百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化
百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化並升級搜尋 AI API,活動期間最低價為 4.9 元/千次,低於 DeepSeek 搜尋 API。文心助手已覆蓋 170 餘種場景,可交付成果物並持續跟進長期任務;AI 鏡頭支援多目標追蹤及 9 種方言即時對話。GUI 互動場景提升 5 倍,接入超 50 億數據資源;AI 互動劇與互動應用同步上線。
百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化並升級搜尋 AI API,活動期間最低價為 4.9 元/千次,低於 DeepSeek 搜尋 API。文心助手已覆蓋 170 餘種場景,可交付成果物並持續跟進長期任務;AI 鏡頭支援多目標追蹤及 9 種方言即時對話。GUI 互動場景提升 5 倍,接入超 50 億數據資源;AI 互動劇與互動應用同步上線。
CAIR 與深圳德力凱電子股份有限公司自研的經顱多普勒多模態大模型,在「顱影・數智爭鋒」實戰活動中正式亮相。模型覆蓋 98% 以上臨牀場景,超聲提示準確率達 93.8%,超聲所見準確率達 97.52%,可解析超聲頻譜信號、測算血流動力學參數及標註異常徵象,輔助醫師研判。
inclusionAI/ZwZ2-4B-GGUF 提供 Zooming without Zooming v2 模型 ZwZ2-4B 的 GGUF 格式權重,分為語言模型及視覺編碼器與投影器兩個元件,兩者均有 FP16、Q8_0、Q4_K_M 精度。使用時需配合支援 Qwen3.5 多模態功能的近期 llama.cpp 版本;量化可能影響準確度。
比亞迪公佈第三代唐大五座旗艦 SUV 的外觀及內裝官圖,並披露新車配備星際雙屏和全新巨幕 UI 交互系統。星際雙屏包括 35.4 英寸一體遠端星環屏及 30 英寸全景巨幕屏,後排座椅支援純平放倒。新車將於四季度上市。
比亞迪發布第三代唐大五座旗艦 SUV 的外觀及內飾官圖,新車計劃於四季度上市。新車全球首發星際雙屏,由 35.4 英寸一體遠端星環屏和 30 英寸全景巨幕屏組成,取代傳統儀表及 HUD。新車搭載全新巨幕 UI 互動系統,AI 萌寵桌面命名為「小麵包」,後排座椅支援純平放倒。
EMR Serverless Spark 不提供通用 AI Agent 執行環境,而是透過受控的 Skill 機制,讓 Agent 操作已完成集成的多模態資料基礎設施。
OpenFlyV2 是統一的機載視覺語言行動模型,可在資源受限的硬件上進行即時空中導航與推理。研究團隊建構的模擬數據集包含約 70,000 條導航軌跡及 60,000 組視覺語言指令與回應。模型以 NVIDIA Jetson Orin NX 機載生成動作,每組包含 12 個航點,運行頻率為 10 Hz;從模擬零樣本遷移至實體四軸飛行器後,在四個真實環境的導航成功率為 48%。
NVIDIA 的 Nemotron 3.5 Transcribe 將多項音訊任務整合於開放模型,Vercel 路由中介軟件則支援 Python。模型涵蓋轉錄、説話者分離、翻譯和音訊問答,適用於約一小時內、最多八位説話者的錄音,不支援即時串流。
百度本月 27 日正式發布並開源文心 Unlimited OCR 2,將文件解析上限由數十頁推至「無限」,一次可解析累計超過 3,600 頁的《哈利波特》全系列 7 部作品。模型在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分,兩項基準測試均達端到端性能 SOTA。
Ant Media Server 與 AIVision 將 AI 分析引入傳統影片監控,協助處理人手難以監看大量鏡頭、難以從大量影片中找出重要事件等問題。AIVision 可定期擷取直播串流畫面,交由視覺語言模型分析,並將結果連結至串流及時間戳記,供儲存和透過 API 檢索。
OmniDR-Bench 多模態基準測試顯示,智能體即使答題準確,仍有 37% 的視聽證據推理差距。18 組智能體配置中,最佳證據評分僅為 63.3/100;簡報呈現平均 81.8 分,內容及引用質素則分別只有 45.4 分和 47.8 分。
Gemini 3 與 GPT-5 面向企業營運採取不同設計:Gemini 3 著重多模態處理及商業生態整合,GPT-5 則強調適應性推理、長對話管理及複雜文字任務。Gemini 3 可在同一架構處理文字、圖像、音訊、影片及結構化數據;GPT-5 的設計則較適合需要連貫推理的文字密集工作。
傳統 OCR 逐字辨識並呈現可量度的不確定性,VLMs 則會按上下文推斷文件含義,可能作出連貫但錯誤的解讀。企業應先評估不同錯誤可能造成的後果,再決定哪些文件可自動處理、哪些需要額外核查。VLMs 亦正應用於自動駕駛、農業及機械人等領域。
EMR Serverless StarRocks 將全文檢索、標量過濾與向量相似搜尋整合於同一執行引擎,支援混合召回、融合排序及湖表寫回。它適合採用開放湖格式、以 SQL 為統一介面,且查詢負載波動大的 AI 數據準備場景;持續高吞吐、低延遲點查則可能更適合專用向量數據庫。
阿里巴巴於 2026 年 8 月發布 Qwen3.8 系列,並開放 Qwen3.8-Max 旗艦模型權重,總參數為 2.4 萬億。Qwen3.8-Max 採稀疏 MoE 架構,每次推理約啟用 950 億參數,支援 100 萬 Token 上下文及原生多模態輸入。
阿里雲瑤池 AnalyticDB MySQL 將多模態素材接入、庫內語義理解及向量、全文和結構化條件融合檢索整合於同一個兼容 MySQL 協議的資料庫。官方公佈的向量檢索數據為:百億向量在 50 毫秒約束下達到 99% 召回率;兩億向量在 1000 QPS 與 1 秒約束下達到 99% 召回率。
Mistral AI 於當地時間 10 月 29 日開放 Mistral Large 4(ML4)模型權重;模型有 1 萬億總參數及 490 億激活參數,連同嵌入層及輸出層計為 520 億。
這套實體 AI 參考架構為美國四個配送中心建立即時數碼孿生,將倉庫、勞工、場地、影片及承運商資料整合,同時在各中心處理影片,僅傳送事件和短片。架構以 RF-DETR 偵測、OC-SORT 追蹤,並以 Mistral Large 3 675B 和 Qwen3.8-27B 提供助手功能;不訓練模型,透過記憶改善系統。
Mistral AI 於 10 月 29 日在歐洲正式開源 Mistral Large 4(ML4)模型權重,模型總參數達 1 萬億,啟用參數為 520 億。
推薦理由:材料並列模型參數規模、基準表現與 Token 消耗變化,亦交代 MIT 修改版許可和 MaaS 轉售授權條件,呈現評測資訊與商用限制。
復旦大學與南洋理工大學團隊提出 SimpleVLN,無須改動多模態大語言模型的核心架構,透過決策設計與訓練流程提升視覺語言導航表現。Qwen3-VL 4B 經 DAPO 強化學習後,在 R2R-CE、RxR-CE 的成功率分別達 73.8%、75.1%。Qwen3.5 9B 在未見環境測試中的成功率分別為 76.7%、80.1%,SimpleVLN 亦部署至四足機械狗進行導航測試。
VTuber Studio Pro 開發者打造免費開源的網絡攝影機驅動 VRM 虛擬形象動畫工具,並分享單目追蹤的實作取捨。Windows 便攜版 v1.2.5 支援 VRM 0.x 和 1.0,追蹤在本機執行,亦可提供透明虛擬形象畫面供 OBS 工作流程使用。單目影像難以準確判斷深度,降低深度動作幅度雖可減少跳動,卻會犧牲反應速度。
Mistral AI 於 10 月 29 日開放 Mistral Large 4(ML4)模型權重,模型總參數為 1T。該模型在 Artificial Analysis Coding Agent Index 得分 48%,與 GLM-5.3 基本持平,平均每項任務消耗的 Token 少 47%。
AI 智能體要處理多模態任務,需要工程級技能模組,而非只靠提示詞,才能提升處理的一致性與精確度。iFly-Skills 是 iFLYTEK 的官方技能集,涵蓋語音、OCR、翻譯、校對及多模態處理。astron-agent 負責規劃、協調與執行,與 iFly-Skills 配合以編排工作流程。
Mistral AI 於 10 月 29 日公開 Mistral Large 4(「Le Chonk」)完整權重,模型有 1 trillion 總參數、約 52 billion 活躍參數及 1 million-token 上下文窗口。
推薦理由:文章並列發布前後的 Terminal-Bench 變化與第三方榜單結果,呈現 Mistral Large 4 在編碼表現上的進步及其排名邊界。
Mistral AI 正式開放 Mistral Large 4(ML4,代號 le Chonk)模型權重;模型有 1 萬億總參數及 490 億激活參數,連同嵌入層和輸出層則為 520 億。
推薦理由:文中並列編碼智能體評分、每項任務的 Token 用量變化及權重授權條件,方便讀者對照模型指標與不同用途的使用限制。
Gemini 4 Carbon 的首輪評測顯示,它在 3D 場景生成和空間理解方面表現突出,但在講解及科研程式測試中並非全面領先。它在 AA 榜單列第一、Arena 智能體榜和 Vals 均列第二;FrontierCS 2 的 48 道科研程式題中通過 25 道,比 Claude Opus 5.5 少 3 道。
通義千問 Qwen3.8-Flash 面向高併發、長上下文場景,採用 GDN+QSA 混合注意力機制,提供多模態理解、工具調用及百萬級 Token 上下文能力。模型總參數量為 125B,單次推理激活 6B 參數;在百萬 Token 長上下文場景下,預填充最高加速 7.6 倍,解碼最高加速 4.9 倍。文章亦涵蓋 API 接入、計費方式和使用限制。
這篇 AI 每日摘要整理 7 則官方來源消息,聚焦 Mistral Large 4 開放權重、Alphabet 與 Microsoft 業績,以及 OpenAI 更新 Model Spec。
研究評估 d3-nano、Jev 1.13、三種 GPT-6 Luna 配置及 Qwen3.5-2B base model,能否對等效光譜表示作出一致判斷,並在證據不足時棄答。
這篇立場論文梳理全模態嵌入研究由按模態分散走向共同原則的趨勢,並提出統一研究框架。框架涵蓋覆蓋度、可比性和組合性三種能力,分別透過轉換、對齊和聯合嵌入逐步實現。
LARC 為統一多模態模型引入連續空間潛在推理,改善圖像生成質素,並支援測試時擴展,避免離散 token 瓶頸。其訓練分兩階段:課程式監督微調,以及資訊增益強化學習;後者無需真值監督。LARC 在 GenEval 上取得最先進表現,較 BAGEL 提升 7%p,並在平行及循序測試時擴展策略下,展現優於基於 token 生成的表現。
Juan Esteban Bustos 打造了一個可用語音和手勢操控的網站,毋須使用滑鼠或鍵盤。網站以 Web Speech API 處理語音、MediaPipe 識別手勢,並用 Three.js 呈現可互動的 3D 地球儀。後端採用 Firebase,並以自訂對話式 AI 處理用戶意圖及生成語音回覆。
Cartesia 研究團隊分享改良版 H-Nets 的規模測試,結果顯示模型可在模型內動態分塊,並在語言建模中提升計算效率。受控的單階段 H-Net 比較中,BPE Transformer 需 1.28× 計算量才能達到相同驗證損失;在 Paloma 和 OLMES 評測中,所需計算量分別是 H-Net 的 1.83× 和 2.06×。
Meta 與 CNIB 合作,透過資助及捐贈 AI 眼鏡,支持加拿大失明、聾盲及低視力人士探索 AI 穿戴技術。資助將用於聆聽社羣意見、同儕培訓與示範、產品開發及無障礙學習資源。Meta 亦透過 CNIB Come to Work 計劃捐贈 AI 眼鏡,協助參加者評估穿戴技術如何支援求職及工作。
Baseten 發佈 joey-1 決策模型,以單一 token 和信心分數直接輸出判斷。平均 2,000-token 請求的 P50 端到端延遲為 20 ms,較 elephant-1 的 49 ms 快約 2.5 倍;每百萬 tokens 收費 $0.01,為 mammoth-1 的十分之一。
AWS Machine Learning Blog 介紹如何在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型,以支援智能體 AI 工作流程。
推薦理由:文章以並行度測試比較聚合與分離式部署,並示範如何根據 TTFT、ITL 和吞吐量規劃容量及判斷擴展方向。
中國電信與三星電子發布折疊屏手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝及8.0英寸內屏。16GB+512GB版本建議零售價18,999元,16GB+1TB版本為21,999元;10月29日開放登記預約,11月13日全渠道開售。
Mistral AI 於 2026 年 10 月 29 日發佈 Mistral Large 4 權重,這款 1-trillion-parameter 原生多模態模型可在 Hugging Face 下載作自託管,亦可透過 API 及合作平台使用。
推薦理由:文章並列權重授權限制、API 定價與編碼基準成績,方便對照 Mistral Large 4 的商用部署條件和官方公佈表現。
普通醫院要採用醫療 AI,系統須能應對樣本有限、模態配對不全及平台差異,並清楚交代適用邊界。預印本研究以 RAEE 和 BLF-Net-MUL 探索多模態腫瘤 AI,但尚未經同行評審,亦未證明具前瞻性臨牀效益或可在新醫院可靠部署。研究者提出,部署前應驗證本地數據、缺失輸入情境、不確定性處理、成本及臨牀工作流程。
Mistral 開放 Mistral Large 4(「Le Chonk」)權重,企業可在自有硬件及防火牆內運行模型,避免敏感數據暴露予雲端或外部第三方。模型有 1 trillion parameters 和 52 billion active parameters,原生支援多模態,並經過額外三週強化訓練及客戶測試。