跳到正文
11月16日週一
  1. DEV Community37

    Flow matching 取代脆弱的重建流程

    EDGAR 和 SphereFlow 以具幾何感知能力的 flow matching,取代繁重的迭代式重建流程。EDGAR 只需一次 diffusion step 即可修復 Gaussian avatar,平均額外耗時由小型的 5.04 分鐘至大型的 16.60 分鐘不等。SphereFlow 用於缺失模態補全後的腦腫瘤分割,縮小了與完整模態 oracle 約八成的效能差距。

  2. 虎嗅31

    演員肖茵遇見《持械入宋》總編劇

    肖茵將於虎嗅F&M創新節與《持械入宋》總編劇李朝華等人參與圓桌討論,交流AI參與影視創作的挑戰。製作方披露,《持械入宋》全網累計播放量已突破120億。創新節於11月21日至22日在北京798藝術區·79罐舉行,另設AI創作及企業轉型相關分享。

  3. 新浪科技43

    蘋果正式進軍 AI 眼鏡市場,首款產品明年亮相

    蘋果計劃於2027年6月發布首款 AI 智能眼鏡,並於年底前上市,內部代號為 N50。眼鏡以 Siri 為核心,可透過攝像頭感知環境,提供實時翻譯、導航指引等功能,但不會顯示增強現實畫面。產品須配搭較新款 iPhone 使用,不支援 Android 手機;相關 AI 和軟件功能仍有延期風險。

  4. IT之家37

    華為麒麟 9050 系列晶片智能音影片處理資訊公開:低延遲 AI 異構協同計算,率先支援 H.266 解碼

    華為公開麒麟 9050 系列晶片的智能音影片處理能力,晶片搭載新一代音影片處理器,音訊性能提升 30%,並支援低延遲 AI 異構協同計算及 H.266 硬解碼。相較 H.265,H.266 可令弱網直播卡頓降低 50-70%;同網速下解像度提升一檔,同解像度下播放時長增加 2-3 小時。

  5. 新浪科技78

    阿里千問發佈Qwen4-Max:總參數2.4萬億、激活71B,Token消耗省一半

    阿里千問發佈Qwen4-Max,總參數2.4萬億、激活71B,支援百萬Token上下文。在Terminal-Bench 4.0同為Xhigh思考檔位時,其每次嘗試平均Token用量較Qwen3.8-Max減少約47.5%,評測得分提升近28%。Qwen4-Max已在千問AI平台提供API服務,亦可透過阿里Token Plan調用,或在千問辦公、Qoder、千問APP體驗。

    推薦理由:這組同檔位對比把Token用量與評測得分放在一起,呈現Qwen4-Max相較Qwen3.8-Max在編程評測中的效率及表現變化。

  6. 新浪科技76

    阿里通義千問 Qwen4-Max 正式上線,主幹參數規模達 2.4 萬億

    阿里通義千問團隊正式推出 Qwen4-Max,模型採用 MoE 架構,主幹參數規模達 2.4 萬億,支援原生視覺理解及 100 萬 Token 上下文窗口。Qwen4-Max 在 Work360 得分為 52.69,高於 Qwen3.8-Max 的 47.74;該評測中單項任務平均費用由 26.58 元降至 11.16 元,下降 58%。

    推薦理由:文章以 Work360 得分、不同推理強度下的 token 消耗及單項任務費用,呈現 Qwen4-Max 相對前代的能力與成本變化。

  7. DoNews77

    千問 Qwen4-Max 正式上線,Work360 單個任務平均費用下降 58%

    千問團隊正式推出 Qwen4-Max,模型作為正式版本接入千問 AI 平台,開發者可透過 Token Plan 或 API 調用。模型在 Work360 取得 52.69 分,高於前代 Qwen3.8-Max 的 47.74 分;同一評測中,單個任務平均費用由 26.58 元降至 11.16 元,降幅 58%。

    推薦理由:Work360 與 Terminal-Bench 4.0 的對照數據,呈現 Qwen4-Max 在任務費用及 token 消耗上的變化。

  8. DEV Community76

    Qwen4-Max 發佈:2.4T 參數,Work360 任務平均成本下降 62%

    阿里巴巴千問團隊推出旗艦模型 Qwen4-Max,採用 2.4T 參數稀疏 MoE 架構,支援原生視覺及 100 萬 token 上下文窗口。在千問自有的 Work360 評測中,每項任務平均成本由 $4.43 降至 $1.67,較 Qwen3.8-Max 減少 62%;Qwen4-Max 本身並未開源。

    推薦理由:文章結合 Qwen4-Max 的架構與長程智能體案例,並交代 62% 成本降幅來自千問自有的 Work360 評測,呈現數字的比較背景。

  9. IT之家79

    阿里通義千問 Qwen4-Max 正式上線,主幹參數規模達 2.4 萬億

    阿里通義千問團隊正式推出 Qwen4-Max,採用主幹參數規模達 2.4 萬億的 MoE 架構,原生支援視覺理解及 100 萬 Token 上下文窗口。模型已接入千問 AI 平台,開發者可透過 Token Plan 或 API 接入,也可經 Qwen Studio、QwenWork 和 Qoder 體驗。

    推薦理由:文中同時列出 Work360 分數、不同推理強度下的 token 消耗變化及單任務費用,呈現這次升級在能力與成本上的具體對照。

  10. 阿里雲開發者社區 AI39

    AI 肌膚分析上線後的真正難題:如何用 API 打造穩定、可復測的數碼測膚系統?

    玩美移動(Perfect Corp.)的 AI Skin Analysis V2.1 API 以異步任務提供肌膚分析,企業需兼顧圖像品質、任務管理、版本治理、成本控制及錯誤監控,才能維持穩定、可復測的數碼測膚流程。V2.1 支援最高 2560 像素的分析輸出;結果保留 24 小時,長期追蹤則應記錄 API 版本及檢測模式,並驗證不同版本數據的可比性。

  11. 阿里雲開發者社區 AI24

    2026年體育賽事:AI羽毛球戰技法分析系統如何分步實施?

    AI羽毛球戰技法分析系統可按硬件部署、算法訓練、交互開發及實戰迭代四步實施,結合多目視覺、邊緣計算與生成式AI。方案建議在球場部署至少2-4台100fps以上、分辨率不低於4K的高速相機,並把骨骼點和球路追蹤延遲控制在50毫秒以內。系統亦可提供戰術復盤和自然語言問答,並以RLHF根據教練及運動員的反饋調整戰術推薦。

  12. DoNews59

    研究團隊發布 NEO‑VLA 原生視覺—語言—動作機械人策略模型

    南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。

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

    BLIP-Live:平衡即時性與觸發精準度的主動式串流影片智能體

    BLIP-Live 提出一套整合數據、評測指標、推理及訓練的框架,用於主動式串流影片理解,並建立包含人工標註的 BLIP-Live-780K 數據集及 PAUC-F 評測指標。BLIP-Live-Qwen 在四項主動式串流基準測試中達到最先進表現,較基線最高提升 44%,並勝過多個閉源 API 模型。程式碼及數據集將公開。

  14. HuggingFace Daily Papers(社區熱門論文)38

    ALIVE:讓串流影片模型具備互動能力

    ALIVE 是一款互動式串流影片模型,支援主動監察、串流任務協調及尋求用戶反饋。研究團隊建構 ALIVE-SFT-288K 和 ALIVE-RL-3K 用於兩階段訓練,並推出 FSI-Bench 評估模型尋求反饋及完成後續任務的能力。ALIVE 在四個公開基準及 FSI-Bench 的整體評分均高於參與比較的模型。

  15. HuggingFace Daily Papers(社區熱門論文)41

    MedJev:實現快速醫學影像理解的單次視覺語言決策模型

    MedJev 將醫學影像、問題及候選答案直接映射為決策,無需自回歸生成,在單次多模態前向傳遞中完成判斷。基於 Qwen3.5-4B 的 MedJev-4B,在四項醫學影像分類及視覺問答基準上,準確率絕對提升 7.93%,端到端速度提升 6.04 倍;與 20 個模型比較,在 4B–9B 通用及醫學 VLM 中取得最先進的效能及推理速度。

11月15日週日
  1. DEV Community51

    作者如何用 Next.js、Gemini 和 Prisma 8 建立尼泊爾帳單 OCR 流程

    作者用 Next.js、Gemini 和 Prisma 8 建立尼泊爾帳單 OCR 流程,將紙本帳單照片轉成可供人工核對及匯出的結構化資料。Gemini 只負責按原樣讀取票面內容;數字轉換、金額解析、PAN/VAT 與 BS 日期校驗由程式處理,無法辨認的欄位保留為 null,核對後可匯出 CSV。作者尚未正式量度準確率,計劃收集 20–30 張真實帳單逐欄評估。

  2. 第一財經23

    長期主義:讓科技惠及千家萬戶

    高德智感透過降低紅外技術的成本、使用難度和理解門檻,讓更多人用上紅外技術,並以持續迭代產品回應民用市場需求。公司將 AI 用於紅外圖像調光,以及電力巡檢中的設備識別和檢測建議。文章亦以全新長軸距 GLE SUV 的本土化研發與智能體驗,呈現科技以實用價值回應用戶需求的理念。

  3. DEV Community63

    ChatGPT 與 Gemini 比較:2026 年哪個較好?

    TechAI Guide 比較 ChatGPT 與 Gemini 後認為,兩者各有所長,選擇主要取決於用戶常用的應用程式和工作需求。Gemini 適合依賴 Google 應用程式及處理長文件的用戶,其付費方案提供 1-million-token 上下文窗口;ChatGPT 則較適合項目式工作、學習及初學者編碼。兩者主流付費方案分別為 $20/month 和 $19.99/month,價格接近。

  4. DEV Community37

    Synaphi:為患者與臨牀人員而建的 AI 輔助溝通平台

    Synaphi 是 EmoryHacks 2026 開發的 AI 輔助患者與臨牀人員溝通平台,讓患者透過無障礙介面選擇並確認回覆,再傳送給臨牀人員。Google Gemini 負責把問題轉成結構化意圖,Typesense 搜尋合適選項;AI 不會替患者決定意思或代為送出訊息。開發測試中,問題解讀延遲中位數為 819 ms,患者確認至臨牀人員畫面為 197 ms,並非臨牀表現基準。

  5. DEV Community41

    Planet Symphony:以音樂旋律編碼星際通訊訊息

    Planet Symphony 是為 DurHack 2026 創作的星際通訊專案,以音樂旋律傳送訊息。發送端會把明文按指定音調和音階編碼成旋律,接收端以訓練好的模型辨識音符,再由解碼器還原訊息;只要沒有漏掉音符,確定性編碼器和解碼器便可零錯誤還原原文。

  6. The Decoder78

    美團發佈 LongCat-2.5 權重,1.6 trillion 參數智能體模型全程未用 NVIDIA GPU 訓練

    美團公開 LongCat-2.5 權重,這款面向長程多步驟智能體任務、尤其是編碼的 1.6 trillion 參數模型,全程以中國硬件訓練。它每個 token 約啟用 48 billion 參數,並可透過 API 一次處理最多 1 million tokens、生成最多 128,000 tokens,支援文字、圖像和影片輸入。

    推薦理由:報道列出多項智能體基準成績,並交代 194 張華為昇騰加速器的部署配置,便於對照模型表現與自建部署的硬件要求。

  7. DEV Community56

    CLIP 能否辨認 Malfoid 風格?Python 零樣本特徵檢查與提示詞測試

    作者以 CLIP 測試 72 張合成圖中的 Malfoid 特徵,發現提示詞設計會影響辨識準確率。實驗使用 openai/clip-vit-base-patch32;方形填充配合五模板集成,讓領帶和髮色三分類準確率均達 100%,分開檢查兩項特徵則找出全部 8 張符合圖片且沒有誤報。測試僅用合成形狀;暖色光下,24 張鉑金髮圖有 14 張被判為金髮,文中指出真實渲染肖像可能更受背景和光線影響。