fal 完成 $1.3 billion F 輪融資,估值升至 $16B
AI 基建公司 fal 完成由 Bessemer Venture Partners 領投的 $1.3 billion F 輪融資;Bloomberg 指其估值升至 $16 billion,較 4 月的 $8 billion 翻倍。
AI 基建公司 fal 完成由 Bessemer Venture Partners 領投的 $1.3 billion F 輪融資;Bloomberg 指其估值升至 $16 billion,較 4 月的 $8 billion 翻倍。
騰訊混元正式發布新一代大語言模型 Hy4,較 Hy4 preview 擴大預訓練和後訓練規模,並首次加入視覺能力。正式版可結合推理和工具調用處理圖像、複雜圖表及數學視覺任務,並支援命令列和圖形界面操作。Hy4 preview 曾在超過1.45萬次真實世界智能體任務會話評測中,位列 Arena.ai Agent Arena 開放模型第二名、全球綜合榜單第十名。
商湯發佈日日新 SenseNova 6.8 Flash 模型,強化複雜任務中的跨任務、跨會話協作,並支持靜態網頁、動態內容及 3D 設計生成。模型在智能體協作、數據分析和演示生成等多項基準評測中超過部分國際前沿模型。商湯同步開源下一代模型架構的實踐。
Apple 今日向開發者推送 iOS 27.3 首個 Beta 版,並同步開放中國內地 Apple Intelligence 測試,首批包括即時翻譯、寫作工具及照片消除工具等功能。部分功能接入千問大模型,用戶可在 Siri、寫作工具及視覺智能中調用千問;全新 Siri AI 及其他下一代功能未納入此次測試。蘋果計劃於今年12月隨 iOS 27.3 正式版向中國用戶推送。
得物成為中國市場首批接入 Apple Intelligence 國行版視覺智能功能的應用之一,相關功能隨 11月4日開放的 Beta 測試版提供體驗。用戶可用支援該功能的 iPhone 拍攝商品,在搜尋服務選擇得物,查看平台在售商品及價格,並進入得物 App 商品詳情頁。商品頁提供歷史價格走勢、AI 解讀及真實用戶評價等資訊,並可直接完成購買。
Apple Intelligence 中國內地版於11月4日開啟 Beta 測試,得物 App 成為中國市場首批接入其視覺智能功能的應用之一。用戶可用支援該功能的 iPhone 拍攝商品,於搜尋服務選擇得物,查看平台在售的相關商品及價格,並進入商品詳情頁;相關資訊包括歷史價格走勢、AI 解讀及真實用戶評價。
FactEmbed 以分解式 MLLM 嵌入改進組合式圖像檢索,將組合查詢理解與判別式嵌入構建分開。模型透過分解式潛在表示模擬預期的視覺修改,並在檢索前將表示對應至目標語義;評測顯示,FactEmbed 在多個組合式圖像檢索基準上勝過先前方法。
作者實測 iPhone 國行 Apple 智能開發者 Beta,涵蓋寫作工具、視覺智能、照片消除、摘要及 Siri 等功能。Apple 計劃隨 12 月推出的 iOS 27.3 正式推出相關功能;部分複雜任務要跳轉千問 App,跨應用上下文能否保留及多項操作能否連續完成仍未明確。實測亦發現照片消除留下修復痕跡,連續使用 AI 時 iPhone 16 Pro 發熱明顯。
推薦理由:多項實測呈現國行 Apple 智能首批功能的使用情況,亦記錄照片修復痕跡、手機發熱及跨應用銜接限制,提供直接的體驗參照。
iOS 27.3 開發者測試版向中國內地用戶開放 Apple Intelligence 測試,功能由 Apple 自研模型與阿里千問(Qwen)共同支援。實測中,Siri 能處理簡單問題和基本設定,複雜任務須經用戶同意調用千問;照片消除在背景簡單時效果較好,即時翻譯延遲不到 1 秒。
推薦理由:文章逐項實測 Siri、照片消除、即時翻譯及視覺智能,呈現各功能的實際表現差異,並記錄第三方 App 搜尋服務的接入情況。
普林斯頓大學 AI 實驗室推出 SSoN,測試 AI 在靜態跨視角條件下的三維空間理解能力;人類準確率為 83.3%,表現最佳的視覺語言模型僅達 39.7%。針對 SSoN 任務進行監督微調後,模型面對未見過的房間場景時,測試準確率幾乎翻倍。
DocAPI 提供面向貨運開發者的空運提單 API,將 MAWB 和 HAWB PDF 或常見圖片轉成統一結構的 JSON,並驗證提取欄位。系統檢查 11 位 AWB 號碼的 IATA Mod-7 校驗位及 chargeable_kg >= gross_kg;低信心或檢查失敗時會設置 needs_review,方便轉交人工處理。
騰訊混元正式推出 Hy4,強化 Agent 長程任務、視覺理解、推理和電腦操作能力。APPSO 實測中,Hy4 根據《王者榮耀》影片,約 30 分鐘製作出可在網頁遊玩的迷你 MOBA,並完成 Blender 場景及多份辦公文件。Hy4 已在 WorkBuddy 上線,11.4-11.15 限時免費。
同一組 90 幀 alpha matte 評測顯示,Grad 能揭示 SAD 未呈現的邊緣形狀差異,Conn 在多數真實方法上的排序則與 SAD 相同。AI matte 的 SAD 為 2.89、Grad 為 0.53;控制組加入逐幀隨機雜訊後,Grad 為 0.03,但閃爍值是 11.844(×1000)。三種指標都不衡量跨幀閃爍,需另行評估。
騰訊混元正式發布 Hy4 大模型正式版;官方稱其訓練規模較 Hy4 preview 擴大,並新增視覺理解能力,綜合性能躋身開源模型第一梯隊。Hy4 支援細粒度圖像解析、複雜圖表及圖文數學推理,並具備 Computer Use 能力,可辨識螢幕畫面、操控滑鼠鍵盤,配合命令列完成跨軟件長流程任務。
VidUEU-Agent 是一個數據整理框架,可從原始影片自動構建用於多模態理解、圖像編輯及統一理解與生成任務的指令數據。團隊以 8,268 段影片構建 VidUEU-100K,包含近 20,000 條密集中繼資料標註及 100,000 個指令樣本。框架透過四輪訓練及評測結果調整數據分佈,每輪以 30K 個樣本從同一初始檢查點微調 BAGEL,三個反饋基準的整體表現均有提升。
Apple 於 11月4日在中國大陸開放 iOS 27.3 開發者測試版,供用戶測試 Apple Intelligence 首批功能。功能包括即時翻譯、寫作工具、視覺智能、照片消除工具及智繪表情;報道稱,千問支援 Siri、寫作工具和視覺智能中的部分功能,百度識圖則用於視覺智能搜尋,部分系統功能由 Apple 自研模型負責。
騰訊混元發佈最新一代大語言模型 Hy4 正式版,新增視覺能力及電腦操作支援,並稱整體模型能力較 Hy4 preview 再提升。Hy4 擴大預訓練和後訓練規模,提升指令遵循、長文理解、長程任務及深度研究能力,並針對 Blender、CAD 等專業軟件和跨應用長程任務進行專項訓練。官方表示,Hy4 將於近期開源模型權重並發佈模型系統卡片,亦會關注網絡及生物安全等風險。
騰訊 WorkBuddy 已正式接入混元 Hy4,並開放限時免費體驗至 11 月 15 日 23:59,Hy3 原有的限免時間亦獲延長。混元 Hy4 正式版首次加入視覺理解;官方評測稱,其辦公場景平均效果得分為 83.18 分、任務通過率為 96.15%,並在 12 個主流辦公場景中的 9 項排名國內第一。免費用戶的體驗額度有限,超出後可消耗積分繼續使用;資源繁忙時會進入排隊。
這份阿里雲百煉大模型服務平台上手指南,整理平台功能、價格、雙十一優惠及選購方式,並涵蓋由開通至 API 調用的流程。平台涵蓋模型推理、應用開發、知識庫 RAG、Agent、模型微調及專屬部署六大模組。文章亦整理 2026 年雙十一全模型低至 4.5 折、新用戶超 7000 萬免費 Token(有效期 90 天)等優惠,並提供 API-Key 接入及按用量、場景選購方案的説明。
FlowTranslator 是一個無需訓練的圖像內機器翻譯框架,利用擴散軌跡控制在保留周邊視覺脈絡的同時,於圖像中生成譯文。在 EasyOCR 回讀測試中,其平均 PRIM BLEU 和 COMET 分數分別為 20.6 和 57.2,優於採用訓練的基線 UniTranslator。
Tencent WeChat Vision 發佈開源視覺語言模型 WeVisOne-VL,提供 2B(2.44B params)及 4B(4.83B params),涵蓋偵測、指代、計數、指點、OCR、分割和 alpha matting。
騰訊混元正式發佈新一代大語言模型 Hy4;相較 Hy4 Preview,新模型擴大預訓練和後訓練規模,並首次加入視覺能力及支援電腦操作。Hy4 強化指令遵循、長文本理解、長程任務執行、深度研究、前端開發及金融分析;騰訊混元聯同騰訊金融科技團隊邀請 213 位專家,以 579 個真實金融任務測試,Hy4 綜合表現位居開源模型第一。
Route Anything 提出統一框架,研究通用 AI 系統如何按任務動態選擇及協調專用模型與策略。研究涵蓋 25 項 benchmark、374,401 次評分執行及 452 種候選配置;逐輸入 oracle 路由較最佳固定候選高 5.4 分。學習式路由在 16 項 benchmark 高 0.3 分,並以少 24% 的 policy time,在平均效率上較參考模型提升 8.82x。
YANAMI 提出面向有狀態互動的大規模多模態對話數據集及基準,評估模型追蹤和實現跨輪次變化的對話狀態。YANAMI-400K 包含 400K 段多輪對話、超過 2M 張圖片及 2.6M 個對話輪次;以其微調 BAGEL,圖像編輯、生成及多模態有狀態互動能力分別提升 10.3%、2.0% 及 13.23%。評測顯示,現有統一多模態模型仍難以維持、更新並以視覺輸出實現變化中的對話狀態。
騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。
推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。
騰訊混元發布 Hy4 正式版,首次加入視覺能力並支援電腦操作;官方稱 Hy 首次躋身最強開源模型之列。Hy4 預計近期開源模型權重並發布模型系統卡片,目前已在騰訊雲和 OpenRouter 上線,可在 CodeBuddy / WorkBuddy、元寶、ima 等產品體驗。報道指出,Hy4 在數學、長程開發、模型迭代和視覺問答等高難度測試上,與頂尖閉源模型仍有較大差距。
騰訊混元發布最新一代大語言模型 Hy4。相比 Hy4 preview,Hy4 擴大了預訓練和後訓練規模,首次加入視覺能力,並提升指令遵循、長文理解、長程任務及深度研究等綜合能力。
騰訊混元發布新一代大語言模型 Hy4 正式版,首次加入視覺能力並支持電腦操作,同時提升指令遵循、長文理解及長程任務等能力。Hy4 已在騰訊雲和 OpenRouter 上線,亦可在 CodeBuddy、WorkBuddy、元寶及 ima 體驗;官方稱其效能顯著超過 Hy4 preview,API 價格則維持相同。
騰訊混元發佈新一代大語言模型 Hy4;相較 Hy4 preview,模型擴大預訓練和後訓練的數據與規模,並首次加入視覺理解和電腦操作能力。
一項研究提出 UniForget,旨在統一多模態模型中同時抑制目標概念的生成與識別,並保留其他能力。研究亦推出 UUBench,涵蓋 30 個目標概念及 60 個語義相關概念;UniForget 在 BAGEL-7B-MoT 和 Janus-Pro-7B 上的聯合遺忘率分別為 80.0% 和 92.7%。分析顯示,聯合遺忘與能力保留之間存在取捨。
商湯推出日日新 SenseNova 6.8 Flash 正式版,將設計生成擴展至 Web、SVG、Three.js、Blender 及 PPT,並支援動態 PPT、動態海報和智能體 3D 設計。模型可接入 Figma 等工作流程,融入現有專業設計流程。官方披露,模型在智能體協作、數據分析及演示生成等多項基準評測中超越部分國際前沿模型,並以長期記憶和主動互動支援持續協作。
蘋果智能隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。iPhone 上可進行基本問答、圖文分析和內容生成;點擊進一步需求後可跳轉至千問 APP,對話內容會自動同步。
文章介紹培訓平台多模態作業 AI 點評系統的實踐方案,透過分層解析、Rubric 版本化檢索(RAG)、規則與 LLM 雙通道評分及置信度門控,將 AI 定位為助教而非最終評分者。系統以證據綁定、低置信度拒答和講師人工覆核建立可追溯閉環,並建議先從低風險、標準清晰的題型開始,再逐步擴展至主觀題和多模態評估。
Kling 的研究報告梳理多代影片生成中的多模態理解經驗,指出生成品質受數據、條件控制、對齊與評估整條鏈路影響。報告涵蓋 Kling-MLLM、描述密度與參考綁定、提示詞增強、感知式文本編碼,以及獎勵模型和任務專用自動評估。
蘋果智能隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。Siri 可先提供通用睡眠建議,進一步需求可跳轉千問 App,並同步對話資訊;千問可結合睡眠記錄、運動情況和生活習慣制定個人化方案。
國行 Apple Intelligence 隨 iOS 27.3 Developer Beta 1 開放測試,首輪實測顯示基本功能可用,但續航、發熱與穩定性問題較突出。Siri、寫作工具及視覺智能可調用通義千問;上傳圖片或文件交由千問處理前,系統會再次確認權限。測試僅支援搭載 A17 Pro 及更新晶片的指定 iPhone,弱網下雲端請求可能逾時或中斷。
凌川科技完成10億元B輪融資,由啟明創投聯合領投,資金主要用於下一代晶片研發與量產及全球市場拓展。其自研SL200智能視頻晶片已銷售近10萬顆,部署於快手、阿里雲、百度雲及嗶哩嗶哩等互聯網公司,覆蓋快手99.7%的直播相關業務。今年以來,該晶片亦透過與電信等合作夥伴合作,應用於數據中心、智慧安防、文娛交通等場景。
微光科技CEO戴照恩受邀出席2026深圳智能眼鏡產業發展論壇,分享公司從輕量化到模組化的AR眼鏡探索。演講呼籲積極建立AI數據歸屬權行業規範;微光科技亦介紹其面向行業客戶的OXM智選模式及軟硬一體全棧技術解決方案。
ContaCal 以 AI 辨識餐點照片中的食物、估算份量,再配對巴西食品數據庫計算熱量及蛋白質、碳水化合物和脂肪。數據庫現有 600+ 種食品,份量估算可在記錄後修改;整個流程約需三秒。服務亦支援文字及語音輸入,可透過 WhatsApp、iOS、Android 及網頁使用。
AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。