跳到正文
10月19日周一
  1. Timothy B. Lee:Understanding AI63

    AI 迎来个人媒体时代:Benj Edwards 谈用 Suno 和 Claude Code 为自己创作

    Benj Edwards 结合自己把约 50 段旧录音喂给 Suno v4.5 生成数百首个人歌曲、并用 Claude Code 创作多款自玩游戏的经历,提出 AI 正在催生不需要大众受众的个人媒体。文章指出当乐队成本趋近于零,创作可以只为取悦自己,并讨论这种趋势对创意产业和就业的可能冲击。

10月14日周三
  1. OpenBMB51

    OpenBMB 转发 @fahdmirza 对 MiniCPM-V 4.7 1B 的动手实测视频。该 10 亿参数视觉模型可在手机上运行,实测者用 llama.cpp 和 Ollama 安装 GGUF,完成了照片读模拟时钟、时钟图生成可用 HTML、解二次方程、数十种语言手写翻译及肢体语言场景识别等任务,视频同时呈现了成功与失败结果。

    引用Fahd Mirza@fahdmirza

    🚀 Tiny model, big test: MiniCPM-V 4.7 1B, hands-on 📱 A one billion parameter vision model that fits on a phone 🔹 Installed the GGUF with llama.cpp and Ollama 🔹 Read an analog clock from a photo 🔹 Turned that clock photo into working HTML code 🔹 Solved a quadratic from a school math sheet 🔹 Handwriting translation across dozens of languages 🔹 Funny scene test: spotting body language and backstory 🔥 Honest results, wins and fails, in the full video below 👇 https://youtu.be/40FXBcRz4_k?si=UGnvZNh0AN5f4aDL @OpenBMB

10月10日周六
9月25日周五
  1. The Verge:AI52

    The Verge 评测人谈 Meta Muse 智能体吉祥物 Jolly 的可爱设计为何令人警惕

    The Verge 评测人 Victoria Song 亲测 Meta 的 Muse AI 智能体后认为,其吉祥物 Jolly 的可爱设计会降低用户分享个人信息的警惕。她测试发现 Muse 演示存在识别食物出错、无法加购商品等常见 AI 缺陷,并担忧眼镜采集的饮食上下文可能被 Meta 用于广告定向,提醒读者不要被可爱外表迷惑。

9月19日周六
9月15日周二
9月10日周四
  1. TechCrunch:AI58

    TechCrunch 分析 Apple Watch 新 AI 音频功能如何让技术常听成为常态

    TechCrunch 分析 Apple 在 iPhone 发布会上推出的 Apple Watch 音频智能功能,认为这些功能正在让用户接受技术随时在听的现实。Live Rewind 可双击数字表冠回溯 15 秒并转写刚说过的话,转写文本可存入新的独立 Siri 应用;Siri Recap 通过环境监听生成对话的标题、摘要和要点,不保存音频、不识别说话人并采用端到端加密。

9月7日周一
9月6日周日
9月5日周六
  1. Fei-Fei Li57

    Fei-Fei Li 与 Justin Johnson、Ben Mildenhall、Martin Casado 在访谈中讨论 World Labs 新发布的空间智能世界模型 Atlas。

    引用a16z@a16z

    World Labs co-founders Fei-Fei Li, Justin Johnson, Ben Mildenhall, and a16z's Martin Casado on Atlas, a world model for spatial intelligence: LLMs are built on next token prediction. Video models are built on next frame prediction. Atlas is built on new view prediction, and it's the first model to unify pixel generation and pixel reconstruction, two problems computer vision has kept in separate tracks for half a century. The practical result is a 50 to 100x reduction in what it takes to digitally capture a 3D representation of a space. Previously, you needed 100 to 300 photos of a single room. Atlas can work from just three. In this conversation, they get into the slow motion shot from The Matrix that took hundreds of cameras and now takes three iPhones, the overnight Slack message that made them bet the company in five seconds, why robotics is bottlenecked on data rather than chips, and the case that new view prediction is AI-complete. 00:00 Intro 01:50 The Matrix slow motion scene now takes three iPhones 02:48 Why new view prediction is the primitive 07:10 Unifying generation and reconstruction 11:15 Gaussian splats became the bottleneck 14:17 Dense capture used to mean 300 photos 17:30 Why reconstruction needs generation to fill the gaps 18:44 The LLM lesson image models missed 23:39 The video that made them go all in 28:04 3D design is 95% revisions 30:50 The problem in robotics is data, not chips 32:48 Why a robot policy can't be trained like an image model 34:44 When the simulator becomes the planner 36:45 Frozen time required footage full of movement 40:57 Why new view prediction is AI-complete 42:43 Nature gave animals eyes but not trees YouTube: https://www.youtube.com/watch?v=qn1QDDBnTA0 @drfeifei @jcjohnss @BenMildenhall @theworldlabs @martin_casado

9月4日周五
  1. TechCrunch:AI48

    TechCrunch 解析 AI 生成菜单为何雷同难看:模型收敛与恐怖谷效应

    TechCrunch 探讨餐厅 AI 生成菜单令人不适的雷同问题。Reality Defender CTO Alex Lisle 解释这是模型训练数据趋同导致的收敛而非模型崩溃,数据集为追求讨喜而同质化;Elon University 的 Lee Rainie 称 AI 会削平细节。德国杜伊斯堡-埃森大学研究发现 AI 食物图像呈现恐怖谷效应,看起来接近真实反而引发更多厌恶。

9月3日周四
  1. IT之家·人工智能54

    戚薇回应 AI 授权"卖脸"争议:更愿意"主动出击",数字分身将主演 AI 漫剧《末日盛夏》

    戚薇在《中国新闻周刊》9 月 2 日报道的采访中回应"卖脸"争议,称其数字分身授权是有期限、有范围、有审核和追责的,且只开放给合作的影视项目,而非向所有人开放。她的数字分身将主演末世 AI 漫剧《末日盛夏》,主角名为"韩清夏"。她表示规范授权是把合法使用与非法使用区分开,并认为真人戚薇和数字形象应成为两条独立又协同的创作线。

9月2日周三
9月1日周二
8月25日周二
  1. Ars Technica:AI49

    AI 不会取代放射科医生,但将彻底改变他们的工作

    2016 年 Geoffrey Hinton 曾预测放射科医生五年内将被计算机取代,但该领域从业人数预计未来三十年仍将增长 26% 以上。截至 2026 年初,FDA 批准的 1400 款 AI 医疗设备中约四分之三用于放射科,部分工具能识别人眼不可见的异常或达到甚至超越训练有素放射科医生的水平。一项涵盖 43 项临床试验的分析显示,AI 辅助结肠镜检查比传统方式发现更多息肉。

8月20日周四
  1. IT之家·人工智能42

    CounterPoint 预估智能眼镜、智能戒指和智能吊坠将成可穿戴设备增长最快品类

    CounterPoint Research 预估 2026~2032 年全球消费级可穿戴设备累计营收将超 1 万亿美元,年复合增长率 12%。智能眼镜到 2032 年营收预计达 440 亿美元,约占可穿戴设备营收的 1/5。智能吊坠、智能戒指和智能眼镜将成为增长最快品类,其中智能吊坠增长起点较低。

8月19日周三
  1. TechCrunch:AI52

    苹果带摄像头 AirPods 为何可能不像消费者担心的那样“偷拍”

    苹果被曝将推出带摄像头的 AirPods,但据 macOS 26.7 RC 泄露视频与代码,其摄像头仅作 Siri 的“眼睛”,无法拍照或录像,用于识别书籍、食材等环境信息。设备将配备 LED 指示灯,在共享视觉数据时亮起以示透明。该功能旨在推动用户减少掏出 iPhone,更自然地与升级版 Siri AI 交互。

8月13日周四
  1. IT之家·人工智能44

    OpenAI 奥尔特曼:6 个月内 AI 将实现“完美理解用户使用情境”

    OpenAI CEO 奥尔特曼在 2026 年 Internapalooza 活动上表示,未来 6 个月内 OpenAI 后续 AI 模型将具备“完美理解用户使用情境”功能,可“读懂”用户屏幕、录制会议和通话,并全面了解用户生活。用户可划定 AI 访问范围,AI 不会替用户直接决策,而是充当助手角色,协助处理信息量庞大的日常工作。奥尔特曼称,距离这种能力真正变得“极其有用”可能只差 1 代模型。

  2. The Decoder:AI News56

    乳腺癌检测AI工具未达放射科医生预期

    《Clinical Imaging》一项针对215名乳腺影像学会成员的调查显示,约半数已在用FDA批准的AI工具,另有11%计划采用,但仅少数人视其为决定性因素。实际效果低于预期:仅35%报告召回率降低(59%曾预期)、9%看到不必要活检减少(36%曾预期)、29%感到倦怠减轻(56%曾预期)。成本与机构支持不足是主要障碍。

8月11日周二
  1. Fei-Fei Li48

    李飞飞在与Huberman Lab的对谈中表示,所有工具都应增强人类能动性,AI也不例外。节目围绕“用AI提升智力与丰富人性”展开,涵盖计算机视觉、AI与科学发现及医疗、空间智能、World Labs等话题,并探讨了AI的伦理与社会影响。

    引用Andrew D. Huberman, Ph.D.@hubermanlab

    The new Huberman Lab episode is out: Using AI to Increase Your Intelligence & Enrich Humanity | Dr. Fei-Fei Li (@drfeifei) 0:00 Fei-Fei Li 3:46 Vision & Intelligence; Human Vision & Contribution to AI 12:11 Computer Vision & the AI Revolution 18:34 Sponsors: Lingo & Wealthfront 21:19 Speech, Sound & AI Development 23:36 AI & Contextual Learning, Human Intelligence 33:43 Current AI Gaps, Emotion & Creativity 45:48 Computers Enhancing Humanity; Tool: Personal Agency & Learning about AI 53:04 Sponsors: AG1 & LMNT 55:37 Public Discourse about AI 57:34 AI to Enhance Scientific Discovery & Healthcare; Human Collaboration 1:07:38 Intuition, Motivation & Human States Beyond AI 1:19:18 Sponsor: David 1:20:37 Social & Ethical Considerations for AI 1:27:38 Kids, Development & AI Tools; Tool: Prompt AI Effectively 1:35:04 Next Frontier for Robotics & AI; Human Agency 1:43:52 Human-Centered AI Future 1:50:10 World Labs, Spatial Intelligence 1:54:12 Concerns about AI & Creativity; Movies, Art, Storytelling 1:59:51 Younger Generation & AI, Teachers 2:05:38 Zero-Cost Support, YouTube, Spotify & Apple Follow, Reviews & Feedback, Sponsors, Protocols Book, Social Media, Neural Network Newsletter Includes paid partnerships.

8月5日周三
  1. LlamaIndex:产品、工程与评测66

    LlamaIndex:文档 OCR 不会被前沿模型商品化,LlamaParse Agentic 以 84.9% 领先

    LlamaIndex 发文反驳文档 OCR 正被前沿模型商品化的观点,称帕累托前沿仍远高于最新前沿模型。其开源的 ParseBench(约 2,000 个人工核验的企业页面、167,000+ 条测试规则)显示,GPT-4o 到 GPT-5.5 三代模型解析准确率提升约 24 分但每页成本约翻四倍,最新最贵模型仍比专用前沿低 20 分。

    推荐理由:文章用 ParseBench 数据论证文档 OCR 不会被前沿模型商品化,并给出路由、蒸馏、文本层复用等可迁移的工程方法。

8月3日周一
8月2日周日
  1. The Verge:AI62

    这首 Billboard Hot 100 热单是 AI 生成的“垃圾”吗?

    洛杉矶说唱歌手 Fenix Flexin 的单曲“Rubberz”登上 Billboard Hot 100 第 58 位,但被多方质疑主要由 AI 生成。音频中多处出现 AI 生成音乐的典型伪影,封面和歌词被多个 AI 检测器以超 97% 置信度标记为 AI 产物,现场表演也疑似对口型。Fenix 否认指控,但未提供有力反驳。

8月1日周六
  1. Runway:News49

    Runway Characters 入选 SIGGRAPH 2026 Real-Time Live! 现场演示

    Runway 的实时交互数字人系统 Characters 入选 SIGGRAPH 2026 的 Real-Time Live! 环节,团队在现场用一张照片数秒内生成可对话的角色。该系统从单张图片出发,无需微调即可适配任意风格,逐帧生成画面以支持长达 30 分钟以上的连续对话。Characters 于今年 3 月上线,团队正探索可导航环境、多参考图像及记忆功能等后续方向。

7月24日周五
  1. Rohan Paul42

    Black Forest Labs 发布 FLUX 3,一个统一处理图像、视频、音频和动作预测的多模态模型。其视频骨干网络通过大规模视频预训练学习物体运动、接触变形和时间因果,使机器人无需从零学习物理规律。基于 Self-Flow 架构,FLUX 3 能让机器人用约一半的微调数据学会任务,此前实验显示可减少高达 10 倍的训练数据。

    引用Black Forest Labs@bfl_ai

    Introducing FLUX 3. One multi-modal model for Image, Video, Audio and Action-Prediction. Creations are truer to life in every kind of style. FLUX 3 Video is now available in early access (link below). Jointly trained in one unified architecture, our model can be extended to predict actions for robotics. See our work with mimic and Audi in the thread.

7月22日周三
  1. 公众号:生数科技50

    生数科技骆怡航:通用世界模型是连接数字与物理智能的关键基础设施

    生数科技联合创始人骆怡航在WAIC 2026提出,通用世界模型需像大语言模型一样建立统一基座,实现感知、预测与行动的闭环。公司围绕该基座构建“一体两翼”产品体系:Vidu Q系列面向数字内容生成,Vidu S系列推动实时交互,Motubrain面向物理世界机器人控制。世界模型正从学术研究走向产业中心,成为AI理解并行动于真实世界的关键路径。

  2. TechCrunch:AI56

    AI 驱动下,Netflix、Spotify、YouTube、TikTok 正演变为“万能娱乐应用”

    Netflix、Spotify、YouTube 和 TikTok 等主流娱乐应用正借助 AI 加速功能趋同,从单一格式(音乐、视频、播客)向覆盖观看、收听、游戏、购物的“万能娱乐应用”转型。AI 使跨格式内容推荐和个性化更精准,并加速了新内容领域的构建与上线。这场竞争的核心不再是格式,而是谁能成为用户消磨时间的首选应用。

7月21日周二
  1. 公众号:生数科技48

    生数科技朱军:通用世界模型是连接数字与物理世界的新基础设施

    生数科技创始人朱军在WAIC 2026上提出,通用世界模型需具备理解、想象与行动一体化能力,并发布全球首个MoT统一架构。该架构将理解、生成与行动专家统一于同一模型,支撑Vidu Q3等视频生成模型及具身智能机器人控制。最新模型可驱动多种异构机器人完成长程任务,在跨场景泛化上取得行业领先效果。

  2. 公众号:生数科技46

    生数科技朱军:通用世界模型是连接数字世界与物理世界的新基础设施

    生数科技创始人朱军在WAIC 2026论坛上提出,通用世界模型需实现理解、想象与行动一体化,将成为连接数字与物理世界的基础设施。公司已发布全球首个MoT统一架构,并推出Vidu Q3及实时生成模型,后者支持540P、42FPS输出与无限时长连续对话。最新模型可基于同一底座驱动多种异构机器人完成长程任务,跨场景泛化能力较去年12月开源版本显著提升。

  3. IT之家·人工智能51

    导演陆川称 AI 生成像预制菜,正利用 AI 同时推进五部电影筹备

    导演陆川表示,AI 生成的影像像预制菜,能弥补新手与老手的技术代差,但可能抹杀艺术创作中“错误”带来的迷人之处。他正利用 AI 同时推进五部电影的筹备,AI 已替代概念设计、分镜和部分剪辑等环节,大幅降低试错成本。陆川透露,在视觉商业领域,短片和广告已有 95% 以上被 AI 替代。

7月20日周一
  1. The Verge:AI49

    音乐人 1010Benja 用 Suno 生成 EP,开场曲“Semiramis’ Dream”融合丛林节拍与真人演唱,掩盖了 AI 痕迹

    音乐人 1010Benja 用 Suno 生成的最新 EP 中,开场曲“Semiramis’ Dream”融合了丛林节拍和真人演唱,掩盖了 AI 痕迹。Benja 透露制作过程:他写词、演唱、与朋友合作录制,再将素材反复输入 Suno 并回传 Ableton 编辑,循环数百次。尽管承认生成式 AI 存在伦理问题,他仍坚持使用,因为“我的愿景远超当前的经济能力”。

7月18日周六
  1. MiniMax (official)40

    MiniMax 研究主管 Olive Song 在播客中回应何时能达到 Fable 级模型,并介绍 M3 模型主打原生多模态和百万 token 上下文窗口。她指出构建模型的瓶颈是人而非算力,并预测开源模型在 Vibe Code Bench 上与闭源模型的 30 分差距将缩小。

    引用Vals AI@ValsAI

    When will MiniMax have a Fable level model? @olive_jy_song, research lead at @MiniMax_AI, joins The Bench to answer that question, plus M3, open source models closing the gap on Vibe Code Bench, and the truth about 996 culture. Full episode out now! 7:19 – Inside MiniMax's research culture: AI agents tracking papers since early last year 18:01- The headline of M3: native multimodality and one million tokens of context 21:10- The bottleneck of building models is people, not compute 22:48 – Does MiniMax work 996? 25:47 - Olive's prediction and the 30 point gap on Vibe Code Bench 32:02- Model capabilities Olive is most excited about 32:35- The lab Olive most respects outside of MiniMax 36:24- Will more labs go open source a year from now?

7月16日周四
7月14日周二