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。
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。
騰訊混元團隊推出 Hy4 flash,官方定位為迄今性價比最高的 Hy 模型。Hy4 flash 總參數量為 224B(含 64B Engram 參數),每個 token 啟用 12B 參數。
Weitu AI 打造流式多模態視頻大腦,透過 Dual Sparse Memory 和長期記憶模組持續理解視頻、更新記憶,支援結合當前畫面與歷史資訊進行推理。
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。
騰訊混元團隊推出 Hy4 flash,模型總參數量為 224B(含 64B Engram),每個 token 激活 12B 參數,支援多模態輸入及 100 萬 token 上下文長度。
麒麟9050系列升級音視頻處理能力,加入 AI 靜謐通話功能,並支援 H.266 硬解碼。DSP+NPU 協同令通話綜合體驗得分提升 7%,通話漏音降低 18dB;相較 H.265,弱網直播卡頓降低 50%-70%,同等網速可播放更高一檔解像度,相同解像度播放則可延長續航 2-3 小時。
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。
Alibaba Cloud 於 November 16, 2026 透過 Model Studio 發佈 Qwen4-Max,新加坡 API 輸入及輸出標價較 Qwen3.8-Max 均低 25%。
Alibaba 於 2026 年 11 月 16 日將 Qwen4-Max 正式開放使用,距預覽版推出五天;模型支援文字、圖像和影片輸入,並提供 1,000,000-token 上下文窗口。
InternLM/Sage-S2.1-Flash 專案提供雙語展示網站,整合示範媒體、互動示例及評測結果。示範涵蓋 CT 重建、3D 建模、科學分析及互動式科學視覺化。網站可在本機預覽,需 Node.js 20+ 和 Python 3,無需 npm 依賴。
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。
Qwen 團隊發佈 Qwen4-Max,採用 Qwen4 架構,具備 2.4T backbone parameters、原生視覺能力及一百萬 token 上下文窗口。
推薦理由:文章同時列出基準成績、任務成本變化及工業、專業和科研案例,方便讀者對照其長流程工作能力與實際應用範圍。
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。
阿里巴巴發布新一代基座大模型 Qwen4-Max,模型擁有2.4萬億參數,具備原生視覺能力,並支援百萬 token 上下文窗口。
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。
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。
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。
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。
智能體即使能寫程式和規劃工作流程,仍可能無法處理語音、掃描文件及外語等多模態輸入;文章指出,多模態感知是智能體欠缺的技能層。iFLYTEK 的 iFly-Skills 提供語音識別、OCR、翻譯、文字校對及多模態理解,並可與 astron-agent 配合完成感知、理解、規劃和執行。
CAVEDU 的 Cosmos 系列首篇介紹 NVIDIA Cosmos 3 Edge 在 Jetson 上的 Physical AI,涵蓋模型能力、部署選項、推理效能,以及由視覺輸入到決策的流程。
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。
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。
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%。
Apple計劃於2027年6月的WWDC發佈首款AI智能眼鏡,並以年底前上市為目標。產品代號N50,以Siri為核心,支援實時翻譯、導航及語音預訂餐廳、叫網約車等功能。眼鏡須配搭較新款iPhone使用,不支援Android;AI及軟件開發進度仍有延期風險。
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。
研究提出 ForceHarness,讓凍結的前沿多模態模型無需示範或微調,便可透過自行調節力道的控制原語和附有不確定性的物理量,使用力資訊操作機械人。在沒有腕部力感測器的真實機械臂上,GPT-6 Astra 的零樣本成功率由 3.3% 升至 90.0%。
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。
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。
Recode China AI 週報聚焦 Nvidia CEO 黃仁勳離任、阿里巴巴 T-Head 申請香港上市,以及 Alibaba 預覽 Qwen4-Max。
吉利星願自2024年10月上市以來24個月累計銷量突破100萬輛,東風日產NX7則首搭星火智慧座艙3.0。星火智慧座艙3.0由東風日產與科大訊飛聯合研發,覆蓋95個典型用車場景,並獲中汽中心TOP Intelligence認證。
ImgPilot 以 Cloudflare 的 Clef 決策模型取代二元 NSFW 分類器,改按圖片內容及各項功能的場景規則審核上傳圖片。Clef 回答性暗示程度、是否出現未成年人或真人、是否含血腥內容及是否符合場景等五個問題,再由程式套用通用硬性規則和各功能政策。
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。
SongUp AI 讓用戶先免費試聽以本人歌詞生成歌曲的首 30 秒,再決定是否付費。完整歌曲一次付款 $2.99,常製作歌曲的用戶可選每月 $9.99 起的方案;預覽讓用戶先確認人聲、風格和歌詞效果,並在付款前看清價格。
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。
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。
研究團隊提出 NEO-VLA,將原生視覺語言模型用於機械人動作學習,讓動作專家直接讀取主幹不同深度的視覺語言表徵,毋須獨立預訓練視覺編碼器。
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。
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。
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。
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。