IBM 发布 Granite Switch 4.1 多模态模型
IBM 发布 Granite Switch 4.1 模型，整合了聊天、决策和语音识别功能，支持从单一端点切换任务。该模型包含新的决策 aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC，在安全决策任务上优于多个竞争模型，并可在单个 GPU 上实时运行多种任务。
推荐理由：原文提供了多模态能力整合和性能对比，读者可据此评估其在实际应用中的效率优势。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
123 条精选近 30 天 111 条共收录 710 条
更新
精选归档 · 第 4 页
Hugging Face Blog精选AI 评分7878 AWS Machine Learning Blog精选AI 评分6868 Meta的Muse Spark Open模型现已可在Amazon SageMaker JumpStart中使用
Meta的Muse Spark Open编码优化模型现已可在Amazon SageMaker JumpStart中部署，支持1M token上下文窗口，提供BF16和NVFP4两种变体。用户可通过SageMaker Studio或Python SDK在AWS账户中部署该模型，用于代码助手、长时间运行的编码代理和多模态工程工作流。
推荐理由：原文提供了在AWS SageMaker上部署Meta的Muse Spark Open模型的具体步骤和能力说明。
Mistral AI精选AI 评分7575 Mistral AI 发布时间序列基础模型 Timestral
Mistral AI 发布了 Timestral，首个时间序列基础模型家族，最大仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三大基准上排名第一。该模型支持多元预测和协变量，提供四种尺寸选择，可在 CPU 上高效运行，并支持零样本预测。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
NVIDIA Blog精选AI 评分8383 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 模型
NVIDIA 发布了 1200 亿参数的开放模型 Nemotron 3.5 Super VL，以及两个边缘模型 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，覆盖从企业服务器到边缘设备的全范围智能体部署。Super VL 在多模态智能体任务上达到前沿准确度，同时速度比同类模型快 5 倍；Bolt 系列则针对本地硬件优化，平衡智能与速度。
推荐理由：NVIDIA 推出覆盖从数据中心到边缘设备的全系列智能体模型，开放权重让企业能自主定制部署。
钛媒体精选AI 评分7676 快看漫画发布AI产品Livo，探索IP形成新路径
快看漫画发布AI产品Livo，用户可通过与虚拟角色直接交互建立情感连接，改变传统IP形成路径。产品采用数字生命OS架构，角色具有独立人格和长期记忆，内测显示用户产生强烈情感依恋。
推荐理由：原文展示了AI如何改变IP形成路径，从'读'到'处'，为内容产业提供了新思路。
钛媒体精选AI 评分8585 OpenAI一次性发布722篇数学论文引发学界震动
OpenAI内部AI模型一次性生成722篇数学手稿，涵盖17个数学方向，包括对多个千禧年难题的推进与局部突破。这些成果在GitHub发布后引发数学界强烈反应，25位菲尔兹奖得主发表声明警告，核心争议在于AI生成成果的验证流程绕过了传统同行评议机制。
推荐理由：原文揭示了AI生成数学论文引发的验证挑战与制度冲突，展示了数学界如何应对这一变革。
钛媒体精选AI 评分8585 AI视频行业进入价格战阶段，中国厂商推动模型进入工业化生产时代
快手可灵AI发布Kling 4.0和轻量版Flash，生数科技推出Vidu Q4 Preview，AI视频模型价格从'元'时代进入'分'时代。中国模型在性能、价格和效率上形成竞争优势，推动AI视频从可生成转向可交付，进入工业化生产阶段。
推荐理由：AI视频行业进入价格战阶段，中国厂商推动模型从可生成转向可交付，进入工业化生产时代。
钛媒体精选AI 评分8080 Anthropic推出自研代码管理系统Scion
Anthropic以7名工程师、5个月时间从零构建内部版本控制系统Scion及配套代码审查工具Antique，成功将整个单体代码仓库从Git整体迁移。Scion针对AI编程带来的合并量暴涨（4个月增长12倍）进行了优化，采用'客户端永远在线'设计，基础设施占用比旧Git镜像方案少约200倍，检出速度由分钟级降至秒级。
推荐理由：Anthropic自研Git替代品Scion，揭示了AI编程带来的代码管理挑战与解决方案。
TechXplore · Robotics精选AI 评分8080 单摄像头AI无人机系统击败前世界冠军
代尔夫特理工大学研究人员开发的MonoRace系统仅使用单摄像头和IMU，使无人机以100公里/小时速度完成赛道飞行，击败了前世界冠军人类飞行员。该系统采用小型神经网络直接控制电机，无需GPS或外部追踪，已在2025年阿布扎比国际无人机竞速比赛中验证。
推荐理由：原文展示了单摄像头AI系统如何实现高速无人机自主导航，为资源受限的机器人控制提供了新思路。
Google Research精选AI 评分7070 Google Research发布2026年10项增强人类创造力的AI研究进展
Google Research在Research@活动中展示了10项AI研究进展，包括Google Earth AI行星智能系统、多智能体编排工具、Deep Review文档审查系统、下一代边缘AI芯片等，这些技术正在改变医疗、科学、商业和教育等多个领域。
推荐理由：原文展示了10项AI研究进展，覆盖地球智能、医疗健康、科学工具等多个领域，体现了AI如何增强人类创造力。
Google Research精选AI 评分7575 Google 发布地理空间推理智能体，助力解决地球最大挑战
Google 发布地理空间推理智能体，连接地球 AI 基础模型和行星规模数据，支持多步推理和自主预测模型训练。该智能体已在疾病爆发调查、灾害准备和清洁能源筛选等领域与 WHO、GiveDirectly 等组织合作测试，将原本需要数周的分析工作缩短至几分钟。
推荐理由：原文提供了地理空间智能体的技术细节和实际应用案例，展示了其在解决全球性挑战中的价值。
Hugging Face Blog精选AI 评分6565 HiRO-ACEv2：以极低成本模拟3公里分辨率极端天气
Hugging Face发布HiRO-ACEv2系统，能以X-SHiELD约1/300的成本生成全球3公里气候数据，准确模拟极端降雨、风压事件，并已生成完整一年全球数据。
推荐理由：HiRO-ACEv2以低成本高精度模拟极端天气，为气候研究提供新工具。
Robohub精选AI 评分7373 UNCAP：基于自然语言通信的不确定性引导神经符号规划用于协作自动驾驶车辆
Neel P. Bhatt等人提出UNCAP框架，使自动驾驶车辆通过自然语言通信协作，减少63%通信带宽，提高31%驾驶分数，降低61%决策不确定性。该框架采用零-shot方式，结合现有视觉语言模型，通过四阶段流程实现高效协作。
推荐理由：研究提出了一种基于自然语言通信的自动驾驶协作框架，解决了车辆间信息共享的效率和信任问题。
量子位精选AI 评分7676 商汤大装置助力上海量子城市首批智能体落地
商汤大装置与上海市规划资源局联合打造的云宇星空大模型全面升级，并发布首批政务智能体，包括防汛智能体、空间洞察智能体等，实现调度效率提升80%。
推荐理由：原文给出了具体调度效率提升数据和智能体落地场景，读者可据此评估商汤大装置在城市治理中的实际应用价值。
Latent Space精选AI 评分8585 Meta发布Muse Wonder系列模型，对标OpenAI与Anthropic
Meta Superintelligence Labs发布了Muse Wonder系列模型，包括Muse Wonder和Muse Wonder Full两个版本。
推荐理由：14个月从零到前沿模型，Meta的Muse Wonder系列展现了惊人的迭代速度，但价格策略与访问限制引发行业讨论。
IT之家精选AI 评分7878 面壁智能发布新一代端侧多模态大模型 MiniCPM-V 4.7
面壁智能推出 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是首个支持端侧无损流畅运行的开源 MoE 模型，在 iPhone 17 Pro Max 上以仅 3GB 内存达到 13+ token/s 的解码速度。
推荐理由：原文给出了具体性能数据和开源方案，读者可以据此评估该模型在移动设备上的实际应用潜力。
华尔街见闻精选AI 评分8585 SpaceX技术骨干：AI时代新产品不做Agent入口将沦为数据
SpaceX技术骨干Lee Robinson在斯坦福演讲指出，AI正步入'全天候待命'的Agent时代，未来所有新产品若不能成为Agent的交互入口，终将沦为其他AI系统的数据'养料'。他预测未来6至12个月内，AI代理将能连续工作数月，并详细介绍了构建持久工作流的架构设计，包括瘦客户端固定服务器架构、主子代理协同和上下文工程等关键技术。
推荐理由：原文揭示了AI代理将重塑软件生态的商业逻辑，为开发者提供了构建持久工作流的具体思路。
钛媒体精选AI 评分7878 谷歌调整Gemini策略：从可选模型到统一入口
谷歌正在将Gemini从"一个可以挑的模型"改造成"一个不用挑的模型入口"，面向个人收回选模型权力，面向企业提供智能体功能。旗舰Gemini 4 Argon仅向Fairwind计划的650多家成员开放，免费账号仅保留Auto一项，企业智能体则获得邮箱、跨系统连接和记忆功能。
推荐理由：原文详细描述了谷歌Gemini的功能变化和策略调整，读者可以据此了解谷歌AI产品的发展方向。
钛媒体精选AI 评分7676 AI短剧成国内最大算力消耗场景，每秒烧钱1元
中文在线数据显示，AI短剧与视频生成以55%的词元消耗份额位居国内榜首，超过软件开发的两倍。可灵AI等视频模型公司通过API服务获得稳定收入，而内容制作方依赖爆款概率性收益，平台方则获取流量分账。2026年第一季度全行业上线AI短剧超12万部，抖音端新增播放量5157亿。
推荐理由：原文揭示了AI短剧成为国内最大算力消耗场景的反常现象，及其背后的商业逻辑和产业链利益分配。
量子位精选AI 评分8585 字节跳动展示世界模型：AI从生成内容到构建可交互虚拟世界
字节跳动在《2026美好奇妙夜》科技节目中首次展示了其世界模型，该模型支持三维场景生成、自由探索、实时交互和物体编辑，甚至能实现不同空间之间的自由连通。这一技术标志着AI从简单的图像视频生成向构建可交互、可编辑的虚拟世界转变，为机器人、自动驾驶等物理AI提供了新的训练和验证路径。
推荐理由：原文展示了字节跳动世界模型的实际应用能力，读者可了解AI从生成内容到构建可交互虚拟世界的最新进展。