跳到正文
10月24日週六
  1. DEV Community36

    StudyDebt:以開源 AI 和 10 分鐘微型學習時段化解學習積欠

    StudyDebt 是一款以開源權重 AI 整理學習截圖、生成微型課程並規劃學習任務的開源學習復原應用。它使用 Meta Llama 3.2 (3B) 和 Gemma 2 (9B),透過 Ollama 在本機硬件執行,並以 IndexedDB 將學習資料儲存在用戶瀏覽器。應用程式亦可按精力和可用時間推薦下一項任務,並重新分配未完成的每週計劃。

  2. 阿里雲開發者社區 AI39

    Qwen3.8-Max(最新版通義千問)功能亮點一覽

    Qwen3.8-Max採用MoE混合專家稀疏架構,總參數量為2.4T,單次推理約啟用95B,最大上下文窗口為100萬Tokens。模型支援多模態輸入、混合思考模式及原生Function Calling,在GPQA Diamond取得92.6分。阿里雲百煉按量計費,輸入價格為每百萬Token 12元,輸出為36元。

  3. DEV Community52

    Sloth Roll 在 iPhone 本機把截圖整理成日曆事件、地點和支出卡片

    Martin Espericueta 開發 Sloth Roll,以 iPhone 本機運行的開放權重視覺模型讀取截圖,並整理成日曆事件、地點或支出卡片。用戶可左右滑動處理卡片,亦可先編輯內容;完成一次模型下載後,掃描和卡片處理可離線進行,資料不會離開手機。在 19 張人工核對圖片中,類型判斷有 18 張正確(95%);事件日期和時間同時判斷正確的有 6/10 個事件。

  4. 新浪科技76

    月之暗面推出 Kimi K3.1 Pro 及高速版,支援 100 萬上下文

    月之暗面正式推出 Kimi K3.1 系列首款模型 K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;K3.1 Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,高速版輸出速度約為 2~3 倍。

    推薦理由:材料列出 Terminal-Bench 4.0、BenchCAD 等基準的具體分數及對照結果,可從編碼和 3D 建模兩方面瞭解 K3.1 Pro 的能力表現。

  5. IT之家76

    月之暗面推出 Kimi K3.1 Pro 與 Highspeed,K3.1 Pro 在 Terminal-Bench 4.0 得分超 GPT-6 Astra

    月之暗面推出 Kimi K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,Highspeed 輸出速度約為 2~3 倍。

    推薦理由:文章整理編程智能體、3D 建模及金融工作流的多項基準結果,並説明測試任務範圍,可作為理解其能力主張的比較依據。

  6. DEV Community37

    影片模型:從演示到投入生產仍有很大差距

    多模態及影片模型在市場演示中能生成精彩的 30 秒影片,但實際投入生產仍受延遲、時間一致性不足、鏡頭控制有限及品牌安全審查所阻。較實用的應用包括理解影片、為會議加上字幕,以及從影片擷取影格供搜尋;生成式草稿則可用於分鏡和動畫預演,而非受規管品牌的最終成品。身份一致性、唇形同步和生成素材的審核記錄仍是交付最終畫面的障礙。

  7. DEV Community50

    anti-slop-vision:結合提示詞整理與 VLM 評審準則的視覺品質關卡

    anti-slop-vision 以提示詞整理和 VLM 評審準則設置視覺品質關卡,透過 SHIP / FIX / REGEN 判定,在交付前篩除視覺瑕疵和模型幻覺。工具採用 MIT 授權,優先使用標準程式庫,讀取指定資料,不會將資料傳送到其他地方。檢查規則可能誤判,適合找出需要改寫的內容,不應用來評分作者;若作品重點在於語氣,也不適用。

  8. DEV Community32

    minimax-music-plus:MiniMax Music 的文字轉音樂、歌詞轉歌曲與封面功能

    minimax-music-plus 是一款用於 MiniMax Music 的工具,支援文字轉音樂、歌詞轉歌曲,以及兩種封面功能,並以 LLM 組合結構化描述。工具由單一檔案構成,僅使用 Python 標準程式庫,採用 MIT 授權。作者提醒,檢查規則可能誤判,應用來找出適合改寫的候選內容,不應用來評分寫作者。

  9. HuggingFace Daily Papers(社區熱門論文)44

    AV-FABLE:長影片中的視聽篡改取證

    AV-FABLE 提出面向長影片稀疏視聽篡改的基準,並顯示分開的時間解碼器比語言輸出更能提取取證訊號。基準包含 16,650 對原始與篡改影片,總長 998 小時,並採用 27 種編輯配置;視聽大型語言模型的零樣本提示在篡改偵測上接近隨機水平。NFSR 以分開的音訊和視覺時間解碼器讀取凍結的感知特徵,在同分佈及三種分佈外設定中均取得最佳視聽定位表現,基準、程式碼和模型權重將公開發布。

  10. HuggingFace Daily Papers(社區熱門論文)32

    PreView:透過預處理視圖與線索提升 GUI 定位

    PreView 透過輔助預處理器改善 GUI 定位,為定位模型準備任務相關的裁剪及放大視圖,以及候選目標的視覺和文字線索。輕量輔助模型負責準備輸入,定位模型則保持凍結;PreView 在五個基準和三個定位模型上接受評估。

  11. Google Research69

    Google Research 推動基礎模型應用於結核病篩查

    Google Research 介紹其結核病篩查工作,從胸部 X 光 AI 工具的臨牀部署,延伸至 MedGemma、MedSigLIP 等開放模型。合作方 Nexus AI 的工具已在六個國家約 40 間醫療機構運作,超過 90 名臨牀人員評估逾 25,000 張胸部 X 光影像,將處理時間由數週縮短至不足 45 秒。

    推薦理由:文章串連臨牀驗證、監管認證與多國部署案例,呈現胸部 X 光篩查工具從研究成果走向醫療現場所需的合作與落地環節。

  12. Hacker News 熱門(buzzing.cc 中文翻譯)64

    Kimi Code 的 K3.1 Pro 與 K3.1 Pro Highspeed 最高支援 1M 上下文窗口

    Kimi Code 已全面推出 K3.1 Pro 系列,包括 K3.1 Pro 和 K3.1 Pro Highspeed,較高級會員方案最高支援 1M 上下文窗口。Highspeed 具備相同模型能力,輸出速度約為 K3.1 Pro 的 2–3×,配額用量則約為 2×。兩款模型只支援思考模式;切換模型或思考強度會使上下文快取失效,建議在新會話中切換。

10月23日週五
  1. 霞光社46

    世界模型重構遊戲社交?赤子城科技、Viggle AI 合作上線 3D 互動遊戲

    赤子城科技旗下 TopTop 與 Viggle 合作推出 3D 互動遊戲「Slap Showdown」,以 Viggle 自研 JST 世界模型讓用戶上載照片生成自訂 3D 角色參與對戰。Viggle 於 10 月 19 日全量上線 JST-2,生成 3D 場景約需一秒,單次推理成本不到一美分。遊戲完局率達 97%,並已覆蓋全球多個國家和地區。

  2. DEV Community31

    跨模態知識蒸餾如何支援低功耗自主深海探索棲息地設計

    跨模態知識蒸餾可讓深海探索棲息地以低功耗感測器學習高耗能感測器提供的資訊,支援自主、長時間運作。文章比較 logit 蒸餾、特徵蒸餾及跨模態對比蒸餾,並分享以 PyTorch 建立教師—學生感知流程的實驗做法;作者指出,聲納與光學影像的模態差異會令直接特徵匹配效果不佳。

  3. 雷鋒網39

    Kimi K3.1 傳出洩露:3D 生成成本僅為 GPT-6 Astra 的 1/14,挑戰海外視覺模型

    流出的測試顯示,Kimi K3.1 在 Three.js 和 3D 生成任務表現突出,生成同等複雜度的 3D 程式碼所耗用的 Token 僅為海外頂級模型的幾十分之一。文中稱,其成本約為 Kimi K3 的 70%,僅為 GPT-6 Astra 的 1/14,並有用戶以 15 分鐘生成互動式 3D 直升機模型。測試亦指出,模型生成的長頸鹿奔跑動作仍不自然。

  4. 新浪科技60

    中國移動牽頭建設的業內首個汽車行業 AI 基座在京發布

    中國移動牽頭建設的國家人工智能應用中試基地(製造領域汽車方向)發布業內首個汽車行業 AI 基座,並即日起向全行業開放共享。基座已納管112.7EFLOPS算力,提供算力、數據及模型服務,覆蓋研發、製造、智能駕駛及測評四大領域,並打造六大智能體。成果已在十餘家央國車企落地;其中,視覺質檢智能體將缺陷檢出率提升至99.5%以上,產線適配時間由4周縮至1周。

  5. 阿里雲開發者社區 AI39

    2026年 GEO 科普:多模態內容對 GEO 的影響——文字、圖片與影片

    多模態內容透過圖片替代文字、説明文字,以及影片標題、簡介、字幕和章節標記,協助生成式引擎理解內容;圖片直接被引用的情況目前相對有限。清晰一致的文字訊號配合內容傳播、自然提及和連結,可間接增加內容被發現及納入文字答案的機會。文章建議以文字為主,按行業和用戶需要選用其他形式,並確保內容有實質資訊。

  6. 雷鋒網51

    為甚麼説奇瑞是一家 AI 公司?

    奇瑞以自研垂類基礎大模型 CheryMind、紫微芯片及跨場景應用,將 AI 能力沉澱為可複用底座,並拓展至 Robotaxi、機械人和農機等領域。CheryMind 已打通 400+ 個企業系統,員工每日使用 6 萬+,覆蓋 200+ 個業務場景。

  7. 第一財經25

    從「賣玩具」到「賣情緒」:潮玩產業正在改變

    潮玩產業正由售賣玩具轉向提供情緒價值與陪伴,能引發消費者共鳴的玩具更受歡迎。10月23日閉幕的2026CTE中國玩具展聚焦全鏈路IP創新、頭部品牌新品首發及AI技術落地,吸引超2500家展商及10萬名專業觀眾。樂唯科技的AI陪伴產品可提供多模態感知、語言交流、遠程看護及健康預警等功能。

  8. 新浪科技52

    奇瑞如何以 AI 重構造車並拓展汽車以外場景?

    奇瑞以 CheryMind 垂直領域基礎大模型、自研紫微芯片和可復用技術底座重構造車流程,並把相關能力延伸至汽車以外的場景。CheryMind 以奇瑞近 30 年積累的 700TB 企業知識、200PB 工程數據等為支撐;高新華稱,工程師仿真優化效率提升 42 倍。共享的模型、芯片、數據與工程能力亦延伸至 Robotaxi、機器人、能源及農機等領域。

  9. 新浪科技35

    聲網 CEO 趙斌:從即時互動到即時智能,對話 AGI 時代正在到來

    聲網創始人兼 CEO 趙斌在 iRTE2026 提出「五級對話能力」框架,描繪對話式 AI 從問答走向理解個人、羣體及長期關係的演進方向。他指出,AI 正由被動回應發展至更主動的全雙工對話,並需要理解上下文及執行任務。聲網介紹以全雙工互動為核心的對話式 AI 引擎,以及面向開發者的 SDK、Skills、CLI 工具和 Recipes。

  10. DoNews41

    微光科技完成近億元 A 輪融資

    深圳微光電子科技有限公司完成近億元 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等跟投。微光科技專注多模態情境感知與交互智能體研發,主打輕量化、模組化 AR 智能眼鏡,並佈局 Ego-XR 數據採集與解析技術。融資將用於核心技術研發與產品量產。

  11. 新浪科技66

    MiniMax M3.1 Flash 開源權重,沐曦曦雲 C 系列 GPU 完成 Day 0 適配

    MiniMax 於10月23日開源 M3.1 Flash 權重,沐曦曦雲 C 系列 GPU 同日完成 Day 0 深度適配。模型總參數428B、激活參數23B,支援1M上下文窗口及圖像、影片輸入。MiniMax 官方披露,線上推理速度較前代提升近3倍,Agent 任務綜合 Token 使用成本下降70%;Day 0 適配依託沐曦自主 GPU 與 MXMACA 全棧軟件棧。

  12. 阿里雲開發者社區 AI27

    AI 教培智能體的開發技術

    AI 教培智能體技術框架涵蓋感知接入、大腦推理、教學動作執行、知識與儲存支撐,以及安全與運維保障五個層級。框架支援語音交互、多模態識別、教學策略引擎及多智能體協作,應用於個人化、專業化的英語教學。

  13. HuggingFace Daily Papers(社區熱門論文)45

    WeVisOne-VL:由物件到像素的統一視覺感知

    WeVisOne-VL 透過結構化 token 預測統一物件層級與像素層級的視覺感知,支援物件偵測、定位、計數、OCR、分割及摳圖。模型採用輕量級像素解碼器及多階段訓練,在逾 30 項基準測試中,物件層級與像素層級任務均表現領先,並能穩健拒絕物件不存在的查詢。團隊將 WeVisOne-VL 開源。

  14. 第一財經49

    上海鼓勵企業佈局物理 AI,支持突破世界模型等核心技術

    上海市經濟和信息化委員會印發《上海市加快推動人工智能賦能工業服務業高質量發展行動方案(2027-2028年)》,鼓勵企業佈局物理 AI,突破世界模型構建、多模態物理感知、虛實交互與自主決策等核心技術。方案亦支持工業智能體及工業軟件技術攻關,相關項目可獲最高2000萬元支持。