⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
9月14日周一
  1. 新智元83

    分子之心 QuantaMind 模拟十万原子反应仅耗 0.25 秒，成果登上《Science Advances》

    分子之心发布反应性机器学习力场 QuantaMind，将 10 万原子级化学反应体系的单步模拟耗时从传统的 1300 万天压缩至 0.25 秒，相关成果发表于《Science Advances》。在内部产业项目中，该模型实现十万原子、百纳秒尺度的模拟，并成功应用于酶工程与抗体设计，通过计算预测加速了候选分子筛选，例如某 pH 敏感性抗体设计项目实现了 62 倍的解离速率响应。

    推荐理由：团队将模拟耗时压缩至 0.25 秒并实现 10 万原子体系模拟，验证了 AI 在计算化学领域的落地价值。

  2. 刘小排r43

    GLM-5.3-Flash 在 ZCode 推出夜间免费活动

    GLM-5.3-Flash 在 ZCode 平台推出夜间免费活动，持有 GLM Coding Plan 套餐的用户在每日北京时间 23:00 至次日 09:00 使用 Flash 不消耗额度，活动于 9 月 20 日结束。该原生多模态模型在中等难度编程任务中表现稳定，能根据参考视频复刻交互式网页并支持 3D 场景生成，其审美与交互能力被评价约为 GPT-5.5 水平。

  3. 优设AIGC29

    玻璃折射时尚人物海报 AI 提示词：让画面瞬间有空间感

    一组用 AI 提示词生成的玻璃折射时尚人物海报，通过让透明玻璃折射人物肩线、西装和超大英文标题，制造错位、重影与彩虹光边缘，画面瞬间有了空间感。提示词思路要点是让玻璃真正参与画面结构、保护人物脸部清晰、用单个英文关键词大字号撑版面，配色控制在中性色加一个点缀色。整套共六张，人物状态和配色各异但元素统一，适合品牌 KV、时尚海报和社交媒体配图。

  6. APPSO78

    豆包手机助手消费者版本发布，努比亚 NaviX Ultra 首发搭载

    豆包手机助手消费者版本正式发布，首款搭载新机努比亚 NaviX Ultra 将于 9 月 16 日开售。官方强调该版本相比技术预览版更重视稳定性与日常可用性，保留 Beta 版的手机操作能力，新增专属 AI 键，并强化了屏幕理解、个人 Context 与本地数据检索。文章还介绍了 SAEP 屏幕自动化操作声明协议，以及支持调用系统能力与飞书妙记完成任务执行与办公处理等特性。

    推荐理由：文章介绍了产品核心功能升级和协议规范，读者可借此理解 AI Agent 在手机系统层的实际落地路径。

  7. CVer36

    CPIL 实验室 4 篇论文被 EMNLP 2026 录用

    CPIL 实验室及合作单位共有 4 篇论文被 EMNLP 2026 接收，其中 2 篇为 Main 论文，2 篇为 Findings 论文。研究聚焦大语言模型智能体的自主进化与可信应用，涵盖 QUACK 多模态社会推理、DAPS 自主科研优化、SCAFFOLD 网页智能体提升及 CARE 隐私保护临床推理四个方向。

9月13日周日
  1. 甲子光年34

    2026崇礼论坛：一场未来智能生活与下一代AI创造者的盛会

    2026崇礼论坛9月12日在崇礼·太舞小镇举行，以“未来此刻”为主题，参会嘉宾与观众超过700人，甲子光年创始人&CEO张一甲现场发布《2026AI生活方式白皮书》。论坛发布2026「AI NEXT 20」榜单，并启动首届崇礼AI短片节，十部作品获“十佳未来影像奖”，九支路演团队获评“AI Builders FUTURE 9”。

9月12日周六
  1. 人工智能学家48

    基于认知架构理论的世界模型统一视角综述：感知、记忆与元认知的功能审视

    2026年4月17日发表于 arXiv 的综述《Human Cognition in Machines: A Unified Perspective of World Models》以认知架构理论为框架，系统比较视频、具身与知识型世界模型。该研究基于感知、记忆、语言、推理、想象、动机与元认知七项功能，指出当前模型在内在动机与元认知方面明显不足。 (80-160 字，最多 3 句)

  5. APPSO83

    DeepSeek V4.1 Flash 技术解析：CED 架构与 KV cache 压缩如何降低成本

    DeepSeek V4.1 Flash 采用 CED 架构和 CSA2 注意力机制，将每 Token 全局 KV cache 降至 890 字节，在多个 Agent 基准测试上性能反超 Claude Opus-5 和 GPT-5.6 Sol。

    推荐理由：文章拆解了 DeepSeek V4.1 Flash 在 CED 架构和 KV cache 压缩上的工程细节，解释了其如何在参数增加的同时实现速度提升与成本降低。

  6. K姐研究社58

    GPT Images 2.5 热门玩法大全与万能提示词模板

    K姐研究社整理了 GPT Images 2.5 上线后的14个热门玩法案例，包括分镜故事板、Sketch 草图转实景图、图片转GIF、复古杂志、旅行明信片、游戏立绘、毒鸡汤日历、节日海报、蜡笔画宠物肖像、活动海报、针织风格动物、二次元海报、角色完整设定图和实景背景变线描，每个案例附完整提示词与效果展示。

  8. 深度学习与NLP88

    GPT-6 Astra能力展示与AGI竞赛趋势

    GPT-6 Astra在MazeBench基准测试中取得14%的最高分，并在多模态任务如视频设计零件和3D分子建模中展现新能力。作者据此认为AGI竞赛重点正转向智能自我加速，OpenAI等机构在推动RSI曲线。

    推荐理由：文章借由新案例展示GPT-6 Astra在实际场景中的表现，并提出了关于AGI竞赛转向智能自我加速的行业判断。

9月11日周五
  1. 特工宇宙67

    字节 Seed-Evolving 第五版更新：统一接口持续进化，VLM 能力显著提升

    字节 Seed 团队发布面向 Coding 与 Agent 场景的 Seed-Evolving 模型第五版更新，该模型采用统一 Model ID 以周级节奏迭代，用户一次接入即可自动获取最新效果。实测案例表明，新版在长程 Coding 任务闭环、复杂图表数据提取及三维建筑图转 Blender 代码等 VLM 场景上均有突破，能自动推导 3D 形态并生成可执行脚本。

  3. AI产品阿颖56

    阿颖：腾讯会议正在成为高频AI工作入口

    腾讯会议已承担作者日常工作中的录音、纪要生成和Agent上下文承接功能，使用频率显著提升。作者重点演示了利用元宝纪要观看B站教程，以及通过CLI将沟通记录接入ChatGPT追问的工作流。最近功能更新将核心结论前置，根据内容自动切换流程图、时间轴或表格，并智能截取共享画面插入图文纪要，有效提升了信息消化效率。

  4. 量子位69

    高德扫街榜全面AI化，ABot-Earth 0.7打造3D原生城市世界模型

    高德于9月10日宣布扫街榜全面AI化，通过大模型理解导航与到店行为数据优化评分权重，其核心引擎为ABot-Earth 0.7。该模型被称为全球首个3D原生城市世界模型，能在消费级GPU上10分钟生成1平方公里的真实3D城市，覆盖190多个国家300多座城市。通过3DGS压缩与滑窗推理机制，单次推理可生成超10平方公里场景，支撑从城市级到街景级的3D游览。

    推荐理由：高德扫街榜推出基于空间智能的AI化升级，并展示了其3D城市世界模型在低成本生成与多场景应用上的技术路径。

  6. DeepTech深科技77

    豆包工作推出Agent能力，实测支持多Agent并行与云端跨端任务

    豆包正式推出面向工作场景的豆包工作，用户可派发完整任务由Agent拆解、调用工具并交付文档、表格、PPT或网页。实测显示多Agent并行可在约十分钟内完成AI眼镜竞品研究并生成Excel、报告及可交互网页；云端任务支持人离开后持续监控动态，通过手机端中途调整重点并生成晨报；用户可将重复工作流保存为Skill直接复用。

    推荐理由：实测展示了多Agent并行、云端跨端值守和Skill复用机制，读者可判断其如何替代重复流程与持续值守。

  7. 硅星人Pro43

    高德地图发布扫街榜 2026 及导航 Live，ABot-Earth 0.7 亮相

    高德地图发布导航 Live 功能，通过“时空上下文＋现场感知＋端到端行动力”具身智能体技术，将手机转化为实时世界搜索框，提供基于视觉的引导。同步发布的扫街榜 2026 结合真实行为信号辅助决策，ABot-Earth 0.7 作为 3D 原生城市世界模型实现自由探索。导航 Live 可识别场景并自动关联位置、评分及路线规划，缩短信息获取链路。

  9. AIGC开放社区89

    DeepSeek 发布 V4.1 Flash：支持图片输入、100万 Token 上下文并开放 API

    DeepSeek 于 2026 年 9 月 10 日发布多模态 MoE 模型 V4.1 Flash，同步开放 API 与 MIT 许可证权重。该模型采用 Causal Encoder-Decoder 架构，骨干参数 5520 亿，输入阶段激活约 80 亿、解码阶段激活约 160 亿，支持文本与图片输入，上下文上限 100 万 Token。

    推荐理由：模型卡给出了100万Token上下文、KV Cache压缩比和多项Agentic Benchmark成绩，读者可以据此评估其长任务效率与部署成本。

  10. 极客公园88

    DeepSeek V4.1 Flash 发布：原生多模态，KV Cache 压缩显著降低 Agent 成本

    DeepSeek V4.1 Flash 正式发布，作为其新系列中最小模型，具备原生多模态视觉理解能力。该模型为 552B 参数 MoE 架构，采用 Causal-Encoder-Decoder 结构，性能超越 DeepSeek V4 Pro，且 KV Cache 需求大幅缩减，显著降低了 Agent 场景下的使用成本。

    推荐理由：新模型在降低推理成本和提升多模态能力之间取得新平衡，为高性价比的多模态应用落地提供新参考。

  11. 网罗灯下黑35

    豆包 Doubao-Seed-Evolving 助力生成墨卡托地图互动网页与科普视频

    作者利用豆包 Doubao-Seed-Evolving 模型完成墨卡托投影原理的交互式 SVG 网页及抖音科普视频制作。模型自动调用无头浏览器读取资料，生成含动态交互的单文件网页，并独立调试修复 JavaScript 报错。后续通过 Remotion 实现 10 镜头动画，自动完成配音对齐、字幕生成及 1080P 视频渲染，全程无需人工干预。

  12. AI信息Gap82

    DeepSeek V4.1 Flash 与 GLM-5.3-Flash 架构、成本与基准测试对比

    DeepSeek V4.1 Flash 全面超越 V4 Pro，且在 LiveBench 等基准中取得高分，其 Agentic Coding 得分达 77.3，表现优于 GPT-5.6 Sol。该模型采用非对称 CED 架构，通过压缩 KV Cache 降低算力成本，闲时缓存命中价格低至 0.02 元/百万 token。

    推荐理由：原文深度拆解了两款Flash模型在架构、成本及基准测试上的具体差异，为读者提供了横向比较国产多模态大模型的参考依据。

9月10日周四
  2. AI科技评论45

    NUS Show Lab 寿政教授：Show-o 统一自回归与离散扩散，推动具身智能进化

    NUS Show Lab 寿政教授团队推出 Show-o 架构，在单一 Transformer 中融合自回归与离散扩散，支持多模态理解与生成。Show-2 通过 3D Tokenizer 和时空双向注意力实现连续视频生成，采用双路径设计兼顾语义理解与像素细节。该架构延伸至具身智能，云端模型决策延迟 8-20 秒，端侧微调模型实现低延迟控制。

  3. 腾讯研究院16

    腾讯研究院联合港科大举办 NOVA 全国人工智能创意挑战赛，10 支队伍用 AI 解决真实问题

    腾讯研究院联合香港科技大学于 9 月 5 日举办 NOVA 全国人工智能创意挑战赛决赛，10 支团队展示了 AI 在学术、企业、无障碍及传统文化等领域的真实应用。比赛侧重考察场景价值与 AI 运用深度，旨在让技术能力放大人的创造与判断，用 AI 解决现实难题。

  4. K姐研究社43

    电商 Agent WaClaw 实测：传一张图生成种草图与视频

    电商 Agent WaClaw 把调提示词封装成内置技能，上传商品图即可生成小红书买家秀种草图、抖音/小红书换装 Vlog、淘系主图和长图详情页，生成模型可选 Pic 3.1 Turbo 和 Video 3.5。它还能把店铺风格分析保存为可复用的参考集，后续上新一键调用，保持色温、构图、包装等视觉标准统一。详情页生成会先拆模块、出执行方案，文案严格限定在提供的产品资料内，不擅自添加功效或数据。

  6. 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。

  7. 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。