#多模态

Apple 发布新一代 Apple Intelligence，Siri AI 正式以测试版上线

Apple 发布新一代 Apple Intelligence，推出全面重构的 Siri AI，支持个人语境理解、屏幕感知、系统级应用操作和跨设备对话，今日起以英文测试版随 2027 系统更新推出，下月扩展至法语、日语、韩语、葡萄牙语和西班牙语。

Apple 发布 iOS 27、iPadOS 27、macOS 27 等系统更新，推出 Siri AI 与新一代 Apple Intelligence

Apple 开始推送 iOS 27、iPadOS 27、macOS 27、watchOS 27、visionOS 27 和 tvOS 27 更新，引入基于新一代 Apple Intelligence 的 Siri AI。

iOS 27 实测：基于 Gemini 的新 Siri 让作者重新用上 Siri

TechCrunch 作者实测 iOS 27 公测版后表示重新使用 Siri，新版 Siri 基于 Google Gemini 模型构建，可处理多步指令、读取屏幕上下文、调用相机回答所见物体并支持草拟发送消息。

Google AI@GoogleAI· 21:46AI 评分5454

Google Labs 推出个性化 AI 产品 Dreambeans，从 Gmail、Calendar、Search、Gemini App 和 Google Photos 等连接来源聚合信息，例如注意到好友生日临近时生成专属插画故事并给出礼物建议。体验为 opt-in 并带隐私过滤，用户可点踩帮助系统学习，通过 http://labs.google/dreambeans 开始使用。

AI导演DiDi_OK解密用Seedance 2.5制作科幻短片《Candy》的工作流

火山引擎采访AI导演DiDi_OK，介绍其完全用Seedance 2.5 720P制作的9分钟科幻短片《Candy》背后的制作过程。他称模型在精细定制化、运动规律理解和超长镜头一次生成上有突破，部分效果连续性超过传统CG；其工作流随之改变，提示词取代关键帧成为决定视觉上限的首要条件，世界观类叙事中分镜不再是必需。

MiniMax (official)@MiniMax_AI· 14:27AI 评分6262

MiniMax 盘点其开源视频生成模型 H3（支持原生立体声音频和多模态参考控制）的社区优化成果，并附生态汇总仓库 https://github.com/MiniMax-AI/awesome-minimax-h3-integration。

MiniMax (official)@MiniMax_AI· 13:57AI 评分6161

MiniMax 盘点其开源视频生成模型 MiniMax H3 的社区生态进展，该模型支持原生立体声音频和多模态参考控制。

京东发布JoyAI-Echo 1.5并开源可交互视听世界模型EchoWM

京东探索研究院在9月9日JDD大会上发布JoyAI-Echo系列两项进展：超长音视频生成模型升级至JoyAI-Echo 1.5，同时发布并开源可交互视听世界模型EchoWM。

基于 JAX3D 构建分层 NeRF 教程：体渲染、新视角合成与 3D 重建

该教程用 JAX、Flax、Optax 和 jax3d 的体渲染原语构建端到端分层 NeRF，包含位置编码、粗细双网络与 sample_piecewise_constant_pdf 重要性采样，并用 Adam、指数学习率衰减和梯度裁剪训练。评估涵盖 held-out PSNR、深度与透明度可视化、360 度渲染 GIF 以及 marching cubes 提取密度场等值面。

ElevenLabs 发布 Music v2.5，开放应用与 API 并提供免费和 Pro 档位

ElevenLabs 为 ElevenMusic 发布 Music v2.5，称生成歌曲更饱满自然；在 47,885 组盲测对比中听众多数时候更偏好 v2.5，尤其是 R&B、Soul、Hip-Hop、Rock 和管弦乐。

OpenAI Developers@OpenAIDevs· 01:46AI 评分8080

OpenAI 开发者账号宣布发布 GPT-6 Astra，并汇总社区开发者基于它做出的构建案例，包括 2234 个建模解剖部件的 3D 展示、Unreal Engine 曼哈顿复刻。

Suno 发布 v6 音乐模型，含 v6、v6-wild、v6-mini 三个版本

Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发。v6 分为三个模型：面向 Pro 和 Premier 订阅用户的旗舰版 v6、偏探索风格的 v6-wild，以及面向所有人的更快版本 v6-mini；全系支持用自然语言局部编辑歌曲、多源混搭、采样分离、按氛围生成，并可从文本、音频、图像和视频创建音乐。

生数科技发布 Motus2：面向灵巧操作的自进化通用世界模型

生数科技发布面向机器人灵巧操作的世界模型 Motus2，将行动、预测、评估三种能力统一进同一个共享参数模型，形成生成动作、预测未来、评估结果、更新策略的闭环，并加入轻量触觉专家模块。

MeshyAI@MeshyAI· 10:44AI 评分5353

Meshy 团队推出新游戏 Mora 1，现已上线 https://mora.fun。游戏包含空间解谜、多人平台跳跃、物理、建造和风格切换，由代码、3D 生成和实时视频驱动，团队称这是让 AI 编写游戏获得真实画面与音效的早期一步。

微信测试图片 AI 处理功能，支持美化、修改与信息提取

微信在发送图片界面新增 AI 处理功能，点击后提供美化图片、修改图片、提取信息三类菜单，涵盖生成写真、消除杂物、扩图、变高清、提取文字、翻译图片等选项。此前微信已基于小微灰度上线至少 16 个 AI 功能，覆盖公众号 AI 总结、朋友圈 AI 点评与 AI 帮写、扫一扫视觉识别及聊天语音指令等场景，目前均处灰度测试阶段，仅部分用户可体验。

Artificial Analysis@ArtificialAnlys· 04:27AI 评分6464

Ant Group 旗下 @AntLingAGI 发布开源权重多模态推理模型 Ling-3.0-flash-VL，在 Artificial Analysis Intelligence Index 得 25 分，在 Intelligence 与活跃参数的 Pareto 前沿上。

OpenRouter@OpenRouter· 00:07AI 评分5454

OpenRouter 宣布 Black Forest Labs 的 FLUX Video Edit 上线 OpenRouter。用户发送一段视频加一句话即可移除或替换物体和角色、更换场景、重绘风格，或翻译对白并匹配口型，无需遮罩或逐帧控制。地址：https://openrouter.ai/black-forest-labs/flux-video-edit

OpenRouter@OpenRouter· 21:07AI 评分5656

Ling 3.0 Flash VL 上线 OpenRouter，由 Novita Labs 提供服务，是一个 124B MoE、激活参数 5.5B 的模型。新增原生图像和视频输入及视觉智能体能力，支持即时与推理混合模式以及工具调用，提供免费入口 https://openrouter.ai/inclusionai/ling-3.0-flash-vl:free。

Arm 发布 CSS for Mobile 2 移动计算平台，面向智能体 AI

Arm 于 9 月 8 日在上海 Arm Everywhere China 大会发布第二代移动计算子系统 CSS for Mobile 2，集成 C2 CPU 集群、Mali G2-Ultra NX GPU 和 SI L2 系统互连。

实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

MiniMax Design (H3)@Hailuo_AI· 16:22AI 评分4545

💡 Astra 规划路线 🗺️ ➕ H3 带你兜风 🚗

网易有道 OpenPods AI 耳机发售：获苹果 MFi 认证，首发 1499 元

网易有道 OpenPods AI 耳机已在京东发售，首发补贴后到手价 1499 元，定位首款专为 iPhone 用户打造的智能体耳机。

Josh Woodward@joshwoodward· 03:57AI 评分6464

Google 宣布 Gemini 应用正式登陆 Windows，下载地址为 https://gemini.google/desktop。按 Alt + Space 即可在日常应用旁润色草稿、总结长文档、头脑风暴以及生成自定义图像和视频。

Google Gemini@GeminiApp· 00:28AI 评分5656

Gemini 应用现已支持 Windows。用户按 Alt + Space 即可在常用工具旁唤起 Gemini，用于润色草稿、总结长文档、头脑风暴以及生成自定义图片和视频。

WorkBuddy@WorkBuddy_AI· 00:16精选AI 评分7070

WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek API 并支持原生多模态。

SiliconFlow@SiliconFlowAI· 22:36AI 评分6767

硅基流动宣布 DeepSeek-V4.1-Flash 于 Day 0 上线其平台。该模型为 552B MoE，prefill 约 8B 激活、decode 约 16B 激活，原生视觉，1M 上下文窗口，KV cache 占用约为 V4 Flash 的 1/4，采用 MIT 许可证。

IBM 与 NASA 开源月球基础模型 NASA-IBM Lunar Foundation Model

IBM 与 NASA 开源 NASA-IBM Lunar Foundation Model，整合美日多次探月任务的多模态、多分辨率观测数据。

Hugging Face 用 Gradio Workflow 重建 Workflow1111，复刻 AUTOMATIC1111 主要功能

Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线重建 AUTOMATIC1111 的大部分功能，覆盖文本生成图像、高清修复、图生图、prompt matrix、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 式预处理器、背景移除、PNG Info 和图生视频。

理想汽车向 AD Max 车型推送马赫 VLA 2.0，覆盖近百万车主

理想汽车 CEO 李想宣布马赫 VLA 2.0 从 9 月 10 日起陆续推送至已交付 AD Max 的车型，覆盖近百万 Orin 和 Thor 平台车主。此次推送伴随 OTA 8.6 上线，经模型蒸馏和多轮验证完成多车型适配，同时新增 Livis 指挥泊车、大屏转向影像、艺术相框及新游戏等功能。

高德发布 3D 原生城市世界模型 ABot-Earth 0.7，支持从星球到街景全尺寸生成

高德发布 3D 原生城市世界模型 ABot-Earth 0.7，称其为全球首个全模态、可预测的 3D 原生城市世界模型，覆盖超过 196 个国家和地区。模型可从卫星图像或文字描述出发，10 分钟内在一块消费级 GPU 上生成公里级 3DGS 格式城市场景，效率较传统模式提升 1000 倍，已应用于飞行街景 2.0，体验官网同步上线。

X.PIN@thexpin· 17:27AI 评分5858

DeepSeek 将快速、专家、识图三种模式合并升级，移除独立的专家模式选项，新模型同时具备日常对话、图片理解与复杂问题解决能力。公司计划在北京时间 9 月 10 日前后推出原生多模态的 V4.1 Flash；V4 Pro 服务定于北京时间 9 月 14 日中午结束，之后请求将被路由到 V4.1 Flash 并按其费率计费。

DeepSeek 发布 DeepSeek-V4.1-Flash

DeepSeek 官方宣布推出 DeepSeek-V4.1-Flash，主打更聪明、更快、更高效。该模型是新架构家族中最小的一款，具备原生视觉理解，设计上面向更强能力、更快推理和更高吞吐，并为扩展到更大模型做铺垫。

DeepSeek 发布 V4.1 Flash 模型，基准超越 V4 Pro 并下调 API 定价

深度求索正式发布 DeepSeek V4.1 Flash，为 552B 参数 MoE 模型，采用全新 Causal-Encoder-Decoder 结构，原生支持多模态，基准测试超越包括 DeepSeek V4 Pro 在内的旗舰模型。

DeepSeek 发布 V4.1-Flash，API 价格同步下调

DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。

DeepSeek 发布 V4.1 Flash：552B MoE 多模态模型，同步开源并下调 API 定价

DeepSeek 正式发布 V4.1 Flash，全新 Causal-Encoder-Decoder 结构的 552B 参数 MoE 模型，输入激活 8B、输出激活 16B，具备原生多模态视觉理解，基准测试超越包括 DeepSeek V4 Pro 在内的旗舰模型。

DeepSeek 合并快速、专家、识图模式为统一智能模式，V4.1 Flash 最快今日发布

DeepSeek 宣布将快速模式、专家模式和识图模式合并为统一的智能模式，模型可自动检测查询复杂度、在检测到图片输入时激活视觉能力并按任务难度调整处理能力。

Suno@suno· 08:37精选AI 评分6666

Suno 发布 v6 模型，可将图片、视频和语音备忘录转化为音乐，并对已创建的歌曲进行精确修改。同时提供 v6-wild 版本供探索更多可能性，官方附有 2 分钟以内的功能演示视频。

Apple 推出 Reference Image 功能，用 iPhone 18 Pro 新传感器为照片签名防 AI 篡改

Apple 将随 iPhone 18 Pro 系列推出 Reference Image 功能，利用新相机传感器对 Reference 模式下拍摄的每个像素签名，经 Private Cloud Compute 生成不可更改的参考图像，可在 Photos 应用中与其他版本对比以发现编辑痕迹。

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。

Apple 发布首款折叠屏 iPhone Duo，起售价 $1,999

Apple 发布首款折叠屏 iPhone Duo，展开为 7.6 英寸内屏，合盖后为 5.4 英寸外屏，提供 iPhone 上最大显示面积。搭载 A20 Pro 芯片和蒸汽室散热，iPhone 17 Pro 续航最高 44 小时视频播放，10 月 16 日开启预购、10 月 23 日发售，起售价 $1,999。