跳到正文
10月29日週四
  1. DEV Community65

    Maya 2 Native 發佈權重與推理程式碼,支援 12 種語言串流 TTS

    Maya Research 發佈 Maya 2 Native 文字轉語音模型,支援 11 種印度語言及英語,模型權重與推理程式碼以 Apache-2.0 授權提供。模型提供 20 種內置語音、串流音訊及以 3–10 秒參考語音複製聲音,輸出為 24 kHz 單聲道音訊。發布基準涵蓋 12 種語言的 6,000 條留出文本;阿薩姆語是基準中最具挑戰的語言。

  2. gihyo.jp65

    NVIDIA 公開 Nemotron 3.5 Transcribe 語音轉錄與翻譯模型

    NVIDIA 公開 Nemotron 3.5 Transcribe,支援包括日語在內的 40 種語言轉錄,並提供語音翻譯、模型權重及追加訓練工具。它可按文字提示詞調整轉錄格式;日語支援多説話者轉錄及與英語雙向翻譯,錄音最長可處理 1 小時。NVIDIA 的技術報告列出其在不含日語的 7 種語言上平均 WER 為 4.62%;商用 ElevenLabs Scribe v2 的榜單值為 3.56%。

  3. MarkTechPost56

    Block 發佈僅以人類對話音訊訓練的全雙工語音模型 Dessa

    Block 發佈 Dessa,這是一款僅以人類對話音訊訓練、可同時聆聽和説話的全雙工語音模型。Block 於 2026 年 10 月 23 日以研究預覽形式公佈,稱訓練未使用文字或預訓練模型,並以 1 NVIDIA GB200 NVL72(72 GPUs)完成訓練。模型可在 MacBook Pro M4 Max 或以上本地運行,速度快於即時;目前未公開基準分數、權重、論文或 API。

  4. DoNews36

    騰訊混元 Hy4、Hy4 flash 即將發佈,首次引入視覺理解能力

    騰訊宣佈 Hy4 即將發佈,相比 Hy4 preview,Hy4 全面提升長程和真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 也將於近期發佈,提供實用模型,並繼承 Hy4 的視覺和 Agent 能力。去年 8 月 28 日發佈並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度超過 1M。

  5. 阿里雲開發者社區 AI27

    Qwen3.8 搶先體驗:最新版即將發布並開源?

    阿里通義實驗室宣佈 Qwen3.8 全系列正式開源,涵蓋 2.4 萬億參數的 Qwen3.8-Max 及可單卡運行的 Qwen3.8-27B。Qwen3.8-Flash 的推理成本低至每百萬 Tokens 輸入 1 元人民幣。全系列採用 Apache 2.0 協議,已在 Hugging Face 等平台上線,並可經阿里雲通義千問平台調用 API 或下載模型權重。

  6. Latent Space77

    Gemini 4 Carbon 登上多個排行榜榜首,首階段供受信任的網絡安全防禦者使用

    Google DeepMind 宣佈 Gemini 4 Carbon,稱其在網絡安全及長時程任務上表現領先;Artificial Analysis Intelligence Index v5 給它 59 分,排名第一。

    推薦理由:文章並列 Google 公佈的網絡安全測試成績與 Artificial Analysis 等排行榜結果,也交代模型目前只向受信任的網絡安全防禦者開放,呈現其評測表現與現階段可用範圍。

  7. 新浪科技53

    智元上半年收入近20億元,發布 Worken 度量單位及 GO-3 Preview

    智元公佈今年上半年整體收入接近20億元,並發布 Worken 度量單位及新一代具身基礎模型 GO-3 Preview。Worken以活躍機器人數量、自主工作時長和產出效能比計算有效智能工時;智元上半年機器人出貨9700台,9月下線第20000台。GO-3 Preview採用自研具身原生架構WRAM,並將於2026年底全面開源。

  8. 新浪科技64

    以未來幾何推演物理互動,X-Era AI 拓元智慧開源原生 4D 世界動作模型 E0.5,真機大幅超越 π0.5

    X-Era AI 拓元智慧開源原生 4D 世界動作模型 E0.5,真機測試的整體平均成功率高於 π0.5。經機械人數據預訓練後,E0.5 在 AgileX Piper 雙臂機械人和 Zerith H1 人形機械人的分佈內外綜合測試中,平均成功率分別為 85.0% 和 88.3%,較 π0.5 高 13.3 和 26.7 個百分點。

  9. EJ Tech 信報科技 · AI60

    Google 發佈世界模型 Genie 4,支援即時互動

    Google 發佈新一代世界模型 Genie 4,用戶可生成虛擬場景並即時探索互動,相關技術可望應用於電影製作、遊戲開發及機械人訓練。Genie 4可透過自然語言即時修改場景,提升物理模擬與人物動作的真實感,並原生生成環境音效及互動對話,結合 Gemini 模型處理複雜事件。

  10. 新浪科技36

    騰訊混元 Hy4、Hy4 flash 即將發布,首次引入視覺理解能力

    騰訊混元宣佈 Hy4 即將發布;相較 Hy4 preview,Hy4 全面提升,並首次引入視覺理解能力。Hy4 flash 亦將於近期發布,主打性價比,並在承接 Hy4 的視覺及 Agent 能力之上,透過模型與產品深度 Co-Design 高頻進化。今年8月發布並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度突破 1M。

  11. 新浪科技34

    騰訊混元 Hy4、Hy4 flash 即將發布,首次引入視覺理解能力

    騰訊宣佈 Hy4 即將發布;相較 Hy4 preview,Hy4 大幅提升長程及真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 亦將於近期發布,提供高性價比模型,並具備視覺及 Agent 能力。Hy4 preview 於今年 8 月 28 日發布並開源,總參數 770B、激活參數 49B,上下文長度突破 1M。

  12. 新浪科技55

    超衍智能發布首個 RSI 模型 Apex-35B-V1.0

    超衍智能於10月28日發布首個35B模型Apex-35B-V1.0,並將RSI引入模型研發,讓AI參與實驗設計及結果分析。公司公佈的評測結果稱,模型在研究能力、智能體與編碼、推理等多項評測中超越Flint,並在部分任務上超越參數規模達500B和800B的模型。

  13. 新浪科技56

    首批風雲氣象衞星極端天氣 AI 模型發佈,颱風解譯文本 27 秒生成

    首批風雲氣象衞星極端天氣 AI 模型於 10 月 29 日在 2026 年風雲衞星用戶大會正式發佈,涵蓋颱風智能雲圖解譯及強對流短臨預警。颱風模型融合風雲衞星多通道雲圖及相關產品,每 15 分鐘解譯一次,覆蓋 7 類颱風特徵和 20 餘種衞星實況產品,27 秒即可生成解譯文本。強對流模型利用風雲四號衞星過去兩小時的連續觀測,將雲圖演變拆分為大系統整體移動和小系統局部生消,將預警時間提前至四小時。

  14. DoNews53

    風雲衞星發佈兩款 AI 氣象模型,台風解譯需 27 秒

    風雲衞星在2026年風雲衞星用戶大會上發佈兩款極端天氣 AI 模型,分別用於台風雲圖解譯和強對流短臨預警。台風智能雲圖解譯模型每15分鐘解譯一次,每次耗時27秒;強對流短臨預警模型依託風雲四號衞星數據,將預警時間提前至4小時。兩類模型已投入業務化應用,並在第26號台風「舒力基」監測中驗證有效。

  15. 新浪科技52

    首批風雲衞星極端天氣 AI 模型發布,颱風解譯文本 27 秒生成

    首批風雲氣象衞星極端天氣 AI 模型於 10 月 29 日在 2026 年風雲衞星用戶大會上發布,包括颱風智能雲圖解譯模型及強對流短臨預警模型。颱風解譯模型涵蓋 7 類颱風特徵及 20 餘種衞星實況產品,每 15 分鐘解譯一次,27 秒即可生成解譯文本。強對流短臨預警模型利用風雲四號衞星過去兩小時的連續觀測,將預警時間提前至四小時。

  16. IT之家50

    首批風雲衞星極端天氣 AI 模型發佈,27 秒生成颱風「體檢報告」

    首批風雲氣象衞星極端天氣 AI 模型正式發佈,涵蓋台風智能雲圖解譯模型及強對流短臨預警模型。台風模型可解譯7類台風特徵、融合20多種衞星實況產品,每15分鐘解譯一次,27秒即可生成解譯文本。強對流模型利用風雲四號衞星過去兩小時的連續觀測,將預警時間提前至四小時。

  17. 新浪科技78

    Google 發佈 Gemini 4 Carbon,在 Artificial Analysis 智能指數 v5.0 登頂

    Google 發佈 Gemini 4 Carbon,該模型在 Artificial Analysis 智能指數 v5.0 取得 59 分,排名第一。它在 SEC-bench Pro、ExploitGym 和 CWE-bench 分別取得 88.2%、54.8% 和 71.0%,並支援 1M token 上下文窗口。

    推薦理由:文章把 Gemini 4 Carbon 的網絡安全與綜合評測成績,和 Claude Opus 5.5、GPT-6 Astra 等模型對照,呈現不同基準下的領先幅度。

  18. DEV Community47

    LightOnOCR-2:精巧 AI 模型革新文件 OCR

    LightOnOCR-2-1B 是一款 1-billion-parameter 視覺語言模型,在 OlmOCR-Bench 取得最高分,體積比此前表現最佳的模型小 9 倍。模型在 H100 GPU 上每秒處理 5.71 頁,並採用端到端架構處理複雜版面、多語言內容及科學記號。模型以 Apache 2.0 授權釋出,團隊亦公開訓練數據集及 LightOnOCR-bbox-bench 評測套件。