⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
8月24日周一
  3. 机器之心62

    PixVerse 发布实时世界模型 R2，主打可持续交互的互动娱乐体验

    PixVerse（爱诗科技）宣布实时视频世界模型升级到 R2 版本，用户可用按键、文字或语音与持续运行的世界实时交互。技术上 R2 把生成质量、长程一致性和多模态控制收敛进统一的 Omni Causal AR 持续预训练，再直接蒸馏出实时模型，包含 Dynamic Chunk、三层记忆和 Error Bank 等机制，官方称长期亮度漂移指标从 0.201 降到 0.129。

  5. DeepTech深科技56

    AI 能否理解猫语？从动物声学模式到跨物种交流

    AI 通过机器学习识别蝙蝠争吵、抹香鲸点击声和狨猴呼叫中的声学模式，但尚无模型能翻译动物声音的具体含义。宠物 App 如 MeowTalk 和 Traini 利用多模态数据提供状态或意图预测，如疼痛检测或情绪识别，而非直接翻译。研究显示，AI 在跨物种交流中更多是生成让动物回应的声音或识别特定个体信息，而非理解语义。

  6. 优设AIGC85

    DeepSeek-V4-Flash-Vision-Exp 视觉模型上线 API

    DeepSeek-V4-Flash-Vision-Exp 模型正式上线 API 平台，彻底补齐了此前 DeepSeek 模型无法原生读图的短板。该模型提供 100 万 token 的超长上下文窗口与 38.4 万 token 的最大输出空间，支持三种调用协议与混合图文输入。

    推荐理由：实测验证了视觉能力与Agent框架的结合，为开发者补齐多模态工作流短板提供了直接的接入路径。

  7. AIGC开放社区87

    DeepSeek 首个多模态视觉模型 V4-Flash-Vision-Exp 上线

    DeepSeek 上线首个多模态视觉模型 deepseek-v4-flash-vision-exp，文本 Agent 性能与 V4-Flash 持平，多项基准超越 Opus-4.8。该模型图像输入成本极低，1000 张图不足 20 美分，同步上线免费的 Files API 支持图像复用。

    推荐理由：首个视觉模型上线即对标的文本基准和成本数据清晰，可快速评估其在 Agent 场景的性价比。

8月23日周日
  1. 新智元55

    橡鹿机器人在世界机器人大会发布多模态烹饪AI基座CookingMuse厨启及移动无人后厨

    橡鹿机器人在北京亦庄世界机器人大会发布多模态烹饪AI基座CookingMuse厨启及三款新品，推出包含移动无人后厨「现炒方舟」。该系统内置双锅并行、三级自清洁和油烟净化功能，基于全球首个基于真实厨房数据训练的多模态烹饪基础模型，能动态调整火力和时间以应对烹饪过程中的食材差异与意外变化。

  3. APPSO58

    微信灰测「AI 修图」功能，小微深入多个场景

    微信正在灰度测试「AI 修图」功能，该入口位于聊天图片预览窗口，提供美颜、滤镜、文字提取等 11 种预设处理。功能由微信定制的 WeLM 模型驱动，目前可见 80B 与 617B 版本，总参数量分别为 800 亿和 6170 亿，实际激活参数为 30 亿和 230 亿，侧重推理效率。腾讯财报显示其最新季度资本开支达 528 亿元，同比增长 176%，主要投向 AI 算力。

  6. 深度学习与NLP85

    Moderna与默克III期临床试验成功：AI辅助个性化mRNA癌症疗法治愈黑色素瘤

    Moderna与默克联合宣布其个性化mRNA癌症疗法intismeran autogene在III期临床试验中取得主要成功，两项关键指标无复发生存期（RFS）和远处无转移生存期（DMFS）均达到目标。

    推荐理由：该疗法利用AI从患者癌组织筛选靶向新抗原，并定制mRNA序列，帮助免疫系统精准识别并清除残留癌细胞。

  7. CVer91

    Moderna与默沙东个性化mRNA癌症疗法intismeran autogene III期临床双终点达标

    Moderna与默沙东宣布个性化mRNA癌症疗法intismeran autogene在针对高危黑色素瘤的全球III期临床试验中，无复发生存期与远处无转移生存期两大关键终点全部达标，是首个在III期临床取得阳性结果的个体化新抗原疗法。

    推荐理由：原文详细拆解了该疗法从基因测序到AI靶点筛选的完整链条，读者能据此理解个性化mRNA抗癌药物在实体瘤领域的落地机制。

8月22日周六
  4. 硅星人Pro65

    深势科技发布玻尔·科学空间——人类与AI科学家的协作科研空间

    深势科技发布玻尔·科学空间（公开测试版），提供连接本地与云端的桌面端科研工作环境，内置面向不同学科的 AI 科学家。该产品贯通调研、执行、输出阶段：调研阶段由 SciMaster 检索 2 亿篇文献专利并形成假设；执行阶段 BioMaster、PharmMaster、MatMaster 分别执行生物、药物、材料任务；输出阶段提供 LaTeX 写作与引用审查助手。

  5. DeepTech深科技74

    OpenRouter 上线匿名模型 Ox Alpha，社区技术特征分析指向智谱 GLM 系列

    8 月 20 日，OpenRouter 上线匿名前沿模型 Ox Alpha，支持 104.8 万 token 上下文及文本、图像、视频输入，预览期免费调用。独立研究员 Ben Davis 在 DeepSWE 基准的 10 个子任务中测得该模型通过率约 80%，高于 Claude Fable 5 和 GPT-5.6 Sol。

    推荐理由：揭示了社区通过分词器、视觉编码和脏 token 等技术指纹识别匿名模型归属的方法，以及中国厂商利用匿名测试积累海外用户反馈的行业趋势。

8月21日周五
  2. 智东西33

    Elser 团队转型 4 个月上线 AI 游戏平台 Elseland，将数百关精品游戏生产周期缩短至一周

    Elser 团队转型 4 个月上线定位为“AI 精品游戏”的平台 Elseland，将数百关体量精品游戏的生产时间从一年降至一星期左右，成本降低百倍。平台已上线数百款游戏，团队通过自研工具支持创作者开发混合休闲游戏，探索 AI 原生游戏的生产效率与质量标准。

  5. DeepTech深科技83

    DeepSeek V4 上线多模态 Agent 能力

    DeepSeek 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，正式开放 API 并在官方数据中称其多模态 Agent 能力接近 Claude Opus 4.8。

    推荐理由：该模型补齐了 Agent 视觉感知能力，并同步开放 API，为判断工作流闭环提供参考。

  7. Datawhale87

    DeepSeek 发布首个多模态模型 V4 Flash Vision 实验版

    DeepSeek 上线实验性多模态模型 deepseek-v4-flash-vision-exp，正式支持图片理解能力，可识别截图文字、分析图表并驱动 Agent 任务。单次请求最多输入 600 张图片，兼容 OpenAI 与 Anthropic API 格式，调用价格与 V4 Flash 保持一致。

    推荐理由：新模型将视觉理解融入 Agent 工作流，支持批量图片输入且价格不变，开发者可低成本测试界面与图表自动化处理场景。

  9. 量子位71

    深势科技发布玻尔·科学空间，打造人机协同科研桌面环境

    深势科技正式发布玻尔·科学空间（公开测试版），旨在通过内置AI科学家接管科研全流程，让研究者只需负责提问和确认。该平台集成了全科科研专家SciMaster及生物、医药、材料等领域的专属智能体，可自动完成文献调研、假设生成、实验设计与模拟计算，并辅以写作审查助手辅助成果输出。

    推荐理由：文章系统展示了AI智能体如何重构科研流程，并给出了连接数据、算力与实验资源的技术架构，为理解AI与科学协同提供了具体参照。

8月20日周四
  4. 甲子光年59

    张一甲发布 2026 年人工智能趋势判断报告

    甲子光年创始人张一甲在北京发布的 2026 年人工智能趋势判断报告中提出，科技投资新周期下 AI 投资资金水位、流速与流向正在发生结构性重塑。 报告判断四大类智能正同步耦合演进，并指出基座模型增强反而放大了外围 Harness 系统层的作用，且其优化方式正从人工配置迈向 AI 自主递归进化。

  5. APPSO72

    AI辅助mRNA癌症疫苗三期成功，人类加速攻克癌症

    默沙东与Moderna联合宣布，AI辅助的个性化mRNA癌症疫苗（mRNA-4157）联合Keytruda在三期试验中取得成功，能显著延长高风险黑色素瘤患者的无复发生存期。这项技术通过AI筛选肿瘤特异性新抗原，指导T细胞清除残存癌细胞。文章还延伸至其他AI生物医学案例，如Google的AI co-scientist和斯坦福的虚拟实验室，但指出目前AI成果多处于临床前阶段。

    推荐理由：原文梳理了AI辅助mRNA癌症疫苗三期成功的事实，并扩展比较了其他AI生物医学案例，为理解AI在癌症治疗中的现实边界提供了具体参照。

  6. 腾讯研究院35

    闫德利：人工智能的五个悖论

    闫德利指出人工智能存在预测、就业量化、生产率、数据价值和工业革命五个悖论。就业影响测算结果在0.4%至67%间差距巨大，且难以隔离多重经济因素。自ChatGPT发布以来，欧盟每小时劳动生产率增速在0%上下波动，显示技术进步尚未显著转化为生产率提升。