跳到正文

#多模态

今日 4 条
10月21日周三
10月20日周二
  1. IT之家44

    小米 MiMo-V2.6-Pro 正式上线 WorkBuddy

    小米 MiMo-V2.6-Pro 正式上线 WorkBuddy,支持 1M 超长上下文及多智能体分工协作。该模型在 Artificial Analysis 智能指数达 46 分,位列全球开源第一,并具备全模态联合理解能力。此前小米已于 9 月 22 日开源 MiMo-V2.6 系列,Pro 版输入输出价格分别为每百万词元 3 元和 6 元。

  2. 量子位49

    Meshy 推出 Meshy Edit:基于自研 AI 模型实现 3D 局部编辑

    Meshy 正式发布局部编辑功能 Meshy Edit,用户圈选区域并输入指令,约一分钟即可生成新模型且未选中区域保持原样。该功能支持最多 5 张参考图,每次编辑消耗 20 积分,目前仅支持 Meshy 6 和 Meshy 7.1 生成的高精度模型。Meshy 是 a16z 最新报告中唯一的 AI 3D 公司,其 ARR 已突破 1 亿美元。

  3. IT之家21

    倍思海外推出 U2 Pro Outdoor 监控摄像头,带有可追踪移动目标的聚光灯

    倍思(Baseus)在海外推出 U2 Pro Outdoor 监控摄像头,定价 269.99 美元,主打可追踪移动目标的聚光灯功能。该设备内置 AI 分析技术,能区分人员、宠物、车辆及包裹,并在检测到移动目标时发送警报及事件摘要。硬件方面采用 3K 上下双摄像头设计,下方云台支持俯仰/水平旋转,并随附太阳能板以实现清洁用电。

  4. AWS Machine Learning Blog25

    Amazon SageMaker JumpStart 2026 年迄今回顾

    Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月间新增超过 100 个来自 30 家提供商的模型,显著扩展了目录规模。新增内容涵盖 NVIDIA Cosmos3 世界基础模型、多模态模型及量化模型,支持一键部署与 LoRA 等微调技术。此次扩容旨在满足客户对模型架构、规模及多模态能力的多样化需求。

  5. The Decoder64

    可灵AI发布4.0版本,支持立体声音频、多语言唇同步与轻量Flash变体

    可灵AI发布4.0版本,新增立体声音频、多语言唇同步与轻量Flash变体,单次可生成最长30秒视频。系统提示词理解扩展至8,000 tokens,支持最多10张关键帧与15个参考资产,并通过MCP和CLI接入AI智能体工作流。原文对比万3.0与Seedance 2.5,指出可灵4.0在镜头逻辑等方面未明显领先,这可能是AI视频模型进步放缓的早期信号。

  6. AWS Machine Learning Blog47

    TwelveLabs Pegasus 1.5 上线 Amazon Bedrock

    TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 可用,支持将长视频转化为带时间戳的结构化 JSON 元数据。该版本单次请求可分析长达 2 小时的视频,并新增视频分段、多模态提示及无需预索引的即时处理功能。此前 Pegasus 1.2 仅支持 1 小时视频分析,此次升级显著扩展了处理容量。

10月19日周一
  1. IT之家29

    古尔曼:苹果正研发室内摄像头,依靠 AI 分析环境

    彭博社记者古尔曼透露,苹果正研发代号为 J450 的室内摄像头,利用 AI 分析周围环境。该设备配备低帧率及红外传感器,支持人脸识别,仅向用户发送文字描述而非视频画面,核心设计理念为隐私保护。古尔曼预计该产品将于明年推出,且不属于 10 月 13 日公布的 Home Collection 系列配件。

  2. IT之家47

    瑞典 FOI 开源 WiFireNet:利用 Wi-Fi 信号识别隐藏手枪

    瑞典国防研究局(FOI)开源了名为 WiFireNet 的 AI 系统,通过分析 Wi-Fi 信道状态信息(CSI)识别隐藏手枪。在受控实验中,该系统检测手枪的平均精确率为 72.5%,但精准定位武器位置时精确率降至 53.8%。该研究论文于 10 月 13 日发布于 arXiv,团队计划后续采用 Wi-Fi 7/8 标准以提升性能。

10月18日周日
  1. 量子位85

    DeepSeek发布V4.1-Flash-1017新模型,开放自研搜索API

    DeepSeek发布V4.1-Flash-1017模型,开放自研搜索API并增强DeepSeek Harness至0.2.1版本。新模型在代码与Agent任务表现提升的同时压低了运行时间和token费用;搜索API提供Search与Fetch接口,限时免费至11月1日。

    推荐理由:新模型V4.1-Flash-1017在提升Agent与代码能力的同时压低了运行开销,并开放自研搜索API供外部调用。

10月17日周六
  1. Testing Catalog77

    Meta 的 Muse Spark Open 针对新 Mac Studio 优化

    Meta的Muse Spark Open针对新Mac Studio优化,可在双Apple M5 Ultra Mac Studio上通过MLX本地运行816B参数开放权重模型。该模型支持1M token上下文与多模态,权重已在Hugging Face等平台开放下载,开发者可定制部署。

    推荐理由:Meta开放Muse Spark Open权重并支持双Mac Studio本地部署,开发者可借此在端侧运行816B参数多模态模型。

  2. IT之家42

    我国首个全自主可控气象 AI 集合预报系统“风清”正式投入业务运行

    “风清”人工智能全球短中期集合天气预报系统 V1.0 近日通过评审,正式投入全国气象业务运行。该系统依托国家超级计算天津中心十万卡 AI4S 超算集群,融合视觉 Transformer 架构与气象物理约束算法,全球有效预报时效达 11 天,多项核心指标优于 ECMWF 最新 AI 集合预报系统。这是我国首个实现数据、模型和算力完全自主可控的业务级气象 AI 集合预报模型。

  3. 量子位84

    谷歌发布 Gemini 4 Argon:API 限时半价,重回御三家

    谷歌正式发布 Gemini 4 Argon 模型,API 每百万输入 token 2 美元、输出 10 美元限时半价至 11 月 30 日。该模型加强编程、多模态与长任务执行能力,第三方评测并列53分且调用成本约竞品一半到五分之一。谷歌同时发布217页安全报告。

    推荐理由:Gemini 4 Argon首发API价格打五折,调用成本约竞品一半到五分之一,开发者可低成本评估其长任务能力。

  4. TechCrunch · AI45

    Elorian 发布首个 AI 模型 Glimpse,旨在通过图像进行推理

    Elorian 发布首个模型 Glimpse,以研究预览形式提供 API 访问,其核心机制“视觉草稿空间”允许模型在推理中裁剪图像或提取视频帧。该模型定价为每百万输入 token 0.60 美元、输出 3 美元,在科学图表推理等任务上表现优于 GPT-6 Astra。此前 OpenAI 已在 o 系列模型中引入类似功能,但 Elorian 称其围绕此机制构建了更小的模型。

10月16日周五
  1. IT之家30

    三星携手 Reality Defender 开发端侧 AI 深度伪造检测方案

    三星联合 Reality Defender 开发面向新加坡企业用户的端侧 AI 深度伪造检测方案,直接在 Galaxy 设备本地运行以识别虚假语音、视频和图像。该方案利用 Knox 安全平台保护数据,旨在减少敏感信息上传云端的需求,降低数据泄露风险。目前三星尚未公布具体上线时间及支持的机型,计划率先在新加坡市场落地。

  2. IT之家42

    吉利控股集团与谷歌达成全球战略合作,首款搭载相关服务的车型 2027 年下半年推出

    吉利控股集团与谷歌达成全球战略合作,将在海外市场为旗下车型共建数字座舱生态。首款搭载经官方认证的谷歌汽车服务(含 Gemini、地图等)的车型计划于 2027 年下半年推出。此前极星已于 2020 年加入该合作序列,未来服务将逐步覆盖吉利、领克等更多品牌。

  3. IT之家25

    OPPO ColorOS 十月体验升级内容公布:内容传送门新增链接卡片拖拽

    OPPO 公布 ColorOS 十月体验升级,内容传送门新增链接卡片拖拽功能,支持将聊天中的链接卡片长按后拖拽至微信、QQ 等应用。此次更新还优化了小布记忆、AI 拍一拍及智慧车载等功能,支持文档扫描导出多种格式及车机全屏投屏。该更新自 9 月 22 日起分批推送,覆盖 OPPO、一加及真我旗下多款机型。

  4. TechCrunch · AI70

    Meta发布开放权重模型Muse Spark Open,可本地运行于Mac

    Meta发布开放权重模型Muse Spark Open,可本地运行于Mac,具备816B参数与1M token上下文窗口。该模型原生多模态,面向复杂编码与智能体任务,本地运行需至少1TB RAM,最佳搭配M5 Ultra芯片Mac Studio。Meta已将其配对Muse Code并部署至Mastodon客户端修复与DaVinci Resolve视频编辑等智能体工作流,并通过多个API平台开放。

© 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