DySENSE:結合衞星影像合成與模擬時空能源數據
DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。
DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。
WebArena-Pro 推出面向網頁智能體的異質、多模態、可重現基準測試,涵蓋音訊和影片內容。基準測試包含 300 項任務,分佈於六個領域類別的 20 個自託管網頁應用程式;Codex 搭配 GPT 6.1 Sol,以及 Claude Code 搭配 Claude Opus 5.5,均取得 62.3% 的最高表現。每項任務均獨立執行,並支援可重現的平行評估。
miHoYo Honkai AI R&D team 開發 Gamer,讓通用視覺—語言—動作基礎模型透過螢幕截圖、鍵盤和滑鼠進行長時程即時遊戲互動。模型以 10K+ 小時遊戲軌跡進行持續預訓練,並使用約 1.2M 條推理標註和約 223K 條記憶標註;Streaming-vLLM 在基準測試設定中將推理延遲降低超過 20×。
Marimba 是一個面向語音的 System One 模型,用戶可對即時音訊輸入文字問題,並每 250 ms 收到文字答案。單一凍結的 Qwen3-ASR-0.6B 處理所有問題,可在手提電腦 CPU 上運行;説話者計數在 AMI 和 VoxConverse 上優於 pyannote 3.1,300 段 FLEURS 音訊的語言識別率為 100%。
Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,定位為面向快速編碼及智能體工作的模型,並開始全球推出。Google Antigravity 的 Orchestrator 可讓 Carbon 規劃、Hydrogen 執行,並在需要時切回 Carbon。
推薦理由:Antigravity 團隊的測試呈現 Carbon 規劃、Hydrogen 執行的效率數據,包含接近 Carbon 的任務成功率、配額少用 24% 及平均快 19%。
Google 透過 Gemini Intelligent Eyewear 智能眼鏡計劃,把免提 Gemini 協助延伸至眼鏡,涵蓋翻譯、導航及行事曆操作。Google 表示,功能亦包括支援超過 70 種語言的即時翻譯、相片和影片拍攝,並與 Samsung、Gentle Monster 及 Warby Parker 合作;用戶可透過語音或輕觸鏡框操作。
Google 與 Samsung 已為首批 Gemini 智能眼鏡開放預購,九款售價 $395 至 $489,並於 10 December 出貨;Warby Parker 款只在美國推出,Gentle Monster 款亦在南韓發售。
Samsung 的 Android XR 智能眼鏡外型時尚,具備本機人臉遮蔽等私隱防護。眼鏡亦整合 Gemini 功能,包括即時翻譯。
Google 與 Samsung 宣佈,與 Warby Parker 及 Gentle Monster 合作設計的首批 Android XR 眼鏡現已接受預訂,並將於 12 月 10 日在部分市場開始出貨。
Samsung Electronics 發佈 30 款 AI 智能眼鏡,定於 12 月 10 日在韓國及美國上市。眼鏡搭載 Google 的 Gemini,支援翻譯、導航和會議摘要;系列包括 16 款 Gentle Monster 款式及 14 款 Warby Parker 款式。美國會發售兩品牌款式,韓國只推出 Gentle Monster 款式;錄影指示燈被遮擋或故障時,相機會自動關閉。
AI 將把生成式能力帶入 AR 眼鏡,成為擴展沉浸式體驗的下一步。生成式 AI 可更快、自動建立 3D 模型,並讓用戶透過語音描述想像中的圖像與物件,呈現在現實環境中。即時語音翻譯、字幕及物件識別亦可應用於 AR 眼鏡,支援跨語言溝通和即時取得地標資訊。
Apple 揭幕 Vision Pro,正式進軍擴增實境與虛擬實境市場。這款獨立頭戴裝置配備 Retina 顯示屏、環境感應器及 pass-through mode,並支援 RealityOS 和 Siri。Vision Pro 定價 $3,499,預計於「明年年初」推出,顧客可預約到 Apple Store 試用及調整佩戴方式。
讀心 AI 透過分析腦部活動解碼思想,並能在特定任務中將視覺感知或腦波轉化為圖像和文字。MinD-Vis 利用 fMRI 和擴散模型重建所見圖像;DeWave 則以 EEG 將默讀文字轉成文字。現有技術仍受限於受控環境,未能即時捕捉人類多元的心理狀態。
MindPortal 開發的 AI 模型 MindSpeech,利用非侵入式腦訊號將連續想像語音解碼為連貫文字。研究以 Llama2 配合 fNIRS 腦訊號測試,4 名參與者中有 3 名的解碼準確度取得統計顯著改善;這項技術目前尚未適合廣泛使用。
VoxelSensors 與 Qualcomm 合作,將 SPAES™ 感測技術及 PERCEPT 情境 AI 平台整合至 Snapdragon AR2 Gen 1,推動更輕巧、智能的 AR 眼鏡。SPAES™ 深度感測的功耗較現有方法低 10 倍,反應速度較影像逐格處理系統快逾 100 倍。雙方計劃於 2025年12月 向指定合作夥伴提供最佳化方案。
Google 於 2026 年 11 月 12 日開放搭載 Gemini 的智能眼鏡系列預購,售價由 $395 起,並於 12 月 10 日開始網上及門市發售。
Google 為 Android XR 智能眼鏡推出多項私隱保障措施,包括錄製指示燈、人臉模糊,以及 Gemini 使用後即時刪除攝像頭影像。相關影像不會存入 Gemini 聊天記錄,也不會用於 AI 模型訓練或廣告;眼鏡會定期檢查指示燈,故障時自動停用攝像頭。Intelligent Eyewear 單次影片錄製上限為 90 秒,Gemini 在未能確認用戶意圖時會先詢問是否啟用攝像頭。
Google 與 Samsung 共同開發的 Intelligent Eyewear 將於 12 月 10 日上市,CNET 作者已試戴 Warby Parker 和 Gentle Monster 設計的最終版本。
三星首款智能眼鏡 Intelligent Eyewear 今日起在韓國和美國接受預訂,售價 395 至 489 美元,並將於 12 月 10 日開始發貨。三星與 Gentle Monster、Warby Parker 合作推出 30 種設計,眼鏡運行 Android XR,搭載 Gemini 和 Bixby。
Manga Translator 團隊分享自動翻譯漫畫的圖像處理流程,涵蓋辨認文字與對話框、讀取文字、清除原文及排入譯文,並以官方英語和韓語版本作逐頁比較。不同背景需要不同清除方式;排字則須配合對話框形狀、字體、顏色和各語言的換行習慣。WEB app 可處理 manga、manhwa 或 webtoon 頁面,輸出英語或另外 50 種語言版本。
亞洲青年科學家基金(AYSF)2026年度會議在香港舉行,表彰12位新晉研究員,並展示他們在生命科學、物質科學及數學與計算機科學領域的科研成果。項目共收到149份有效申請,女性申請者佔比創新高,達20%,跨學科申報數量則翻倍。AYSF自2022年設立以來,已資助來自亞洲22家機構的48位青年學者。
Google 於 2026 年 11 月 11 日宣佈 Gemini Decision 1,可在單次 API 呼叫中對最多 1,000 個問題評分,並回傳概率及信心分數。
推薦理由:文章並列 Google 自家基準與獨立排行榜,呈現 Gemini Decision 1 的測試優勢及排名落差,説明它在不同評測口徑下的定位。
三星首款智能眼鏡 Intelligent Eyewear 今日起在韓國和美國開放預售,提供 30 種設計,售價為 395 至 489 美元。眼鏡運行 Android XR,整合 Gemini 和 Bixby,配備 1200 萬像素鏡頭;Bixby 只支援與 Samsung Galaxy 手機配對時使用。
Clipto 推出 AI 記憶平台 Clipto Studio,讓 ChatGPT、Claude 等助手搜尋及分析用戶多年來的會議、簡報和視像通話內容。平台透過 MCP 接入 AI 助手,並以在用戶 Mac 和 Windows 電腦本機運行的專有模型,預先索引語音、説話者聲音、面部表情及畫面資訊,整理成可搜尋數據集。
Google 與 Samsung 合作的 Intelligent Eyewear 將於 12 月 10 日推出,Warby Parker 和 Gentle Monster 款式起價分別為 $395 和 $449。
Engadget 作者 Sam Rutherford 試用 Google 首批 Android XR 智能眼鏡後,重新看待沒有內置顯示屏的智能眼鏡,認為這批產品已具備相當完整的功能。
Google 詳述其智能眼鏡的私隱保障措施,涵蓋裝置拍攝提示、Gemini 處理影像與聲音的方式,以及 Google 應用程式和服務的政策限制。相機畫面不會儲存在 Gemini 歷史記錄、用於 AI 訓練或廣告定向;眼鏡亦會在 Gemini 處理畫面前自動遮蔽旁觀者面孔。
Warby Parker 已為與 Google、Samsung 合作推出的 Intelligent Eyewear collection 開放預售,Business Insider 記者試用後認為它與 Meta 眼鏡差異不大。
百度發佈兩款文心應用模型:文心閃電深度思考模型與文心一鏡微表情大模型。科技快訊亦提及 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。
百度發布文心閃電深度思考模型與文心一鏡微表情大模型。其他 AI 動態包括 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。Google 推出基於 Gemini Decision 1 模型的 Gemini Decisions API,用於快速多模態決策。
Google 發佈由 Gemini Decision 1 驅動的 Gemini Decisions API,開發者可在單次請求中評估最多 1,000 個問題,並根據指定選項的機率作出決策,而非生成文字回覆。
知情人士稱,騰訊 28 週年直播後傳出的「裁員 50%」説法是誤讀,管理層所談的是面向 AI 時代加快組織變革與資源調度。報道梳理指,騰訊過去一年整合 AI 研發團隊,混元在 2026 年推出 Hy3、Hy4 系列。2026 年第二季度研發支出為 272.8 億元、資本開支為 527.8 億元。
Google 於 2026年11月11日發佈多模態決策模型 Gemini Decision 1 及 Gemini Decisions API,後者可對單一輸入同時提出最多 1,000 個問題。
一微科技以每股9.9港元的發行價上市,募資淨額6.6億港元,收市市值為58億港元。一微科技由把SLAM演算法整合進掃地機械人專用晶片起步,現提供涵蓋機械人SoC、感應器、模組及演算法方案的產品體系。公司2025年收入4.07億元、虧損1.55億元,按當年收入計在智能移動機械人解決方案市場排名第三,份額為4.2%。
LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。
阿里雲「一鍵創作 AI 有聲繪本」方案以 CAP、百煉和 OSS 串連文案、插畫、配音、字幕及影片合成,輸入故事即可生成完整的有聲繪本影片。方案支援定製插畫風格與配音音色、單頁重新生成及批量產出,並可消耗試用點體驗。
阿里雲 AI 即時互動方案將語音識別、多模態大模型、語音合成及 ARTC 即時通訊整合為工作流,讓用戶透過音影片通話與 AI 智能體即時互動。方案支援拖曳編排工作流及一鍵部署 Web 應用,平均通話成本約 0.1 元/分鐘;完整跑一次教程不到 1 元。
蘋果公開 HomeView 的人員識別流程,最多可識別 6 位用戶,並以識別結果提供個人化體驗。攝像頭和麥克風輸入會在安全隔離區內處理,系統比對人臉及聲音特徵與已登記身份。主系統只會收到「誰、在哪、把握多大」等元數據,原始音視頻不會共享給操作系統。
Google 發佈 Gemini Decision 1 及 Gemini Decisions API,以單次選項評分處理封閉式決策,而非逐個 token 生成文字。
AI生成的「古代監控」影片模仿舊監控畫面重現歷史事件,鴻門宴影片更錄得百萬級播放量,帶動相關創作。逼真的畫面加上誤導性文案,令部分影片流傳時被當成真事;AI換臉亦被用於詐騙和假冒直播,並涉及肖像權及私隱問題。