跳到正文
11月13日週五
  1. DEV Community53

    EU《人工智能法案》第 50 條訂明 AI 內容標記規則

    EU《人工智能法案》第 50 條要求生成合成音訊、圖像、影片或文字的 AI 系統提供者,以機器可讀格式標記輸出;部署構成深偽的 AI 生成或操縱內容者,須清楚披露內容經人工創作或操縱。相關規定預定於 2026 年 8 月 2 日起適用;機器可讀標記供技術系統偵測,披露則讓受眾瞭解內容來源或修改情況。

  2. 雷鋒網45

    中山大學梁曉丹團隊以 GeoThinker 系列研究改善空間推理的幾何資訊利用與計算開銷

    中山大學梁曉丹團隊提出 GeoThinker 系列兩項研究,先讓視覺語言模型按需利用外部幾何資訊,再以 GeoThinker-F 探索由模型內部生成空間線索。相同訓練數據下,GeoThinker-F 的六項空間智能基準平均得分為 62.21,與 GeoThinker 的 62.23 幾乎相同。GeoThinker-F 推理延遲由 1.45 秒降至 0.40 秒,速度提升約 3.6 倍。

  3. 螞蟻 inclusionAI:HuggingFace 新模型50

    inclusionAI 提供 Duo-1.2-causal-base 完整模型權重下載

    inclusionAI 提供 Duo-1.2-causal-base 的完整模型權重套件,這是用於即時音訊視覺互動的全雙工多模態世界模型。套件包括 Realization 權重與主幹網絡、Intent 模型與 adapter、影片和音訊編解碼器、語音辨識器及 forced aligner,權重格式為 PyTorch Distributed Checkpoint (DCP)。

  4. DEV Community21

    甚麼是原生多模態?

    Google Cloud Tech 推出名為「Just a moment」的快節奏影片系列,旨在用 2 分鐘或更短時間解説 Cloud AI,並解決現實問題。內容亦提供 Gemini models 的探索連結及 Google Cloud Tech 訂閲連結。

  5. 阿里雲開發者社區 AI64

    阿里雲 Token Plan 個人版升級,多模態涵蓋 18+ 旗艦模型,三檔額度增約 74% 至 78%

    阿里雲 Token Plan 完成結構性升級,將文本、視覺、圖像與影片生成及語音納入同一 Credits 池,覆蓋 18+ 旗艦模型。個人版 Lite、Essential、Standard 月費不變,月度額度提升約 74% 至 78%;Pro 額度由 18 萬增至 20 萬 Credits,月費由 499 元降至 312 元。

  6. 阿里雲開發者社區 AI41

    2026 年阿里雲雙 11 AI 優惠解析:Token Plan 五折,千問辦公、Qoder、萬小智、秒悟優惠一覽

    阿里雲 2026 年雙 11 推出涵蓋 Token Plan、千問辦公、Qoder、萬小智及秒悟的 AI 優惠,分別提供模型訂閲、辦公、編程、建站和應用生成服務。Token Plan 新客首購低至五折,千問辦公個人版 29.9 元/月、Qoder 新客首月 19.9 元,萬小智新客首月 9.9 元,秒悟套餐 25 元起。優惠亦包括組合購和代金券,各產品的價格、額度及適用條件各有不同。

  7. 阿里雲開發者社區 AI56

    小型 AI 公司的測試開發職位,正變成一人支撐整套評測體系

    中小型 AI 公司的測試開發職位人手有限,卻要涵蓋 Agent、RAG、多模態評測及質素保障等工作。文章以一間 50—100 人公司招聘 2 名測試開發工程師的職位描述為例,指出小團隊需要讓評測規模可管理、判定標準可複用。建議先建立 Bad Case 庫,再自動比較版本,之後定義幻覺率等指標,逐步擴展自動化及工具鏈。

  8. HuggingFace Daily Papers(社區熱門論文)41

    WorldDraft:如果程式碼構建世界,影片模型能否只負責渲染?

    WorldDraft 評測基準用來衡量影片模型在程式碼構建 4D 世界後,能否保留世界運動並呈現指定視覺效果。基準包含 432 個測試案例,涵蓋 48 個可執行的 4D 世界類別;對 12 個代表性模型的評估發現,來源線索衝突可引發高達 64% 的來源洩漏。研究提出 WorldDraft-Primer,一種視覺提示策略,可提升凍結影片渲染器在兩項目標上的表現。

  9. 雷鋒網66

    SpaceCast-Bench 評測 21 個 VLM 的預測性空間推理,最高準確率僅 58.0%

    浙江大學團隊提出 SpaceCast-Bench,評估 VLM 根據場景變換推斷新空間關係的能力;21 個模型中最高準確率為 58.0%,人類為 87.2%。基準涵蓋 182 個真實室內場景、3862 道問題和 16 類任務;6 個空間專項模型準確率為 25.7% 至 29.1%,接近 25.9% 隨機基線。提供文本形式的 3D metadata 後,閉源模型平均提升 30.7 個百分點。

  10. 新浪科技66

    Apple HomeView 在八個市場開售,售價 299 美元;歐盟未上市、中國大陸暫無上架資訊

    Apple 首款智能家庭中樞 HomeView 於 11 月 13 日在八個市場開售,桌面版及壁掛版均定價 299 美元。設備透過面容識別最多區分六位家庭成員,並在訊息、FaceTime、日曆等應用程式中切換至相應用戶的個人內容。中國大陸暫無上架資訊,HomeView 不會在歐盟上市,文中指原因是 Siri AI 目前在歐盟地區的 iOS 上不可用。

  11. 螞蟻 inclusionAI:HuggingFace 新模型45

    SingVL-4B GGUF:基於 Qwen3.5 的多模態決策模型

    SingVL-4B GGUF 是基於 Qwen3.5、採用 4B 參數的多模態決策模型 GGUF 版本,可處理文字或 JSON 問題及最多四張圖片。模型以一次完整前向傳遞評分候選答案,支援選項選擇、是非判斷及分級評分。檔案提供 BF16、Q8_0 和 Q4_K_M 三種精度,並附共用視覺投影器;目前 GGUF 驗證涵蓋 9 個示例及 11 條問題,完整公開評分仍待公佈。

  12. Hacker News 熱門(buzzing.cc 中文翻譯)75

    Apple Foundation Models framework 擴展支援伺服器模型並加入 Dynamic Profiles

    Apple Foundation Models framework 擴展支援 Claude、Gemini 等伺服器模型,並可透過同一 Swift API 使用裝置端及 Private Cloud Compute 模型。Dynamic Profiles 可在單一連續工作階段切換模型、工具和指令;macOS 27 亦加入 fm 命令列工具,以自動化模型工作流程。

  13. The Elec27

    Infocz與首爾大學合作開發工業圖紙AI模型

    Infocz與首爾大學計算機科學與工程系展開聯合研究,開發以整張圖紙為單一輸入的 Image-to-Graph foundation model,識別圖紙中的符號及其連接關係,並轉換為圖表數據。研究將使用約20,000張真實工業圖紙訓練模型,並把成果逐步整合至 DELTAflow。技術計劃由管道及儀表流程圖擴展至單線圖、控制邏輯圖等工程圖紙。

  14. DEV Community48

    Nvidia Déjà View 重用單一層,媲美參數量大 10 倍的模型

    Nvidia 研究人員打造 Déjà View,以 117 million 個參數將不同角度拍攝的照片轉換成 3D 場景,並在重用同一層的設計下,媲美或超越參數量為其 8 至 10 倍的模型。模型在五項 3D 重建基準測試中,平均相機位置準確度領先,所需運算能力亦比測試中的最大競爭模型少 1.9 至 2.3 倍。論文獲選為 NeurIPS 2026 口頭報告,Nvidia 已釋出程式碼。

  15. DoNews80

    谷歌發佈 Gemini 4 Hydrogen,主打日常編碼與智能體工作流

    谷歌推出 Gemini 4 Hydrogen,面向日常編碼與智能體工作流,主打快速執行與高效運行。相較 Gemini 3.8 Flash,Hydrogen 在預設 high 思考檔位下任務完成速度提升 2.5 倍,Terminal-Bench 4.1 得分由 18.2% 升至 57%,虛構錯誤率降低 5 倍以上。

    推薦理由:文中對照 Hydrogen 與 Gemini 3.8 Flash 的速度及基準成績,並列出 Orchestrator 的配額與速度變化,讓模型效能與智能體調度表現有可比較的數據依據。

  16. 新浪科技80

    Google 發佈 Gemini 4 Hydrogen,Gemini App 免費用戶可體驗

    Google 發佈 Gemini 4 Hydrogen,主打更快的回應速度、更低的使用成本及更高效的 AI Agent 執行能力。Artificial Analysis 測得其 High 推理檔位得 51 分,高於 Gemini 4 Argon 的 50 分;API 每百萬輸入 Token 收費 1.5 美元,每百萬輸出 Token 收費 7.5 美元。

    推薦理由:文章並列 Hydrogen 的評測表現、API 定價及 Gemini 產品入口,呈現高效率模型在能力、成本與普及使用上的取捨。

  17. DEV Community55

    Gemini Decision 1 支援多模態輸入,測試顯示是非判斷可輸出機率值

    Gemini Decision 1 的測試顯示,其是非判斷可返回介乎 0 和 1 的機率值,而非只輸出「是」或「否」。文章列出其支援文字、圖像、音訊、影片及 PDF 輸入,輸入價格為每百萬 token 0.10 美元,輸出免費;表中 Jev 的輸入價格為每百萬 token 0.042 美元。作者提醒,單次影片測試只能展示回應格式,不能據此判斷模型整體準確度或機率校準水平。

  18. The Decoder81

    Google Gemini 4 Hydrogen 評分超越發佈僅四週的更大型 Argon

    Google 發佈 Gemini 4 Hydrogen,模型在預設 high 思考級別的 Artificial Analysis Intelligence Index 得分為 51,高於 Gemini 4 Argon 的 50;xhigh 級別得分為 54。

    推薦理由:文中並列 Google 公佈的基準成績與 Artificial Analysis 的獨立評測,呈現 Hydrogen 在能力分數、終端任務表現及不同思考級別成本上的差異。

  19. IT之家80

    Google 發佈 Gemini 4 Hydrogen 模型,主打日常編碼與智能體工作流,輸入每百萬 Token 1.5 美元

    Google 推出 Gemini 4 Hydrogen,面向日常編碼及智能體工作流,支援最高 100 萬 Token 輸入及輸出。輸入每百萬 Token 收費 1.50 美元、輸出 7.50 美元,並設 low、medium、high(預設)及 xhigh 四檔思考深度。

    推薦理由:材料並列收費、思考檔位和 Orchestrator 基準數據,亦與 Gemini 3.8 Flash 比較速度與錯誤率,呈現其日常編碼定位的成本及效能參考。

  20. HuggingFace Daily Papers(社區熱門論文)43

    MMFlash:加速視覺語言模型的推測解碼

    MMFlash 透過自適應提高視覺依賴 token 的權重,並在長影片輸入中採用稀疏注意力,加速視覺語言模型的多模態推測解碼。它在多項多模態基準測試中實現最高 3.58× 的無損解碼加速,較 EAGLE-3 和 DFlash 分別快至 195.4% 和 17.1%。