跳到正文
11月19日週四
  1. 新浪科技48

    香港中文大學(深圳)與微軟研究院提出 ConvexLLM,讓聲音接入大語言模型的知識與推理能力

    香港中文大學(深圳)與微軟研究院提出多模態建模架構 ConvexLLM,以 C-Gate 將音頻表示映射至語言模型凍結文字詞向量的凸包中。ConvexLLM 在 VoiceBench 11 項任務綜合評測中取得 75.36 分,領先同量級開源權重模型。模型在 BBH 得分為 80.40%,較最強基線高 8.80 個百分點。

  2. Hacker News 熱門(buzzing.cc 中文翻譯)70

    Google 向符合資格的 Google AI Ultra 訂戶推出 Project Genie 新體驗,開放 Genie 4

    Google 向符合資格的 Google AI Ultra 訂戶推出全新 Project Genie 體驗,首次開放 Genie 4,並加入 Project Genie 智能體和社羣作品集。Genie 4 可在探索途中透過新提示詞即時修改世界,並生成隨場景變化的原生音訊。Genie 3 每次生成時間由 60 秒延長至最多 3 分鐘,亦支援以 360 度全景圖建立世界及在探索時即時改變環境。

  3. The Decoder66

    Google DeepMind 發佈 Genie 4,Project Genie 更新加入可串連世界及社羣作品混編功能

    Google DeepMind 發佈 Genie 4,這款互動 3D 世界生成模型現已向 Google AI Ultra 訂戶開放。用戶可透過文字即時改變世界中的天氣、角色或故事情節,模型亦能生成配合場景的原生即時聲音;Genie 3 則新增最長三分鐘的工作階段、360 度全景支援及可串連世界。

  4. DEV Community42

    mocktwo:使用 Presage SmartSpectra 練習高壓對話

    mocktwo 結合 Tavus AI 影片對話與 Presage SmartSpectra SDK 的生理訊號測量,讓用戶練習面對客戶、面試及談判等高壓情境,並瞭解身體在對話中的反應。平台透過攝影機測量脈搏、心率變異、呼吸及眨眼和説話活動,並以脈搏控制(60%)和恢復能力(40%)計算沉着度評分。用戶可查看對話錄影、文字記錄及生理數據,回顧壓力時刻並練習改善表現。

  5. The Decoder76

    Microsoft 公佈七款自研 AI 模型,瞄準以較低成本替代產品中的外部模型

    Microsoft 在 Ignite 公佈七款新模型,涵蓋編碼、安全、圖像、語音和路由,主打以較低成本支援長時間運作的 AI 智能體。Microsoft 稱,MAI Code 2 在四項基準的平均表現達 GPT-6.1 Sol 的 98%,推廣價為其成本的 40%;對 Claude Opus 5.5 的表現達 96%,成本為其 5%。

    推薦理由:七款模型橫跨編碼、安全、圖像與語音等用途,文中以多項基準和定價對照外部模型,呈現 Microsoft 將自家模型導入產品時的成本取向。

  6. Modal 官方工程博客47

    Miguel Novelo 如何在 Modal 上打造瑪雅銘文研究工具

    藝術家兼史丹福講師 Miguel Novelo 利用 Modal 建立快速流程,將二維瑪雅文字圖像轉成三維模型,探索以 AI 和雲端運算開發瑪雅銘文研究工具。他以約 100 個瑪雅音節符號起步,並計劃用展覽收集的訪客畫作持續改進流程。專用模型可結合文字形態與文化背景,補足通用大型語言模型未涵蓋的尤卡坦半島在地知識。

  7. DEV Community47

    Senti:對照遊戲關卡預設與玩家實際感受到的緊張感

    Senti 是一款供獨立遊戲設計師使用的 Windows 測試工具,透過 Presage SmartSpectra 分析玩家的頭部動作、語音反應及視線變化,對照設計師預設的關卡緊張曲線。工具會以可點擊的句子標示兩者不符之處,並跳轉至相應遊戲錄影片段。攝影機畫面不會儲存或上載,資料保留在本機。

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

    GameRealm:以互動遊戲為視覺學習提供基礎

    GameRealm 是大型多模態遊戲資料集,收錄超過 120 million 個 RGB 影格及 1,000 hours 遊戲片段,並以同步標註將視覺觀察與遊戲中的監督訊號連結。資料集涵蓋深度、相機參數、音訊、控制輸入及 3D 點軌跡,並支援單視角、立體、多視角及全景錄製。實驗顯示,GameRealm 能提升視覺基礎模型在視覺生成及幾何學習任務上的表現。

  9. Google DeepMind74

    Google DeepMind 向 Google AI Ultra 訂戶推出 Genie 4 及新版 Project Genie

    Google DeepMind 向符合資格的 Google AI Ultra 訂戶推出新版 Project Genie,提供 Genie 4、Project Genie 智能體及社羣作品廊。

    推薦理由:新版體驗把 Genie 4 的即時世界編輯與原生音訊、Genie 3 的延長生成,以及智能體創作和作品分享整合起來,呈現互動世界的創作與探索流程。

  10. DEV Community37

    音樂推薦系統:別再只推薦歌曲,開始理解用戶意圖

    新一代音樂推薦系統應從點擊預測轉向理解用戶意圖,結合多模態檢索、重新排序和智能體解説。建議架構涵蓋文字、音訊、協同及視覺嵌入,並以 RRF 融合候選結果;文中列出 Qwen3-Embedding、CLAP、VGGish 和 BGE-M3 等模型。系統目標延遲為 p95 檢索低於 40ms、重新排序低於 25ms,生成及解説低於 300ms 並以串流方式輸出。

11月18日週三
  1. TNW48

    Disney 新款《星球大戰》機械人偶採用 AWS AI 回應訪客

    Disney打造了3個能回應訪客並彼此互動的《星球大戰》機械人偶,AI由AWS提供,角色名為Vilo Vele、Kado Bre’a和Jibu Bre’a。角色透過鏡頭和咪高峯感知周遭情況,系統會從Imagineers預先錄製的對白中選擇播放內容,而非自行撰寫對白。系統運行於Amazon Bedrock;Disney表示,互動數據只用於當刻,不會存入雲端重用或用來訓練AI模型。

  2. TechPowerUp66

    NVIDIA RTX Spark 小型桌面電腦現已開售

    NVIDIA RTX Spark 小型桌面電腦已由 ASUS、Dell 及 MSI 開售,支援本機 AI 智能體、圖像及影片生成,以及模型微調。硬件配備 20 核心 NVIDIA Grace CPU、具備 6,144 CUDA cores 的 NVIDIA Blackwell RTX GPU,以及最高 128 GB 統一記憶體,AI 效能最高達 1 petaflop。

  3. gihyo.jp78

    Microsoft 發佈 7 款 AI 模型,Codename MDASH 在 6 個開源項目確認 99 項漏洞並提交修正方案

    Microsoft 在 Microsoft Ignite 2026 發佈 7 款 AI 模型,涵蓋編碼、圖像、語音、決策、檢索及安全用途。MAI Code 2 和 MAI Code 2 Flash 已可在 GitHub Copilot 使用;MAI Image 2.7 支援文字生成及編輯,MAI Realtime 1 支援語音對話。

    推薦理由:七款模型涵蓋編碼、圖像、語音、檢索與安全用途,文章亦列出基準、費用和部署案例,可比較不同模型的定位與應用場景。

  4. Tech.eu44

    each::labs 融資 700 萬美元,旨在加快生成式媒體製作並降低成本

    生成式媒體平台 each::labs 在由 Revo Capital 和歐洲復興開發銀行共同領投的種子輪融資中籌得 700 萬美元,計劃加快自研 AI 模型開發並擴展 each::studio。平台整合逾 600 個第三方 AI 模型,每日處理約 100 萬次生成,服務超過 750 個付費機構。其功能包括生成失敗時自動切換、支出提醒及可重用工作流程。

  5. Tech.eu38

    Visage Technologies 啟動獲歐盟資助的 310 萬歐元自適應訓練技術研發項目

    Visage Technologies 啟動一項總額 310 萬歐元的研發項目,開發用於自適應學習及模擬訓練的情感認知平台。歐盟共同資助 190 萬歐元,項目由 2026 年 4 月至 2029 年 4 月進行,初期聚焦船舶導航模擬訓練。平台將分析攝影機、咪高峯、穿戴式裝置及其他感測器數據,估算學習者的認知與情緒狀態,並提供 ACInsight SDK、ACTutor 和 ACTrainer。

  6. 阿里雲開發者社區 AI73

    阿里雲 Qwen4‑Max 預覽版全解:能力、功能、適用場景、價格及最新優惠

    阿里雲發佈 Qwen4‑Max 預覽版,並在千問 AI 平台首發 Token Plan 訂閲服務,主打複雜專業任務。模型支援 1M Token 上下文窗口及文字、圖片、影片輸入,重點強化複雜編程與智能體長鏈路執行。預覽版僅開放訂閲制調用,Token Plan Lite 新客首購價為每月19.5元,模型標識 qwen4‑max‑preview 將於2026年11月25日下線。

  7. 阿里雲開發者社區 AI64

    阿里雲 Qwen4‑Max 預覽版深度解析:定位、能力與 Qwen3‑Max 的差異

    Qwen4‑Max 預覽版定位為面向複雜推理與編程的旗艦模型,較 Qwen3‑Max 原生支援圖像、影片理解,並擴展智能體的專業軟件操作及跨工具長流程能力。預覽期為11月11日10:00至11月25日24:00(UTC+8),期滿後 qwen4‑max‑preview 標識下線,正式版將使用新標識。參數量、上下文窗口、官方基準跑分及正式版定價尚未公佈,預覽版不適合承載不可中斷的生產業務。

  8. 阿里雲開發者社區 AI59

    阿里雲 Wan3.0‑Video 深度解析:模型能力、適用場景、價格與接入指南

    阿里雲開發者社區的指南梳理 Wan3.0‑Video 的影片生成能力、適用場景、價格與 API 接入條件。模型支援文生影片、圖生影片和參考生影片,單次最長生成 30 秒,亦可使用辦公文件及網頁連結作輸入;北京地域價格為 0.30、0.60、1.20 元/秒,分別對應 480P、720P、1080P。文章亦指出,邀測階段須申請權限,模型未開源,只可透過阿里雲百煉 API 調用。

  9. The Decoder66

    Suno 新增 Visuals 功能,為 AI 生成音樂配搭 AI 生成影片

    Suno 推出 Visuals,可為歌曲生成配套圖像和影片片段,影片最長 15 秒,並會配合歌曲結構、歌詞及唇形同步。功能使用 H3 Move(MiniMax 影片模型 H3 的定製安全過濾版本),用戶可從參考照片、提示詞或 Suno 預設角色開始;歌詞影片可調整字體和顏色、延長片段,並選擇長度及畫面比例。

  10. 阿里雲開發者社區 AI24

    杭州輕象科技如何以 AI 將半導體專家經驗轉化為可持續調用的企業知識?

    杭州輕象科技以 ElphVideo 影片大模型處理現場視頻,並將作業過程與 SOP、設備手冊及專家講解對齊,構建多模態知識庫。知識可按需檢索並追溯來源,供設備維保、培訓、質量及工藝等崗位使用。工程師可查找相似案例及排查依據,新員工可結合真實作業視頻學習關鍵操作與注意事項。

  11. DEV Community68

    全頁截圖在 Claude 中會縮至 355px 寬

    Claude 會把圖片長邊縮至 2576px,令一張 2540 x 18410 的全頁截圖變成 355 x 2576。原有 16px 內文因此只剩約 2.2px;切成 11 張約 1270 x 900 的截圖可保持文字可讀,但需 15,548 tokens,純文字約需 3,300 tokens(估算),可保留精確字串但不包含版面。作者建議提供頁面文字,並只附上相關畫格。

  12. 阿里雲開發者社區 AI44

    2026 年阿里雲雙 11 百煉平台選型指南:六大模組、模型組合與價格參考

    阿里雲百煉大模型服務平台涵蓋模型推理、應用開發、知識庫 RAG、Agent、模型微調及專屬部署六大模組,並提供選型與計費方案。雙 11 期間,全模型低至 4.5 折,新用戶可獲超過 7000 萬免費 Token,有效期 90 天。建議先用免費額度驗證功能,再按調用量和使用場景選擇 Token Plan、節省計劃或專屬部署。