Google 開放 Project Genie 全新體驗,首次提供 Genie 4 世界模型存取權限
Google 向符合資格的 Google AI Ultra 訂閲用戶推出全新 Project Genie 體驗,首次開放 Genie 4 世界模型的存取權限,並加入創作智能體與社區畫廊。
Google 向符合資格的 Google AI Ultra 訂閲用戶推出全新 Project Genie 體驗,首次開放 Genie 4 世界模型的存取權限,並加入創作智能體與社區畫廊。
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。
Google 發佈 Gemini 4 Neon,並開放世界模型 Genie 4 使用。Neon 速度為 Carbon 的 3 倍、成本為其 60%,上下文窗口為 100 萬 token(https。
推薦理由:文章並列 Gemini 4 Neon 的速度、成本與評測數據,以及 Genie 4 的互動能力和開放安排,呈現 Google 兩項產品更新的不同重點。
Google DeepMind 發佈 Gemini 4 Neon;Neon (xhigh) 的 Intelligence Index 得分為 61,較 Gemini 4 Carbon (high) 高 1 分。
Google 發佈 Gemini 4 Neon,模型即日起透過 API 提供,輸入價格為每 1M tokens $3,輸出價格為每 1M tokens $15。
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。
Google 已向符合資格的 Google AI Ultra 訂戶開放 Genie 4,供他們在瀏覽器原型 Project Genie 中試用。Genie 4 可讓用戶在生成過程中改變世界,並加入原生音訊;新版本亦加入可透過對話建構世界的 AI 智能體,以及供用戶分享和重混作品的社羣畫廊。
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。
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。
Walt Disney Imagineering R&D 公佈三款 Audio-Animatronic 原型,利用 Amazon 的 AWS 雲端及 AI 即時回應遊客互動。
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。
作者兩度調查 AI 旁白與音樂工具後,修正兩項結論:Stable Audio 3 Medium 可在 CPU 上生成音樂,Qwen3-TTS 1.7B 則成為作者的中文本地旁白首選。
Google 於 2026 年 11 月 18 日宣佈,Project Genie 正向合資格的 Google AI Ultra 訂戶開放 Genie 4 體驗。
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。
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。
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。
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。
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。
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。
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。
Google 的 Gemini Decision 1 與 Decisions API 支援在單次請求中,針對同一份輸入回答最多 1,000 個範圍明確的問題,並回傳概率分佈及信心分數。
LlamaIndex 評比 2026 年 OCR 模型的表格處理能力,稱 4B 的 OCRia-1 在 ParseBench 表格維度得分 91.5,專用文件解析器較適合表格、圖表和複雜結構文件。
Will Wright 正在開發新作 MyMems,以 AI 將玩家的記憶轉化為遊戲世界。玩家可口述故事,將生成的內容放到地圖上,也可加入代表熟人的 AI 虛擬角色;世界可設為私人或與他人分享。遊戲預計於 2027 年推出。
CADMAGEDDON 提出以本地推理將網格重建為可編輯 CAD 的方法:幾何工具識別並擬合網格實體,Qwen3.8-27B VLM 則根據渲染結果決定建模與修正步驟。
Disney Imagineering 與 AWS 合作打造三個 AI 驅動的《星球大戰》Anzellan 音響動畫原型,可按現場情況與訪客互動。它們會按現場人數、訪客年齡等因素調整回應,並可評論生日襟章或特定《星球大戰》T 恤。
Moda 為 Ray-Ban Meta Gen 2 AI 眼鏡打造模式系統,按工作、煮食或會議情境調整助理的聆聽、視覺、説話及靜默方式。視覺偵測預設在手機上處理,雲端處理須由用戶選擇啟用;會議錄音須先取得同意,設定及工作階段資料則保留在本機。
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。
生成式媒體平台 each::labs 宣佈完成 $7M 種子輪融資,由 Revo Capital 與歐洲復興開發銀行(EBRD)共同領投。公司稱,月收入在 8 月至 10 月間增至約 $2M,約為此前五倍,年化收入 run rate 超過 $20mn。
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。
Oronode Lumina 設計為完整的 AI 桌面環境,整合本地運行 AI 模型、多種模型及供應商、AI 編碼與開發流程、圖片、影片及音訊創作工具、自動化和電腦互動。它旨在讓 AI 不止是聊天機械人,還能協助用戶思考、創作、開發和完成工作。
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。
阿里雲百煉上線 Qwen4-Max 預覽版,並將模型接入 Token Plan 訂閲體系,新客首購套餐優惠低至 5 折。優惠至 11 月 30 日,Lite 套餐折後每月 19.5 元,含 20000 Credits。預覽版目前只可透過 Token Plan 調用,暫不開放單獨按量計費。
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。
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。
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。
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。
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。
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。
Gemini 4 Neon(gemini-4-neon)已正式開放使用(GA),面向複雜軟件工程、知識工作及科學工作流程,提供快速端到端任務處理。
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。