⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 7 条
9月10日周四
  2. 钛媒体AGI46

    高德ABot-Earth 0.7发布：3D原生城市世界模型如何重塑数字地球

    高德正式发布新一代数字地球ABot-Earth 0.7，被称为“全球首个3D原生城市世界模型”。该版本支持在消费级GPU上用10分钟生成公里级3D城市场景，3D制图成本降至传统方式的1%，覆盖190多个国家和地区。其底层空间智能体系在单一架构内整合了渲染、模拟器与规划器，可输出直接导入Unity或Unreal Engine的可编辑素材。

  3. APPSO31

    苹果发布 Apple Watch Series 12 与 Ultra 4，引入“音频智能”与“准备指数”功能

    苹果发布 Apple Watch Series 12 与 Ultra 4，两款设备均搭载 S11 芯片，支持“准备指数”健康评估及“音频智能”功能。后者包含 Live Rewind 语音回溯和 Siri Recap 对话摘要，旨在构建个人智能中枢。Series 12 售价 2999 元起，Ultra 4 售价 6499 元起，均将于 9 月 18 日正式发售。

  5. 夕小瑶科技说83

    蚂蚁灵波开源LingBot-World 2.0，1.3B模型实现消费级显卡实时世界生成

    蚂蚁灵波开源LingBot-World 2.0，1.3B版本支持消费级单卡GPU本地实时生成可交互世界。该模型接收相机位姿与文本指令，通过MoBA混合注意力掩码缓解长序列过拟合，并结合DMD蒸馏与流水线生成提升速度与稳定性，论文展示了60分钟连续生成的视觉质量。

    推荐理由：原文结合论文解读与本地实测，揭示了1.3B小模型如何在消费级显卡上维持实时生成与长时稳定性。

  8. Google AI Blog40

    Google DeepMind 与 Primordial Soup 合作，利用 AI 在短片《Love, Rendered》中重现一对结婚 70 年夫妇的未记录往事

    Google DeepMind 与 Primordial Soup 合作制作短片《Love, Rendered》，通过 AI 技术重现一对结婚超过 70 年夫妇未曾拍摄的过往。团队结合图像恢复与表演捕捉模型，基于现存老照片及当事人当下的微动作特征，生成重现记忆的影像。该流程旨在通过感官线索唤醒认知衰退者的记忆，用户也可在 Gemini 应用中上传老照片请求恢复与上色。

9月9日周三
  6. DeepTech深科技28

    2026年MIT TR35“35岁以下科技创新35人”全球名单发布，涵盖AI、芯片及太空创新

    《麻省理工科技评论》发布2026年度“35岁以下科技创新35人”全球名单，涵盖计算、气候、生物及AI四大领域。入选者包括研发可逆计算芯片的Hannah Earley，以及利用AI提升机器人学习效率的罗剑岚，他们正通过创新技术应对从能源效率到具身智能的关键挑战。

  7. 钛媒体AGI51

    算力之后，存储成为AI应用落地的核心瓶颈

    文章指出随着AI推理负载占比预计2026年达70.5%，传统存储系统已成为制约落地的瓶颈。KV Cache溢出导致SSD承担扩展内存角色，引发写放大和延迟抖动问题。三星和英伟达通过HBM4E、CXL内存、GPU直连存储（GiDS）及开源AiSIO框架等软硬协同方案，正推动存储从单纯的数据仓库向具备近数据计算能力的智能基础设施转型。

  9. 新智元86

    Google DeepMind 发布 AlphaGenome Atlas 基因组变异预测数据库

    Google DeepMind 正式发布 AlphaGenome Atlas，这是一个覆盖全基因组的可搜索预测数据库，穷尽了 90 亿种单碱基突变并针对每种突变生成了约 27000 项预测指标。

    推荐理由：该数据库将90亿种基因突变的预测结果压缩为可即时查询的静态图谱，大幅降低了非编码区变异研究的计算与工程门槛。

  11. 夕小瑶科技说68

    DeepSeek V4.1 Flash实测：原生多模态显著进步，但多Agent机制推高Token消耗

    作者对DeepSeek V4.1 Flash进行深度实测，累计消耗约3亿Token完成14组任务。结果显示，V4.1在原生多模态视觉理解和视觉推理上表现优异，速度约为旧版V4 Flash的3倍。但V4.1在复杂任务中更倾向于开启多Agent协作，导致最终交付耗时增加，且总花费比旧版高出约36%。此外，模型在长上下文写作中仍出现前后逻辑不一致的问题。

  12. 卡尔的AI沃茨78

    GPT Image 2.5 上线，涂鸦、模板与标注精修降低生图提示语门槛

    OpenAI 悄然上线 GPT Image 2.5，主打生成更快、更高清、多轮编辑保持一致，并支持标注图片局部精确修改，另有涂鸦参考生成和 15 个模板功能（目前仅网页版 ChatGPT 可用）。

    推荐理由：作者用多组同提示语对比实测，说明一致性与清晰度提升如何替代繁琐的提示语约束写法。

9月8日周二
  2. Google DeepMind66

    Google DeepMind 发布 AlphaGenome Atlas 全基因组 DNA 变体影响预测平台

    Google DeepMind 发布 AlphaGenome Atlas，预计算了人类基因组中 90 亿个单核苷酸变体的分子影响，并生成综合的 AlphaGenome Variant Impact (AVI) 评分。

    推荐理由：平台预计算了 90 亿个 DNA 变体的分子影响，并配合单一 AVI 评分，为研究者提供从罕见病到群体遗传学的快速变异解释方法。

  4. APPSO74

    DeepSeek V4.1 Flash 开启限时内测，原生多模态且对标 V4 Pro 能力

    DeepSeek 开启新模型 V4.1 Flash 限时内测，采用新模型结构并原生支持多模态。官方反馈问卷询问该模型能否全面替换 V4 Pro，显示其意图在保留 Flash 速度和低成本优势的同时，向 Pro 级能力靠拢。

    推荐理由：原文提供了 V4.1 Flash 的限时测试入口、过期时间以及 DeepSeek 官方将其对标 V4 Pro 能力的明确提问，揭示了该模型试图以 Flash 成本实现 Pro 能力的产品策略。

  5. 甲子光年51

    夏中谱专访：从理想端到端智驾到无界动力具身通用大脑的技术跨越

    前理想汽车智驾核心人物夏中谱加入无界动力，任联合创始人兼 CTO，推动机器人理解与操作真实世界的研发。他复盘了理想汽车端到端智驾项目“100 天上线”的历程，指出端到端依赖的模仿学习在应对未知场景存在局限，因此转向研究基于物理因果的隐空间世界模型（MWA）。

  8. 新智元85

    ChatGPT Sites 开启公测，GPT-6 可凭频谱图识别声音

    ChatGPT Sites 已面向 Plus、Pro、Business、Enterprise 和 Edu 用户开启公测，用户可用自然语言描述并上传草图或截图，在 10 到 15 分钟内生成可交互网站，并支持通过注释直接修改页面元素。文章还引用 ChrisGPT 和 Max Rubin 的测试称，GPT-6 在未播放音频且离线时，仅凭 Mel 频谱图就能识别出蓝鲸叫声和《星球大战》光剑音效。

    推荐理由：ChatGPT Sites 向多档用户开放，把自然语言建站流程拆成可复用的步骤，同时用频谱图测试展示了 GPT-6 的跨模态推理案例。

  10. 硅星人Pro61

    Today 公测评测：齐俊元打造最主动的 Personal AI

    齐俊元创办的 Today 开启公测，它通过连接软件和设备构建围绕用户的“任务世界”，利用 Memory 驱动 Proactive 实现主动提醒和持续执行。评测指出 Today 具备独立应用价值，其 Memory 体系通过主动遗忘和更新解决记忆混乱问题，使 Agent 能在任务暂停后识别状态变化并主动推进；Proactive 功能不仅推送个性化早晚报，还能基于用户偏好精准判断行动时机。

  11. 数字生命卡兹克57

    GPT-6 Astra 操控 Blender 保姆级教程

    作者分享了 GPT-6 Astra 操控 Blender 的三种核心方法：Computer Use、官方 MCP 和 CLI Python 脚本。Computer Use 操作直观但消耗大量费用；MCP 速度快但单次运行容易超时；CLI 适合批量生成任务。对于生物类复杂模型，建议结合 Tripo AI 生成后再导入 Blender 处理，比直接让 GPT 建模效果更优。

9月7日周一
  2. 极市平台36

    极市直播预告｜AlphaOracle：面向甲骨文破译的 AI 辅助系统

    极市平台将于9月10日20:00-21:00举办线上直播，邀请华中科技大学博士生管海粟介绍受人类专家工作流启发的甲骨文AI辅助破译系统 AlphaOracle，将专家的分析、检索与验证流程转化为可计算的智能破译框架。分享内容涵盖计算古文字学背景、现有工作与方法、AlphaOracle 介绍及 Demo 展示，B站同步直播。

  3. 硅星GenAI77

    World Labs 新模型 Atlas 通过空间上下文统一生成与三维重建

    World Labs 联合创始人团队发布新模型 Atlas，该模型将生成与三维重建整合在同一架构中，以新视角预测为核心任务。Atlas 支持输入最多 100 帧图像进行三维场景重建，可通过三部 iPhone 拍摄视频生成子弹时间效果，并具备一定动态模拟能力。当前主要发展瓶颈为训练算力，团队计划在未来增强模型的可编辑性与交互能力。

    推荐理由：文章解释了新模型如何通过空间上下文统一生成与三维重建，并展示了用三部手机拍摄和少量照片重建场景的实际路径。

  4. 新智元60

    西湖大学提出Code World Model：用代码维护世界状态驱动视频生成

    西湖大学AGI Lab与南洋理工大学团队提出Code World Model，该模型利用coding agent编写代码维护可执行的世界状态，再通过proxy指导视频模型生成画面。原型系统使用GPT-5.6 Sol作为coding agent，MiniMax-H3作为视频模型，仅需5.6小时游戏数据即可实现对角色位置、相机运动等时空骨架的有效控制。

  5. 极客公园75

    童欣加入 Meshy：3D 世界终于等到自己的「互联网时刻」

    童欣正式加入胡渊鸣创办的 Meshy 出任首席科学家。Meshy 推出 Meshy 7 优化几何对齐，并展示实时互动世界架构 Mora。截至 2026 年，Meshy 拥有超 1200 万注册用户，完成近 4 亿美元 B 轮融资，估值 15 亿美元。

    推荐理由：文章通过童欣加入 Meshy 这一事件，梳理了生成式 3D 技术从工具到实时交互世界的演进逻辑。