跳到正文
10月27日週二
  1. DEV Community74

    GPT-6.1 Terra 能力、參數、定價及模型比較

    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。

  2. gihyo.jp78

    OpenAI 發佈 GPT-6.1 Terra,強化視覺理解與電腦操作,API 價格減半

    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。

  3. 阿里雲開發者社區 AI44

    阿里雲2026雙11優惠攻略:輕量雲伺服器38元起、新購續費同價及大模型與 Token Plan 優惠

    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。

  4. 新浪科技45

    AI眼鏡市場熱度上升,未來會被手機整合,還是成為下一代個人數碼入口?

    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。

  5. 阿里雲開發者社區 AI24

    AI 英語線上考試系統的開發

    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。

  6. DoNews23

    iPhone Duo 未提供 FaceTime「眼神交流」功能

    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。

  7. 新浪科技33

    Apple 首款摺疊 iPhone Duo 確認缺少 FaceTime「眼神交流」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。

  8. 新浪科技37

    微光科技完成近億元人民幣 A 輪融資

    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。

  9. DoNews78

    OpenAI 發佈低成本模型 GPT-6.1 Terra

    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。

  10. 新浪科技81

    OpenAI 發佈 GPT-6.1 Terra,具備電腦操作能力,任務速度較 GPT-6 Astra 和 GPT-6.1 Sol 快逾 3 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。

  11. IT之家76

    OpenAI 發佈 GPT-6.1 Terra,主打低成本複雜電腦操作

    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。

  12. DEV Community50

    Trellis 2 六類輸入的 GLB 輸出品質評測

    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。

  13. DEV Community57

    BJJ FLOW 如何從 Veo 轉向 Wan 2.2 動作遷移製作巴西柔術示範影片

    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。

  14. TNW79

    OpenAI 發佈 GPT-6.1 Terra,主打日常電腦工作及較低成本

    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。

  15. HuggingFace Daily Papers(社區熱門論文)43

    Venus-DefakerOne2:涵蓋更廣泛偽造形式與媒體類型的視覺鑑證基礎模型

    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。

  16. HuggingFace Daily Papers(社區熱門論文)48

    LOWN:以證書引導視覺路由,提升擴散視覺語言模型效率

    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。

  17. DEV Community28

    RecallAI 如何利用計算機視覺打造第二記憶

    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。

  18. DEV Community24

    Epic Games「AI first」模式:VR 視覺復康的一面鏡子

    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。

10月26日週一
  1. DEV Community39

    Amblyotube:以 VR 將 YouTube 影片用作弱視視覺訓練

    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。

  2. 阿里雲開發者社區 AI31

    如何處理圖片、文字及音訊多模態數據?MaxCompute 多模態數據處理實踐指南

    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。