寒武纪 Day 0 完成商汤 SenseNova Loop-9B 适配,打通新型循环计算架构推理链路
寒武纪基于 vllm_mlu 完成商汤日日新 SenseNova Loop-9B 的 Day 0 适配,打通该模型在 MLU 平台上的推理链路。
寒武纪基于 vllm_mlu 完成商汤日日新 SenseNova Loop-9B 的 Day 0 适配,打通该模型在 MLU 平台上的推理链路。
Daydream 发布 "Daydream Agent" AI 智能体,可充当私人造型师,帮助用户规划穿搭、虚拟试衣并一键完成购买。该智能体能记住用户的风格、版型偏好和预算,从超 10,000 个品牌的目录中实时获取信息以优化推荐。Daydream 还引入人类造型师 Francesca Salih 参与搭配建议,其应用自 2025 年 6 月上线以来已有超 200 万用户。
快手可灵 AI 宣布全新一代图像创作模型 Kling Image 4.0 正式上线,同时面向企业客户与开发者开放 API 接入。
商汤科技发布 SenseNova Loop-9B 模型,约 9B 参数通过 Loop 结构复用模型层参数并扩展计算深度,官方 4bit 量化后权重仅约 4.9GB,部署显存需求低至 10 GB 内。
韩国 AI 音乐项目 MEOMURU 的《你成为梦想中的大人了吗?》登上 Kakao 旗下 Melon TOP100 榜首,成为第一首登顶韩国主要音乐榜单的 AI 辅助制作歌曲。
推荐理由:原文给出了播放量、听众构成与制作分工,读者可据此判断 AI 生成人声进入主流音乐市场的实际影响。
谷歌宣布为移动平台 Gemini 应用推出 66 种地区语音,覆盖美式英语、英式英语、印度英语、印地语、巴西葡萄牙语、印度尼西亚语和韩语 7 个语言类别。英国用户可选 10 余种地区口音,包括纽卡斯尔、利物浦、伯明翰、苏格兰、威尔士、北爱尔兰口音以及多元文化伦敦英语。
极客公园在 Hy4 flash 发布后第一时间拿到内测资格,与 DeepSeek-V4.1-Flash 和 Hy4 做了四轮对照实测。Hy4 flash 总参数 224B(其中 64B Engram 参数),实际激活参数仅 12B,每百万 Token 输入 0.5 元、输出 2 元,命中缓存时仅需 0.02 元,解码速度可超过 150 tps。
11 月 16 日,阿里千问正式发布新一代旗舰模型 Qwen4-Max,主干总参数 2.4 万亿,原生支持文本、图像和视频输入,上下文窗口 100 万 Token。
推荐理由:原文给出单任务成本下降 58% 的账单对比和底层架构改动,可据此判断旗舰模型进入真实工作流的节奏。
SnapSharp 是一款 Apache License 2.0 开源的 Windows 截图与图像处理工具,提供截图标注、桌面贴图、滚动长截图和 MP4/GIF 录制。
11 月 16 日,OPPO 发布 Reno17、Reno17 Pro 等新品,国补后售价 3099 元起;影石发布六色彩色墨水屏相纸 Insta360 Toast,售价 429 元。
Black Forest Labs(BFL)由 Stable Diffusion 核心成员创立,其 FLUX 3 将静态图像、运动镜头与音效三种信号联合训练,可同时生成视频与声音。FLUX 3 的视频超分模型复用同一骨干网络以保持时序一致性,FLUX Kontext 则能在编辑图像时保留人物身份。两位嘉宾还讨论了自回归与扩散路线的取舍以及视觉智能的下一步方向。
苹果今天发布 iOS 27.3、iPadOS 27.3 和 macOS 27.3 测试版,据 MacRumors,将测试部分 Siri AI 与 Apple Intelligence 功能的每台设备每日用量上限。
阿里发布旗舰模型 Qwen4-Max,对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro。模型采用混合专家架构,总参数 2.4 万亿、每 token 仅激活 710 亿,原生处理图像并提供 100 万 token 上下文窗口,通过三层压缩加一层筛选的混合注意力降低长上下文计算成本。
是石科技发布多模态模型服务,其基于历史缓存残差的自适应加速技术实现视频生成端到端平均2.48倍加速,同时保持生成质量。该服务结合SGLang优化缓存与显存管理,其免训练的模态自适应Token压缩在WorldSense评测中实现1.33倍加速。基于全模态模型的Context Engine则将素材理解结果转化为结构化信息,衔接多模态理解与视频生成链路。
11月16日,阿里巴巴发布新一代基座大模型 Qwen4-Max,总参数2.4T、每个Token激活71B,具备原生视觉能力并支持百万上下文,现已上线千问AI平台提供API服务。
据彭博社记者马克·古尔曼爆料,苹果首款智能眼镜内部代号 N50,计划于 2027 年 6 月 WWDC 亮相并于同年年底前出货,首代产品砍掉 AR 显示,交互完全建立在摄像头、Siri 和音频之上。
腾讯 Hy4 flash 正式发布,总参数量 224B、激活参数 12B,支持多模态与 1M 上下文,输入价格 0.5 元每百万 Token、输出 2 元每百万 Token,并在 WorkBuddy 提供 11 月 16 日至 11 月 30 日的限时免费额度。
推荐理由:原文用相同任务对比了 Hy4 flash 与 DeepSeek V4.1 Flash 的时间和 Token 消耗,读者可据此判断高频 Agent 场景下的成本取舍。
<summary_zh> 康冠旗下 KTC 推出 VMAX 全感知智能体主机,在 Windows 迷你主机基础上整合云台摄像头、阵列麦克风与 VMAX GO 随行屏。主机本地集成视觉、音频算法及对话与会议纪要大模型,可本地运行复合型 AI 工作负载并支持语音交互。磁吸可拆卸的 VMAX GO 随行屏脱离后可作为便携录音副屏独立采集音频,放回主机后自动同步数据并生成结构化会议纪要。
本文解析 DeepSeek 官方开源的静态聊天示例 chat-demo(v0.1.1),该应用无后端,浏览器直接持 API Key 请求配置的服务。作者进一步拆解其五层架构、流式事件合并、附件引用、联网搜索与语音能力,并归纳 DeepSeek 六组 API 可拼出的三类产品形态。
腾讯混元团队发布 Hy4 flash 模型,总参数量 224B、每 token 激活 12B,支持多模态输入与 100 万 token 上下文。官方称其通过预训练、后训练和推理三阶段协同优化,KV cache 降至 Hy4 的 1/6,解码速度超过 150 tps;在 WorkIndex 评测集上单任务成本仅为 Hy4 的 1/20,综合效果略优于 Hy4 preview。
推荐理由:原文给出 Hy4 flash 与 Hy4、DeepSeek-V4.1-Flash 的单任务成本对比及内部盲测结果,读者可据此判断它适合哪类日常任务。
阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 MoE 架构,原生支持视觉理解,提供 100 万 Token 上下文窗口,API 已在 QwenCloud 上线。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型,其中 Fable 5.2 不调用图像生成模型,而是编写 Python 代码模拟画笔、颜料与画布逐笔作画。
推荐理由:原文给出 Fable 5.2 用代码逐笔作画的实现细节,并与 GPT-6 Astra 在机器人控制基准上对比,可看出两类模型的能力差异。
Anthropic 新语言模型 Claude Fable 5.2 不靠扩散生成图像,而是输出 1,000 到 2,000 行 Python 程序驱动模拟画笔逐笔作画。
SuperOcr 是一款 AI 图片文字识别工具,支持批量图片按关键词自动筛选归类、批量文字内容检索及单图识别快速复制文字。面对上万张图片、数十个关键词也能快速准确完成筛选,可节省 99% 的人力时间。实际示例为在 6000 张图片中查找包含"万科城"或"金茂府"的图片,设置关键词后一键运行即可自动分类。
美团发布 LongCat-2.5 的模型权重,这是一个总参数 1.6 万亿、每 token 激活约 480 亿的 MoE 智能体模型,完全在中国芯片上训练。
推荐理由:原文给出它与 Claude Opus 5、GPT-5.6 Sol 的多项基准对比,以及 194 颗华为芯片的自托管部署细节,读者可据此评估其工程可行性。
苹果 HomeView 无需手动登录或切换个人资料,可识别最多 6 名家庭成员,并在用户离开后自动撤下其个人信息。系统显示私人内容前会检查配对 iPhone 是否在网络中以及近期是否解锁;实测中他人进入摄像头视野,设备便立即停止显示个人信息,直至画面中只剩使用者一人。消息、日历等私人内容仅从 iPhone 获取,不会永久保存在 HomeView 上,用户带 iPhone 离开时内容随之离开。
拉里·埃里森在 Oracle AI World 2026 发布 Oracle Health 全新医疗应用套件,反驳"AI 终结 SaaS"的观点,认为 AI 会推动行业专属软件进化而非取代商用软件。
医疗机构正借助 NVIDIA 技术落地多个 AI 应用,让护理团队减少事务性工作、患者更快获得诊疗。
World Labs 正式向所有用户开放世界模型 Atlas,同步上线网页应用和开发者 API,新用户注册即送 10000 积分。这次开放带来 Viewfinder 和 Chisel 两款新 Web 应用,配合 Relight 和 Splat to mesh 覆盖从单图生成场景到导出 GLB 网格的完整链路。
推荐理由:原文实测了 Atlas 从提示词到可导出 3D 资产的完整工作流,读者可据此判断它能否接入自己的创作或开发管线。
中国科学院合肥物质院健康所/合肥肿瘤医院团队联合多家单位提出肺结节 AI 辅助诊断新方法 M³Net,成果发表在 Information Fusion。M³Net 为“宏观-介观-微观”层级 3D 神经网络,以三种影像输入尺度模拟医生“先全局、再局部、后细节”的读片流程。
腾讯混元发布实时语音模型 Hy Realtime,新增 Agentic 工具调用与唱歌能力,已在元宝语音通话、腾讯客服等产品上线,近期将上线腾讯云并提供 API 服务。该模型可结合上下文还原口齿含糊、话说半截等不完整输入的意图,并能按歌手、专辑、曲风、语种、年份与热度组合点歌演唱。官方表示下一步将重点提升双工交互、长期个性化记忆与前后台 Agent 交互能力。
Google 正式发布 Gemini 4 Hydrogen 模型,支持最高 100 万 Token 上下文,首次将 Gemini 4 系列能力扩展至免费用户,输入价格每百万 Token 1.50 美元、输出 7.50 美元。
谷歌发布 Gemini 4 系列新模型 Hydrogen,主打更快响应速度、更低使用成本和更高效的 AI Agent 执行能力。
推荐理由:原文将 Hydrogen 与 Argon、Claude Sonnet 5.5、GPT-6.1 Sol 的跑分和价格逐项对比,读者可据此判断高效率模型对旗舰模型的替代空间。
Google 发布 Gemini 4 Hydrogen 模型,今天起在搜索、Gemini 应用、所有版本的 Google AI Studio、Gemini API、Gemini for business 以及 Google AI Pro 和 Ultra 订阅用户的 Google Antigravity 中可用,并成为 AI Mode 的默认模型。
Google 发布通用模型 Gemini 4 Hydrogen,在 Artificial Analysis Intelligence Index 默认 high 档以 51 比 50 超过更大的 Gemini 4 Argon,xhigh 档可达 54。
谷歌正式发布 Gemini 4 Hydrogen 模型,面向日常编码与智能体工作流,输入每百万 Token 1.50 美元、输出 7.50 美元,覆盖 100 万 Token 上下文窗口且无阶梯计价。
Google DeepMind 发布 Gemini 4 Hydrogen,定位日常编码与智能体工作流的快速执行模型,即日起在 Gemini API、AI Studio、Gemini app、Google Search 等全端开放。
推荐理由:Hydrogen 与 Carbon、Argon 形成快慢分工,并带来多模型编排入口,读者可据此重新规划编码与智能体工作流。
谷歌公布了与 Warby Parker、Gentle Monster 合作的首款 Android XR 智能眼镜的隐私保护措施。眼镜配备录制指示灯,系统定期自检,指示灯故障时自动禁用摄像头;供 Gemini 使用的图像在使用后立即删除,不进入聊天记录,也不用于模型训练或广告。
三星首款智能眼镜 Intelligent Eyewear 在韩国和美国开启预售,12 月 10 日开始发货,与 Gentle Monster 和 Warby Parker 联合推出 30 种设计,售价 395 至 489 美元。
科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务,开发者可直接接入调用。SparkAudio 1.0 支持文本和语音输入、文本输出,覆盖 99 种语言、202 种方言,可用于语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析及音频问答等任务。官方称相较上一代模型在多语言处理、多维音频理解和场景覆盖上升级,并采用全国产算力训练。