Meta 发布 Muse Ember,一款面向智能体执行的新轻量模型
Meta Superintelligence Lab 周一发布 Muse Ember,这是该实验室迄今最轻、最具成本效率的模型,面向智能体的复杂推理执行与日常重复任务。
同一新闻,精选展示《Meta AI 发布最小高效模型 Muse Ember》
Meta Superintelligence Lab 周一发布 Muse Ember,这是该实验室迄今最轻、最具成本效率的模型,面向智能体的复杂推理执行与日常重复任务。
同一新闻,精选展示《Meta AI 发布最小高效模型 Muse Ember》
美团龙猫 11 月 2 日发布面向长程智能体任务的原生多模态模型 LongCat-2.5,11 月 9 日宣布正式开源,采用 MIT 协议,支持商用推理部署与二次训练。模型总参数 1.6 万亿,每个 token 激活约 480 亿参数,支持一百万上下文;视觉信号表示为多层级离散 token,与文本共享同一套主干参数,并采用 W4A4 高效推理方案。
腾讯混元Hy4正式版发布,总参数770B、激活参数49B,首次引入原生视觉能力并支持电脑操作,已在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝及企业微信等产品上线,模型权重将于近期开源。实测显示其幻觉率由preview版的12.95%降至7.2%,579个真实金融任务综合表现位居开源模型第一。主打低推理成本的Hy4 flash也已在路上。
推荐理由:实测展示了Hy4在长程Agent任务中的自检与交付能力,可对照同类开源模型评估其落地价值。
字节跳动 Seed 团队发布新一代图像创作模型 Seedream 5.5,支持同一作品最多 100 轮持续编辑且非编辑区域像素级保持,可原生输出带 Alpha 通道的透明或半透明图像,并改善光照、材质与文字渲染。
推荐理由:原文给出与 Seedream 5.0 Pro 及主流模型的对比数据和定价,读者可据此判断其在生产场景中的可用性变化。
日本 Shizuku AI 公布全双工模型 Shizuku-Duplex,是继 GPT-Live 后第二个支持日语智能对话的全双工模型,无需完整询问即可启动思考。
Lance 通过列式存储解决读放大、只读取需要的字段,JuiceFS 通过本地缓存和数据预热降低跨云访问延迟,两者解决不同瓶颈而非替代关系。某头部智驾公司采用 Lance + JuiceFS + 对象存储架构,支撑数十亿行标注数据的生产与跨云 GPU 训练。JuiceFS 已开始支持面向 Lance 数据集的精细化数据预热(PR #7398、#7399)。
微软提交专利申请 US 2026/0341309 A1,用 AI 智能体实时识别并替换直播等视频中的说话内容,再由生成式 AI 重绘嘴型与修改后的语音同步,视频延迟约 1 至 10 秒。
爱范儿用 M6 版 MacBook Pro 实测更新后的 Apple Creator Studio:Logic Pro 对一首 4 分半歌曲做音轨分离,比 M3 Pro 快近一分钟,并轨导出 17 秒对 25 秒;Pixelmator Pro 同时放大 5 张高像素照片用时 48 秒,而 M3 Pro 为 2 分 52 秒。
本文拆解了 OpenAI Intelligent UI 背后的两条技术路线:一是 MCP Apps 让预先写好的 UI 出现在 Agent 对话中并通过 callServerTool。
富士电视台计划从 2027 年 10 月起将生成式 AI 应用于所有真人电视剧制作,成为日本首家全面引入 AI 的大型商业电视台。其每年制作的 16 部电视剧将使用谷歌图像生成和编辑工具 Nano Banana,由内部实验室 AI Sandbox 及 ANDENT 培训的 CG 设计师负责测试与应用。
作者体验 Muse 后认为,其能力虽一般,但陪伴感改变了使用习惯,而语音是降低交互门槛、让琐碎需求喂养上下文的核心入口。Muse 于 11 月 5 日在美国上线实时语音与会动的头像,延迟约 870 毫秒并支持随时打断,Meta 称其可在后台处理口头安排的任务。
阿里巴巴与多所亚洲高校研究人员推出 Co-Design Bench,用真实用户改动需求测试编码智能体。表现最好的 GPT-6 Astra 平均满足约 70% 的任务需求,但仅 26.4% 的任务完全正确,多数情况下智能体完成大部分工作后仍留下未完成细节。
11月4日,浙大00后博士生陈天润创办的魔芯科技在乌镇世界互联网大会上发布新一代通用4D世界模型 MoWorld 2.0,将重力、弹力、浮力、光照、柔体、流体、刚体等十余种物理要素融入同一模型,用于更准确地模拟物体运动、碰撞和环境变化。
谷歌在《自然》发表研究,推出名为 AI-PPG-ACC-HTN 的多模态 AI 系统,用普通消费级智能手表无需袖带即可被动检测高血压迹象。系统通过自监督预训练(超 49 万小时无标注数据训练 1D-CNN)与多天特征聚合输出持续高血压概率评分;在全美 5 个临床中心、196 名受试者的试验中,确诊性检测阳性预测值达 96.7%、灵敏度 78.4%。
同一新闻,精选展示《Google Research 在 Nature 发表 AI-PPG-ACC-HTN,用智能手表被动检测高血压迹象》
苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》,披露人形机器人自主控制系统 HALO,并在宇树 G1 机器人上完成验证。
同一新闻,精选展示《苹果公开 HALO 人形机器人研究:宇树 G1 身体加 Mac mini 跑千问,6 个陌生家庭实测成功率 91%》
iNeuOS 开源 Yolo2CausalTCN 工具,实现从 YOLOv8 逐帧检测结果到因果 TCN 时序数据集的端到端转换,内置训练、评估与推理代码。
马斯克宣布 Cybertruck 将于明年年中前后逐步停产,为 Cybercab 扩产腾出产能;OpenAI 完成 110 亿美元首期新融资,估值 1.25 万亿美元;李飞飞 World Labs 发布 Frameboy,可在网页端以最高 15 帧每秒实时探索 Atlas 生成的多模态世界。
美国卫星数据公司 Planet 于 11 月 5 日推出 Planet AI 应用,结合大语言模型与超过十年的全球卫星影像档案,让用户用自然语言搜索、观察和分析地表变化。产品目前可通过 ai.planet.com 免费使用,提供搜索地球、探究变化和深度分析三大能力,所有 AI 结论均以可查看的原始卫星影像为依据以降低幻觉风险。
Thinking Machines 发布第二代模型 Inkling 2 Small,号称西方最强开源权重模型。该混合专家模型总参数 594B、激活 17B,支持文本与图像输入及可调思考深度,Artificial Analysis 智能指数得 31 分,较上代提升 18 分,与 Gemini 3.8 Flash 相当。
阿里巴巴发布《2026 AI向善行动报告》,披露26个负责任AI实践案例,数据中心可持续发展与"AI+医疗"成年度亮点。阿里云数据中心资源密度从0.8提升至4.5千瓦/平方米,绿电占比提升73.6%,PUE降至1.187,全模块化架构将交付工期缩短至100天。达摩院开源通用医疗影像模型DAMO RADAR,可一次性识别超过146种病症,"平扫CT+AI"方案已惠及11个国家和地区2000多万人次。
极客公园创新大会 2027「小场深谈」揭晓五场专场主题,聚焦 Personal AI、AI 创作、具身智能、硬件制造与 AI 落地五大核心议题。每场约 80 分钟,采用深谈加现场问答形式,将邀请一线创业者、研究者与实践者到场交流。其中 AI 创作专场将与即梦AI 合作,邀请平台最佳实践者分享真实创作玩法。
火山引擎推出的 Agent 上下文数据库 OpenViking 支持文档、图片、音视频、3D 等多模态数据的导入与理解,并可连接业务系统、一键编译 LLM Wiki。目前 OpenViking 已上线多种相关能力。
国务院办公厅发布 2027 年部分节假日安排,春节连续放假 9 天,全年共安排 5 个周末补班日。OpenAI 发布 Images 2.6 模型,为 ChatGPT 引入原生 GIF 动图生成功能,图像生成速度提升约 50%。月之暗面开放 Kimi K3.1 Pro 模型权重,该模型采用 MoE 架构,总参数量 2.8 万亿,支持约 100 万 Token 上下文窗口。
李飞飞创企 World Labs 发布网页端演示项目 Frameboy,用户可选择不同模拟世界并以最高 15 帧每秒的云 GPU 流媒体实时探索。该项目基于 9 月发布的多模态世界模型 Atlas 的高度优化版本,支持触屏和键盘操控,十字键移动、摇杆调整视角。
Meta 宣布个人 AI 助手 Muse 正式上线实时语音对话与虚拟形象功能,率先面向美国用户推送,覆盖移动端、网页端和 Mac 应用。功能由 Muse Realtime Voice 和 Muse Realtime Avatar 两个模型支持,可流式输出 448×768、25 帧每秒的竖屏视频,首个音视频响应延迟约 870 毫秒。
网易有道推出互动式数学讲题Agent「欧拉讲题」,已在应用市场上线。产品将分步骤讲解、互动追问与动态板书结合,学生可围绕具体步骤提问并观看图形演示,底层依托有道「子曰」系列模型。
智象元一(HiDream.ai)创始人兼CEO梅涛在2026世界顶尖科学家论坛国际工程智能大会上提出构建智能体化全模态世界模型,以跨越Digital AI与Physical AI之间的鸿沟。
谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型,并在 Gemini API 与 Gemini for business 平台全面开放使用。
Meta 宣布美国所有用户现可通过 Muse Voice 与其消费级 AI 智能体 Muse 进行通话和视频聊天。该功能于 9 月 Connect 开发者大会首次发布,基于 Muse Realtime Avatar 和 Muse Realtime Voice 技术,用户可定制昵称为 Jolly 的动画虚拟形象,虚拟形象说话时会配合语气做出细微表情和手势。
Amazon Marketplace 采用基于 VLM 的多模型融合方案,在 Amazon SageMaker AI 上端到端评估 A+ Content 内容质量。
Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 与 Gemini for business 全面可用。
推荐理由:相比 Omni 1.1,片长从 10 秒延长至 15 秒、每秒价格下调 30%,并新增多轮对话式编辑与参考图保持能力。
Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用消费级智能手表的 PPG 光学信号与加速度计信号,无需袖带校准即可被动检测高血压迹象。
推荐理由:研究以 24 小时动态血压监测为金标准验证,智能手表筛查准确度可比传统袖带流程,为可穿戴医疗级检测提供方法参考。
腾讯正式发布 AI 模型 Hy4,首次支持图像理解与计算机使用,权重将在稍后开放,目前仅可通过腾讯云、OpenRouter 及元宝等应用使用。官方称其在近 600 项金融任务评测中领先 DeepSeek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash,联网搜索幻觉率从约 16% 降至约 5%。
NVIDIA 深度学习高级产品研究工程师 Chris Alexiuk 在 YouTube 教数千名开发者构建、微调并落地 LLM 应用与智能体,自称"Nemotron 头号粉丝"。
SoundCloud 与 ElevenLabs 达成合作,用户无需再导出下载,可将 ElevenLabs 生成的 AI 音乐直接发布到 SoundCloud。SoundCloud Artist Pro 订阅用户还可免费获得三个月 ElevenMusic Pro。直接发布的歌曲将被标注为 AI 生成。
iNeuOS_Vision 是以 YOLO 目标检测与多模态 VLM 语义理解为双引擎的工业视觉智能分析平台,让 SOP 合规判断从主观巡查变为可实时查看、可追踪归因的客观结论。
OpenAI 正式发布新一代图像生成模型 Images 2.6,同步向 ChatGPT、Codex 和 API 开放,生成速度提升 50%,并首次支持通过文字提示词生成 GIF 动图。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
腾讯混元于 11 月 4 日发布最新一代大语言模型 Hy4 正式版,相比 Hy4 preview 显著扩展预训练和后训练规模,首次引入视觉能力并支持电脑操作,可结合命令行与图形界面完成任务。
ChatGPT 推出动画 GIF 生成功能,基于 OpenAI 新 Images 2.6 模型,正向所有 ChatGPT 和 Codex 用户的网页、桌面和移动端推出。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
AT&T 的 Connected Life 智能安防系统现已接入 Gemini for Home,可总结家庭事件、用自然语言搜索录像并生成每日活动摘要。这些功能需订阅 AT&T 的 $29.99/月 Connected Life 专业监控套餐,系统还新增根据离家距离自动布防/撤防的功能。