⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
10月1日周四
  3. AI HOT92

    Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向受信任的网络防御者开放。输入 token 每百万 2 美元，输出 token 每百万 10 美元；输出上限从 64K 提升至 1M token。

    推荐理由：官方给出定价、百万 token 输出上限和 DeepSWE 基准成绩，便于读者判断其编码能力在开发与企业场景中的位置。

  4. InfoQ CN23

    Agentic AIGC驱动广告素材修复：快手快手&磁力引擎实践｜QCon上海

    快手磁力引擎专家袁瑗在QCon上海分享基于Agentic AIGC的广告素材修复架构。该架构通过多Agent协同与多目标强化学习，实现文字、图像、视频的局部精准编辑与生成，平衡合规与营销吸引力。实践覆盖千万级素材场景，支持一句话指令驱动的端到端视频编辑，探索“生成即合规”的柔性内容治理能力。

  5. InfoQ CN90

    谷歌发布 Gemini 4 Argon，多项基准领先并参与内核代码迁移

    谷歌发布 Gemini 4 Argon，重点面向长流程软件工程与网络安全防御，目前通过 Fairwind 计划向受信任团队开放。该模型输出 Token 上限提升至 100 万，在 DeepSWE v1.1 中以 77.9% 创纪录，并参与内部 80 多万行内核代码向 Rust 的迁移。

    推荐理由：Argon 在 DeepSWE 和 Vals Index 等长流程基准中创纪录，并在内部参与了 80 万行内核代码迁移。

9月30日周三
  9. DeepTech深科技31

    约翰斯·霍普金斯大学研究发现胸部 CT 胸椎骨密度与大脑衰老存在密切联系

    约翰斯·霍普金斯大学团队发现，胸部 CT 影像中的胸椎骨密度与认知能力下降速度及脑区白质变化存在统计关联。该研究发表于《放射学》，分析显示低骨密度参与者整体认知评分下降更快，且胼胝体和内囊前肢的白质变化与骨密度相关。目前结果尚不足以用于预测个人认知变化，相关测量方法需在不同临床环境下验证。

  11. InfoQ CN77

    DeepSeek 开源昇腾平台基础设施组件，覆盖 TileLang、计算库与分布式通信库

    DeepSeek 开源面向华为昇腾平台的基础设施组件，包含 TileLang 编译工具及 DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect 的昇腾实现。这些组件与英伟达版本接口对齐，支持 BF16、FP8 等精度及稀疏注意力，并提供针对昇腾 950 的 128 卡超节点联合优化方案。

    推荐理由：组件与英伟达接口对齐并提供测试代码，开发者可据此评估昇腾环境下的迁移成本。

  12. InfoQ CN48

    火山引擎发布全新语音内容编辑模型：支持自然语言指令修改音视频语音

    火山引擎多媒体实验室推出指令驱动的语音内容编辑模型。该模型支持用户通过自然语言指令直接修改语音中的具体信息，如口播纠错或广告改词，避免整段重新录制。技术在音频 Token 化与 CoT 语义规划架构基础上实现局部再生成，可保持原说话人的音色和韵律特征。

9月29日周二
  2. Hugging Face Blog79

    NVIDIA 发布 Kumo Tabular：无需训练的表格预测基础模型

    NVIDIA 在 Hugging Face 发布开源表格基础模型 Kumo Tabular，支持单步前向推理完成分类与回归任务，无需训练或特征工程。该模型包含 28M 至 215M 参数版本，在 TabArena、BeyondArena 等基准测试中排名首位，并基于 OpenMDW-1.1 协议发布，可通过 GitHub 开源库使用。

    推荐理由：提供无需训练的表格预测模型及开源库，单步前向推理即可处理分类与回归任务。

  4. Microsoft Research78

    微软研究院发布生物学多模态世界模型 Quine

    微软研究院发布 Quine，一个旨在连接模型、科学工具、文献和研究者的多模态生物学世界模型系统。通过与 Broad Institute 合作，该系统在胰腺癌研究中用于优先筛选能驱动肿瘤状态转变的化合物，并将湿实验验证流程缩短至一个周末。

    推荐理由：系统构建了跨生物模态的世界模型并连接实验工具，读者可据此理解AI如何辅助干实验。

  7. APPSO62

    APPSO 实测匿名模型 Space Bunny Alpha 的多模态与编码能力

    APPSo 实测在 OpenRouter 上免费上线的匿名模型 Space Bunny Alpha，验证其在“草图转网页”和快速生成 3D 交互项目上的表现。测试显示，该模型能准确理解粗糙草图并生成可运行网站，其编码速度和 Agent 表现良好，足以应对日常开发任务。通过分词特征对比，有线索指向该模型与 MiniMax M3.1 系列相关，但尚未得到官方认领。

  10. Latent Space78

    AMD 以 82 亿美元收购 World Labs，其 Atlas 模型解决稀疏重建难题

    AMD 以 82 亿美元收购 World Labs，旨在提升机器人仿真与空间智能能力。World Labs 发布的 Atlas 模型通过结合生成模型与多视角几何，解决了计算机视觉中的稀疏重建问题，能预测新相机视角，在 2D 图像输入上优于 SOTA 结果。

    推荐理由：文章揭示了 AMD 收购 World Labs 的 82 亿美元交易及 Atlas 模型在稀疏重建领域的技术突破，读者可据此评估空间智能赛道的整合趋势。

  12. Microsoft Research20

    Microsoft Research Asia – Singapore 运营一周年：推进研究、合作与人才发展以实现现实世界影响

    Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日在东南亚成立首个 Microsoft 研究实验室，运营一周年。该实验室聚焦下一代 AI 模型和 agentic 系统、领域特定 AI、AI 原生研究实践及人才发展四大支柱。通过与新加坡医疗生态等合作伙伴协作，将前沿研究转化为实际医疗决策支持及行业解决方案。

  13. 极客公园85

    Manus 正式发布 2.0：推出 Cascade 框架、云电脑及个人 Agent 应用 CUE

    Manus 发布 2.0 版本，更新自研 Cascade Agent 框架、云电脑、视频与游戏开发环境及个人 Agent 应用 CUE。Cascade 框架使任务 Token 消耗减少 23.2%，运行成本降低 32%。CUE 为每个 Agent 提供独立邮箱、电话和钱包，支持多 Agent 协作及线下服务接入，目前处于抢先体验阶段。

    推荐理由：文章梳理了 Manus 2.0 的全场景产品矩阵与 CUE 应用细节，并结合独立运营背景分析了个人 AI 赛道的竞争格局。

  14. 深度学习与NLP83

    Anthropic 披露 Claude 发现噬菌体全新酶系统 ART

    Anthropic 发布新分子生物学实验室首个成果，Claude 在噬菌体 DNA 中自主发现了名为 ART 的全新酶系统。该系统包含逆转录酶和类似 CRISPR 的 DNA 重复序列，由 950 个 Claude 智能体运行 21 小时、消耗 2.1 亿 Token 完成初步筛选，随后由人类科学家进行实验验证。

    推荐理由：展示了950个AI Agent通过21小时协作挖掘生物序列的落地案例，为观察通用AI介入基础研究提供了具体参考。

9月28日周一
  1. Mistral AI64

    Mistral 在慕尼黑开设德国枢纽，推动欧洲工业 AI 发展

    Mistral 在慕尼黑开设德国枢纽，设立专注于物理 AI 和工业 AI 的研究团队与应用工程团队，直接服务企业伙伴。公司计划到 2030 年建成 1 吉瓦的欧洲计算能力，并继续推进前沿模型开发。

    推荐理由：Mistral 宣布在慕尼黑设立枢纽并收购 Emmi AI，明确将物理 AI 与工业 AI 纳入欧洲主权计算战略。

  3. Import AI (Jack Clark)31

    Import AI 474: 柏拉图心灵空间、太空 TPU 及 Zhipu 外部 RSI 循环

    科学家 Michael Levin 发表论文提出“柏拉图心灵空间”假说，认为心灵是非物理模式通过生物或合成机体接入物理世界的接口。该理论认为 AI 与人类心智在此空间中是邻近模式，其具体体现包括异种机器人（xenobots）和人类气管细胞构建的 anthropods 展现出超出算法预设的新行为。

  4. 甲子光年36

    甲子光年：制造业如何从产品在线走向数据产线，让经验持续获得复利

    甲子光年刊文分析制造业如何构建"数据产线"，让每次生产成为下一次智能升级的起点。文章以阿里云在云栖大会提出的"三层融合"（物理与数字世界互锁、人机交织、企业互连成生态）和"四化"（自主可信、本地化、专业化、生态化）为框架，结合艾为电子230个智能体在线运行、宁德时代600TB研发测试数据等案例，说明AI正从孤立应用走向研、产、供、销、服全流程的数据飞轮。

9月27日周日
  1. APPSO93

    GPT-6 发布：通过 Computer Use 成为操作数字与物理世界的通用接口

    OpenAI 发布 GPT-6 及其核心组件 GPT-6 Astra，展示了强大的 Computer Use 能力。模型不仅能在 Blender 建模、Minecraft 游戏等数字环境中执行复杂任务，还能零样本控制机械臂完成物理操作。技术拆解显示，Astra 通过 Accessibility Tree 识别和代码模式执行操作，在 OSWorld 2.0 基准测试中得分 72.6%。

    推荐理由：文章通过机械臂绘画等实例展示了 GPT-6 在 Computer Use 上的跨领域能力，并解析其技术实现逻辑。