TRACER 結合 ICU 影片與病歷,協助及早識別譫妄徵兆
研究團隊開發 TRACER,結合 ICU 牀邊影片與電子健康紀錄追蹤患者活動變化,協助醫護及早識別譫妄徵兆。系統每分鐘抽樣15類「原子動作」,再整理成逐小時報告;測試中動作偵測準確率為85%,醫師查詢答對率為61%。在280名 ICU 患者中,譫妄篩查呈陽性者的「目的性活動」較少;研究團隊表示,TRACER 未使用患者資料訓練。
研究團隊開發 TRACER,結合 ICU 牀邊影片與電子健康紀錄追蹤患者活動變化,協助醫護及早識別譫妄徵兆。系統每分鐘抽樣15類「原子動作」,再整理成逐小時報告;測試中動作偵測準確率為85%,醫師查詢答對率為61%。在280名 ICU 患者中,譫妄篩查呈陽性者的「目的性活動」較少;研究團隊表示,TRACER 未使用患者資料訓練。
火山引擎於11月19日推出豆包 SeedRealtime 1.0 即時音訊及影片通話模型 API 服務,支援多模態即時互動。模型融合聲音、畫面、時序與表達,具備持續環境感知及主動表達能力。相較依賴 ASR、VLM、TTS 等模組串聯的方案,模型可顯著降低延遲與資訊損耗,並能識別説話對象、消解同音歧義及理解視覺時序指代。
OpenAI 已開始訓練 GPT-5,目標是在 GPT-4o 的基礎上取得重大進展。文章指出,下一代模型可能改善效率、微調、遷移學習、多模態能力及上下文窗口,但這些升級仍屬推測。
AI 研究者主張,AI 下一步的擴展不應只靠增加訓練數據,而要建立能模擬現實的世界模型。JEPA 透過預測抽象表徵,學習世界結構而非表面細節;Sora 等影片生成模型則展現了從預測轉向模擬的早期跡象。未來成效將取決於模擬保真度及預測環境未來狀態的能力。
MEOMURU 的《你成為夢想中的大人了嗎?》登上韓國 Melon TOP100 榜首,成為首支奪冠的 AI 輔助製作歌曲。歌曲於今年6月發行,11月13日登頂,播放量突破2290萬次,並長時間位居榜首。歌曲使用 Suno 製作,作曲家和製作人組成的團隊負責整體策劃、作詞及全流程監製。
商湯至今仍將20%的資源投入沒有產品出口的預研工作,林達華認為,長期競爭力來自沿着有價值的方向持續深入,而非跟風拼手速。商湯的Seko今年用戶增長了7到8倍,平台上已有播放量過億的短劇。
Magnus 比較 Gemini 4 Argon、Carbon、Hydrogen 和 Neon 的公開評測,分析推理、編碼、多模態任務及每項通過驗收結果的成本。
阿里雲百煉平台上線 Qwen4-Max 預覽版,並將其接入 Token Plan 訂閲體系;新用戶首購套餐可享5折優惠,至11月30日。Qwen4-Max 支援文字、圖像理解、工具調用、聯網搜尋及結構化輸出,適用於複雜文檔解析、代碼開發和智能體任務。預覽版目前只可透過 Token Plan 調用,不開放單獨按量計費;Lite 套餐折後每月19.5元,含20000 Credits。
阿里雲 Qwen4-Max 指南整理預覽版的核心功能、適用場景及 Token Plan 收費,並介紹免費額度和訂閲折扣。預覽版支援 1M Token 上下文窗口及文本、圖片、影片輸入,面向複雜編程和長鏈路智能體任務。
Qwen4‑Max 預覽版相較 Qwen3‑Max,差異集中在任務定位、原生多模態、智能體動作範圍、發布流程及訂閲計費五方面。預覽版透過 Token Plan 訂閲 Credits 調用,不開放按量計費,並會於 11 月 25 日下線。文章指出,參數量、上下文窗口、完整基準跑分、開源規劃及正式版定價尚未由官方公佈,其他 Qwen4 型號的測試成績不能代表 Qwen4‑Max 的表現。
PurrTrack 在既有 Flutter 手機 App 旁建立 React + Firebase 網頁 SaaS,讓兩個客戶端共用 Firebase 後端及同一會員訂閲。
電腦視覺與多模態 AI 可協助評估患者的用藥操作技巧,辨識示範中可觀察到的步驟偏差,並提供清晰易懂的教育回饋。系統可結合裝置專屬知識庫、視覺評估模型及受臨牀規範限制的回饋組件;如評估不確定或發現重要錯誤,應轉交藥劑師或臨牀人員跟進。系統須按裝置類型及預定用途接受臨牀驗證、保障患者影片資料私隱,且不得自行更改藥物劑量或建議更換裝置。
Qwen4-Max 預覽版於 2026 年 11 月 11 日發布,經 Token Plan 首發接入,並同步登陸千問辦公、Qoder、千問 App 與 QwenStudio。
阿里雲千問(Qwen)四款熱門模型各有定位:qwen3.8-max 主打全模態與智能體,qwen3.7-max 專注純文本推理,qwen3.8-flash 和 qwen3.7-flash 則面向不同成本與能力需求。四款模型輸入價格為每百萬 Token 0.3 元至 12 元,均提供 Batch 半價及 Token Plan;新用戶每個模型可獲 100 萬 Token 免費額度,有效期 90 天。
Tencent Hy4 現已可透過 Together AI 的無伺服器及專用端點執行,並支援文字與圖像輸入。模型提供 1M-token 上下文窗口,每 1M 個輸入 token、輸出 token 及快取輸入 token 分別收費 $0.83、$2.50 及 $0.042。文章亦展示 Hy4 從圖表截圖擷取 JSON 數據並重建 HTML 圖表,以及按單一提示詞寫出瀏覽器遊戲。
阿里雲大模型能力體系以分層架構整合多模態模型、統一接入與計費平台、應用方案及彈性算力,支援企業構建 AI 應用。千問 AI 平台-Token Plan 統一模型接入和 Token 計量,函數計算 FC 則以彈性算力支援推理;應用模板和行業方案封裝提示詞工程、上下文管理及工具調用編排等共性工作。
文章比較文生圖、語音生成、文生文與 AI 編碼四類大模型應用的負載特徵及技術路線,指出它們分別側重顯存與單張耗時、首字節延遲、上下文與吞吐,以及長程推理和工具調用。四類場景可共用服務化、彈性伸縮及可觀測性,但冷啟動、流式輸出、分流和任務編排等環節須按場景設計。選型應依實測基線與流量結構配置預留及彈性資源,並按延遲要求和業務價值平衡體驗與成本。
Apple 將在 iPadOS 27.3 為 iPad 加入 Siri 視覺功能,讓用戶可詢問畫面或鏡頭中的物件。更新目前正進行 beta 測試,預計於 12 月向公眾推出。新功能亦包括雙擊視窗頂部調整大小,以及在 Freeform 以文字描述生成形狀、直接在 Pixelmator Pro 編輯圖片;後兩項功能須訂閲 Apple Creator Studio。
《Physical AI Engineering》第10章探討醫療及以人為本的 Physical AI,並以醫療機械人為例,説明 Physical AI 如何整合感知、推理、精準操作及臨牀知識,支援診斷、治療、復康和病人監察。醫療機械人旨在輔助而非取代醫護人員,並透過融合多種感測資訊,提升臨牀情境理解。
ASK LATTICE 團隊推出 QFM Build 2.4.0,以單檔認知格架處理資訊,採用「dict → osint fan → engrams → llm stages → live fieldNETIDBAUDIO」流程。
Prime Intellect 回顧 RL Residency 在 2026 年支持的開放研究成果,分為評測、訓練環境和其他研究三類。項目涵蓋 Maze Bench、OpenTTD-Bench、PretrainGym、AerialSim 等;Maze Bench 中,當前最佳大語言模型在不使用編碼工具時準確率最高為 16%,使用編碼工具時最高為 23%。
RetroReel Studio v2.0 提出一套短片製作工作室升級方案,涵蓋角色一致性、表情與唇形同步、多鏡頭動作、品牌聲音及雲端平行渲染。方案列出 OmniHuman、Kling 2.1 Pro、Google Veo 3.1、ElevenLabs 和 Remotion Lambda 等工具,並提供供用戶核實的定價連結。
ParseBench-2 將文件解析評測分為六個維度,並透過嚴重程度政策設定不同錯誤對分數的影響。六個測試套件涵蓋330種錯誤及良性變化,基準包含4,317個頁面案例。Metric Lab 允許用戶調整維度權重、錯誤嚴重度及錯誤分類;作者指出,符合預設政策不代表評分與所有用戶的判斷一致,也不能證明可泛化至未見文件。
Google Cloud 預覽 Cloud Storage 的 object enrichments,透過模型為儲存的圖像和 PDF 擷取結構化中繼資料,供 AI 智能體及分析使用。
COLD SWEAT 是一款使用 Presage SmartSpectra SDK 的 3D 拆彈遊戲,透過網絡攝影機即時讀取玩家的脈搏和呼吸,並以此調節引信速度。玩家的緊張程度越高,引信燃燒越快;保持冷靜則可爭取更多時間。遊戲亦提供可選的 AI 炸彈設計功能,並以規則檢查器驗證設計。
荷蘭私隱監管機構 AP 呼籲民眾不要購買智能眼鏡,稱測試發現 AI 可能在關鍵情境中提供錯誤資訊。該機構測試了荷蘭市場上的六款產品,發現它們曾錯誤提供兒童約會建議、讀錯藥品指示,並謊稱救護車已出發。該機構沒有要求禁售,亦未公開受測品牌;測試另發現錄影指示燈可被遮擋、部分產品有安全漏洞,錄得資料往往傳送至 EU 以外。
Neat 的 Tormod Ree 指出,會議室 AI 中對時間敏感的音訊及影片處理應在裝置上運行,考量次序為時效、私隱和成本。Neat 採用邊緣與雲端混合架構:即時鏡頭取景及咪高峯混音留在房間硬件上,較不趕時間的音訊摘要則可在雲端處理。現時取景決策仍主要依靠確定性規則,Ree 認為須待訓練模型能在現有裝置上勝過規則後才轉用。
多模態 AI 將線上課堂中的語音、圖像與文本統一識別、理解及生成,讓課堂內容可搜尋、重用和互動,減少教與學之間的資訊損耗。工程實作涵蓋語音轉寫、視覺理解、內容切片,以及字幕翻譯、課堂摘要、課件生成和智能答疑;實時字幕採流式處理、摘要採異步處理、問答採同步處理,並按任務選擇模型規格。
理想汽車宣佈車載菁彩聲 Audio Vivid 功能上線,支援聲音對象精準空間定位與動態渲染,讓人聲、樂器及環境音分佈於不同方位和距離,聲源位置亦會隨內容即時變化。目前,理想車機端的網易雲音樂、汽水音樂及喜馬拉雅均已上線 Audio Vivid 內容。
理想汽車正式上線菁彩聲(Audio Vivid)車載音頻功能,標誌着國內首個國家級三維聲標準在智能汽車端落地。該技術由 UWA 聯盟制定,是全球首個基於 AI 的三維聲編解碼標準,支援聲音對象的精準空間定位與動態渲染;網易雲音樂、汽水音樂及喜馬拉雅等車機應用已適配 Audio Vivid 內容。
阿里雲函數計算(FC)以 Serverless GPU 承載文生圖、語音合成及大語言模型推理等多類 AIGC 負載,按請求調度實例,並以獨立函數和容器鏡像隔離模型環境。文章説明權重存放於對象存儲、冷啟動優化及按業務需求配置預熱實例與並發,讓團隊按量承接負載波動。
Hugging Face 的 Daniel van Strien 比較 8 款 AI 文字識別模型,最新 LightOnOCR-3-0.8B 的每 1000 頁識別成本低於 0.1 美元,早期 RolmOCR 約為 0.51 美元。
Qwen3.8-Flash採用GDN+QSA混合稀疏注意力等架構,支援百萬級上下文;原文稱在百萬上下文場景下,文件預填充速度提升7倍以上。模型另有51B規模的N-gram嵌入查表參數,並強化編程、Agent工具調用及多模態理解能力。它兼容OpenAI與Anthropic協議,亦可透過雲端API或開源權重本地部署。
Qwen3.8-Max 開發者實戰教學涵蓋多模態能力、長週期智能體搭建及 API 程式碼接入。模型採用 MoE 架構,總參數量為 2.4萬億,推理時動態激活 950億參數,支援百萬 Token 上下文窗口。用戶可經百煉平台 API 調用,亦可依託開源權重作私有化部署。
阿里雲千問大模型指南梳理由註冊、開通阿里雲百煉到建立 API Key 的接入流程,並介紹 Qwen 系列模型能力及優惠。新用戶每個模型可獲 100 萬 Token 免費額度,涵蓋 70+ 個模型、總額超 7000 萬 Token,有效期為開通後 90 天;Token Plan 個人版月費由 39 元起,新客首購低至 5 折。
千尋智能與華為雲計算簽署戰略合作協議,雙方將在雲算力、昇騰生態共建,以及模型訓練與推理等場景開展合作。合作方向包括提升模型訓練效率、加速推理、多模態融合、安全可信及開源生態。
阿里雲千問(Qwen)涵蓋文字、圖片、音訊及影片等全模態能力,並可透過百煉平台一站式調用。Qwen3.8-Max採用2.4萬億參數MoE架構,上下文長度為100萬Token;Qwen4-Max預覽版支援1M上下文,預覽期至11月25日。Token Plan個人版月費由39元起,新客首購可享半價,另有夜間折扣及新用戶免費額度。
Google 於 2026 年 11 月 18 日發佈 Gemini 4 Neon,定位為快速完成軟件工程、知識工作及科學任務的前沿模型。
推薦理由:Activepieces 獨立測試中,Neon 完成 3/3 項任務,GPT-5.4 mini 完成 2/3;但 Neon 中位延遲為 6.4 秒、單項成本約高 54 倍,呈現自動化流程的取捨。
Google DeepMind 發佈 Gemini 4 Neon,稱其速度近乎 Gemini 4 Carbon 的兩倍、在多數基準測試表現更佳,價格亦更低。Neon 在 xhigh 的 Intelligence Index 得 61 分,高於 Carbon 的 60 分;每項任務成本為 $6.44,較 Carbon 未折扣價格低約 17%,但輸出 token 用量多約 15%。
Google 發佈多模態決策模型 Gemini Decision 1,可在同一份輸入下並行評估最多 1000 項問題;雙方均有報告的 7 項共享基準中,它勝出 5 項。