跳到正文
11月17日週二
  1. DEV Community57

    AI API 圖像網址無效:重試前先排查抓取失敗

    文章整理 AI API 出現「invalid image URL」或「failed to download image」錯誤時,重試前排查參考圖抓取失敗的流程。檢查項目依次包括核對路由對應的圖像欄位、在不依賴瀏覽器登入狀態下下載並解碼檔案,以及確認簽署連結有效期和服務所在網絡的可達性。文章亦指出,本地下載成功不代表 API 一定接受該圖像;附帶檢查程式以合成檔案測試,未有透過實際模型請求驗證。

  2. IT之家32

    Apple 2027 年新品前瞻:iPhone Duo 2 等 18 款產品,首款 AI 眼鏡有望亮相

    蘋果 2027 年可能推出至少 18 款新品,涵蓋 iPhone、iPad、Apple Watch、Mac 及智能家居設備。清單包括 iPhone Duo 2 和連接 iPhone、配備相機、麥克風及揚聲器的 Apple Glasses,後者支援 Siri AI、視覺智能、通話和訊息等功能。Apple Glasses 據稱計劃於 2027 年 WWDC 發佈,並於年底上市。

  3. Latent Space60

    Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell 談視覺智能的構建

    Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell 討論以圖像、影片和聲音共同訓練 FLUX 3,並探討視覺智能的構建。訪談指出,影片和聲音可補充靜態圖像未呈現的運動與接觸線索,並以影片升頻説明跨影格一致性的重要性。內容亦談及 FLUX Kontext 的早期關係標註實驗,以及用戶以 FLUX 修復舊家庭照片的案例。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)59

    卡內基美隆大學在 YouTube 免費提供電腦科學課程

    卡內基美隆大學透過 CS Learn 在 YouTube 免費提供教員完整授課的電腦科學課堂影片,涵蓋 AI、機械人、系統及生物等領域。後續課程教材將以自定進度形式提供,並設有即時回饋及徽章。AI 輔導功能亦將加入課程教材,協助學員處理問題及克服卡關。

  5. DoNews38

    騰訊優圖實驗室研究總監孫星離職

    騰訊優圖實驗室研究總監、專家研究員孫星已離職。他於2016年加入騰訊優圖實驗室,早期研究醫療影像 AI,參與肺癌識別和糖尿病視網膜病變篩查研究。進入大模型時代後,他轉向多模態大模型、Agent 與 RAG,參與 Video-MME、VITA、Youtu-VL、Youtu-Agent 和 Youtu-GraphRAG 等項目。

  6. HuggingFace Daily Papers(社區熱門論文)47

    眼不見,仍在心中:ReMo 為 Omni-LLMs 壓縮視覺 token

    ReMo 是一種免訓練方法,透過跨模態對齊和精簡文字描述壓縮視覺 token,降低 Omni-LLMs 推理時的輸入 token 成本。在兩種規模的 Qwen2.5-Omni 上,它減少 54% 輸入 token,準確度仍與完整 token 模型相若,在五項音訊視覺基準的平均準確度分別達其 101.2% 和 101.4%。

11月16日週一
  1. Unite.AI33

    甚麼是多模態嵌入向量?讓文字、圖像和音訊共用一個搜尋空間

    多模態嵌入向量會把文字、圖像、音訊等媒體映射至相容的向量空間,讓不同格式的相關概念可互相比較。其流程包括編碼各種模態、訓練配對項目使其收斂、投影至共享空間、建立向量索引,再進行跨模態搜尋或分類;單純串接未對齊的模態特徵並不等同於此方法。

  2. MarkTechPost76

    Alibaba 發佈 Qwen4-Max:2.4T MoE 主幹、每個 token 啟用 71B 參數,支援 1M-token 上下文窗口

    Alibaba 的 Qwen 團隊發佈 Qwen4 世代首個模型 Qwen4-Max,採用 2.4T MoE 主幹,每個 token 啟用 71B 參數,支援 1M-token 上下文窗口。

    推薦理由:文章並列 Qwen4-Max 的基準成績與 API 定價,呈現其代理任務表現、編碼與視覺短板,以及成本下降幅度,方便讀者一併比較能力與費用。

  3. 雷鋒網69

    李飛飛 CoRL 2026 演講實錄:Atlas 如何統一世界生成與重建

    李飛飛在 CoRL 2026 介紹 World Labs 與史丹福團隊研發的 Atlas,稱其為統一生成與重建的世界模型。Atlas 是從零訓練的自回歸基礎模型,可接收文字、圖像、影片、深度訊號及 3D 結構訊號等輸入,生成像素影格並支援多視角重建。演講稱,Atlas 已蒸餾至 15fps 即時生成,團隊亦正測試其在機械人導航訓練及真實世界與模擬互通操作中的應用。

  4. TNW77

    Alibaba 發佈 Qwen4-Max 旗艦模型,不開放權重

    Alibaba 發佈 Qwen4-Max,作為 Qwen 系列的新旗艦 AI 模型,但不開放權重。模型採用 MoE 架構,擁有 2.4 trillion parameters,可處理文字、圖像及影片,單次提示詞最多支援 one million tokens。

    推薦理由:文中列出 Qwen4-Max 在兩項編碼測試的不同表現,並註明分數由 Alibaba 提供、TNW 未作獨立核實,讓讀者掌握基準比較的限制。

  5. 中華網科技80

    阿里巴巴發佈 Qwen4-Max,單項任務平均費用下降 58%

    阿里巴巴發佈基座大模型 Qwen4-Max,總參數量為 2.4T,並已在千問 AI 平台提供 API 服務。模型具備原生視覺能力、支援百萬上下文;文中稱其單項任務平均費用較上代下降 58%。中小尺寸模型將陸續開源,用戶亦可透過阿里 Token Plan 調用新模型。

    推薦理由:報道列出 Qwen4-Max 相較上代在多項評測、Token 用量及任務費用上的變化,讓讀者可一併對照模型表現與推理成本。

  6. DEV Community34

    AI/ML 研究摘要 — 2026 年 11 月 14 日

    這期 AI/ML 研究摘要整理了生成式與具身 AI、MoE 簡化、LLM 智能體可靠性及跨模態 3D 建模的研究結果。LO-World 的 IoU 提升 10.9 %、Chamfer 誤差降低 30.1 %,運行速度超過 25 FPS;SimpleHC 則在維持標準 MoE 基準準確度下縮短訓練時間。