跳到正文
11月7日週六
  1. DEV Community68

    Thinking Machines 發佈 Inkling 2 Small,主預訓練耗時 68 小時

    Thinking Machines 發佈 Inkling 2 Small,這是一款支援文字及圖像輸入、文字輸出的多模態 MoE 模型,主預訓練在 GB300 上耗時 68 小時。模型目前可在 Tinker 和 Tinker Playground 使用推理與微調服務,但發佈時尚未開放權重。團隊計劃待外部安全測試完成後,於發佈後下一週按 Apache 2.0 許可證開放權重。

  2. DEV Community59

    我如何讓 AI 角色跟隨遊標移動

    作者與 Claude Code 合作,為 bestaiweb.ai 的 Mona、Dan、Max 和 Alan 四個 AI 角色加入遊標追蹤、點擊反應及捲動揮手效果。瀏覽器根據遊標位置從影片選取方向相符的影格;點擊播放角色短片,捲動則控制告別揮手。作者共生成33段影片並採用20段,影片生成費用合計$20.79,估算主動工作時間約9.6小時。

11月6日週五
  1. Hacker News 熱門(buzzing.cc 中文翻譯)78

    Gemini Omni 1.2 Flash 推出,支援最長 15 秒影片生成

    Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。

    推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。

  2. Unite.AI30

    甚麼是內容溯源?C2PA、浮水印與 AI 媒體偵測

    內容溯源記錄資產來源及編輯歷程的可驗證資訊,讓人和系統檢視資產如何建立或變更。其運作可概括為五個可觀察步驟:擷取聲明、以密碼學方式綁定資產、簽署聲明、保存或更新清單,以及驗證和展示資訊;溯源能記錄歷史,但不能證明畫面所示事件屬實。

  3. Artificial Analysis 完整文章45

    VIALS-AA:科學圖像推理的不同路徑

    VIALS-AA 比較 19 個模型處理科學圖像推理時的工具使用方式,分析涵蓋 9,177 次執行軌跡。工具呼叫中,38.3% 用於查看圖像,47.3% 用於準備或測量圖像;圖像測量佔 GPT-6 Astra (max) 工具呼叫的 5–6%,Claude Opus 5.5 (max) 則為 25–27%。Gemini 4 Carbon (high) 在八個領域中有三個領域領先。

  4. elsewhere:文章45

    奕斯偉計算登陸港股,多家量子計算、AI4S及腦機接口公司完成融資

    奕斯偉計算於10月9日在香港聯合交易所主板上市,文章亦盤點量子計算、AI4S、腦機接口等科技公司的融資及進展。新石器完成近4億美元E輪融資,太一量生累計融資超10億元,階梯醫療累計融資26億元並完成42例長期植入。月之暗面推出Kimi K3.1 Pro,具3萬億級參數及100萬上下文;至簡動力開源6B參數SimpleWAM,端側推理延遲低至42ms。

  5. 上海人工智能實驗室 InternLM:原創項目37

    InternLM/Sage-SciPerception:連接科學編碼器與語言模型

    Sage Sci Perception 透過可訓練投影器,將分子圖、光譜、晶體結構、蛋白質及核酸序列和科學訊號映射至語言模型的輸入空間,支援自然語言分析及結構化科學回答。QM9S 的 Acc@1 為 49.75%,SciTS PHU01 的 Macro-F1 為 71.53%;投影器檢查點將於 Hugging Face 提供。

  6. 雷鋒網44

    上交大張偉楠教授:AI 如何走出螢幕,真正改變物理世界?| CNCC 2026

    張偉楠在 CNCC 2026 演講探討物理智能如何讓 AI 走出螢幕,透過感知、預測、行動與持續學習,形成與真實環境互動的閉環。他梳理了涵蓋硬件與系統、數據與仿真、感知、世界模型、基礎模型、物理智能體及應用層的七層技術棧,並指出真實交互數據昂貴、環境局部可觀測及長時程預測誤差累積等挑戰。

  7. 雷鋒網47

    舉辦33年的 ACM MM 重新劃定研究範圍

    ACM MM 將研究主題由過去五大主題、15個子方向改為16個平級主題,重新界定多媒體研究範圍。新設具身與沉浸式多媒體、多媒體推理兩個主題,並把「視覺與語言」調整為「多媒體與語言」。旨在反映多媒體研究向多模態推理、生成及現實環境互動拓展。

  8. DoNews43

    Pangram Labs 推出 AI 圖像檢測模型 Pangram Image 1.0

    Pangram Labs 推出 Pangram Image 1.0,可透過熱力圖定位 AI 生成圖像內容。模型以 12 種主流生成器製作的 1200 張測試集進行測試,準確率達 99.96%;在 256×256 低解像度下,準確率仍達 96.4%。同期推出的影片檢測模型 Pangram Image Flash 1.0,在 DF26 數據集上的準確率為 98.7%,領先第二名 29 個百分點。

  9. DEV Community32

    MusicGo 專案如何打造

    MusicGo 由一名軟件及 AI 工程師與小型初創團隊打造,讓用戶以文字描述、歌詞或風格描述生成歌曲,並可修改歌詞或風格,再生成新版本。歌曲資料庫支援用戶重聽歌曲、修改輸入並延續創作;用戶亦可分離人聲及鼓、低音結他、鋼琴和結他等樂器聲部。

  10. 新浪科技68

    World Labs 推出 Atlas 世界模型演示版 Frameboy,支援即時探索生成場景

    World Labs 推出首個「應用」Frameboy,透過 Atlas 世界模型即時生成第一人稱畫面,讓用戶探索生成場景。它採用雲端 GPU 串流,最高可達 15 fps,實測模型回應時間約 70ms。Frameboy 亦整合至 beta 網絡應用 Viewfinder,作為串流覆蓋渲染模式;體驗連結:https://frameboy.worldlabs.ai/。

  11. HuggingFace Daily Papers(社區熱門論文)47

    NPCBench:鼻咽癌多模態診療路徑推理的臨牀學徒制基準

    NPCBench評估醫療AI模型能否整合專科知識與多模態證據,並在鼻咽癌患者的縱向診療路徑中維持診斷及照護決策連貫。基準收錄4,777項題目,以及包含100名患者、417項評分任務的CarePath隊列。在21個多模態模型中,嚴格CarePath成功率最高為23%;單項任務表現出色,不代表同一患者的診斷及照護答案能同時正確。

  12. IT之家58

    網信部門整治 AI 假冒公眾人物:清理違法違規資訊 4.7 萬餘條,處置帳號 3961 個

    網信部門近期集中整治利用 AI 假冒仿冒公眾人物,累計清理違法違規資訊 4.7 萬餘條,處置帳號 3961 個。通報列出四類行為,包括未經授權合成肖像或聲音帶貨、編造患病謠言、冒名發布內容吸粉,以及生成低俗合成畫面牟利。網信部門稱將持續加大整治力度並壓實平台主體責任。

  13. 阿里雲開發者社區 AI69

    千問 Qwen3.8 系列模型發布並開源,涵蓋 Qwen3.8-Max、Qwen3.8-27B 及 Qwen3.8-Flash

    阿里千問(Qwen)已陸續發布並開源 Qwen3.8 系列,涵蓋 2.4T 參數的 Max、27B 多模態模型及 Flash 效率模型。Qwen3.8-27B 採用 Apache 2.0,量化後 INT4 權重大約 14-17GB;Max 的開源版本主要是純文字權重,雲端 API 的視覺輸入、內置搜尋及工具調用能力未完全打包。

  14. 新浪科技51

    謝偉迪創辦觀壹智能,探索讓 AI 進入生命科學的「編譯器」

    上海交通大學人工智能學院副教授謝偉迪聯合創辦觀壹智能(OneX Intelligence),探索生命科學基礎模型,並已完成首輪商業化融資。模型旨在連接生物學知識與實驗數據,提出研究假設後交由濕實驗驗證。公司現階段主要利用已預訓練模型作生命科學後續訓練與多模態整合,並希望與藥企合作推進研發。

  15. DoNews51

    World Labs 推出 Frameboy 網頁演示,供用戶體驗多模態世界模型 Atlas

    World Labs 於 2026年11月上線 Frameboy 網頁演示,讓用戶體驗其多模態世界模型 Atlas,並支援像素級相機控制與 3D 重建。用戶可在 https://frameboy.worldlabs.ai/ 選擇不同模擬世界,以觸控螢幕或鍵盤操控移動與視角;雲端 GPU 提供最高 15幀/秒的串流渲染。目前演示有輕微卡頓,運行成本亦較高。

  16. 新浪科技66

    World Labs 推出 Frameboy,讓用戶在網頁即時探索 AI 生成世界,最高 15 幀每秒

    World Labs 推出 Frameboy 演示項目,讓用戶在網頁上即時探索 AI 生成世界,雲端 GPU 串流最高 15 幀每秒。項目採用高度優化的 Atlas 版本,用戶可選擇不同「遊戲卡帶」切換模擬世界,並以觸控或鍵盤操作。IT之家測試指操作略有卡頓;Frameboy 須在雲端強大 GPU 伺服器運行,成本與本地渲染相比並不便宜。

  17. 阿里雲開發者社區 AI51

    一句提示詞生成可漫遊的 3D 世界:HappyOyster 方案部署與體驗

    HappyOyster 方案以一句提示詞或一張圖片生成可互動、可漫遊的 3D 世界,這篇教程説明其部署與體驗流程。方案基於百煉模型服務與函數計算 FC,部署約需 30 分鐘;按量計費,官方估算完整體驗 7 個場景約需 100 元。文章亦列出遊戲原型、短劇與影視創作,以及文旅和教育等應用場景,並提及方案提供三端 SDK。

  18. 新浪科技38

    當情緒被看見:用藝術療癒不被理解的你

    北京時代美術館以「情緒星球·自覺之旅」展覽,結合人工智能、情感計算與藝術,協助觀眾看見並接納情緒。展覽設有12件作品,《情緒幾何》已發展至5.0版本,涵蓋16種情緒選項。策展人指出,藝術化表達可協助調節情緒,但技術無法精準計算每一刻的情緒狀態。

  19. 新浪科技24

    讓古建築「活」起來

    古建築保護專家以結構分析和可逆修繕保留原有材料與結構,數碼藝術團隊則透過三維重建及人工智能技術,讓文化遺產以沉浸式體驗呈現。以故宮南三所門廊為原型的木構建築,在地震強度10.1級的試驗後沒有木構件損壞。