跳到正文
11月4日週三
  1. 新浪科技51

    騰訊混元 Hy4 正式版發布,新增視覺感知與電腦操作能力

    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。

  2. 新浪科技66

    中國內地 Apple Intelligence 開放測試,全新 Siri AI 暫未提供

    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。

  3. 新浪科技68

    得物首批接入 Apple Intelligence 國行版視覺智能,11月4日起開放測試

    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。

  4. 新浪科技62

    Apple Intelligence 中國內地版於11月4日開啟 Beta 測試,得物 App 成首批接入視覺智能的應用之一

    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。

  5. 虎嗅80

    實測 iPhone 國行 Apple 智能:功能亮點與不足

    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。

  6. 虎嗅78

    iPhone 中國內地版 Apple Intelligence 實測:有亮點、有不足,另有驚喜

    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。

  7. DEV Community37

    Grad 和 Conn 能捕捉 alpha matte 中哪些 SAD 遺漏的問題,又有哪些捕捉不到

    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。

  8. 中華網科技68

    騰訊混元 Hy4 正式版發布,新增視覺理解與電腦操控能力

    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。

  9. HuggingFace Daily Papers(社區熱門論文)39

    VidUEU-Agent:面向多模態理解、編輯與統一任務的數據整理智能體

    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。

  10. 新浪科技74

    Apple Intelligence 首批功能在中國大陸開放測試

    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。

  11. DoNews61

    騰訊混元 Hy4 正式版發佈,模型權重將於近期開源

    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。

  12. 新浪科技67

    騰訊 WorkBuddy 首發接入混元 Hy4 大模型,限時免費體驗至 11 月 15 日 23:59

    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。

  13. 阿里雲開發者社區 AI51

    阿里雲百煉大模型服務平台雙十一上手指南:功能、價格及選購

    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。

  14. 新浪科技75

    騰訊混元正式發佈大語言模型 Hy4,首次躋身最強開源模型行列

    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。

  15. HuggingFace Daily Papers(社區熱門論文)44

    Route Anything:通用 AI 系統的模型與策略路由研究

    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。

  16. HuggingFace Daily Papers(社區熱門論文)44

    YANAMI:面向多輪有狀態互動的大規模多模態數據集與基準

    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。

  17. 新浪科技77

    騰訊混元發佈新一代大語言模型 Hy4

    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。

  18. 新浪科技70

    騰訊混元 Hy4 正式版發布,首次加入視覺能力並支援電腦操作

    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。

  19. HuggingFace Daily Papers(社區熱門論文)44

    統一多模態模型的概念遺忘能否統一?探索跨路徑概念遺忘

    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。

  20. 新浪科技50

    商湯推出日日新 SenseNova 6.8 Flash 正式版,支援動態 PPT 及智能體 3D 設計

    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。

  21. 阿里雲開發者社區 AI61

    從「交卷即回饋」到「可追溯的 AI 點評」:培訓平台多模態作業 AI 點評系統的技術實踐

    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。

  22. 新浪科技72

    蘋果智能 Beta 版開放測試,Siri 可調用千問,千問 App 可制定個人化睡眠方案

    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。

  23. 新浪科技70

    Apple Intelligence 國行版 iOS 27.3 Developer Beta 1 首輪實測:基本功能可用,續航與穩定性成問題

    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。

  24. DoNews63

    凌川科技完成10億元B輪融資,啟明創投聯合領投

    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。

  25. 阿里雲開發者社區 AI29

    AI 英語教學軟件的開發與落地流程

    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。