跳到正文
11月12日周四
  1. IT之家51

    苹果公开 HomeView 人员识别流程,最多识别 6 人且原始音视频不传出隔离区

    苹果发布博文公开首款智能家居中枢 HomeView 的人员识别流程,家庭环境下最多识别 6 位用户并据此提供个性化体验。识别通过 Center Stage 摄像头的面部识别与语音识别完成,前提是该用户有一台支持 Apple Intelligence 的已注册设备连接家庭 Wi-Fi 且近期解锁过。

  2. 博客园68

    SimdFace 1.1.0 发布:为 .NET 10 人脸核验加入摄像头活体检测

    .NET中文开源社区发布 SimdFace 1.1.0,在照片比对基础上加入摄像头活体核验,最终给出照片匹配与活体检测两个独立结果。核验流程使用 YuNet、SFace、MiniFASNetV2 和 MediaPipe Face Mesh 四个模型,分别负责人脸定位、特征比对、防翻拍评分和动作判断,YuNet 与 SFace 可选 Vulkan GPU 执行。

  3. 量子位54

    大晓机器人用Mundo+Astra双脑协同接管酒店洗衣,任务耗时降至18.6秒

    大晓机器人推出酒店洗衣机器人方案,采用Mundo世界模型与Astra通用模型的双脑协同架构,以及具身RSI自进化机制。云端通用脑负责任务拆解与策略生成并沉淀为Skill,本地执行脑调用Skill完成物理动作,全流程耗时从纯Astra实时决策的30分钟以上降至18.648秒,缩减超98%;BotAgent调度中枢将流程拆为53个原子动作和14个语义步骤,可编排200余种动作序列。

  4. Simon Willison65

    Google 发布 Gemini Decision 1 决策模型 API

    Google 发布决策模型 Gemini Decision 1 的 API,支持 yes/no、选择和 rubric 评分三类问题,每百万输入 token 10 美分、输出免费。与仅支持文本的 Jev 和支持文本与图像的 OpenAI 不同,它覆盖文本、图像、音频、视频和 PDF;作者用视频实测发现其返回概率值而非 1.0/0.0。

11月11日周三
  1. IT之家85

    马斯克旗下 Grok 被指生成儿童色情图像,xAI 面临多起集体诉讼

    xAI 因 Grok 被用户用于将普通照片篡改成儿童性虐待材料,面临多起由未成年受害者提起的集体诉讼,律师估计符合索赔条件的受害者可能多达数千人。xAI 表示严格禁止并已采取技术措施,今年 1 月将 Grok 图片生成改为付费用户专享,并称已关闭为真实人物生成未经同意性化图片的能力;与此同时,xAI 又起诉明尼苏达州,反对针对 AI 裸体图像生成技术的法律。

    推荐理由:原文梳理了多起集体诉讼与监管调查的来龙去脉,读者可借此理解 AI 生成内容责任归属这一尚无定论的行业难题。

  2. IT之家72

    腾讯「元宝搜索」正式上线:覆盖公众号视频号,广告与答案明确区分

    腾讯宣布全新搜索产品「元宝搜索」正式上线,在浏览器输入 so.qq.com 或将 QQ 浏览器切换引擎即可使用。元宝搜索基于元宝大模型重构搜索链路,索引覆盖全网网页、公众号、视频号等腾讯生态内容与学术文献,接入 157 个权威信源,优先展示权威机构与官方来源,并将广告与答案明确区分、支持整块折叠。

  3. IT之家85

    谷歌 Gemini 4 Carbon 模型正式开放:主打复杂编程、科学研究与网络安全

    谷歌宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者提供服务,定位为谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全场景。

    同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon 模型》

  4. IT之家78

    Anthropic 推出 Claude Whiteboards、Sheets 与 Data,从聊天助手扩展到团队协作工作台

    Anthropic 开始推出 Claude Whiteboards(白板)、Claude Sheets(表格)和 Claude Data(原 Claude Dashboards),面向所有付费计划,支持网页端、桌面端和移动端,白板和表格处于测试阶段,Claude Data 已正式上线。

    推荐理由:原文把三项工具的定位、上线状态和互通关系讲得比较清楚,读者可以判断 Claude 从聊天助手转向团队工作台的路径。

  5. IT之家58

    谷歌联合 Artificial Analysis 推出 MKA 基准测试:Gemini 4 Carbon 获第二,成本约为第一名六分之一

    谷歌联合 Artificial Analysis 发布多模态知识智能体基准测试 MKA,用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。评测集包含 200 项私有任务,覆盖 10 个行业、83 种职业,由基于非谷歌模型的智能体评审系统评分,与领域专家人工评分一致率达 96%。

  6. 博客园54

    OCR、VLM、ASR 到底有什么区别?一文讲清

    文章对比了 OCR、VLM、ASR 三者的分工:OCR 做字符级精准提取并输出文字与坐标,VLM 看懂整张画面并问答推理但容易幻觉,ASR 负责把声音转成文字。生产环境可用低成本 OCR 先拿全文,按置信度阈值把低置信区域、复杂表格或图表路由给 VLM 校验和推理,再用 OCR 文本交叉校验以压制幻觉。

  7. The Decoder76

    Anthropic 为 Claude 新增 Sheets、Whiteboards 等协作功能,Meetings 即将上线

    Anthropic 为 Claude 应用新增多项协作功能:Claude Sheets 支持 AI 辅助创建和编辑带公式与多标签页的电子表格,Claude Whiteboards 可总结团队头脑风暴,Claude Data(原 Dashboards)连接 Snowflake 和 Salesforce 构建数据看板。

    同一新闻,精选展示《Anthropic 发布 Claude Meetings,将会议讨论转为计划与任务》

  8. 爱范儿75

    实测 MiniMax H3 Image:兼具 GPT 的指令遵循与 MJ 的审美,当天开放权重

    MiniMax 正式发布图像生成模型 H3 Image,在 H3 全模态能力基础上针对图像生成与编辑进行后训练优化,并在发布当天开放权重。实测显示它生成一张 4096×4096 的 4K 图片仅需 10~20 秒,最多支持 16 张参考图,还可通过 API 接入 Claude Code、Codex 等 Agent Harness 参与复杂任务流程。

11月10日周二
  1. IT之家60

    智元发布 WITA-Omni 全模态交互大模型,号称行业首个具身全模态端到端交互大模型

    智元发布 WITA-Omni(硅光动语全模态大模型),官方称其为行业首个具身全模态端到端交互大模型。模型基于机器人本体感知数据训练,除音视频外新增触觉、本体状态等输入,以及机器人动作、表情等输出;采用流式全双工架构,可边听边想边应边动,交互响应最快约 400 毫秒、平均约 600 毫秒,较业内平均水平快近 3 倍。

  2. IT之家57

    金鸡百花电影节首次设立 AI 单元

    2026 年中国金鸡百花电影节首次设立电影 AI 单元,推介仪式今日在福建厦门举行。AI 极客松吸引 287 支团队报名,20 支团队入围并围绕命题展开 72 小时限时创作,“等等知了”团队制作的《无人知晓》获得 Top 1 推荐作品荣誉。

  3. IT之家81

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,编码跑分超 GPT-6 Astra

    Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型,官方称编码、推理、科学研究、网络安全及机器人等领域显著提升,输出速度最高提高 30%,成本下降 20%。

    同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2:多智能体协作升级,性价比反超 Opus 5.5》

  4. 量子位74

    实测 Seedream 5.5:100轮图像编辑不崩,速度与价格齐优

    字节旗下 Seedream 5.5 图像模型已在即梦、豆包和豆包工作上线,实测在100轮连续编辑中比 GPT-Image 2.6 保持更高保真度。新版本还提升了真实感、小字与多语言渲染、透明图直出和图层拆分能力,生成速度更快;以2K方图编辑为例单张成本约0.28元,不到 Seedream 5.0 Pro 的一半。

  5. IT之家77

    Meta 推出轻量级 AI 模型 Muse Ember:跑分媲美 Claude Haiku 5.5,单任务成本仅 1/3

    Meta 发布轻量级模型 Muse Ember,官方称其表现媲美 Claude Haiku 5.5,单任务成本仅 1/3。该模型支持 100 万 Token 上下文、最多 51.2 万 Token 输出,原生理解文本、图像、音频和视频,可在一次会话中执行数百次编程子任务。

    同一新闻,精选展示《Meta AI 发布最小高效模型 Muse Ember》

  6. The Decoder62

    字节跳动发布 Seedream 5.5:支持 100 轮像素级稳定图像编辑

    字节跳动 Seed 团队发布图像生成模型 Seedream 5.5,支持最多 100 轮多轮编辑,未改动区域可像素级保持且无色偏。模型可生成原生 RGBA 透明背景图,光影、材质与皮肤纹理更真实,密集小字更准确;官方称其文字结构与真实感领先于 GPT Image 2.5 Sunburst。Seedream 5.5 正通过即梦、豆包、豆包工作台和火山引擎 Ark 逐步开放,并计划推出 Pro 版本。

  7. The Verge · AI54

    Instagram 推出 Effect Builder,可用 AI 提示词生成自定义滤镜

    Instagram 推出 Effect Builder,用户在提示词框中描述滤镜创意并可附上风格参考图,由 AI 为 Stories 生成自定义滤镜,目前面向美国 18 岁以上用户开放。滤镜可直接提交到 Instagram,但需通过安全审核后才会出现在 Stories 中供他人使用,并在被使用时链接回作者主页。作者实测发现,AI 将一句提示词改写为详细指令后,生成的滤镜效果与原提示词几乎相同。