Aleph Alpha 发布开源权重双语 MoE 模型 Kolibri:78.1B 总参数、每 token 仅激活 3.46B
Aleph Alpha 发布面向德英双语的开源权重 MoE 模型 Kolibri(Kolibri-1),总参数 78.1B,每 token 仅激活 3.46B,上下文最高 1,048,576 tokens,以 Apache 2.0 许可在 Hugging Face 上线。
Aleph Alpha 发布面向德英双语的开源权重 MoE 模型 Kolibri(Kolibri-1),总参数 78.1B,每 token 仅激活 3.46B,上下文最高 1,048,576 tokens,以 Apache 2.0 许可在 Hugging Face 上线。
Here are 5 examples of inline visualizations that Computer can create directly in your thread: 1. Show me how a jet engine works in an inline 3D cutaway.
Arcturus 为 V社 Steam Frame 头显推出 Vision Camera 彩透外置摄像头模块,定价 150 美元,重量仅 10 克,通过鼻梁下方扩展接口即插即用,无需重启即可自动切换。
LEGO-Anything让编码智能体从单张图像迭代编写可执行的Blender场景程序,并推出LEGO-Bench基准(208张图像、104个场景、443个注册资产),用仿真渲染提供精确3D真值。
Cloudflare 于 10 月 1 日发布基于 Qwen 的开源多模态决策模型 Clef,包含 Clef 与 Clef-flash 两款,分别基于 Qwen3.8-27B 和 Qwen3.5-9B。
MIT CSAIL 联合 Google 和东北大学推出 InstructMesh,将微软 TRELLIS 的 3D 生成能力与 GPT-4 的推理能力结合,用户可用自然语言标注并修改 AI 生成的 3D 设计后再打印。
Introducing the Perplexity Decisions API. It's powered by pplx-decider-v1-27b, our multimodal decision model trained to output a probability distribution over a fixed set of answers instead of text. It costs $0.04/million input tokens and scores 85.71% across benchmarks.
Google 在 Gemini Live 上线 Guided Vision,可在兼容 Android 设备上通过共享摄像头,用 AI 实时语音描述镜头中的内容,帮助读取小字、识别物体和描述周围环境。
OpenAI 宣布在全球推出 ChatGPT 的两项购物新功能:虚拟试穿服饰配饰,以及可将商品保存到 Library 的 Favorites 收藏功能。虚拟试穿基于新发布的 ChatGPT Images 2.5 模型,用户可上传自拍或全身照,也可上传商品截图请求试穿;此前 OpenAI 的 instant checkout 功能表现不佳已放弃。
Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).
Introducing the Perplexity Decisions API. It's powered by pplx-decider-v1-27b, our multimodal decision model trained to output a probability distribution over a fixed set of answers instead of text. It costs $0.04/million input tokens and scores 85.71% across benchmarks.
Tavus 发布 Griffin,公司称之为首个 Human Interaction Model(HIM),可实时处理语音、表情、语调、手势和停顿并收发视频。
Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).
Cohere 发布 Embed 5 嵌入模型家族,分 Pro 和 Fast 两档,均支持文本、图像及图文融合输入、100+ 语言和 128K token 上下文,两档共享同一向量空间,可用 Pro 建索引、Fast 查询。
我们正在 Computer 中推出内联图表、示意图和可视化。包括来自 @tradingview 的上下文金融图表。
Perplexity Computer now creates interactive charts and visualizations directly in your thread. For financial data, Computer uses @tradingview Lightweight Charts for candlesticks, volume, and moving averages.
LlamaIndex 发布基于 schema 的文档抽取智能体 Extract v2.5,在 ExtractBench 上三档准确率全部提升:Cost Effective 从 87.1 升至 93.9,Agentic 从 89.8 升至 95.8,Agentic Plus 从 95.1 升至 96.4,且每页价格不变。
PixVerse 推出 ChatGPT 插件,添加后输入 pixverse cinematic story 并描述故事、氛围或风格,即可生成电影感短片。插件会自动处理镜头、画面和节奏。
Runway 发布 Runway Ads,一个面向效果营销的自主引擎,可连接广告账户和品牌套件,生成视频和图片创意并直接发布到 Meta、Google 和 TikTok,读取平台表现数据后生成下一轮创意。
Create your own character. Call the shots. Live. Introducing A1 Playground + Agent: build a live AI character that talks, moves, and plays with you. Create yours: https://platform.vivix.ai/vivix-a1-model/ Their look. Their personality. Their voice. Your choice. Describe who you have in mind, upload a picture, and let our Agent bring them to life. And they do a lot more than talk. 💃 Full-body performance. From air guitar to victory dances. 🚶 Move around the scene. Walk and talk. Pace while making a point. 🛍️ Interact with objects. Pick up products, show them off, and pitch them. 🎮 Play web games together. Deal cards, keep score, and play along. Solve a mystery with Sherlock Holmes, then interrupt him for a dance break. Take a walk with Socrates. Hand him a protein shake and debate the meaning of gains. Give Snape a bottle of shampoo. Ask for the most enthusiastic sales pitch of his life. Who will you bring to life?
Instagram 宣布其独立 Edits 应用将内置 AI 创意助手,可读取创作者账号的点赞、观看、留存和分享等数据,回答趋势、内容表现和选题脚本等问题。该功能对创作者免费,重度用户需购买 Meta One 订阅获得更多用量;文章指出 YouTube 也推出了类似的 AI 创作者面板,并担忧这类个性化算法建议可能让内容趋同,或把有效反馈变成付费专属。
Hugging Face 推出 Open TTS Leaderboard,用 WER/CER、RTFx、TTFA 和 WavLM 嵌入相似度等客观指标评测开源 TTS 模型,将评测周期从数周缩短到数小时。榜单支持多语言与语音克隆对比,提供 Listen 试听和 Streaming 排名,评测脚本即将开源。
苹果计划于 10 月 13 日推出代号 J490 的首款智能家居控制中枢,以及 2027 款 HomePod mini 和新款 Apple TV。J490 采用约 6 英寸方形显示屏,有壁挂(J491)和台面两种版本,靠声音或面部识别区分家庭成员并切换界面,无电池需始终插电。新款 HomePod mini 和 Apple TV 保留现有设计但换用更快处理器,以支持 Siri 更强的 AI 模型。
微软研究院于当地时间 29 日联合哈佛大学和麻省理工学院博德研究所推出实验性多模态 AI 研究系统 Project Quine,定位为生物学研究的“世界模型”,覆盖基因组学、蛋白质、化学、细胞状态和生物成像的联合表征,并与交互式推理框架结合。
StepFun and ACE Studio present StepAudio 3 Music, StepFun’s first music generation foundation model — built to turn a prompt and lyrics into a complete song. Describe the sound you want: • Genre, mood and vocal character • Instruments, key and BPM • Song structure and arrangement Four workflows in one model: 🎤 Song generation 🎹 Instrumental generation 🔁 Music cover 🎙️ Vocal-to-song arrangement Powered by ABC-COT, it plans musical structure and arrangement before synthesis. Generate a version, rewrite the prompt, edit the ABC notation, and iterate toward the sound in your head. (ABC-COT API coming soon) Try the interactive demo: › https://static.stepfun.com/blog/stepaudio3/music/
市场监管总局批准发布 GB/T 48666—2026《电子病历版式文档技术要求》(OFD-H 标准),将于 2027 年 4 月 29 日起正式实施。该标准基于国产 OFD 版式文档格式,探索“文档即接口”的共享方式,整合病历文书、医学影像、音视频和结构化数据,支持人读与机读。OFD-H 将逐步归集跨地区、跨机构、跨时期的病历,形成贯穿全生命周期的“掌上健康档案”,群众通过手机即可调取和管理。
@sailorv321 走在 Lone Moon 里的时候怪兽突然出现了,实时就是这种感觉。下一个该轮到消除重力了吧? 🌕👾
Let’s try PixVerse R2 together! PixVerse R2 の早期アクセスをもらったので、リアルタイム生成ワールドを触ってみた。遊び方は2つ。 ① 探索モード ギャラリーからワールドを選んで入る。今回は「Lone Moon」。WASDで月面を歩くと、行った先の地面がその場で生成されていく。マップは用意されてなくて、尾根を登ったら惑星が昇ってきた。 ② Live すでに動いてる世界に入って、「次に何が起きるか」を打ち込むだけ。「摩天楼の間に巨大怪獣」と送ったら、歩いてる最中に街が変わって怪獣が出てきた。次に「重力が消える」で、自転車も人も車も空に浮いていった。 全部リアルタイム生成でレンダー待ちゼロ。「動画を作る」というより「シーンを操作してる」感覚で、動画AIというよりゲームに近い。 @PixVerse @PixVerseCreator #pixverser2 #PixVerse #PixVerseCPP
百度地图 V22 正式发布,带来车道级导航 4.0、SR 导航 2.0 和全域护航系统三大导航能力升级。车道级导航 4.0 延伸至小区、园区内部道路并打通超百万停车场,SR 导航 2.0 将引导延伸至停车场并引入 AI 生成式渲染,全域护航系统支持 30 多种安全提醒、秒级感知重大异常。新版本同步升级 AI 搜索、AI 出游、AI 路线、AI 此刻、AI 副驾与 AI 互动等服务。
Cohere 发布 Embed 5 嵌入模型家族,含 Pro 和 Fast 两档,支持文本与图像输入、100+ 语言、128K 上下文,已通过 Cohere API、Microsoft Foundry、Amazon SageMaker 等渠道开放。
推荐理由:官方给出两个档位的定价、基准成绩和共享嵌入空间设计,读者可以据此权衡检索质量与查询成本的部署方案。
Microsoft Research 推出 Quine,一个包含生物学世界模型和交互式 harness 的 AI 研究系统,可跨基因组、蛋白质、化学、细胞状态和生物成像等模态联合学习并推理干预后果。
推荐理由:原文给出 PDAC 化合物筛选一个周末完成并经湿实验验证的结果,读者可据此评估 AI 驱动生物发现的实际路径。
快手可灵 AI 宣布 Kling 4.0 将于 10 月正式上线,Kling 4.0 Flash 已于 9 月 28 日向黑金年卡会员开放抢先体验。
World Labs 宣布与 AMD 签署最终协议加入 AMD,交易预计于 2026 年底前完成,需监管审批。李飞飞将出任 AMD 执行副总裁兼首席科学家,直接向 CEO Lisa Su 汇报;Justin Johnson 与 Ben Mildenhall 将继续带领 World Labs 团队组建前沿研究组织。
推荐理由:原文说明了双方从GPU合作到收购的演进,以及核心人员的具体去向,读者可判断这次整合对空间智能方向的改变。
AMD 宣布以约 82 亿美元的全股票交易收购李飞飞联合创办的 AI 研究实验室 World Labs,交易预计年底前完成。World Labs 于 2024 年成立,2025 年推出从提示词生成可交互 3D 世界的商业产品 Marble;李飞飞将出任 AMD EVP 兼首席科学家,向 CEO Lisa Su 汇报,团队继续推进 AI 模型研究。
同一件事,精选收录的是《World Labs 宣布加入 AMD,李飞飞将出任 AMD 执行副总裁兼首席科学家》
LlamaIndex 发文解释表单为何需要专用解析器:VLM 擅长通用推理,但表单解析结果并不会随推理增强而变好,且成本更高。LlamaParse 将表单表示为带 id、label、value 的字段与 section 嵌套 JSON 树,能保留复选框、签名及字段归属关系,避免扁平化后两个 "Date" 字段无法区分。
Meta 宣布推出面向企业客户的 Meta Enterprise Platform,并聘请 MongoDB CEO Chirantan "CJ" Desai 领导该新业务。
可灵AI宣布全新升级的 Kling 4.0 将于 10 月正式上线,Kling 4.0 Flash 已于 9 月 28 日向黑金年卡会员开放小范围抢先体验。
ElevenLabs 发布语音合成模型 Eleven v4 及低延迟变体 Eleven v4 Turbo。
推荐理由:官方完整披露了新 TTS 模型的情绪控制、延迟数字、多语言和克隆能力,读者可据此评估是否切换现有语音方案。