⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 18 条
9月17日周四
  1. AIGC开放社区73

    Google 推出 Gemini 3.8 Live 系列，语音交互升级为实时双向任务助手

    Google 于 9 月 15 日推出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者支持实时低延迟语音交互、音频流及 97 种语言自动切换，后者增加后台推理与异步工具调用以处理多步骤任务。两款模型已接入 Gemini API 和 Google AI Studio，将语音交互从单向问答转向支持连续对话与工具执行。

9月16日周三
  3. 特工宇宙67

    智象发布视频生成模型 HiDream-O1-Video-1.0

    智象未来发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0，支持多模态输入并生成 5 至 20 秒的 1080P 视频。该模型在 Artificial Analysis 图生视频榜单中位列全球第 4，在 Arena.ai 盲测榜中位列第 8。模型采用先理解再生成架构，在多个物理逻辑测试场景中表现优于 Minimax H3 和 Seedance 2.5。

  4. 深思SenseAI87

    TypeSafe 发布 Jev 模型，0.7 秒完成 777 次结构化判断

    TypeSafe AI 发布 System One 模型 Jev，该模型仅输出带校准概率的结构化决策，不生成自然语言。官方称其响应时间仅为 70-500 毫秒，输入成本为每百万 token 0.042 美元且输出免费。第三方 Mike Taylor 实测显示，Jev 在 0.7 秒内完成 777 次判断，但在 7 处预埋缺陷的测试中仅识别出 6 处，显示其存在漏判风险。

    推荐理由：文章通过第三方实测数据，补充了该结构化决策模型在成本与准确率上的具体表现边界。

  7. 新智元80

    紫东太初开源9B通用多模态模型ZDTaichu5.0-9B，空间具身能力同档第一

    紫东太初开源ZDTaichu5.0-9B通用多模态模型，在MindCube-tiny等9项国际权威空间基准上取得8项同参数组别全球第一，在ViewSpatial、MindCube-tiny和VSI-Bench上成绩领先Gemini 3 Pro 7%以上。

    推荐理由：该模型在9B规模集成了空间具身能力，其自适应循环推理机制和同参模型基准数据是理解端侧具身智能架构演化的关键案例。

  9. 夕小瑶科技说76

    OpenAI高管预告GPT-6 Sol更新及社区灰度反馈

    OpenAI高管Tibo与Sam Altman预告DevDay重大更新，用户发现部分GPT-5.6 Sol请求已路由至GPT-6 Sol。社区测试显示，GPT-6 Sol在处理复杂生成任务时耗时显著缩短，如7.2万token任务耗时从26分钟降至9分钟。

    推荐理由：对比了新旧版本的生成耗时，量化了社区热议的性能提升幅度。

  11. X：Greg Brockman (@gdb)1

    Odyssey 发布基础世界模型 Odyssey-3，可用数十小时数据适配机器人与驾驶

    Odyssey 发布基础世界模型 Odyssey-3，称其可控制机器人、驱动人形、驾驶车辆、训练 AI、操控无人机甚至玩视频游戏。其路线是先用预训练世界模型，再接上用数十小时机器人演示训练的动作解码器；据作者转述，驾驶策略仅用 20 小时模拟数据训练后就能驶上印度真实街道，机械臂、人形遥操作和模拟无人机数据的用量也仅为数十小时。

  12. X：Greg Brockman (@gdb)1

    Viggle AI 发布视频模型 Meridian 并开放权重

    Viggle AI 发布视频模型 Meridian，可对已有视频更改相机角度和时序，例如换新角度跟随动作、放慢速度，或冻结画面同时保持相机移动。权重已在 https://huggingface.co/Viggle/Meridian 开放。

  13. X：Greg Brockman (@gdb)1

    阶跃星辰发布 StepAudio 3 系列共 5 款音频模型

    阶跃星辰发布 StepAudio 3 系列共 5 款音频模型，覆盖实时语音、语音识别、语音生成、音频生成和音乐。Realtime 在 Artificial Analysis 的 Conversational Dynamics 达 98.9%、Speech Reasoning 达 99.7%，均排名第一；ASR 词错率 1.7%，与榜单最佳持平。

  15. X：Greg Brockman (@gdb)1

    Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时语音模型

    Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时语音模型，称其达到 SOTA 并提供前沿的价格与性能。3.8 Live 支持 97 种语言并可无缝切换，支持异步工具调用；附图显示 Gemini 3.8 Live Extended Thinking 在 Artificial Analysis Speech to Speech Index 达 82.6%。

  18. 大模型智能75

    OpenAI宣布退役GPT-5.3-Codex-Spark模型

    OpenAI Codex负责人Tibo宣布GPT-5.3-Codex-Spark将于下周退役。Tibo称该模型用量持续下滑且已有更好的替代方案，其运行依赖的Cerebras晶圆平台现支持完整的GPT-5.6 Sol模型，后者在保持同等智能水平下提供了更快的推理速度。

9月15日周二
  9. X：Greg Brockman (@gdb)1

    硅基流动上线开源模型 Hy4 preview，770B 总参数、1M 上下文

    硅基流动（SiliconFlow）宣布开源模型 Hy4 preview 上线其平台。该模型总参数 770B、每 token 激活 49B、支持 1M 上下文，采用 Apache 2.0 协议，面向编码、分析、研究和复杂实际工作。用户可将其接入 Claude Code、Codex、Cursor 等已有工具；图片显示定价为每 1M tokens 输入 $0.834、输出 $2.501、缓存 $0.042。

9月14日周一
  1. AWS News58

    AWS每周要闻：OpenAI GPT-6 Astra在Amazon Bedrock全面上线

    OpenAI GPT-6 Astra已在Amazon Bedrock全面可用，支持100万输入token的上下文窗口，提供更深推理与专业级写作能力，企业可通过Bedrock API或ChatGPT Work/Codex调用。同期，Amazon Quick桌面版在macOS和Windows正式可用，支持本地文件处理、后台连接日历和邮件，且Quick智能体在电脑关闭后仍可继续运行。

  2. AI科技评论60

    实测 Seedance 2.5 与可灵 3.0 在技术科普与剧情改写中的差异

    AI科技评论实测 Seedance 2.5 与可灵 VIDEO 3.0，对比其在 15 秒技术科普和剧情改写中的表现。Seedance 2.5 画面包装和角色稳定性更强，涉及肖像与版权素材时会直接拦截生成；可灵 VIDEO 3.0 更按分镜执行，能续写完整剧情段落，但存在文字误写和素材授权风险。文章指出 AI 视频模型差距正从画质转向工作流。

  4. X：Greg Brockman (@gdb)1

    DeepSeek 发布 DeepSeek-V4.1-Flash：以 CED 架构压缩 KV cache

    DeepSeek 发布 DeepSeek-V4.1-Flash，一款 552B 参数（每 token 激活 16B/预填充 8B）的多模态 MoE 模型，支持最长一百万 token 上下文。其 Causal Encoder-Decoder（CED）架构结合 CSA2 与 FP4 KV caching，将全局 KV cache 降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437，配合 SWA Bounded Replay 将持久 KV cache 降至约 1/8，性能仍优于基线。模型基于 45T token 多模态语料预训练，checkpoint 已在 https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash 开放。

  5. X：Greg Brockman (@gdb)1

    MiniMax 盘点 H3 视频生成模型开源生态进展

    MiniMax 盘点其开源视频生成模型 H3（支持原生立体声音频和多模态参考控制）的社区优化成果，并附生态汇总仓库 https://github.com/MiniMax-AI/awesome-minimax-h3-integration。

  7. X：Greg Brockman (@gdb)1

    GPT Image 2.5 上线 ChatGPT，图像编辑一致性提升

    OpenAI 员工 Sherwin Wu 宣布 GPT Image 2.5 已在 ChatGPT 上线，称其在所有图像排行榜达到 SOTA，编辑图像时的一致性表现突出。他建议此前因 GPT Image 2 编辑时人脸轻微变化而失望的用户重新尝试。链接：https://openai.com/index/introducing-chatgpt-images-2-5/

9月13日周日