跳到正文

#多模态

今日 4 条
11月13日周五
  1. IT之家23

    问界新 M8 搭载全维手势交互系统

    问界新 M8 在上市发布会上宣布搭载全维手势交互系统,支持舱内外多传感器融合感知。用户可通过手指指向车窗或屏幕,配合语音指令实现车窗开度控制及屏幕内容抓取。该系统基于全息空间感知网络,旨在提供更智能的交互体验。

  2. IT之家36

    上海海思推出 CS6286 图像传感器,将车载哨兵系统续航延长至 7 天以上

    上海海思推出 800 万像素图像传感器 CS6286,采用“感算存一体”架构,将车载哨兵系统续航延长至 7 天以上。该芯片集成 50GOPS@int8 算力 AI 引擎,人形目标检测准确率达 95% 以上,支持 4K@30fps HDR 录制。相比传统方案仅支持 24~48 小时录制,CS6286 通过 AI 精准唤醒与预录节能机制实现长续航,目前已进入量产阶段。

  3. Microsoft Research43

    Microsoft Research Focus 第 98 期:AI 语音翻译、KLS 猜想证明及编码智能体优化

    Microsoft Research 发布第 98 期研究简报,涵盖 AI 语音翻译进展、31 年未解的 KLS 猜想证明及编码智能体效率优化。针对长会话中上下文压缩导致的高成本问题,新提出的 APEC 方法在评估中降低了 25.4% 的成本和 9.6% 的执行时间。此外,研究还介绍了跨 104 种语言的 Latent Core Tokenizer 技术,旨在提升多语言模型性能。

  4. IT之家79

    谷歌发布 Gemini 4 Hydrogen 模型:主打日常编程与智能体工作流,百万 Token 输入 1.5 美元

    谷歌正式推出 Gemini 4 Hydrogen 模型,主打日常编码与智能体工作流,输入每百万 Token 1.5 美元且提供百万上下文窗口。该模型在 Artificial Analysis 智能指数高思考档得分 51 高于 Gemini 4 Argon 的 50,配套 Orchestrator 调度功能在 Terminal-Bench 4.0 上配额减 24% 提速 19%。

  5. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 今日发布 Gemini 4 Hydrogen 模型,面向 Google AI Studio、Gemini API、Gemini app、Search 等全员开放,默认高思考层级在 Artificial Analysis Intelligence Index 获 51 分超越 Argon 的 50 分。

    推荐理由:Gemini 4 Hydrogen以统一价格和四档思考层级面向全员开放,开发团队可据此权衡不同智能体任务的成本与延迟。

11月12日周四
  1. IT之家46

    谷歌为 Android XR 智能眼镜推出全面隐私保护措施:录制指示灯、人脸模糊与数据即删

    谷歌为 Android XR 智能眼镜推出隐私保护机制,包括录制指示灯、人脸模糊及 Gemini 图像数据使用后立即删除。单次视频录制时长限制在 90 秒以内,且禁止应用利用摄像头进行实时人脸识别。此前 Meta 智能眼镜因隐私争议被贴上“偷拍眼镜”标签,谷歌此举旨在消除消费者不信任。

  2. IT之家58

    三星首款智能眼镜 Intelligent Eyewear 开启预售:搭载 Android XR 系统,395 美元起

    三星11月12日开启首款智能眼镜 Intelligent Eyewear 预售,售价395至489美元,运行 Android XR 并整合 Gemini 与 Bixby。该眼镜配备1200万像素摄像头与骁龙 AR1 Gen 1,支持实时翻译、逐步导航及白板笔记总结到三星 Notes。这是三星第一代智能眼镜,12月10日起可在指定门店试用。

  3. IT之家51

    科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言

    科大讯飞今日宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务,支持 99 种语言与 202 种方言。该模型直接理解语音中的语义情绪与环境音,解决级联方案信息丢失与链路割裂问题,并采用全国产算力训练。这是相较上一代模型在听见更多、理解更透、用得更广方面的全新升级。

  4. IT之家29

    荣耀 700 系列手机发布:全系配备新一代绿洲护眼屏,首发旗舰同款长焦增距镜

    荣耀 700 系列手机全系配备新一代绿洲护眼屏,采用 1.5K 分辨率与 3840Hz 零风险调光,并首发旗舰同款长焦增距镜。该系列全系标配 2 亿像素主摄,Pro 版搭载骁龙 8 Gen 5 处理器,支持 4K 电影感 Live 照片及 Live Video 功能。这是荣耀在 11 月 12 日闭门沟通会上披露的最新机型规格信息。

  5. IT之家20

    荣耀700全系标配9000mAh青海湖电池

    荣耀官方确认荣耀 700 系列全系标配 9000mAh 青海湖电池,支持 80W 有线及 50W 无线快充。该系列全系搭载 AI 灵动背屏,支持后置自拍、心率血氧检测等功能,并在 7.96mm 机身内实现同档位最大容量电池。作为数字系列大换代,荣耀 700 系列包含 Pro、标准版及 700S 三款机型,全系配备高通骁龙芯片。

  6. Latent Space49

    Google 发布 Gemini Decision 1 决策模型

    Google 发布 Gemini Decision 1,这是一款支持多模态输入的校准决策模型,单次请求可处理 1000 个问题,端到端延迟约 200ms。其输入价格为每百万 token 0.10 美元,输出免费,官方称比 Flash-Lite 便宜 5 倍。此前该项目为 Google DeepMind 内部原型,小团队在六周内完成了模型与 API 的发布。

  7. IT之家43

    苹果详解 Secure Exclaves 安全架构:Siri、摄像头和麦克风隐私保护升级,主系统也无法访问原始信息

    苹果发布技术文章详解 Apple Silicon 芯片中的 Secure Exclaves 安全架构,确保摄像头和麦克风原始音视频数据不被主操作系统、应用程序或苹果自身访问。该机制通过独立隔离环境处理数据,仅向外提供元数据,并应用于 iPhone 18 Pro 等设备的屏幕指示功能及 HomeView 的用户识别。此前苹果已推出相关硬件,此次进一步公开了底层微内核验证与通信机制细节。

  8. Simon Willison55

    Google发布Gemini Decision 1决策模型API

    Google于2026年11月11日发布Gemini Decision 1决策模型API,加入Jev和OpenAI的决策模型类别。该模型支持yes/no、choice和rubric-scoring三类问题,覆盖文本、图像、音频、视频与PDF全模态,输入每百万token 10美分且输出免费。作者用视频测试返回概率值,Jev仅文本最便宜,OpenAI支持文本与图像。

11月11日周三
  1. IT之家49

    消息称夸克平台战略调整,“真人讲题视频录制”已被叫停

    夸克平台进行战略调整,已停止真人讲解题目的视频录制,此举或为千问让路。此前夸克通过供应商招募兼职老师按题计价录制视频,热门科目单题价格近 10 元。今年早些时候,千问 App 上线“千问小讲堂”功能,支持免费真人老师讲题及 AI 辅助,旨在打造 AI 时代用户第一入口。

  2. IT之家25

    vivo 联合比亚迪腾势汽车:蓝心小 V 与迪迪虾跨端融合,手机 NFC 碰一碰会议无缝流转上车

    vivo 宣布携手比亚迪腾势汽车,实现蓝心小 V 与迪迪虾跨端融合,支持手机 NFC 碰一碰将会议无缝流转至车机。即将于 11 月 12 日上市的腾势 N8 将支持手车互联与一碰流转,通过灵动按键 NFC 实现一机双开及巨幕投屏。此前腾势 N8 已开启预定,搭载第二代刀片电池及闪充技术,纯电续航可达 1003km。

  3. IT之家43

    亚马逊 Ring 推出两款安防机器人:一款飞着看家,一款巡逻商铺

    亚马逊 Ring 宣布扩展 Ring Robotics 产品线,推出面向家庭的飞行摄像头 Drone Cam 和面向商业场所的轮式机器人 Rover Cam。两款设备均搭载 AI Pilot 系统实现自主导航,Drone Cam 售价 249.99 美元,Rover Cam 售价 999.99 美元。Ring 早在 2020 年便提出室内飞行安防摄像头概念,此次正式落地该方向。

  4. IT之家28

    iOS 27.3 开发者预览版引入 Siri 读取健康数据功能

    iOS 27.3 首个开发者预览版 Beta 中,苹果为 Siri AI 引入读取“健康”应用数据的功能 Flag,目前处于禁用状态。该功能支持检索 92 种 HealthKit 数据类型,涵盖活动圆环、睡眠摘要及用药记录等,并包含可视化展示选项。此前 Siri AI 尚不支持读取健康应用数据,此次更新旨在补齐苹果 Siri AI 生态拼图。

  5. IT之家45

    谷歌联合 Artificial Analysis 推出 MKA 基准测试:Gemini 4 Carbon 多模态知识工作测试获第二,任务成本仅为第一名六分之一

    谷歌联合 Artificial Analysis 推出多模态知识智能体基准测试 MKA,用于评估 AI 智能体处理视觉复杂文件及完成现实知识工作任务的能力。Gemini 4 Carbon 在该测试中质量排名第二,平均任务成本仅为排名第一模型的六分之一。该基准包含 200 项任务,覆盖 10 个行业,目前已通过 Artificial Analysis 平台开放。

  6. TechCrunch · AI39

    Ring 推出家用安防无人机与企业安防机器人

    Ring 宣布成立机器人部门,推出家用安防无人机 Ring Drone Cam 和企业安防机器人 Ring Rover Cam。Rover 售价 1000 美元,支持 4K 视频流和双向音频,将于 12 月 16 日发售;Drone 售价 270 美元,支持 2K 视频,明年 1 月 27 日上市。两款设备均搭载 AI Pilot 系统,此前亚马逊曾推出类似产品 Astro 但已停产。

  7. Google DeepMind83

    Gemini 4 Carbon 现已开放

    Google DeepMind 今日开放 Gemini 4 Carbon 模型,提供前沿网络安全与长程代理工作流能力。该模型在 CursorBench 4.0、WANDR 等基准排名第一且任务成本低于次优外部模型一半以上,通过 AI Studio API 以与 Gemini 4 Argon 相同价格($2/$10 per M tokens)开放。

    推荐理由:Gemini 4 Carbon定价与Gemini 4 Argon一致,但面向更复杂编程与科研任务,开发者可对比二者选型。

11月10日周二
  1. The Verge · AI42

    Ring 演示其新 AI 无人机摄像头 Drone Cam

    Ring 在纽约发布活动上演示了室内 AI 无人机摄像头 Drone Cam,售价 249.99 美元,计划于 2027 年 1 月 27 日发货。该设备重 165 克,支持 2K 分辨率,依赖云端 AI Pilot 系统自主导航,单次飞行 5 至 8 分钟。这是 Ring 在 2020 年宣布 Always Home Cam 后,时隔近六年再次推出飞行摄像头产品。

  2. IT之家52

    号称行业首个具身全模态端到端交互大模型,智元发布 WITA-Omni

    智元正式发布 WITA-Omni 全模态大模型,号称行业首个具身全模态端到端交互大模型,支持触觉、本体状态输入与机器人动作表情输出。该模型采用流式全双工架构,平均交互响应约600毫秒较业内快近3倍,且无需唤醒词支持自然对话。此前 WITA-Omni Preview 曾以85.21分登顶 DailyOmni 全模态理解榜单。

  3. IT之家32

    雷鸟 iO AI 智能眼镜新增高德导航功能

    雷鸟宣布为雷鸟 iO AI 智能眼镜升级加入高德导航功能,支持语音唤醒及 HUD 实时指引。用户可通过 RayNeo AI 启动步行或骑行导航,途中偏离路线时系统会自动重新规划并同步刷新。此外,该眼镜还新增智能推荐看板,接入高德扫街榜与同程程心能力以提供周边推荐。

© 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