Rokid Glasses 2 智能眼鏡發佈,採用雙芯架構並行業首發影片超夜算法,售價 3699 元起
Rokid Glasses 2 今日正式發佈,採用雙芯架構,售價 3699 元起,國補到手價 3199 元起。眼鏡搭載恆玄 BES2800BP 芯片與第一代驍龍 AR1 平台,配備 1200 萬像素攝像頭,支援行業首發影片超夜算法及 4K 30 幀、2K 60 幀、720P 120 幀拍攝。
Rokid Glasses 2 今日正式發佈,採用雙芯架構,售價 3699 元起,國補到手價 3199 元起。眼鏡搭載恆玄 BES2800BP 芯片與第一代驍龍 AR1 平台,配備 1200 萬像素攝像頭,支援行業首發影片超夜算法及 4K 30 幀、2K 60 幀、720P 120 幀拍攝。
Rokid Glasses 2 在新品發布會上亮相,搭載 YodaOS,採用高通第一代驍龍 AR1+ 與恆玄 BES2800BP 組成的雙晶片架構。眼鏡支援 AI 會議紀要、通話即時翻譯、即時回溯及全天回溯,並具備主動避障、多人説話分區識別、字幕記錄與 AI 總結功能。
GPT-6.1 Terra 是 GPT-6 系列中主打快速視覺推理、精準電腦操作及清晰寫作的模型,支援 1.05M-token 上下文窗口。其最大輸入為 922K tokens、最大輸出為 128K tokens;短上下文標準價格為每 MTok 輸入 $1、輸出 $5,輸入超過 272K tokens 時採用較高的長上下文價格。
Baidu 開源了 Unlimited OCR 2,這是一款 3.34B 參數、採用 MIT 授權的 OCR 模型,可在單次請求中解析數百頁文件。模型以 SR-SWA 固定 512-token 參考集控制逐步解碼成本,最大位置長度為 131,072 tokens。
vLLM Semantic Router 團隊發佈 d3-ultra,一款採 Apache-2.0 授權的 27B 多模態決策模型;模型不生成文字,而是一次讀取輸入並為各問題的答案輸出概率。
百度發佈並開源文心 Unlimited OCR 2,稱其可解析任意頁數文件,並一次處理《哈利·波特》全系列 7 部作品、累計超過 3600 頁。
科大訊飛在全球1024開發者節首發星火語音基座大模型 SparkAudio 1.0 並全繫上線,同時發布機器人超腦平台 3.0。活動提及從多模交互邁向具身多模交互,並稱機器人超腦平台 3.0 是行業落地關鍵一步。
OpenAI 發佈並開始提供 GPT-6.1 Terra,強化視覺推理、電腦操作和文字表達,標準 API 價格為 GPT-5.6 Terra 的一半。在 Agents' Last Exam 中,medium 推理設定較 GPT-5.6 Terra 高 15 分,成本約為三分之一;low 設定下的事實錯答率約為 GPT-5.6 Terra 的三分之一。
推薦理由:文章以基準結果和定價對照 GPT-6.1 Terra 與 GPT-5.6 Terra,呈現視覺操作和工作任務表現提升時的成本變化。
Copilot 在支援相關能力的使用場景中,已可結合參考文件的文字、圖片和圖表進行分析,並將識別到的資訊融入生成內容。這項能力可用於質量管理、項目管理和內容創作,協助生成分析結果、項目總結及文章;圖片識別結果仍須由專業人員核驗。
阿里雲2026雙11推出涵蓋雲伺服器、大模型與 Token Plan 的優惠,輕量雲伺服器38元起,部分雲伺服器新購與續費同價。活動包括最高可省1728元優惠券、超7000萬 tokens 免費體驗,以及全模型通享低至4.5折;Token Plan 個人版提供三檔月費方案。具體價格、額度與優惠規則以活動頁面為準。
OpenAI 發佈 GPT-6.1 Terra,主打更快的回應速度、視覺理解和電腦操作能力,以及較低使用成本。
推薦理由:文中並列 GPT-6.1 Terra 在基準測試、電腦操作任務及 API 定價上的數據,呈現其與旗艦模型在能力、速度和成本上的取捨。
提問者希望為唇形同步良好、表情平淡的凍結式擴散説話人臉適配器,設計無需訓練的推理時表情控制器。問題涵蓋如何按音訊韻律和音素時間安排眨眼、眉毛及頭部動作,避免幹擾唇部動作,以及如何評估表情改善效果。
雷鳥創新宣佈第四代雙目全綵 AI 眼鏡雷鳥 iO+ 即將登場,蔣奇明率先佩戴亮相。新款眼鏡採用玳瑁元素、圓潤鏡框及金色裝飾,並以第四代雙目全綵 MicroLED 光波導技術抑制彩虹紋、漏光及鏡片反光。
iRTE2026實時智能大會上,嘉賓對AI眼鏡能否成為下一代個人數碼入口看法分歧,有人認為手機仍會主導,也有人主張多種硬件協作,或眼鏡與手機並列。2026年上半年,中國智能眼鏡全渠道銷量達90.9萬台,同比增長85.5%。但IDC數據顯示,同期全球智能眼鏡出貨量為711.4萬台,遠低於2025年全球智能手機約12.6億部的出貨量。
這套 AI 英語線上考試系統結合高並發流媒體處理、大語言模型評測及 AI 多模態防作弊監考,涵蓋聽説讀寫測評與考試管理。系統支援自適應測試、音素級口語評分、語義級寫作批改,以及實時行為監控和可疑作弊標記。搭建方案包括微服務、對象儲存和 CDN,並整合 DeepSeek、Qwen、GPT-4o 等模型進行主觀題評分。
StreamVibe 提出 StreamVibe-Bench、串流主動模型 StreamVibe-VL,以及分層記憶框架 StreamVibe-Harness,讓影片智能體能因應隱含及持續演變的用戶意圖互動。
iPhone Duo 的 FaceTime 設定未提供「眼神交流」功能。這項自 iOS 14 起支援的功能會透過機器學習校正用戶視線;iPhone Duo 的內屏屏下攝像頭位於右側,加上摺疊狀態影響攝像頭與視線的位置,令技術校正更複雜。蘋果尚未回應原因,也未確認會否透過系統更新補上功能。
Apple 首款摺疊 iPhone Duo 的 FaceTime 設定沒有「眼神交流」選項,用戶進行影片通話時無法使用視線校正功能。報道分析,內屏右側的屏下鏡頭與畫面中央有較大的橫向偏移,加上摺疊狀態會改變鏡頭相對視線的位置,可能令技術實現更困難。Apple 尚未公開説明缺少功能的原因,也未透露會否在後續系統更新中補上。
深圳市微光電子科技有限公司(微光科技)完成近億元人民幣 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等機構跟投。微光科技專注多模態情境感知和交互智能體研究,核心產品為輕量化、模組化 AR 智能眼鏡,並佈局第一視角 Ego-XR 多模態數據採集和解析方案。
SkeLAM 以約 10 小時機械人互動數據訓練,能在不更新模型參數的情況下,根據人類示範影片生成呈現相應運動方向的機械臂影片。DROID 評測中,相比 DreamDojo,SkeLAM 的末端軌跡誤差 ADE 由 51.11 降至 41.15 像素,LPIPS 由 0.1473 降至 0.1310。
OpenAI 於 10月27日推出 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作,尤其是需要視覺推理及操作桌面軟件的工作。
推薦理由:多項基準與定價數據並列比較 GPT-6.1 Terra、前代及同系列模型,呈現其在桌面操作、推理和編碼任務上的表現與成本差異。
OpenAI 發佈 GPT-6.1 Terra,主打視覺推理、精準電腦操作及更清晰自然的寫作,並稱其較 GPT-5.6 Terra 有顯著提升。該模型定價為 $1/million input tokens、$5/million output,約為 GPT-6.1 Sol 價格的一半,約為 GPT-6 Luna 的 10 倍。
OpenAI 發佈 GPT-6.1 Terra,這款中端模型結合精細視覺推理、精準電腦操作及更自然的寫作,面向日常辦公任務。模型已向 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶開放,可在 ChatGPT Work 與 Codex 使用;開發者亦可透過 OpenAI API 以 gpt-6.1-terra 調用。
推薦理由:文章以 Agents'Last Exam、OSWorld 2.1 等基準對照前代及旗艦模型,呈現 Terra 在推理、電腦操作與任務成本上的差異。
Sloth Social 根據商戶資料、目標受眾、語氣及每週重點,生成由星期一至日安排的社交媒體內容計劃。它使用 Qwen3 32B 撰寫內容草稿,並以 Qwen2.5 VL 72B Instruct 描述上載的照片;用戶可編輯及審核草稿,應用程式不會自動發佈內容。
OpenAI 發佈 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作任務,並提升事實準確性和編程能力。在 Agents’ Last Exam 中,採用中等推理強度時,Terra 得分較 GPT-5.6 Terra 高 15 個百分點,任務成本約為後者三分之一;在最高推理強度下,每項任務成本約為 Claude Opus 5.5 的九分之一。
推薦理由:多項基準成績、成本與錯誤率對比,呈現 Terra 在桌面操作、視覺推理及編程任務上的表現及適用邊界。
Cleveland oil 以六類輸入測試 Trellis 2 的圖像轉 3D 表現,並按剪影、拓撲、材質及匯入 Unity 的情況評估 GLB。六次匯入均成功,生成需 1–3 分鐘;概念圖得 9/10,拼貼輸入得 4/10。作者認為實景參考照片和概念圖較適合遊戲道具製作,但單張圖像無法掌握物件背面,面向流動裝置的高密度網格亦需簡化。
BJJ FLOW 開發者為巴西柔術訓練應用製作示範影片,先用 Veo 生成常見動作,遇到模型難以生成的地面動作後改用 Wan 2.2 動作遷移。開發者拍攝自己示範的動作,讓 Wan 2.2 將骨架和動作轉移到虛擬運動員,再以 OpenCV、MediaPipe 和 ffmpeg 穩定畫面、處理背景、調整速度及修補重複畫格。作者指出,部分動作影片仍不夠準確,改善準確度是後續工作重點。
OpenAI 推出 GPT-6.1 Terra,主打視覺推理、精準電腦操作及更清晰寫作。Plus、Pro、Enterprise 及 Edu 用戶可在 ChatGPT Work 和 Codex 使用,開發者亦可透過 OpenAI API 以 gpt-6.1-terra 呼叫。
Apple 推出 iOS、iPadOS、macOS、watchOS 和 tvOS 27.2,擴展 Siri AI 語言支援並更新多項應用功能。Siri AI 新增法語、日語、韓語、葡萄牙語和西班牙語支援,也可參照先前對話及更多資料來源作答;除 macOS 外,該功能在歐盟仍不可用。
OpenAI 發佈 GPT-6.1 Terra,這款更快、成本更低的模型面向日常電腦工作,能理解螢幕內容、點擊、輸入及在應用程式間切換。模型即日起供 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶使用,亦可在 Codex 使用;開發者每百萬個輸入 tokens 收費 $1,每百萬個輸出 tokens 收費 $5。
推薦理由:文章把螢幕操作、圖像理解及多項成本和表現比較放在一起,並交代測試由 OpenAI 自行進行且未經獨立核實,呈現模型定位與數據來源限制。
MIT 一項學生專案多年後獲 FDA 許可,成為治療震顫的醫療產品。文章亦分享 Amblyotube 在 Meta Quest 上以雙眼影像、Shader 和即時 AI 協助弱視訓練,並以 MediaPipe Pose 即時辨識影片中的人物。開發者建議每次訓練不超過一小時,以免視覺疲勞和噁心。
OpenAI 的 GPT-6.1 Terra 是 GPT-6.1 系列中主打低成本視覺推理與電腦操作的模型。它支援文字及圖像輸入,可理解應用程式畫面並跨應用程式執行操作,提供 1,050,000-token 上下文窗口及最多 128,000 output tokens。
Runway 推出 App Studio,讓用戶以自然語言免寫程式建立可生成圖像、影片及音訊的自訂創意應用程式,並使用 Brand Kits 和 Workflows。
Venus-DefakerOne2 是一個統一的反偽造基礎模型,透過交替採用 LoRA 與全參數微調,以及基於熵的測試時適應,擴展對不同偽造形式和媒體類型的偵測能力。模型以數千萬個開源及內部樣本訓練,在六類基準測試取得 87.6% 至 96.7% 的表現,涵蓋 DeepFake 人臉、AI 生成圖像、遭篡改文件、自然圖像偽造、實體仿冒及 AI 生成影片。
LOWN 在擴散視覺語言模型解碼時,按預測是否一致決定何時處理圖像,並以獲得證書的 token 數量決定每步解除遮罩的 token 數量。在十個基準測試中,無需訓練或調校閾值,LOwn 平均只用 35.3% 的解碼 FLOPs,便保留 LLaDA-V 99.6% 的評分。它亦適用於其他基於 LLaDA 的擴散視覺語言模型,並可與視覺 token 剪枝及 KV cache 配合。
RecallAI 是團隊在 Cal Hacks 13.0 開發的 AI 視覺記憶助手,結合電腦視覺、持久化儲存及 AI Agent,記錄物品何時、何地出現,讓用戶透過自然語言查詢最近一次觀察時間和歷史紀錄。系統以 YOLO 偵測物件、SQLite 儲存帶時間戳的觀察資料,並由 Claude 理解問題及檢索相關記憶;團隊亦探索在取得同意後記錄朋友聯絡情況。
Hacktoberfest 2026 在巴蘭基亞舉辦 Hack Day,參加者組隊開發運用開放權重 AI 模型 Gemma 4、解決實際問題的開源項目。活動在 10 月 24 日舉行,隊伍最多三人,並選出 BillBuster AI 和 Lulo 為獲獎項目。活動旨在促進社羣協作,鼓勵更多開發者參與 Open Source。
Epic Games 宣佈轉向「AI first」模式,文章以 Seven Sportz 開發的 AmblyoPunch 探討 AI 如何調節 VR 視覺復康訓練。遊戲以 Unity 2023.3+ 和 TensorFlow 建構,模型約有 1.2 M 參數,根據匿名化訓練數據預測難度調整幅度。團隊計劃加入聯邦學習,讓頭戴裝置在本機訓練小型 adapter,並只傳送加密後的參數變化。
Amblyotube(Seven Sports)在 Meta Quest 上以雙屏分視軟件,將 YouTube 影片用作弱視視覺訓練,毋須改裝硬件或另設訓練時段。功能包括可調式 Dominant Eye Shader,以及裝置端 AI 人物識別和 MFBF(Lazy Eye Sharpener);作者使用兩週後自述泊車時的深度感知有所改善,並指出這不是醫療器械,也不取代醫生。
MaxCompute 透過原生多模態表、MaxFrame 和 Agentic 工具套件,提供多模態數據的統一儲存、分佈式特徵工程及標準化服務接口。實測處理 800 萬張傳感器圖片約需 22 分鐘,較自建集羣提速近 5 倍。這套方案面向 PB 級多模態數據處理,並支援 Agent 框架調用數據服務。