跳到正文
今天10月25日周日2 条
10月24日周六
  1. 量子位81

    模思智能开源MOSS-Image生图模型海外爆火

    模思智能和OpenMOSS团队开源的MOSS-Image生图模型上线4天在海外社区收获130万次下载,登顶Hugging Face文生图趋势榜。该模型基于5B参数DiT主干,重点优化了中英文文字渲染、布局控制和复杂长Prompt支持能力,在LLTB评测中文本覆盖率达96.3%。

    推荐理由:国产5B模型靠自然画风和文字渲染能力在海外爆火,社区4天开发出多种衍生版本,验证了小模型也能解决复杂设计需求。

  2. AWS Machine Learning Blog35

    Amazon QuickSight 层级地图新增 GeoJSON 点位与路线可视化功能

    Amazon QuickSight 层级地图现支持 GeoJSON 文件中的 Point 和 LineString 几何类型,可标记具体位置(如门店)或绘制路线(如航班路径)。用户需通过共享键值关联 QuickSight 数据集与 GeoJSON 文件,文件最大支持 100 MB。该功能适用于展示地理位置相关的业务模式,如销售区域或配送路径。

10月23日周五
  1. 雷锋网81

    月之暗面发布Kimi K3.1,成本仅为GPT-6 Astra的1/14

    月之暗面即将发布Kimi K3.1模型,在3D图形生成、视觉推理和前端代码领域表现突出。该模型在开源3D图形库Three.js上表现出色,成本仅为Kimi K3的70%,Token效率全面升级。实测显示,Kimi K3.1能在15分钟内交付工业级可交互3D资产,成本仅为GPT-6 Astra的约1/14,在视觉领域展现出不输于美国顶尖闭源模型的实力。

    推荐理由:15分钟交付工业级3D资产,成本仅为GPT-6 Astra的1/14,国产模型在视觉领域实现突破性进展。

  2. The Decoder63

    Canva发布首款自研图像模型Craft

    设计平台Canva发布了其首款自研图像生成模型Craft,该模型以设计模板为主要训练数据,能够生成2K分辨率图像并支持55种语言文本渲染。在DesignArena平台排名中,Craft位列第四,但在人像和风景类别中排名第一。Craft现已通过Dream Lab和公共API向所有用户开放,并计划未来支持ChatGPT和Gemini等聊天机器人的MCP集成。

  3. IT之家35

    LG Display:大尺寸 OLED 需求增长,折叠屏智能手机对平板电脑需求影响有限

    LG Display 预计 2026 年大尺寸 OLED 面板出货超 700 万片,总量增长超两成,计划拓展显示器市场。折叠屏显示需求将持续增长,因提供差异化价值且适应显示大型化趋势,但对平板电脑需求影响有限。IT LCD 方面将升级产品组合,重点满足高端需求并重振业务竞争力。

  4. HuggingFace Daily Papers65

    WeVisOne-VL: 从目标到像素的统一视觉感知

    WeVisOne-VL 是一种强大的视觉语言模型,通过结构化下一词预测统一了目标级和像素级感知能力。该模型支持多种视觉任务,包括目标检测、指代定位、计数、OCR、分割和matting,能够在用户指定的任何粒度上进行定位,从点到框再到mask和alpha mattes。

    推荐理由:通过结构化下一词预测统一目标级与像素级感知,WeVisOne-VL 在30多个基准测试中领先,为VLMs迈向可靠感知系统提供新路径。

  5. HuggingFace Daily Papers40

    AnyGameRenderer: 跨游戏实体一致生成渲染器及实体级评测基准

    AnyGameRenderer 将 AI 编码 agent 生成的低质量游戏视频转换为高质量视觉内容,保持实体位置、时序和布局不变。该模型基于 MiniMax-H3 ref2va(33B 参数)通过 LoRA 微调训练,使用约 1 万对样本数据,在实体级评测基准中实体时序匹配率从 50.9% 提升至 62.9%,漏检率从 34.7% 降至 21.3%。

  6. IT之家45

    RTX 4070 测试帧率翻 7 倍:非官方 PC 移植《血源诅咒》游戏 1080P 突破 220 FPS

    Super Medo 制作的《血源诅咒》非官方 PC 移植版在 RTX 4070 显卡上实现 1080p 分辨率下 220 FPS 帧率,性能约为原版 PS4 主机的 7 倍。开启 DLSS 3 帧生成后,4K 分辨率质量模式帧率提升至 100 帧以上,性能模式达 130 帧。开发者正尝试通过 RTX Remix 引入路径追踪技术,但目前仍为早期概念验证。

  7. TechCrunch · AI65

    Canva发布首款图像生成模型Canva Craft

    设计平台Canva发布了其首款图像生成模型Canva Craft,该模型采用两阶段工作方式,先解析用户提示并创建计划,再生成最高2K分辨率的图像。模型使用Canva的设计模板而非照片进行训练,生成的图像可通过Canva Magic转换为分层设计稿。Canva Craft已在平台上线,并通过API和MCP支持第三方聊天工具。

  8. Hugging Face Blog75

    Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型

    Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型,提供预计算的全球年度嵌入向量(10米分辨率,64和128维度),并推出基于浏览器的 OlmoEarth Embeddings Explorer 工具。该模型在27项评估中超越 AlphaEarth Foundations 和 Tessera v2,训练成本仅为前版本的53%,碳排放减少50%。

    推荐理由:预计算全球卫星嵌入向量让遥感分析从GPU依赖变成轻量级任务,效率提升的同时降低了技术门槛。

10月22日周四
  1. Google DeepMind65

    Google DeepMind 发布全球森林类型地图 ForTy 2020

    Google DeepMind 与合作伙伴发布 Forest Typology (ForTy) 2020 全球地图,以10米分辨率将地球森林分为六类,并跟踪2017-2025年变化。该地图准确率达90%,帮助区分自然林、人工林和农场,支持欧盟无毁林产品监管。

    推荐理由:10米级森林类型地图让自然林与人工林首次可区分,为监管提供精准基线,但精度与成本平衡仍是挑战。

  2. HuggingFace Daily Papers40

    自回归视频生成模型中的未来块预测方法

    研究提出未来块预测(FCP)辅助目标,通过预测时间分离的视频块来提升视觉演化建模能力。FCP 在无需额外预训练视觉编码器的情况下,以更低训练计算成本实现更优物理合理性。该方法可能促进更结构化的表示空间构建,对自回归世界模型开发有潜在价值。