LongCat‑2.5 正式開源並深度適配國產算力
LongCat‑2.5 正式以 MIT 開源協議對外開源,允許商用推理部署及二次訓練,無需額外授權。這款面向長程智能體任務的原生多模態大模型,總參數規模達 1.6 萬億,單 token 激活約 480 億參數,支援一百萬 token 上下文,並針對國產算力晶片優化架構、算子及部署策略。長序列 SFT 實測中,單卡吞吐量較 DDP 基線提升 86%。
LongCat‑2.5 正式以 MIT 開源協議對外開源,允許商用推理部署及二次訓練,無需額外授權。這款面向長程智能體任務的原生多模態大模型,總參數規模達 1.6 萬億,單 token 激活約 480 億參數,支援一百萬 token 上下文,並針對國產算力晶片優化架構、算子及部署策略。長序列 SFT 實測中,單卡吞吐量較 DDP 基線提升 86%。
開發者推出 iOS App CalScore,以 AI 追蹤卡路里及宏量營養素,並在照片掃描結果中提供卡路里範圍和信心程度,而非只給單一數字。信心較低時,App 會建議用戶核對份量、掃描條碼或搜尋食物資料庫;每日 Fuel Score 則以 0–100 分呈現卡路里、蛋白質、水分及宏量營養素平衡。
Gentle Monster 確認與 Samsung、Google 合作推出的 Android XR 智能眼鏡將於 12 月上市。文章以 Amblyotube 為例,説明 VR 可為雙眼呈現不同影像,進行視覺協調與注意力訓練;軟件適用於 Meta Quest,並非診斷、治療或治癒工具。
Valve 的 SteamVR beta 更新改善了 Steam Link 向 Meta Quest、HTC Vive Focus 和 PICO 消費級頭戴裝置串流的影像品質。Seven Sports 開發的 Amblyotube 將 YouTube 影片用作視覺訓練素材,透過分別向左右眼呈現影像,訓練雙眼協調與深度知覺。Amblyotube 是輔助視覺訓練工具,並非用於診斷或治療的醫療器材。
GPT Realtime Assistant 以一張示範列車時刻表測試看圖問路,回答建議乘搭 A12、B24 和 K16,於 10:24 抵達。示範路線在 Aoba 和 Sora 分別有七分鐘及九分鐘轉車時間;這不是與其他工具比較的基準測試,也不代表即時車站資訊。出發前仍須核對服務日期、班次及月台,並向官方鐵路資訊或車站職員查證。
一項追蹤長達 43 年的研究顯示,每日飲用兩至三杯咖啡與較低失智症風險相關,且不受遺傳風險影響;無咖啡因咖啡則未見相同關聯。Seven Sports 開發的 Amblyotube 是一款 Meta Quest 視覺訓練應用程式,為雙眼呈現不同影像,供用戶每天訓練 30 至 40 分鐘。它適用於 13 歲及以上人士,是輔助視覺訓練工具,並非診斷或治療。
Quest 的 Horizon OS 2.10 PTC 正推出 Theater 觀影環境及重新設計的 Navigator,將長時間觀看納入 VR 頭戴裝置的使用場景。Amblyotube 透過讓雙眼接收不同影像,配合數碼模糊、人物強化等效果訓練雙眼協調。它是輔助工具,建議每日使用 30–40 分鐘,最多 1 小時;並非診斷、治療或治癒方案。
Nebula 是為開源天象館 Stellarium 製作的 AI 助理插件,可按自然語言指令調整觀測對象、時間和縮放,並提供五站導賞及星空照片辨識。插件以 C++/Qt 編寫,連接 OpenAI 相容端點或 Anthropic,並以 JSON 指令控制 Stellarium。
Witching Hour 是一款以 TabPFN 和 Gemma 4 打造的開源捉鬼網頁應用程式,讓「靈體」只能根據錄音或感應器測得的證據説話。TabPFN v2 在人工加入的 240 組夜間感應器數據中,找出 25.0% 的案例,低於最強案例的 37.8%;Gemma 4 生成的每句話都須引用測量事件,否則會被刪除。
Meta 發佈 Muse Ember,定位為面向複雜推理及智能體日常工具調用、編碼子任務、路由、資訊提取和長文件解析的高效率模型。
Meta 發佈 Muse Ember,稱其為迄今最小、效率最高的 AI 模型,設計用於智能體日常的工具調用、小型編碼任務、請求分流、資料抽取及長文件處理。
AWS 宣佈 NVIDIA Nemotron 3.5 Super VL 現已可在 Amazon SageMaker JumpStart 部署;這款視覺語言模型接受圖像、影片及文字輸入,並生成文字。
Anthropic 宣佈推出 Claude Fable 5.2 和 Claude Mythos 5.2,並稱兩者在編碼、推理和視覺方面有所提升,生成速度亦較各自的 5.1 版本快。
Meta 發佈 Muse Ember,稱其在 Artificial Analysis Intelligence Index 最高設定下與 Claude Haiku 5.5 同得 36 分,而每項測試成本約為三分之一。
Anthropic 升級 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力,並稱輸出速度較各自的 5.1 版本快至 30%。
推薦理由:文章把共用底層模型的兩個版本放在同一組基準與應用案例中比較,也交代 Fable 和 Mythos 的安全防護及開放對象差異。
Steam Frame 首次出現在 Steam 硬件調查便成為使用量第五高的頭戴式裝置,文章藉此探討 VR 日常使用增加後,訓練等用途的發展空間。Seven Sports 的 Meta Quest 應用程式 Amblyotube 透過左右眼不同的影像處理,作為雙眼協調與深度知覺的輔助訓練工具。應用程式建議每日使用 30~40 分鐘,最長 1 小時;它不是醫療器材,也不能診斷或治療。
Anthropic 發佈 Mythos 5.2 和 Fable 5.2,表示兩款模型在編碼、推理和視覺方面有所提升,並能更清晰地與用戶溝通。Anthropic 稱,Fable 5.2 在各推理力度下的回應速度提升 30%,每百萬個輸入 token 的價格由 $10 降至 $8;更快的推理服務價格為雙倍。
Valve 發佈 SteamVR Beta 更新,改善所有兼容 Steam Link 的獨立頭戴裝置串流畫質,涵蓋 Meta Quest、HTC Vive Focus 及 PICO。文章指出,清晰穩定的影像有助雙眼協調訓練;Amblyotube 透過分別向雙眼呈現不同影片畫面,配合模糊與 AI Sharpener 設計訓練。SteamVR 更新與 Amblyotube 無關。
一項調查分析多模態智能體的自我改進機制,為何在推理、生成、導航與操作情境之間的遷移效果不一。研究以經驗生成、取得回饋和整合更新三階段框架比較各情境,並將機制跨情境的可遷移性判定為可遷移、有條件、受阻或冗餘;這些判定仍有待配對預算測量驗證。
Meta AI Research 於 2026年11月9日推出 Muse Ember,並於同日透過 Muse Code 和 Meta Model API 開放,定位為低成本、適用於重複智能體及編碼工作的模型。
作者運用 Gemini 的多模態視覺能力開發 AuraRead,透過上載相片或即時網絡攝影機拍攝,分析個人風格、儀容、肢體語言及環境光線。應用使用 gemini-3.5-flash 生成風格分類、五項氣質評分、附色碼的色彩配色,以及職涯和造型建議。Gemini API 在伺服器端以 JSON 結構化輸出資料。
作者打造 AuraRead,利用 Gemini 的多模態視覺能力分析照片中的儀容、穿搭、肢體語言及環境光線,生成個人風格分析與建議。應用透過伺服器端 Gemini API 使用 gemini-3.5-flash,並以結構化 JSON 格式輸出結果。用戶可上載肖像或使用網絡攝影機拍照,查看五項氣質評分、五色配色方案及造型和職涯建議。
VYTA 是為 Presage SmartSpectra SDK Challenge 開發的人體感測體驗,旨在把即時鏡頭生理訊號轉化為自適應呼吸視覺呈現,讓用戶留意自己的呼吸節奏。測試中約達 29 FPS,但鏡頭可靠性仍有待改善;項目強調明確授權及私隱,測量結果不作醫療診斷或治療建議。
Seven Sports 開發 Amblyotube,將 VR 頭戴裝置的觀影體驗用於視覺訓練,並以左右眼不同的影像處理方式呈現內容。系統可直接使用 YouTube 風格的影片,透過人物偵測與強調圖層協助訓練,毋須專用訓練內容。內置 LogMAR 視力檢查會在虛擬 3m 距離進行最多 30 次測試,並可按測得的嚴重程度自動更新設定檔。
Google 發佈 Gemini 4 Argon,定位為通用型物理推理模型,支援機械人控制、Real2Sim 場景構建、機械人影片多模態標註及迭代式策略改進。
美團於 11 月 9 日正式開源 LongCat-2.5,這款面向長程智能體任務的原生多模態模型採用 MIT 協議,支援商用推理部署與二次訓練,毋須額外授權。模型總參數為 1.6 萬億,每個 token 約啟用 480 億參數,支援一百萬上下文。
美團正式開源面向長程智能體任務的原生多模態模型 LongCat-2.5,採用 MIT 協議,支援商用推理部署與二次訓練,無需額外授權。模型總參數為 1.6 萬億,每個 token 約啟用 480 億參數,並支援一百萬上下文。模型將視覺訊號表示為多層級離散 token,由主幹模型統一處理,並採用 W4A4 高效推理方案。
美團發佈 LongCat-2.5,這是一款面向長時程智能體任務的原生多模態 MoE 模型,總參數量為 1.6 trillion,每個 token 約啟動 48 billion 參數。
美團 LongCat 發佈 LongCat-2.5,這是一款面向長週期智能體任務的原生多模態 MoE 模型,總參數量為 1.6 trillion,每個 token 約啟用 48 billion 個參數。
HUAWEI 暢享100系列三款手機共享鴻蒙星盾與親情防詐鏈路,支援風險提醒、遠程協助掛斷及詐騙號碼全家同步。HUAWEI 暢享100 Pro Max獨有視頻親情守護與8800mAh電池,HUAWEI 暢享100獨有關懷模式;三款機型在屏幕、續航及功能配置上各有差異。
研究分析單模態語言與視覺模型的跨模態表徵對齊,發現對齊程度會隨模型能力提升,但仍低於同模態模型。當圖説清晰且資訊充足時,這種對齊可超越明確對齊的視覺語言模型。
生成式 AI 能根據用戶指示生成文本、圖像、音訊、影片及程式碼,並應用於多個行業。大語言模型、GAN、VAE 和擴散模型推動其發展,相關應用涵蓋醫療、教育、銀行、軟件開發及業務自動化。數據私隱、錯誤資訊、偏見及安全仍是需要考慮的挑戰。
HumanSense AI 是一款使用 Electron、Node.js 和 Presage SmartSpectra SDK 開發的桌面應用程式,透過鏡頭監測人體訊號,並在儀錶板顯示可用測量結果。項目涵蓋心率、呼吸率、心率變異性及 SDK 支援的面部表情分析;測量須先取得用戶同意,應用程式不宣稱具備醫療診斷用途。
阿里雲推出 2026 年雙 11 AI 大模型優惠,新客可限免超過 7000 萬 tokens,Token Plan 個人版 39 元起。每個 Plan 支援多種模態旗艦模型,夜間調用價格更低,活動至 11 月 30 日。
索尼申請車載氣味廣告系統專利,透過攝影機識別廣告內容,結合 GPS 定位及線上氣味資料庫,向乘客釋放匹配香味。系統可分析乘客特徵,按座位投放氣味,並調節濃度和持續時間;目前尚未商業化。
人機互動(HRI)研究人與機械人在共享環境中的溝通、協作與共存,是智能機械人及具身人工智能的基礎之一。隨着機械人走入日常環境,互動設計涵蓋語言與非語言溝通、感知人類行為及理解意圖;大語言模型亦提升了機械人理解指令、回答問題和協作對話的能力。
第 14 章聚焦 AMR AI 與具身智能中的 VLM 和 VLA,並概述 VLM 如何整合視覺感知與語言理解,在共同框架中進行推理。VLM 可透過零樣本及少樣本推理理解未曾接觸的物件或情境,並支援機械人解讀場景、指令及作出決策。
Shizuku AI 公佈全雙工模型 Shizuku-Duplex,模型無需等待用戶完成提問便會啟動思考流程。在 6 個參測模型中,其日語對話自然性最高,回應質素僅次於 OpenAI 的 GPT-Live。模型以 80ms 為一個互動「幀」,並每 5min 壓縮一次上下文。
日本人工智能實驗室 Shizuku AI 發佈日語全雙工 AI 模型 Shizuku-Duplex,該模型是繼 GPT-Live 後全球第二個支援日語智能對話的全雙工 AI。模型以 80 毫秒為一個互動幀,支援音訊、文字與動作三模態輸出,並每 5 分鐘壓縮一次上下文。測試中,其日語對話自然性在 6 個參測模型中排名第一,回應質素僅次於 GPT-Live。
Shizuku AI 公佈全雙工模型 Shizuku-Duplex,稱其為繼 GPT-Live 後第二個支援日語智能對話的全雙工模型,無需等待完整提問即可啟動思考。該模型在 6 個參測模型中日語對話自然性最高,回應質素僅次於 GPT-Live;模型以 80ms 為一個互動「幀」,每 5min 壓縮一次上下文。Shizuku AI 正基於這項技術開發伴侶式 AI 雫。