后是 IBM Granite Timeseries Ensemble 解决方案，它整合了四个时间序列模型架构，以优化分析应用中的数据预测。

今日要点 (TL;DR)

• Google DeepMind Forest Typology：发布了分辨率为 10 米的 ForTy 2020 地图，追踪 2017–2025 年间森林结构的变化。
• OpenAI Decisions API：基于 GPT-6 Luna 模型的新接口使 AI 代理能够快速做出决策，并支持提示词缓存。
• NVIDIA Cosmos：该平台扩展了 Data Factory 工具和架构蓝图，支持为物理 AI 系统创建世界模型。
• NVIDIA Minerva：AIOps 级平台整合了基础设施遥测数据，用于检测计算集群中的异常并预测故障。
• IBM Granite Timeseries Ensemble：新机制允许将四个开源时间序列模型架构合并为一个统一的预测接口。

Google DeepMind Forest Typology

Google DeepMind 联合世界资源研究所（World Resources Institute）和国际应用系统分析研究所（International Institute for Applied Systems Analysis）于 2026 年 10 月 22 日发布了 Forest Typology (ForTy) 2020 地图。这是一个以 10 米分辨率展示全球森林和农田结构的工具。除了静态数据，该项目还包含追踪 2017–2025 年间发生变化的的时间序列，从而能够识别天然林向人工林或农场的转变。

根据联合国粮食及农业组织（FAO）的定义，该地图将每个 10x10 米的区域分类为 6 种森林类型和土地利用方式之一。这些数据旨在支持企业和监管机构实施欧盟毁林条例（EUDR），该条例要求验证咖啡、可可或棕榈油等商品的来源。

该模型的创建过程基于 170 万个标记位置的数据集，这些数据来自专家调查、国家和地区数据集以及模型遇到困难的地形分析。系统架构利用了 AlphaEarth 基础。与以往仅关注树木存在的地图不同，ForTy 可以区分原始林与次生林、人工林或农作物，这对于评估碳储量和生物多样性至关重要。用户可以通过 Earth Engine 应用程序使用该地图。

对于 AI 构建者：设计环境变化监测工具的人员可以根据 Earth Engine 文档测试 API 和模型架构。新闻稿未明确商业使用数据的成本、大规模分析的带宽要求，或在外部报告系统中使用模型结果的具体许可证。

OpenAI 发布 Decisions API

OpenAI 于 10 月 22 日宣布全面推出 Decisions API，这是一个为应用程序和 AI 代理快速决策而构建的接口。该工具基于 GPT-6 Luna 模型，支持处理文本、图像和 JSON 格式的输入数据，同时提供延迟改善和高级缓存功能。

Decisions API 专注于范围有限的问题，运行速度比 Responses API 快高达 10 倍。开发人员可以在单个请求中提交最多 400 个问题，这是先前限制的两倍。新功能包括与 GPT-Live 集成、为重复上下文应用提示词缓存，以及确保美国和欧盟的推理驻留。此外，还增加了亚洲地区的带宽。

系统支持三种主要响应类型：

• probability：确定某个状态为真的概率（从 0 到 1）；
• choice：从预定义选项中选择一个，并提供置信度信息；
• score：基于有序刻度级别评估贡献度。

与 GPT-Live 的集成使语音应用程序能够实时做出决策，例如管理头像反应或引导与客户的对话流程。应用示例包括交易描述分类、沟通情感评估或产品损坏验证。

对于 AI 构建者：实施自动客户服务的团队可以在对话路径选择或输入数据分类场景中测试 API。公告未提供每千次请求的具体定价，也未明确系统是否支持英语以外的语言——在投入生产之前，这需要在技术文档中进行验证。

NVIDIA Cosmos 扩展世界模型工具

NVIDIA 于 10 月 22 日宣布扩展 Cosmos 平台，新增训练工具、仿真检查点和数据架构蓝图（blueprints）。这些解决方案旨在支持物理人工智能系统的创作者构建能够模拟现实的世界模型。

Cosmos 平台现在包括 Cosmos Data Factory，这是一套专为多模态数据标注、策展和增强而设计的工具。开发人员可以通过 GitHub、Microsoft Azure、Nebius 和 CoreWeave 访问五个云端架构蓝图。这些功能包括为自动驾驶汽车生成数据、图像属性增强、从罕见事件中生成合成视频、生成缺陷图像以及考虑天气条件变化的视频数据增强。

商业实体已经在使用这些工具。Porsche 使用 Cosmos Data Factory 构建共享数据集，旨在将开发周期缩短 85%。ANYbotics 生成了超过 1500 个合成视频片段来训练巡检机器人，Ultralytics 则利用合成缺陷来微调 YOLO 模型。

在 Cosmos Framework 框架下，创作者可以训练自己的架构或使用预训练模型，如 GR00T、Alpamayo、QWEN 或 Pi0.5。更新后的 NVIDIA Cosmos 3 NIM 微服务提供高达 2 倍的推理速度，同时保持质量。Cosmos 3 Nano 模型的新变体反过来支持在多边形仿真中测试自主策略。此外，NVIDIA Metropolis VSS 3.3 蓝图允许在使用相同 GPU 的情况下监控多出 40% 的视频流。

对于 AI 构建者：从事机器人或计算机视觉系统的团队可以在云环境中测试 Cosmos Data Factory 蓝图。该公告未明确使用 NIM 微服务的成本以及各个基础模型商业使用的许可证详细信息，这需要在技术文档中进行验证。

NVIDIA 推出 Minerva 平台用于管理 AI 工厂

根据 10 月 22 日的公告，NVIDIA 推出了 Minerva 平台，该平台专为支持人工智能计算的基础设施提供端到端可观测性而设计。AIOps 级工具整合了来自 GPU、网络、存储系统、作业调度程序以及工作负载本身的遥测数据。

Minerva 创建了一个动态知识图谱，映射物理基础设施（包括 SuperNICs、交换机和布线），并将其与当前运行的进程连接起来。该系统使用监督和无监督学习方法每小时分析数十亿个数据点。这允许检测异常、预测组件故障并将相关事件组合成具有指示根本原因的事件。操作员可以使用内置的 AI 助手，并通过自然语言接口将工具与外部代理连接，其目的是延长无故障运行时间并缩短修复时间。

该平台专注于 AI 工厂性能指标，包括代币生产、集群可用性和 GPU 利用率。IREN、Aolani、Bitdeer AI、IBM、Jio、Lambda、Quake AI 和 Tesla 等实体计划使用 Minerva 解决方案。此外，Dell Technologies、Lenovo 和 Supermicro 将把该平台纳入其 AI 基础设施运营产品组合中。

对于 AI 构建者：负责维护大型计算集群的团队可以验证现有网络和服务器基础设施与 Minerva 平台要求的兼容性。来源未明确部署成本、许可要求或支持的操作系统的完整列表，这需要与供应商直接联系以进行澄清。

IBM Granite Timeseries Ensemble

根据 2026 年 10 月 22 日的公告，IBM 推出了 Granite Timeseries Ensemble 机制，该机制允许将四个不同的时间序列模型架构组合到一个预测接口中。该解决方案旨在减少为特定任务选择合适模型的难度，提供一种默认方法来组合预训练模型，而无需重新训练它们。

该系统使用四个开源架构：PatchTST-FM-r1、PatchTST-FM-r2、FlowState 和 Tiny Time Mixers。它们中的每一个都以不同的方式分析趋势、季节性和局部变化，从而能够生成点预测和分位数预测（默认在 0.1 到 0.9 范围内）。

作为该软件包的一部分，提供两种主要的组合结果方法：

• Probabilistic Ensemble：应用均匀概率加权，赋予每个模型对最终结果的相同影响。
• IQR Ensemble：根据模型的四分位距（IQR）调整权重，偏好更窄的预测区间。

配置不合并模型权重，而是在代码执行期间（runtime）检索四个单独的检查点，这需要在首次运行时考虑额外的执行时间。接口和随附的模型在允许自由使用的许可证下发布。

对于 AI 构建者：数据分析师或预测系统工程师可以安装 Granite TSFM 库，并在自己的时间序列数据集上测试现成的配方。公告未明确同时加载四个模型所需的硬件规格，也未指出处理非常长的时间视野时的潜在性能限制——这些问题需要独立进行负载测试。

常见问题解答 (FAQ)

Forest Typology (ForTy) 2020 地图与以往的解决方案有何不同？

与以往仅关注树木存在的地图不同，ForTy 可以区分原始林与次生林、人工林和农作物。该工具利用 10 米的分辨率并涵盖 2017–2025 年的数据，支持在 EUDR 条例下验证商品来源。

IBM Granite Timeseries Ensemble 预测系统是如何工作的？

该系统将四个时间序列模型架构（PatchTST-FM-r1、PatchTST-FM-r2、FlowState 和 Tiny Time Mixers）组合到一个接口中。用户可以使用 Probabilistic Ensemble 或 IQR Ensemble 结果组合方法，在代码执行期间检索四个不同的检查点，而无需重新训练模型。

来源

• Beyond tree cover: mapping the world’s forest types — 2026-10-22
• Build more responsive apps with the Decisions API — 2026-10-22
• NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models — 2026-10-22
• NVIDIA Unveils Minerva to Bring End-to-End Observability for AI Factories — 2026-10-22
• Ensemble forecasting with IBM Granite time-series models — 2026-10-22

--- 文本由 aipoc-lab (AI) 实验室根据上述公开来源自动准备。摘要为原创，非复制。人工编辑前的版本。