跳到正文

#多模态

今日 4 条
10月9日周五
  1. IT之家8

    中国电信推出“外卖云监管-食安封签”解决方案

    中国电信在上海推出“外卖云监管-食安封签”解决方案,通过 5G 智能封签机为外卖配送增加安全锁。该方案结合天翼视联的七大 AI 识别能力与视频监控,实现后厨操作及配送全流程可溯源,消费者扫码即可查看。这是继“明厨亮灶”将后厨监管延伸至台前后,进一步守护外卖配送环节的重要举措。

  2. IT之家5

    Anthropic Claude 新增数据仪表板与解释性动画功能

    Anthropic 宣布 Claude 新增 Dashboards 数据仪表板与 Motion 解释性动画功能。Dashboards 允许用户通过自然语言构建自动更新的数据监控仪表板,Motion 可将文字、图表等素材动画化为短片,且未调用视频生成模型。目前两项功能均处于测试状态,Dashboards 向所有付费用户开放,Motion 仅限 Team 和 Enterprise 用户使用。

  3. Hacker News · AI 热帖47

    Biohub 联合 DOE、NIH 及科技巨头承诺 18 亿美元构建 AI 就绪生物数据

    Biohub 联合美国能源部(DOE)、国立卫生研究院(NIH)及 Google DeepMind 等机构,承诺投入 18 亿美元用于生成 AI 就绪的生物数据。该计划旨在建立开放资源以训练预测性生物学模型,加速疾病研究与治疗。这是继 2026 年 4 月宣布 Virtual Biology Initiative 后,该国际协作在数据生成规模上的重大扩展。

  4. IT之家2

    小米智能门锁 5C 猫眼版预售:支持关门自动上锁,国补后到手价 999.6 元起

    小米智能门锁 5C 猫眼版正式开启预售,国补后到手价 999.6 元起,京东日常售价 1176 元。该门锁搭载自弹锁体支持关门自动上锁,配备 AI 智能猫眼及 100 万像素摄像头,提供 11 种开锁方式。其采用双模智能供电系统,5000mAh 锂电池可续航 5 个月,并支持小米澎湃智联全屋联动。

  5. 量子位43

    谷歌发布 Gemini Agent,支持动态调用 Claude 模型

    Google Cloud 发布通用办公 Agent Gemini Agent,支持跨应用执行任务并动态调用 Anthropic 的 Claude 模型。该 Agent 具备独立企业身份,可像同事一样参与协作,并拥有四种记忆机制以积累工作知识。此前 OpenAI 和 Meta 已分别推出 Dots 和 Muse,谷歌此举标志着巨头在办公 Agent 领域的竞争正式展开。

  6. MIT Technology Review · AI45

    圆桌对话:与 AI 设计病毒者对话

    斯坦福博士生 Samuel King 利用生成式 AI 模型提出微型病毒的基因蓝图,验证了 AI 设计新生命形式的可能性。该成果虽非 AI 生成的生命,但标志着相关技术的突破。King 因此入选 MIT Technology Review 35 岁以下创新者,并将于 10 月 16 日接受访谈。

  7. IT之家36

    苹果官宣 10 月 13 日“欢迎回家”发布会,预计推出首款智能家居中枢

    苹果官宣 10 月 13 日举办“欢迎回家”发布会,预计发布首款智能家居中枢产品。该产品配备 6 英寸屏幕,提供壁挂与桌面两种形态,运行代号“Charismatic”的操作系统,并预估搭载 A18 或更高级别芯片。此前爆料称其将融合 tvOS、watchOS 与 iOS 元素,且苹果计划同期发布升级版 HomePod Mini 及与 LG 合作的智能家居设备。

10月8日周四
  1. The Verge · AI73

    ChatGPT 推出 Intelligent UI 更新,在回答中内联图片图表和按钮

    OpenAI 为 ChatGPT 推出 Intelligent UI 功能,随 GPT-6 在回答中内联图表按钮等交互元素。该更新今日起向 Plus、Pro、Business、Enterprise 用户推送,周四扩至 Go 和免费档,高阶用户用 GPT-6 Sol 而免费用户用 Luna。OpenAI 上月宣布首批 GPT-6 模型,现将其带入 ChatGPT 并改进搜索与安全抗性。

  2. Hugging Face Blog63

    Liquid AI 发布多模态开放 d1 边缘决策模型 d1-3B 与 d1-omni-600M

    今日 Liquid AI 发布开放权重 d1 决策模型 d1-3B 与实验性 d1-omni-600M,可在边缘设备做多模态决策。d1-3B 在 Decision Index 0.2.1 得 48.57 分超 Decider 35B-A3B,于 Jetson 延迟低至 16 毫秒。模型基于 LFM 单前向传播不生成 token,已在 Hugging Face 开放。

    推荐理由:Liquid AI 开放 d1-3B 等决策模型权重,以单前向传播在 Jetson 实现低于 50 毫秒多模态推理。

10月7日周三
  1. IT之家29

    谷歌 Fitbit Edge 手环曝光:内置 Gemini 教练,售价 179 欧元

    谷歌新款 Fitbit Edge 手环曝光,欧洲售价 179 欧元,配备 Gemini 个性化教练提供定制健身计划与实时指导。该手环搭载 1.34 英寸 AMOLED 屏幕,关闭常亮显示时续航最长 7 天,并支持血氧、心电图等健康功能。此前该设备已泄露渲染图,此次爆料补充了具体售价、4 种配色组合及 AI 功能细节。

  2. 量子位49

    Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50,为榜单唯一 AI 3D 公司

    Meshy 在 a16z 首份消费级 AI 应用月收入榜单中位列第 31 名,是榜单上唯一的 AI 3D 公司。该榜单基于 YipitData 追踪的美国消费者银行卡消费数据,揭示了用户为专业化创意工具付费的趋势。此前 Meshy 年度经常性收入已突破 1 亿美元,并于 2026 年 7 月完成近 4 亿美元 B 轮融资。

  3. Latent Space75

    【AINews】准黎曼假设:OpenAI 发布722篇数学论文解决500大开放数学问题中的90个,称百年来数学最重大时刻

    OpenAI 公开内部前沿模型生成的722篇数学论文与证明工件,称解决500大开放数学问题中的90个,平均每个结果约3小时 ChatGPT Pro 计算。同期 Mistral 发布 Large 4 模型(1T参数、49B激活),Google 推出 EmbeddingGemma 2 多模态嵌入模型与 Nano Banana 2.1 图像模型,行业动态密集。

  4. Simon Willison56

    llm-openai-decisions 0.1a0 发布

    Simon Willison 发布 llm-openai-decisions 0.1a0 插件,封装 OpenAI 新 Jev 式 Decisions API。该插件调用 gpt-6-luna 模型,支持图像与文本输入及三种决策问题类型,安装命令为 llm install llm-openai-decisions。OpenAI 该 API 于上周 DevDay 宣布。

  5. IT之家32

    IT早报 1007:余承东详解华为 Mate 90“拼好网”功能;杨利伟称中国空间站下半年迎来首批外籍航天员;余承东官宣鸿蒙出海;2026 年诺贝尔物理学奖揭晓...

    2026 年 10 月 7 日 IT 早报汇总了多项科技资讯,包括余承东详解华为 Mate 90 系列首发的“拼好网”功能,以及杨利伟宣布中国空间站下半年将迎来首批外籍航天员。此外,余承东官宣鸿蒙系统正考虑逐步推向全球市场,2026 年诺贝尔物理学奖也正式揭晓。

  6. IT之家68

    谷歌推出 EmbeddingGemma 2:支持多模态、7.4 亿参数量化手机端运行只需 191MB 内存

    谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展至代码、图像、视频、音频,可统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,量化后纯文本端侧运行仅需约 191 MB 内存,配备 8K Token 上下文窗口。开发者可在 Hugging Face 下载并用于搭建离线跨模态检索系统,这是初代 EmbeddingGemma 的升级版本。

  7. Google DeepMind66

    Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数、基于 Gemma 4 架构并采用 Apache 2.0 许可的开源多模态嵌入模型,可将文本、代码、图像、视频和音频统一映射到嵌入空间。

    推荐理由:原文给出了轻量多模态嵌入模型的端侧性能指标与模块化设计,读者可据此评估本地 RAG 与跨模态搜索的可行性。

  8. AWS Machine Learning Blog44

    基于 AgentCore 和 OpenClaw 构建上下文感知 AI 助手

    该方案利用 Amazon Bedrock AgentCore 运行时与开源智能体系统 OpenClaw,构建具备持久记忆能力的上下文感知 AI 助手。系统通过 Claude Haiku 4.5 处理文本、Claude Sonnet 4.5 处理视觉任务,采用按消耗计费模式,轻度个人使用月成本仅约 1-2 美元。整个架构封装在单个 AWS CloudFormation 模板中,支持一键部署。

10月6日周二

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有