机器之心AI 评分3333

深度估计模型压缩至 6M 参数，支持在 Jetson 上运行

针对单目深度估计模型日益庞大导致部署困难的问题，相关技术将模型参数压缩至 6M，使其能够在 Jetson 边缘设备上运行。这一优化解决了基础能力增强与模型轻量化之间的断层，提升了跨场景泛化能力在终端硬件上的可用性。

DatawhaleAI 评分7070

Jev-Omni 多模态决策模型本地部署与实测教程

Datawhale 发布了 Jev-Omni 多模态决策模型的本地部署教程，覆盖环境准备、权重下载、素材配置与最小验证脚本。Jev-Omni 基于 Gemma 4 12B IT 底座微调，统一支持文本、图像、音频与视频四类输入，在 GB10 算力卡（121 GB 统一内存）上实测，文本、图像、音频单次推理耗时均在 1 秒以内，视频单次耗时约 4 秒。

The DecoderAI 评分4242

NASA-IBM 开源月基模型利用 17 年观测数据奠定月科学基础

NASA 与 IBM 联合发布开源月基模型，基于 17 年 LRO 等任务数据，显著提升冰层预测精度。模型利用近 200 万个多模态数据块训练，冰沉积预测误差较 SwinV2-B 基线降低 22%，粗尺度陨石坑检测性能提升 19%。

Aleph Alpha 发布 Kolibri：78.1B 参数量、3.46B 激活参数的英德开源 MoE 模型

Aleph Alpha 发布了英德双语开源权重 MoE 模型 Kolibri。该模型总参数量 78.1B，每 token 仅激活 3.46B，支持 1,048,576 上下文长度，采用 Apache 2.0 协议在 Hugging Face 提供。

新智元AI 评分2424

Fable 5.5 震撼首测：人类万年史浓缩进 24 小时！外网传疯了的 3 分钟神作

博主使用 Fable 5.5 纯代码生成了 3 分钟“人类进化史”视频，将万年历史压缩为 24 小时。该短片零素材零版权，并展示了 94 秒 42 个数量级缩放及 SCP 交互游戏等能力，通过代码构建世界而非像素预测。

Datalab 发布 OmniExtractBench 以解决抽取基准中的偏见与不透明问题

Datalab 发布开源基准 OmniExtractBench，通过整合 4 个现有基准的 620 份文档测试结构化文档抽取准确率。该基准提供确定性评分器，能避免单一行缺失导致整表计零，并生成可审计的六类判定结果。Datalab 准确模式以 93.85 的准确率领先，Reducto 紧随其后，两者几乎持平。

CVerAI 评分99

港中大深圳数据科学学院28篇论文入选NeurIPS 2026

香港中文大学（深圳）数据科学学院28篇论文被NeurIPS 2026录用，其中2篇入选Oral。本届会议主赛道录用率25.7%，该学院18篇论文由学生担任第一作者或共同第一作者。

APPSOAI 评分6363

Andrej Karpathy 分享利用 AI 生成图表、网页和视频等高级输出的实用技巧

Andrej Karpathy 提出了一种应对 AI 回答难懂的新策略：不要求 AI 重复解释，而是切换输出形式。他分享的具体方法包括：使用 ASD-STE100 受控语言规范进行写作；让 AI 绘制图表以理清逻辑；利用 HTML 生成交互式网页；以及通过提示词制作 3Blue1Brown 风格的讲解视频（使用 ElevenLabs API 配旁白或本地免费替代方案）。

APPSO精选AI 评分8282

Tavus 发布 Griffin 实时视频交互模型

Tavus 团队发布 Griffin 系列实时视频交互模型及 Griffin-Lite 研究预览版。在一项 54 人参与的 1 分钟视频通话实验中，约 48% 的参与者认为屏幕对面是真人，较上一代 2.4% 的误判率显著提升。

AI科技评论AI 评分4848

吴佳俊 IROS 2026 演讲：结构化表征不是答案，是机器人学会推理的脚手架

吴佳俊在 IROS 2026 提出利用结构化表征构建物理智能体，解决机器人在无演示数据下对未知物体的推理难题。该方法将任务描述为可学习的领域专用语言，结合扩散策略与后训练，使规划器也能由网络生成。相比传统方法，新范式显著减少了长时程任务中的人工干预，提高了动作序列的可执行概率。

智东西精选AI 评分7171

MiniMax M3.1-Flash前端能力实测：效果对标Claude Opus 5.5

智东西对MiniMax M3.1-Flash进行了前端生成任务实测，对比Claude Opus 5.5展示了模型在动效视频、交互页面和像素动画等场景下的输出效果。测试表明M3.1-Flash能生成完整可运行的前端作品，步骤和细节处理完整，部分视觉效果有惊喜，但仍处于公测阶段。

量子位 QbitAIAI 评分5656

Meshy ARR突破1亿美元，展现AI 3D模型商业价值

Meshy的ARR在不到两年内从100万美元增至1亿美元，证明了AI 3D模型在商业上的成立。在对比测试中，Meshy在角色和复杂道具的几何、细节及纹理生成上优于通用模型GPT-6 Astra。

Google AI Developers BlogAI 评分5050

Google Cloud 将 vLLM 原生 TPU 支持集成至 GKE，实现 Qwen3 Embedding 模型的高精度长上下文推理

Google Cloud 在 vLLM 中集成原生 TPU 支持并部署于 GKE，通过硬件安全对齐与混合 StepPool 优化，解决了 Qwen3 Embedding 模型在 TPU 上的长上下文推理瓶颈。该方案支持 15K+ 多模态 token 处理，经测试其文本嵌入输出与参考基线的余弦相似度达到 0.999，确保了跨硬件后端的高精度数值一致性。

InfoQ CNAI 评分3232

斑马智能发布端侧大模型 AutoOmni 2.0-23B-A3B，63%车企座舱选用其元神 AI

斑马智能发布端侧大模型 AutoOmni 2.0-23B-A3B，采用 MoE 架构将总参数规模推至 23B，激活 3B 参数。该模型在车规芯片上推理速度提升 5-6 倍，量化保真度保持 99% 以上。目前 63% 选择端侧大模型上车的车企接入了斑马智能元神 AI。

InfoQ CNAI 评分1515

Vidu 多模态大模型如何驱动 AIGC 内容生产力变革 | QCon 上海

生数科技解决方案负责人郑重将在 QCon 上海分享 Vidu 多模态大模型的创新与实践。演讲聚焦视频生成在角色一致性、镜头叙事控制及流式交互等关键技术挑战，展示 Vidu S1 实现秒级响应与多模态输入输出的能力。该内容将探讨视频模型从离线生成工具向可控、实时交互的内容生产基础设施演进的技术路径。

Google AI Developers BlogAI 评分5656

MaxText 在 TPU 上复现 Olmo 3 7B 预训练的工程案例分析

Google 团队在 MaxText 框架上复现了 Ai2 开发的 Olmo 3 7B 大模型的 Stage 1 预训练和 Stage 2 中期训练过程。研究通过多维度测试发现并修复了一个导致模型过拟合的数据加载 Bug，同时优化了 TPU 硬件利用率，将模型推理效率提升了 12.4%。报告证明了跨硬件平台复现大模型训练需严格对标模型泛化能力，而非仅依赖训练损失曲线。

Google AI Developers BlogAI 评分3131

Google TPU 上加速视频扩散时空稀疏注意力

Google 开发者博客展示了一种在 TPU 上加速视频扩散模型的方法，通过将理论稀疏性转化为端到端的速度提升。该方法利用视频扩散中注意力质量高度集中的特性，动态路由空间头和时间头至相应的稀疏掩码。文中详细对比了基于 JAX 和 Pallas 的自定义 Splash Attention 内核在单个 TPU v6e 设备上的性能优化过程。

Simon Willison 9月赞助商专属通讯发布

Simon Willison 发送了其 9 月赞助商专属月度通讯，内容涵盖 Fable 级模型、定价竞争、LLM 进军数学等领域，并提及 Datasette 的安全事件。该通讯面向赞助者开放，也可付费 $10/月 提前获取。

The DecoderAI 评分3939

GPT-6 Astra 构建 3D 场景准确度不足，且无法自我判断几何误差

研究团队提出“Image-to-Code”方法，让编码智能体从单张照片生成 Blender 程序以重构 3D 场景。在 LEGO-Bench 基准测试中，表现最好的 GPT-6 Astra 在室内场景重构准确率为 53.4%，室外为 39.6%，且模型在几何判断上接近随机水平。新增的 LEGO-Plugin 通过引入具体测量替代自我评估，使较弱模型的准确率提升最高达 62.7 个百分点。

GitHub ChangelogAI 评分4646

GitHub Copilot 9月28日更新：新增 Claude Sonnet 5.5、GPT-6.1 Sol 及动态工作流

GitHub Copilot 本周更新上线 Claude Sonnet 5.5 与 GPT-6.1 Sol 模型，并推出 HydraFusion 研究预览版，支持 Copilot 自动选择协调模型。

机器之心AI 评分5656

MiniMax M3.1 Flash 发布：实现类似 Claude Opus 5.5 的视觉特效功能

MiniMax 发布了 M3.1 Flash 模型，该模型具备生成复杂视觉作品的技能，效果可比肩 Claude Opus 5.5。文中引用了 Claude Opus 5.5 发布后在 X 平台引发的“前端作品”刷屏现象，指出 MiniMax 新模型也能通过单句提示词生成包括 Motion Designer 求职 Showreel 在内的视觉效果。

Latent SpaceAI 评分4444

Pi 1.0 与 Pi Durable 发布

Earendil 推出 Pi 1.0，新增 Codemode、MCP 支持及虚拟模型扩展；Pi Durable 将核心组件移植至 TypeScript，实现基于检查点的崩溃恢复与多用户状态同步。两者均在 Hacker News 首页引发热议，显著提升了智能体系统的可靠性与可移植性。

Andrej Karpathy@karpathyAI 评分2929

一个很酷的评测。只需向 LLM 提问“陆地还是水域？”，并以文本形式提供经纬度坐标。询问 16,200 次后将其绘制为图像。模型知道答案。来自互联网的压缩。

AI BusinessAI 评分1313

Gemini 4 Argon 为何延迟发布且谷歌专长可能成为优势

Gemini 4 Argon 的发布出现延迟。作为顶级云服务商，谷歌拥有深厚经验，能够将其基础设施与企业常用的其他谷歌产品进行集成。这种技术专长在后续的企业应用落地中可能转化为竞争优势。

Andrej Karpathy@karpathyAI 评分5353

Andrej Karpathy 提出了理解 LLM 输出的进阶技巧：首先让 LLM 使用航空航天受控语言 ASD-STE100 撰写高可读性文本；其次请求生成图表或 HTML 交互网页；最推崇的方式是生成包含 ElevenLabs 音频旁白的 3b1b 风格定制解说视频。他指出随着 LLM 能力提升，人类工作将更多转向对可丢弃的大型软件工件进行监督与理解。

AI信息GapAI 评分4747

Gemini 4 Argon 疑似灰度，3 招自测是否命中

Gemini 4 Argon 疑似已在部分账号灰度，用户可通过 Canvas 对比生成质量、知识题无来源回答、特定分词器检测法自测。需 Pro/Ultra 账号，方法成功率不一。Arena 榜单已显示其登顶。

联邦法官驳回 Chegg 和 Penske 针对谷歌 AI 搜索的反垄断诉讼

美国联邦法官 Amit Mehta 驳回由 Chegg 和 Penske Media 针对谷歌提起的反垄断诉讼。两家平台指控谷歌的 AI 功能（如 AI overviews）非法抓取内容并导致其网站流量下降，但法官裁定谷歌的行为不违反反垄断法。

AWS Machine Learning BlogAI 评分2121

uniopen 如何通过微调 Amazon Nova 2 Lite 定制其零售内容审核策略

uniopen 团队通过监督微调 Amazon Nova 2 Lite，使其适配自身特定的零售内容审核策略。该方案利用 3,391 个训练窗口对模型进行优化，并在 737 个测试窗口上验证了性能提升。

量子位 QbitAIAI 评分6161

何恺明团队提出纯视觉ARC推理方案NAT-ARC

何恺明团队新论文NAT-ARC提出纯视觉方案解ARC抽象推理题，不依赖LLM。该方案用ImageNet上MAE预训练的encoder初始化视觉模型，迁移到抽象格子推理，最佳单模型在ARC-1上达成63.4% pass@2，集成后达70.2%，逼近专用LLM系统水平。论文指出预训练打通了视觉路线的scaling瓶颈。

机器之心AI 评分3535

openJiuwen WorkSwarm 全双工多模态交互特性首发

openJiuwen 首发 WorkSwarm 全双工多模态能力，实现“像聊天一样”与 Agent 交互。该特性基于昇腾算力原生亲和设计，使复杂 agent 任务在后台运行，同时对话在前台继续。实时模型与 Core Agent 按两种节奏配合，支持助手在回应“我查一下”等语句后继续调用工具办事。

人工智能学家AI 评分7575

AMD 82亿美元全股票收购李飞飞 World Labs

AMD宣布以约82亿美元全股票收购李飞飞创立的 World Labs，交易完成后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报。此次收购使 World Labs 的模型团队得以直接参与芯片路线图的制定，旨在通过更紧密的软硬件结合推动空间智能与物理 AI 的发展。

AI HOT精选AI 评分7777

Modal Clusters 正式发布，通过 @modal.clustered 提供多节点 GPU 集群

Modal 宣布 Modal Clusters 正式可用，通过一个装饰器 @modal.clustered 即可获得多节点集群，节点间经 InfiniBand verbs 通信可达 6.4 Tbps，自动配置 PyTorch 和 NCCL。

AI HOT精选AI 评分7373

Google DeepMind 发布 Gemini 4 Argon，1M 输出 token 对标 Astra 与 Fable

Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作与网络防御，称在 19 项基准中 13 项第一。该模型提供 1M token 输出上限，标准定价为 $4/$20 每 1M 输入/输出 token，早期访问通过 Fairwind 计划面向政府及可信网络防御者开放。

极客公园AI 评分2020

华为 Mate 90 Pro Max 发布：9499 元起，影像成核心升级

华为 Mate 90 Pro Max 正式发布，12GB+512GB 版本起售价 9499 元，主打影像能力升级。新机配备两亿像素长焦、20 倍 4K 视频支持及“人像原片”模式，并推出“积木壳”配件生态与 HarmonyOS 7 实用功能。

量子位AI 评分3535

何恺明团队新作：NAT-ARC通过纯视觉方法在ARC挑战中取得突破

何恺明团队提出纯视觉ARC解题方案NAT-ARC，利用ImageNet MAE预训练初始化视觉编码器，在ARC-1基准测试中单模型pass@2得分达63.4%，集成后为70.2%。该方案参数量约0.6B，证明了视觉预训练能解决视觉路线的scaling瓶颈，使纯视觉模型性能逼近专用LLM系统。

机器之心AI 评分5252

openJiuwen WorkSwarm 发布全双工多模态能力，支持并行对话与后台Agent任务

openJiuwen 开源办公编码工作台 WorkSwarm 发布全双工多模态能力，实现实时音视频对话与 Core Agent 后台工具执行的并行处理。用户可在 Agent 运行复杂任务（如搜索、文件生成）时随时插话、调整任务队列，无需等待当前语音播报结束。

Google Gemini 是什么？

Google Gemini 是 Google 推出的多模态 AI 模型家族，支持理解与生成文本、图像、音频、视频及代码。其模型采用 Transformer 架构和专家混合（MoE）方法，几乎所有现代 Gemini 模型均具备 100 万 token 上下文窗口。Gemini 4 系列已引入推理与工具使用功能，其中 Gemini 4 Argon 定位前沿模型，擅长软件工程与网络安全等复杂任务。

AI科技评论精选AI 评分8383

AMD 以 82 亿美元全股票收购 World Labs，李飞飞出任首席科学家

AMD 以约 82 亿美元全股票收购李飞飞创立的 World Labs，这是 AMD 史上第二大收购，交易完成后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。

苍何精选AI 评分9191

谷歌发布 Gemini 4 Argon 旗舰模型，多项目前测试超越 GPT 6 Astra

谷歌发布新旗舰模型 Gemini 4 Argon，多项基准测试位列第一，输出上限提升至 100 万 token，标准价格 4 美元/百万输入、20 美元/百万输出。原文提供了自动化任务、代码迁移、内存优化等内部应用案例，但表示大部分人暂未开放使用，需等待后续测试。

AI信息GapAI 评分7474

谷歌发布 Gemini 4 Argon，性能超 GPT-6 Astra 且价格低 80%

谷歌正式官宣 Gemini 4 Argon，在 DeepSWE v1.1 编程基准得分 77.9%，超过 GPT-6 Astra 的 74.1% 和 Claude Opus 5.5 的 74.2%。定价为输入 2 美元/百万 tokens、输出 10 美元/百万 tokens，比 GPT-6 Astra 便宜 80%，且输出 token 上限达 100 万。