⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
9月26日周六
  2. 极客公园44

    DeepSeek Harness 桌面版悄然上线；Meta Muse 火爆助力扎克伯格升全球第四富豪；OpenAI 筹备推出月费或达 500-600 美元的 Pro Max 订阅

    DeepSeek Harness 未发公告便上线桌面版，内置 6 个官方插件，支持通过语音、终端等工具执行 Agent 任务。Meta Muse 上线 5 天下载量超 250 万次，助扎克伯格身家达 2664 亿美元并跃升全球第四大富豪。OpenAI 被曝筹备 ChatGPT Pro Max 订阅，月费或达 500-600 美元，但尚未正式官宣，功能与定价均不确定。

  4. 深度学习与NLP40

    Osmo 如何实现气味的数字化建模与预测

    Osmo 团队提出“主气味图”（POM），利用图神经网络解决结构-气味关系难题，实现对未知气味分子气味的精准预测。2019 年该团队论文显示 GCN 在多标签分类任务中平均 AUROC 达 0.894。2023 年发表于《Science》的研究中，模型预测准确率优于单个人类受试者，达到人类水平。

9月25日周五
  7. 智东西40

    实探2026岳麓大会：AI从屏幕走进工厂，长沙给出一个中部范本

    2026岳麓大会发布总规模100亿元湖南省金芙蓉达晨未来产业基金，首期30亿元投向人工智能等四大方向。大会“AI+创新创业展”汇集68家企业156件展品，展示国产算力、人形机器人等应用。2025年湖南人工智能产业规模达850亿元，智能算力5200PFLOPS，12个生成式大模型通过国家备案，数量居中部地区第一。

  9. Google DeepMind75

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过近乎实时的视频与语音生成实现动态视觉形象。该功能支持 97 种语言的唇形同步，并能在对话过程中后台异步执行工具调用，目前已在 Gemini Enterprise 开放使用。

    推荐理由：官方给出了 Live Avatar 在 97 种语言下的多模态交互能力与异步工具调用机制，读者可判断其对实时企业场景的支撑边界。

9月24日周四
  5. 智东西76

    爱诗科技发布 PixVerse R2，把世界建模能力接入实时运行

    爱诗科技（AIsphere）发布实时世界模型 PixVerse R2，用户可以持续输入提示词操控角色与剧情。技术报告将系统拆为 Omni Causal AR 和 Real-Time Acceleration 两层，前者扩展世界建模能力，后者把能力加速到实时区间，并沿模型、数据、任务、控制信号和时间尺度五个维度继续 Scaling。

    推荐理由：作者实测了用户可即时改变画面的世界模型，并解释了其用蒸馏框架连接能力上限与实时运行的技术路径。

  6. 机器之心60

    云栖大会聚焦端侧AI：斑马智能发布AutoOmni 2.0-23B-A3B端侧大模型

    在2026云栖大会上，斑马智能正式发布面向智能终端的新一代端侧大模型AutoOmni 2.0-23B-A3B。该模型采用MoE架构，激活参数为3B，其性能可相当于10倍参数量的云侧模型，并通过三层安全体系使越狱攻击召回率超98%。文章指出，随着AI竞争从云端转向端侧，汽车作为具身智能终端，通过解决内存、时延与并发等端侧约束，正成为AI规模化落地的重要基础设施。

  9. Google Search Central30

    Google Search Console 正式推出网页多模态搜索报告

    Google Search Console 正式发布网页多模态搜索报告，数据已集成至搜索结果效果报告及生成式 AI 功能报告。该功能支持通过新的多模态搜索类型过滤条件查看及导出数据，覆盖使用智能镜头、Android“圈定即搜”、上传图片及 Chrome 右键点击“搜索此图片”等多模态搜索场景。

9月23日周三
  2. CVer87

    小米开源MiMo V2.6系列模型，登顶全球开源榜单

    小米MiMo团队正式发布并全面开源新一代MiMo V2.6系列模型，包含Pro、Flash和Ultraspeed三款子模型。MiMo V2.6 Pro在Artificial Analysis智能指数中取得46分，全球开源模型排名第一。

    推荐理由：原文通过Artificial Analysis数据直观展示了MiMo V2.6系列在性能与成本上的双重优势，读者可以据此评估当前开源模型的实际竞争力。

  4. 机器之心45

    沐晨科技：押注长程任务数据工程与科研验证的AI基础设施

    沐晨科技通过构建结构化评价标准（Rubric）与全链路工程化评测体系，将数据服务核心从样本量级转向过程质量。其在代码模型评测中通过搭建可复现执行环境，将评测人员一致性从偏差超 30% 提升至 90% 以上。公司参与 PhAI Labs 的 ScienceBuddy 科研平台联合研发，交付覆盖 10 余个专业方向的标准化 Agent 评测基准体系，并计划 2029 年启动港股 IPO。

  6. 钛媒体AGI58

    两篇预印本拆解AI递归式自我改进的两条路径

    MIT团队发布的SwarmWorld与北航等团队开发的ModularRSI两篇预印本，分别探讨了AI群体协作与个体执行机制的自我改进。SwarmWorld让50至200个LLM智能体在共享模拟环境中自发分工，验证了基于环境媒介的间接协作能累积技术遗产，其架构中智能体提出的设计需由独立模拟器裁决。

  7. 新智元94

    小米 MiMo V2.6 系列开源登顶全球开源模型榜首，单任务成本仅 0.13 美元

    小米 MiMo 团队正式发布并全面开源 MiMo V2.6 系列，包含 Pro、Flash 和 Ultraspeed 三款模型。Pro 版在 AA 智能指数得分 46，超越 Kimi K3 和 Qwen3.8 Max，位居全球开源模型第一。

    推荐理由：MiMo V2.6 以同等价格实现智能翻倍，且全程直播 RL 训练过程，展示了大规模强化学习扩展的可行性与极致性价比。

  8. APPSO68

    阿里、谷歌重做电脑，AI 原生智能体 PC 路径分化

    阿里千问和谷歌提出 AI 原生电脑概念，将 AI 改造深入操作系统层，支持屏幕感知和跨应用后台任务。首批 Googlebook 将于 10 月 4 日发售，基于 Android 技术栈并整合 ChromeOS，定价 899 至 1299 美元。Qwen Book 采用二合一设计，通过端云协同运行 4B 小模型和云端大模型，暂定年底面世，但硬件与生态细节尚未完全公开。

    推荐理由：对比 Googlebook 与 Qwen Book 两种 AI 原生电脑的设计逻辑，读者可看清 OS 级智能体落地时的不同工程取舍。

  9. 量子位65

    理想推送 OTA 8.6，马赫VLA 2.0 覆盖 2022-2025 款 AD Max 车型

    理想推送 OTA 8.6，马赫VLA 2.0 同步覆盖 2022-2025 款 AD Max 车型及 Orin-X、Thor-U 平台。该版本重点优化了跟车、绕行和变道博弈，支持非划线车位识别，并通过 AI 眼镜 Livis 实现语音遥控泊车。其跨芯片部署依赖云端教师模型向不同算力架构学生模型的迁移，旨在解决硬件冻结导致的 AI 迭代滞后问题。

    推荐理由：原文梳理了理想马赫VLA 2.0 跨代芯片适配逻辑，可帮助理解车载模型部署的工程约束。

9月22日周二
  1. 量子位78

    阿里云栖大会发布全模态模型家族，陆川用AI五天复原明代历史现场

    阿里云在9月22日云栖大会发布全模态模型矩阵，包括Qwen3.8系列、Qwen-Image-3.1、Happy Shrimp 1.1、HappyOyster 2.0 Preview及Qwen-Audio-3.1，下一代视频模型预计11月发布。

    推荐理由：阿里在云栖大会展示了全模态模型家族，结合陆川AI短片案例说明模型正深入影视、音乐等真实生产流程，读者可理解多模态从Demo走向稳定交付的关键变化。

  4. 智东西72

    腾讯混元发布 Hy Image3.5 preview 生图模型，盲测比肩 Seedream 5.0 Pro

    腾讯混元 Hy Image3.5 preview 正式发布，支持 2K 分辨率、多模态编辑及最多 5 张参考图。在数百名设计师参与的盲测中，综合表现较 Hy Image 3.0 提升 30%，整体能力比肩 Seedream 5.0 Pro，且单张生成成本在 13 款主流模型中最低。

    推荐理由：腾讯混元 Hy Image3.5 preview 盲测比肩 Seedream 5.0 Pro，以 0.15 元每张的 2K 图价格接入元宝、WorkRally 等应用，体现性价比策略。