跳到正文
10月4日周日
  1. Aravind Srinivas62

    Perplexity CEO Aravind Srinivas 宣布 Computer 新增 Visualize 功能,用户以 Visualize 开头提问即可在对话中获得带教育和交互组件及动画的内联可视化内容。官方建议在 Standard 或 High effort 模式下体验。

    引用Computer@AskPerplexity

    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.

10月3日周六
10月2日周五
  1. Aravind Srinivas59

    Perplexity CEO Aravind Srinivas 宣布开源多模态决策模型 pplx-decider-27b,并通过新的 Decisions API 提供,输入 token 价格为 4 美分/百万,输出 token 免费,还表示未来几天会进一步降价。该模型(API 版本 pplx-decider-v1-27b)被训练为对固定答案集输出概率分布而非文本,在 7,210 行固定评测集的 11 个决策基准上总体准确率 85.71%,其中 RAGTruth 88.80%、TabFact 90.60%。

    引用Perplexity Developers@perplexitydevs

    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.

  2. TechCrunch:AI66

    ChatGPT 全球上线虚拟试穿与商品收藏功能

    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。

  3. fal54

    Tavus 发布 Griffin,称其为首个通过视频图灵测试的模型,属于 Human Interaction Model(HIM)。与 Griffin 实时对话的受访者中 48% 认为它是真人,此前系统通过率低于 3%,并在 NVIDIA 的全双工 AI 视频基准上排名第一。fal 转发该发布并祝贺 Tavus 团队。

    引用Tavus@tavus

    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).

  4. Aravind Srinivas54

    Perplexity CEO Aravind Srinivas 宣布开源其多模态决策模型 pplx-decider-v1-27b,并通过 Decisions API 提供。该模型输出固定答案集上的概率分布而非文本,价格为 $0.04/million input tokens,基准总分 85.71%,在 7,210 行评测面板上高于 Jev 的 84.51% 且价格仅为几分之一。

    引用Perplexity Developers@perplexitydevs

    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.

  5. Rohan Paul64

    Tavus 发布 Griffin,称其为首个通过视频图灵测试的人类交互模型(HIM),48% 与之实时对话的人认为它是真人,此前系统通过率低于 3%。Griffin 在 NVIDIA 全双工 AI 视频基准上得 3.83 分(真人为 3.92),次优系统为 2.80 分;它将听、想、说和面部动画整合在单一系统中,可在对话者仍在说话时读取表情、语气并实时反应。

    引用Tavus@tavus

    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).

10月1日周四
  1. Rohan Paul55

    Vivix 发布 A1 Playground + Agent,可创建能说话、移动和与人互动的实时 AI 角色,支持上传图片定制形象、性格和声音,并开放了 platform.vivix.ai 的创建入口。

    引用Vivix.AI@VivixLabs_HQ

    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?

  2. The Verge:AI60

    Instagram 在 Edits 应用中加入 AI 创意助手为创作者提供发帖建议

    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。

9月30日周三
  1. IT之家·人工智能45

    古尔曼:苹果 10 月 13 日进军智能家居,首发 J490 控制中枢及 2027 款 Apple TV、HomePod mini

    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。

  2. Rohan Paul60

    StepFun 与 ACE Studio 发布 StepAudio 3 Music,可将文本描述和歌词生成完整歌曲,支持歌曲生成、器乐生成、音乐翻唱、人声编排四种工作流,并基于 ABC-COT 先规划音乐结构与编排再合成。

    引用StepFun@StepFun_ai

    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/

  3. IT之家·人工智能42

    电子病历 OFD-H 国家标准发布:2027 年 4 月起实施,手机可查全生命周期健康档案

    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。

  4. PixVerse43

    @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? 🌕👾

    引用C’est La Vie🦋@sailorv321

    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

  5. IT之家·人工智能47

    百度地图 V22 发布:车道级导航 4.0、SR 导航 2.0、全域护航系统

    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。

  6. Cohere 产品与研究博客69

    Cohere 发布 Embed 5 嵌入模型家族,含 Pro 和 Fast 两档

    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。

9月29日周二
  1. Microsoft Research 博客61

    Microsoft Research 发布 AI 生物研究系统 Quine,并开放 Quine Fellows 项目申请

    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。

  2. World Labs:官网85

    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

    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。

  3. The Verge:AI77

    AMD 以约 82 亿美元全股票收购李飞飞联合创办的 World Labs

    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》

  4. LlamaIndex:产品、工程与评测49

    LlamaParse 为什么表单解析比 VLM 更可靠?

    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。

9月28日周一