跳到正文

#多模态

今日 4 条
11月6日周五
  1. IT之家60

    Meta 给 AI 装上“脸”和“嗓子”:Muse 现在能视频聊天了

    Meta 个人 AI 助手 Muse 于 11 月 6 日正式上线实时语音对话与富有表现力的虚拟形象功能,率先面向美国用户推送。该功能由 Muse Realtime Voice 和 Muse Realtime Avatar 模型支持,可流式输出 448×768 分辨率、25 帧每秒视频,延迟约 870 毫秒。用户可像打电话一样交谈并随时打断,Meta 定位其为更自然的个人智能体交互。

  2. IT之家66

    蚂蚁百灵大模型 Ling-3.2-flash 发布:三项基准超越 Claude Opus 5,前两周限时免费

    蚂蚁百灵官方团队今日推出原生多模态模型 Ling-3.2-flash,拥有 560B 总参数、25B 激活参数与 1M 上下文窗口。该模型在 OmniDocBench1.5 等三项基准超过 Claude Opus 5,API 定价每百万 token 输入 0.30 美元、输出 0.90 美元且前两周免费。它支持图像文本视频输入,强化复杂视觉理解、多模态长程 Agent、3D 理解与医疗多模态能力。

  3. Google Research67

    Google Research 发表 AI-PPG-ACC-HTN:用智能手表被动检测高血压迹象

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,利用智能手表 PPG 和 ACC 数据被动检测高血压迹象,无需袖带校准。该系统在 196 人多中心研究中达成初始筛查特异度 90.0%、确认测试 PPV 96.7%,准确率可比传统袖带诊断。研究强调其仅作机会性筛查早期验证,不代表现有或即将推出的商业功能。

    推荐理由:论文提出AI-PPG-ACC-HTN系统,用智能手表被动检测高血压,准确率可比袖带诊断,为机会性筛查提供路径。

11月5日周四
  1. IT之家45

    大疆发布 Matrice 5T 无人机:标配激光雷达、毫米波雷达、全彩全向视觉感知系统,57488 元

    大疆正式发布全场景轻型旗舰 DJI Matrice 5T,中国大陆官方售价为 57,488 元。该机首次在轻型行业无人机上标配激光雷达、毫米波雷达与全彩全向视觉感知系统,最长飞行时间达 59 分钟,支持 IP55 防水。这是大疆首次在轻型行业无人机上标配上述三类传感器,旨在覆盖应急救援、电力巡检等多类场景。

  2. IT之家35

    苹果 HomeView 安全功能曝光:人脸识别连续失败 3 次,必须掏出 iPhone 解锁

    苹果即将推出的智能家居中枢 HomeView 将加入防欺骗保护机制,若人脸识别连续失败 3 次,账户将被锁定,需通过 iPhone 完成身份验证才能解锁。该设备售价 299 美元,配备触摸屏和摄像头,旨在通过识别家庭成员展示个性化信息。防欺骗机制预计将在 HomeView Software 27.2 中启用,设备将于 11 月 13 日正式开售。

  3. IT之家63

    华为昇腾宣布 0 Day 支持 Kimi K3.1 Pro 推理部署,2.8 万亿级 MoE 模型能力再进阶

    华为昇腾基于 vLLM Ascend 与 SGLang 实现 Kimi K3.1 Pro 的 0 Day 推理适配,支持 Atlas 800 A3 等硬件部署这一 2.8 万亿参数 MoE 模型。该模型具备百万 token 上下文与视觉理解,昇腾优化稀疏注意力等算子支撑长上下文推理。此次适配依托 K3 经验提前完成,模型发布首日即可部署验证。

  4. IT之家35

    IT早报 1105:调查显示近七成中国受访者今年不换手机;苹果就多地天气突现-32℃ 致歉;曝华为子品牌星芒英文名 OSTA;传字节将限制员工自费使用 Claude...

    彭博行业研究 10 月调查显示,近七成中国受访者 2026 年不会更换智能手机,人工智能以 8% 的占比排在换机原因末位。苹果客服就天气 App 多地显示 -32℃ 等极端数据致歉,称系系统端口问题并已修复。

  5. 量子位47

    百度Apollo发布世界模型ApolloWorld,虚拟路测效率提升三年

    百度Apollo正式披露世界模型ApolloWorld,利用AI构建可交互虚拟交通环境,支持完整Robotaxi行程级路测。该模型一天完成的虚拟里程相当于一辆真实测试车连续行驶三年,已应用于萝卜快跑全球化测试。此前Waymo于2月发布基于Genie 3的Waymo World Model,百度此次方案更侧重覆盖完整出行任务的验证体系。

11月4日周三
  1. IT之家50

    魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0

    魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0,将重力、光照等物理要素融入空间建模,输出可实时渲染的 4D 高斯资产。该模型视频推理速度提升至约 70 帧每秒,推理成本最低可降至同等规模 GPU 方案的 30%。这是继今年 7 月 MoWorld 1.0 发布后,该模型在物理交互与算力效率上的能力跃升。

  2. 量子位59

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens,赋予Agent长视频视听双流事件记忆

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens多模态记忆能力,通过视觉听觉双流按真实事件切分长视频,召回精度最高提升45.7%且在线时延最高降97%。它建立三层记忆结构并离线建索引在线查,L1与L2记忆单元文本化向量化可无缝接入主流RAG/Agent技术栈,项目地址https://gitcode.com/openJiuwen/agent-memory/。

  3. 量子位56

    招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」

    近日招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,采用MoE架构总参数约35B仅激活约3B。该模型在十项公开基准上全部指标提升,综合均分65.29,并于Hugging Face开源权重。其依靠能力牵引数据引擎而非堆砌数据,提供可复用训练方法论。

  4. IT之家48

    小鹏联合北大、港大发布 GroundingPI 预训练模型,感知模块综合跑分超过 GPT-6 Astra

    小鹏集团联合北京大学、香港大学等团队发布具身感知基座模型 GroundingPI,该模型采用约 40 亿参数规模,在 34 项公开感知基准综合评测中位列第一。GroundingPI 综合得分为 73.68,高于 OpenAI 前沿模型 GPT-6 Astra 的 71.54 分。该研究目前处于科研原型阶段,旨在通过精准感知降低机器人示教成本并提升场景泛化能力。

11月3日周二
11月2日周一

© 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