OpenRouter@OpenRouterAI 评分5454#多模态
- OpenRouter@OpenRouterAI 评分5454
The Decoder：AI NewsAI 评分4747 Adobe Firefly 新增 AI 音频工具并接入 Google Gemini Omni Flash
Adobe 在 Firefly 平台正式推出三款 AI 音频工具：Generate Music 生成免版税音乐、Generate Speech 将脚本转为配音、Generate Sound Effects 制作场景音效，均宣称可用于商业用途。Firefly AI Assistant 现提供每日免费生成次数，并新增 Gemini Omni Flash 模型，支持视频、音频、图像及文本输入。
AI at Meta@AIatMetaAI 评分5353
Rohan Paul@rohanpaul_aiAI 评分4747引用SenseTime@SenseTime_AI𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮 𝗨𝟭.𝟱 𝗟𝗶𝘁𝗲 — 𝗦𝗵𝗮𝗿𝗽𝗲𝗿. 𝗠𝗼𝗿𝗲 𝗖𝗼𝗻𝘁𝗿𝗼𝗹𝗹𝗮𝗯𝗹𝗲. 𝗠𝗼𝗿𝗲 𝗖𝗼𝘀𝘁-𝗘𝗳𝗳𝗶𝗰𝗶𝗲𝗻𝘁. An 𝗼𝗽𝗲𝗻-𝘀𝗼𝘂𝗿𝗰𝗲, lightweight native unified multimodal model for visual understanding, generation & editing. 𝗕𝘂𝗶𝗹𝘁 𝗳𝗼𝗿 𝗿𝗲𝗮𝗹-𝘄𝗼𝗿𝗹𝗱 𝘃𝗶𝘀𝘂𝗮𝗹 𝗮𝗿𝘁𝗶𝗳𝗮𝗰𝘁 𝘄𝗼𝗿𝗸𝗳𝗹𝗼𝘄𝘀: 🔹𝗡𝗮𝘁𝗶𝘃𝗲 𝟰𝗞 𝗴𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗼𝗻 with better detail, composition & realism 🔹𝗖𝗼𝗺𝗽𝗹𝗲𝘅 𝗶𝗻𝘀𝘁𝗿𝘂𝗰𝘁𝗶𝗼𝗻 𝗳𝗼𝗹𝗹𝗼𝘄𝗶𝗻𝗴 across subjects, counts, text, layouts & styles 🔹𝗘𝗻𝗵𝗮𝗻𝗰𝗲𝗱 𝗖𝗵𝗶𝗻𝗲𝘀𝗲/𝗘𝗻𝗴𝗹𝗶𝘀𝗵 𝘁𝗲𝘅𝘁 𝗿𝗲𝗻𝗱𝗲𝗿𝗶𝗻𝗴 & 𝗺𝘂𝗹𝘁𝗶-𝘁𝗲𝘅𝘁 𝗹𝗮𝘆𝗼𝘂𝘁 🔹𝗣𝗿𝗲𝗰𝗶𝘀𝗲 𝗶𝗺𝗮𝗴𝗲 𝗲𝗱𝗶𝘁𝗶𝗻𝗴 & 𝗰𝗼𝗻𝘁𝗿𝗼𝗹 with visual markers, bounding boxes & multi-image references Just 𝟴𝗕 parameters — outperforming same-size models in instruction following and editing preservation, while 𝗰𝗼𝗺𝗽𝗲𝘁𝗶𝗻𝗴 𝘄𝗶𝘁𝗵 𝗹𝗮𝗿𝗴𝗲 𝗰𝗼𝗺𝗺𝗲𝗿𝗰𝗶𝗮𝗹 𝗺𝗼𝗱𝗲𝗹𝘀 𝗶𝗻 𝘁𝗲𝘅𝘁 𝗿𝗲𝗻𝗱𝗲𝗿𝗶𝗻𝗴 𝗮𝗻𝗱 𝗰𝗼𝗺𝗽𝗹𝗲𝘅 𝗹𝗮𝘆𝗼𝘂𝘁𝘀. 🛠️GitHub: https://github.com/OpenSenseNova/SenseNova-U1 🤗HF: https://huggingface.co/collections/sensenova/sensenova-u15 👾Discord: https://discord.com/invite/BuTXPHmQub 🎨SenseNova Studio: https://unify.light-ai.top/
The Decoder：AI NewsAI 评分4848 GEN-1.5：通用型 AI 仅凭单次演示教会机器人新任务
机器人初创公司 Generalist AI 发布 GEN-1.5，该模型可将 3 至 12 秒的演示作为“物理提示词”载入上下文窗口，让机器人无需训练即可执行任务。在开罐、取钱等十项测试中，平均成功率为 59%；用五分钟数据训练十步后，成功率升至 83%。模型还能串联两个提示词、使用仿真演示并部分模仿人类手部动作，但所有结果均出自公司自身，未经独立验证。
TechCrunch：AIAI 评分4646 Meta AI 推出 Mac 应用，支持系统级听写与屏幕问答
Meta 今日发布 Meta AI 的 Mac 应用，内置系统级听写功能，可跨应用使用，并能基于当前屏幕内容结合 Muse Spark 模型回答问题。该应用还面向商家开放，支持连接 Instagram、Facebook、Meta 广告及 Google Workspace 账户，获取营销洞察、创建提案和起草文档。
IT之家·人工智能精选AI 评分7272 阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕
阿里巴巴正式推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端及深度搜索（DeepSearch）环境。
推荐理由：它把 GUI 智能体评测从模拟分数推向真实手机操作，自建 MobileWorld-Real 基准和百台真机环境，使落地型团队能按真机成功率而非仅看模拟榜单做选型。
IT之家·人工智能AI 评分4646 MiniMax Design 发布，释放 H3 多模态视频模型生产力
MiniMax 今日发布多模态创作 Agent 工作台 MiniMax Design，旨在释放原生多模态视频模型 H3 的生产力。该工作台可理解创作需求、拆解任务并调用模型与 Skills，完成素材处理、内容生成、编辑和交付，并补充了音视频生成前的分镜规划及生成后的剪辑装配能力。H3 具备多模态理解、视频生成、视频编辑和参考控制等能力，尤其适合视频编辑任务。
IT之家·人工智能AI 评分5656 谷歌在搜索和 Gemini 中推出多款全新 AI 学习工具，含交互式可视化内容、3D 模拟等
谷歌宣布在搜索和 Gemini 中推出一系列 AI 学习工具，包括交互式可视化内容、3D 模拟、定制化练习测验和专门的学生中心。搜索中的 AI Overview 和 AI Mode 可生成 pH 值等主题的交互式学习体验，Lens 未来几周将支持拍照解题指导。Gemini 新增后台多步骤研究报告、可交互 3D 模拟（如旋转放大 DNA 结构）及集中式学习中心。
IT之家·人工智能AI 评分4848 苹果 iOS 27 相机应用初探：新增 Siri 模式、RAW 9 与 AI 参考图像模式
苹果 iOS 27 版相机应用新增 Siri 模式，向右滑动即可进入，可识别植物和食物、估算整盒树莓的卡路里，还能扫描婚礼请柬并将信息添加到日历。苹果同时推出 RAW 9，采用新的 Core ML 模型合并处理去马赛克与降噪，并在设备本地完成计算，相较 RAW 8 在细节清晰度和色彩辨识度上明显更强。此外，代码显示苹果可能正在开发参考图像模式，利用相机硬件独有信息验证照片是否来自真实相机。
IT之家·人工智能AI 评分4242 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。
Meta AI：Research BlogAI 评分5858 Meta 发布 Muse Spark 1.2，强化视觉编码、机器人规划与音视频理解
Meta 于 2026 年 8 月 20 日发布 Muse Spark 1.2 的多模态评测结果，该模型是 Muse Spark 1.1 的编码向更新，并计划开放权重。
The Verge：AIAI 评分4949 Google Gemini 推出专属学生中心
Google 在 Gemini 中推出专属学生中心，提供收集研究资料、制作闪卡、练习测验等功能，并增强学习笔记对图表和图片的支持，还能根据课程表将考试日期和截止日期添加到 Google Calendar。
The Verge：AIAI 评分4747 Meta 推出 Mac 版 AI 应用
Meta 发布专为 Mac 设计的 AI 聊天机器人应用，用户可共享窗口，让 Meta AI 基于屏幕内容提供建议、回答问题或生成内容，并支持跨应用听写。新应用还可连接 Instagram、Facebook 账户、Meta 广告活动和 Google Workspace，帮助分析帖子覆盖与互动数据，生成文档表格或执行每周绩效更新等重复任务。
公众号：昆仑万维AI 评分5757 昆仑万维2026上半年营收53.59亿元同比增长43.55%，全栈AI战略进入商业兑现期
昆仑万维发布2026年半年度报告，上半年营收53.59亿元，同比增长43.55%，海外收入52.03亿元，同比增长51.21%，归母净利润10.88亿元。天工AI业务收入逐季抬升，AI短剧平台单月流水超6500万美元，MAU居海外短剧市场第一。公司以视频、音乐音频、游戏世界、基座文本与多模态四大SOTA模型为底座，推进AI短剧、AI音乐、AI游戏三大平台商业化落地。
IT之家·人工智能AI 评分4848 联想 ThinkBook Plus G7 翻转触控笔记本国行发售：酷睿 Ultra X7-358H 配电动转轴，首发 18999 元
联想 ThinkBook Plus G7 Auto Twist 翻转本今日开售，首发价 18999 元，叠加国补后 17499 元。该机定位行业首款自动旋转屏 AIPC，搭载双角度自动旋转转轴与 AI 感知能力，支持人脸追踪、声音追踪及自动开合盖。
公众号：生数科技AI 评分4343 Vidu S1 助力 360 打造《甄嬛传》数字人新玩法
Vidu 与 360 达成技术合作，以自研 Vidu S1 实时交互视频生成模型为底层支撑，落地「甄嬛 360 传粉丝见面会」线上 H5 活动，支持用户与甄嬛、华妃等十位剧中角色进行实时对话。该模型支持 1 分钟至 2 小时持续无损渲染、秒级响应及百余种语言与方言，并提供 SaaS、MaaS 两种轻量化接入方案。
公众号：卡尔的AI沃茨AI 评分5858 Seedance 2.5 搭配 upsteam 预演台：告别 AI 视频反复抽卡的正确打开方式
upsteam 预演台上线，用户无需 3D 建模基础即可用参考图生成粗粒度白模，并搭建场景、人物、机位与运镜轨迹。将录制的白模视频交给 Seedance 2.5 生成，可精准锁定空间关系与运镜方向，避免纯文字提示词导致的误解，减少返工与积分消耗。适合大场面空镜、多人调度及复杂运镜等镜头，简单镜头仍可直接用文字生成。
TechCrunch：AIAI 评分5252 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。
IT之家·人工智能AI 评分4545 埃及盲人兄妹开发 AI 应用 ScribeMe，实时描述周围影像助视障群体“看见”世界
埃及开罗盲人开发者马克·莫拉德开发 AI 辅助应用 ScribeMe，可安装到 Meta 智能眼镜中，实时描述周围景象，帮助完全失明人士“看见”世界。该应用已覆盖 140 个国家和地区，拥有数千名用户，支持 iOS 和安卓系统，可通过手机摄像头实时回答用户问题并支持 20 种语言。ScribeMe 免费下载，额外功能订阅价为每月 20 美元或每年 200 美元。
智谱开放平台：模型与产品发布记录AI 评分5555 智谱发布 GLM-5.3-Flash 原生多模态模型，GLM-5.3 旗舰同步上线
智谱开放平台发布公告，GLM-5.3-Flash 原生多模态模型上线，GLM-5.3 新一代旗舰模型同步上线。GLM-5.3-Flash 采用线性注意力与稀疏注意力混合架构，总参数 320B、激活 18B，原生融入视觉能力，可主动观察界面、渲染与交互反馈并持续迭代，计算量与 KV 缓存较 GLM-5.3 大幅降低；应用场景拓展至 Office 文档与金融研究工作流。
ByteByteGoAI 评分4545 Thinking Machines 发布可定制模型 Inkling：9750 亿参数 MoE 架构
Thinking Machines 于 7 月 15 日发布从零训练的模型 Inkling，采用混合专家架构，总参数 9750 亿，单 token 仅激活约 410 亿参数。
IT之家·人工智能AI 评分4949 闪极 AI 眼镜 loomos L1 发布：首发 2699 元，钛合金机身 43 克，接入飞书与腾讯 WorkBuddy
闪极科技发布 loomos L1 AI 眼镜，首发价 2699 元起，采用航空级钛合金前框，整机最轻 43 克，主打日均超 16 小时佩戴。产品以“主动记忆”为核心，搭载双芯片异构方案，AI 记忆工况下 W5100 功耗较行业主流 AR1 方案低 38%，综合续航 40 小时。深度集成飞书并接入腾讯 WorkBuddy，预计年底大规模交付。
IT之家·人工智能AI 评分4646 小米 CFO 林世伟：MiMo 首款个人桌面应用即将上线，新一代模型也在训练中
小米集团 CFO 林世伟在财报电话会上披露，MiMo 近期将推出首款个人桌面端应用，可一站式完成办公生活任务，新一代 MiMo 模型也正在训练中。商业化方面，MiMo 大模型 Token Plan 已开始贡献收入且增速较快，但小米 AI 业务仍处大规模投入期，暂不以变现为主要目的。今年 7 月，MiMo V2.5 在 OpenRouter 上月调用量和周调用量均排第一。
The Verge：AIAI 评分4747 Google Pet Memory 认不出我的猫：Gemini for Home 宠物识别功能实测失败
Google 的 Pet Memory 功能承诺让 Nest 摄像头按名字识别宠物，但实测两周仍无法区分三只猫，将所有猫都标记为第一只录入的 Smokey。该功能需每月 20 美元的 Google Home Advanced Plan，仅支持室内 Nest Cam，且无法上传照片或纠正错误。Google 尚未回应为何系统未按预期工作。
The Verge：AIAI 评分4141 苹果带摄像头 AirPods 泄露视频曝光
一段在 macOS Tahoe 26.7 Release Candidate 中发现的新视频，首次展示了苹果传闻中带摄像头的 AirPods。视频中，佩戴者手持书籍，AirPods 通过 Visual Intelligence 识别封面书名，Siri 语音提示可将看到的内容保存。该产品外观比 AirPods Pro 3 稍厚，预计将与 Meta Ray-Ban 智能眼镜等设备竞争。
公众号：昆仑万维AI 评分5454 Mureka V9.5 重磅上线：让 AI 音乐，终于有了"活人味儿"
昆仑万维发布新一代 AI 音乐生成模型 Mureka V9.5，基于 MusiCoT 框架，强调编配留白、人声自然与意图精准执行，人声表现良品率升至 61.0%，控制良品率达 97.0%，曲风完全体现比例 95.7%。V9.5 大幅优化中文国风作品咬字与和声编排，并基于超 2.5 万份用户反馈迭代，现已全平台陆续开放。
IT之家·人工智能AI 评分4848 苹果带摄像头的 AirPods 实机演示曝光，可实现环境视觉感知
苹果正在研发配备摄像头的 AirPods，内部代号 B790，相关演示视频在 macOS Tahoe 26.7 RC 中被发现。该设备可将摄像头获取的信息提供给“视觉智能”，Siri 能回答用户关于周围环境的问题并记录信息，头发遮挡摄像头时还会收到提醒。彭博社记者 Mark Gurman 此前透露，这款产品最快可能在今年 9 月发布。
Google Research：BlogAI 评分5555 PhotoScan：用智能手机照片估算胰岛素抵抗，精度接近DXA
Google Research 推出 PhotoScan，一种从智能手机 2D 照片直接估算三维身体成分的深度学习框架，可预测胰岛素抵抗，在临床研究中精度接近 DXA 扫描。
MarkTechPostAI 评分5757 MiniMax 发布 MiniMax-Music3：开源权重音乐模型，从歌词与结构化描述生成完整五分钟歌曲
MiniMax 发布开源权重文本转音乐模型 MiniMax-Music3，输入带段落标签的歌词和详细音乐描述，单次生成最长五分钟的 32 kHz、16-bit 立体声 WAV 歌曲。
MarkTechPostAI 评分6565 用 docTR 构建端到端文档智能流水线：OCR、版面分析、KIE、基准测试与可搜索 PDF
本教程基于 docTR 构建端到端 OCR 工作流，覆盖文本检测、识别、版面分析、结构化抽取与导出。通过合成发票数据，对比不同检测-识别架构组合的速度与精度，并实现低置信度二次识别、旋转文档处理、KIE 字段抽取及可搜索 PDF 导出。最后讨论微调、批处理与部署，展示从基础 OCR 到生产级文档智能流水线的路径。
IT之家·人工智能AI 评分4343 华为鸿蒙 HarmonyOS 7.0.0.102 版本推送，支持端侧 AI 机型可查看本地模型版本
华为今日开启鸿蒙 HarmonyOS 7.0.0.102 SP8 版本推送，首批面向 Mate 80、Mate 70 等系列机型，系统包大小约 6.79 GB。新版本支持端侧 AI 机型查看本地模型版本、参数大小及服务场景，本地大模型可为小艺帮接、通话摘要、文本润色、小艺帮写和图库搜索等功能提供文本、语音、图片本地处理服务。
IT之家·人工智能AI 评分5050 阿里 AI 音乐模型“快乐虾米”HappyShrimp 1.0 上线，号称人人都能写出好听的歌
阿里巴巴今天（17 日）宣布 AI 音乐模型 HappyShrimp 1.0（中文名快乐虾米）正式上线，支持端到端整曲生成，能精准理解自然语言，将情绪、故事或记忆变成完整音乐。模型针对人声机械、词曲错位等痛点，在声音细节与音乐性上实现突破，并能理解“Lo-fi R&B”等专业表达及情绪、场景与叙事。即日起在国内及海外同步上线 PC 网页端。
IT之家·人工智能AI 评分5858 AI 可通过图片视觉线索识别拍照地点，准确率 87%-91%
McAfee Labs 研究发现，AI 能通过分析照片中的视觉线索识别拍摄地点，在测试旅行照片中准确率达 87% 至 91%，即使照片已删除位置标签或 GPS 信息。建筑物、商店招牌、道路标线、植被及地标等都可能暴露位置。此类技术或与网络钓鱼结合，犯罪分子可利用度假照片细节发送虚假银行提醒，构成日益严重的隐私风险。
IT之家·人工智能AI 评分5858 大学生用 AI 人脸伪造视频盗刷超 5 万元，获刑一年十个月
大学生吴某购买“AI 人脸伪造视频”技术，将静态人脸照片转化为可通过银行支付平台人脸识别的动态视频，在不到四个月内盗刷三名被害人银行卡共计 5 万余元。湖南省长沙市雨花区人民法院综合考虑其自首、认罪悔罪及赔偿情节，判处有期徒刑一年十个月，并处罚金 3000 元，判决已生效。
The Verge：AIAI 评分4848 Your AI Slop Bores Me：扮演聊天机器人，体验 AI 的“胡说八道”
Your AI Slop Bores Me 是一款让真人分别扮演用户和 AI 的互动游戏，双方在 150 秒内完成文字或图片请求的应答。游戏采用类似 LLM 的 token 机制，提问消耗积分，需通过扮演 AI 回答问题赚取，或每两分钟免费获得一次请求。该游戏还设有 Discord 服务器和 Hall of Fame 展示优秀作品。
IT之家·人工智能AI 评分5858 Suno Studio 2.0 发布：新增 MIDI 支持、效果插件，向 DAW 靠拢
Suno 推出 Studio 2.0，新增 MIDI 支持，用户可将 MIDI 数据直接交给 AI 生成音频或续写旋律，但暂只能使用自带合成器。聊天机器人已整合进 Studio 界面，可读取工程内容创作歌词或生成吉他声部，并自动添加混响、压缩和 EQ。用户还能通过 AI 创建自定义效果插件，生成的效果会保存在账户中供后续调用。