搜索“视频”

程度上反映真实世界条件，仍是一个关于可靠性的未解问题。 这为开发者提供了一种按需生成测试环境的方式。 Gemini如何引导Genie 4 Genie 4使用多个Gemini模型来维持其模拟运行。Gemini Omni帮助塑造环境，而Gemini 3.8 Flash则跟踪正在发生的情况、规划下一步，并在情况发生变化时进行调整。 Genie 4不会生成一段完成的视频，而是让用户在世界生成的过程中与之交互。用户可以用键盘在其中移动、改变摄像机角度，或使用文本提示来改变环境，而无需重新启动模拟。 Genie 4不会生成一段完成的视频，而是让用户在世界生成的过程中与之交互。 在模拟中训练机器人 Google最清晰的示例是让Apptronik的Apollo人形机器人下一盘跳棋，由Gemini 4 Argon规划每一步，Genie 4渲染结果，同时通过字幕引导场景。 该公司还在探索这项技术如何支持其Gemini Robotics研究，该研究让开发者能够在不断变化的环境中测试智能体，而无需从头重建每个模拟。 物理规律失效之处 问题在于，Genie 4并不能始终让这些环境保持一致。在较长的会话中，物体可

匹配字段正文

其进行定制，并在设备端运行。 视觉和音频模型还配备了两个新的自研编码器： 视觉编码器：它结合了卷积和注意力，计算量比之前 LFM VL 模型中的 SigLIP2 编码器少 3 倍。我们 164M 参数的编码器在准确率上与 Qwen3.5-2B 的视觉编码器相当，而所需 FLOPs 少 2.2 倍（两者均使用相同的 LFM2.5-230M 语言主干测量）。对于视频，它将每对采样帧嵌入为一个时间切片，使时间序列长度减半。 音频编码器与 LiquidCodec：音频编码器混合了滑动窗口注意力和短卷积，并且完全因果，因此模型可以在你说话时进行预填充，首 token 时间低至 50 ms。LiquidCodec 是我们新的音频分词器，在 Apple M4 Max 的单 CPU 线程上以约 87 倍实时速度将生成的 token 转换为语音，并支持流式解码。 如何使用 LFM3 模型 每个模型都在 transformers 中运行。下面的代码片段来自模型卡，模型卡还列出了每个模型支持的其他推理引擎。 LFM3-1.7B 当你需要本地智能体、工具调用、结构化输出，或用于领域特定微调的基础模型时，请选用

匹配字段正文

列我们希望以负责任的方式逐步推出和探索的新能力与新维度。Genie 4 包含严格的安全防护措施，与我们其他模型的安全政策保持一致。在发布此预览版之前，我们通过内部严格的安全评估对 Genie 4 进行了评测，以防止生成有害或恶意内容。此外，我们有意先将其部署给可信测试合作伙伴以获取早期反馈，然后再更广泛地发布该模型。 为保持透明度，Genie 4 生成的所有视频和音频都将包含 SynthID——我们不可感知的数字水印技术，可帮助在视觉和音频模态中识别 AI 生成内容。 了解当前的局限性 Genie 4 仍是一个处于早期、不断演进的研究领域。 虽然它能在短时会话中维持连贯的环境，但视觉细节和物体恒常性仍可能随时间发生偏移或漂移——尤其是当模拟运行时间较长、经过多次复杂的提示词编辑之后，或在场景中穿行时。复杂的物理交互、实时音频准确性、渲染清晰可读的文字、空间准确性以及长期一致性，都是正在进行中的研究领域。我们以预览形式分享 Genie 4，旨在与社区共同学习，并安全地推进交互式模拟的前沿。 Genie 4 的后续步骤 Genie 4 已作为研究预览版向可信测试者发布，并将很快通过 Pro

匹配字段正文

所需的结果。 从深度研究到交互式 3D 设计，以下八个示例展示了我们迄今最智能的模型能做什么。 处理复杂任务 凭借先进的推理能力和多模态能力，Gemini 4 Argon 在深度理解和长周期工作流中表现出色。仅凭一段简短提示，且在零素材、零库的条件下，Argon 编写了 5,000 行数学代码，从零渲染出一座 3D 阳光图书馆——随后还制作了一段关于该过程的视频。 制作交互式工具和可玩的 3D 游戏 Google 员工已使用 Argon 对复杂的 3D 可视化、高保真游戏和交互动画进行原型设计。当被要求构建一个在视频上叠加图形的应用时，Gemini 应用中的 Gemini 4 Argon 生成了一款定制视听工具，可逐帧追踪音阶线条。视频的运动触发音符，从而创作出动态的音频作品。 要把你的世界变成一款互动游戏，请先拍摄物理空间的照片，并参考我们的 AI Studio 操作指南。我们在 Antigravity 中使用 Argon 协调子代理、Blender MCP 和 Nano Banana，将一张真实书桌的照片转化为 一个可玩的 3D 赛道. 优化工作流 Argon 融合了前沿推理、深度

匹配字段正文

当地时间10月26日，Anthropic向美国证券交易委员会（SEC）提交IPO注册文件的同一天，OpenAI发布新模型GPT-6.1 Terra，将标准API价格较上一代下调50%。 OpenAI称，GPT-6.1 Terra主攻视觉理解和计算机操作，能够处理填写网页表单、编辑视频、读取技术图纸等任务。在Agents' Last Exam专业任务评测中，该模型在中等推理强度下较GPT-5.6 Terra提高15个百分点，单项任务成本降至约三分之一；在Terminal-Bench 4.0编程评测中，其最高推理强度得分为50.3%，高于前代的21.5%。 价格是此次发布的重点。GPT-6.1 Terra的标准API输入价格为每百万token 1美元，输出价格为5美元，缓存输入为0.05美元。相较GPT-6 Astra，其输入、输出token单价均为十分之一；相较GPT-5.6 Terra，标准价格则下降50%。 OpenAI表示，Terra在部分任务评测中已接近旗舰模型水平，但最复杂的编程任务仍更适合使用GPT-6.1 Sol或GPT-6 Astra。 这并非简单的降价促销，也不是Ope

匹配字段正文

当地时间10月26日，Anthropic向美国证券交易委员会（SEC）提交IPO注册文件的同一天，OpenAI发布新模型GPT-6.1 Terra，将标准API价格较上一代下调50%。 OpenAI称，GPT-6.1 Terra主攻视觉理解和计算机操作，能够处理填写网页表单、编辑视频、读取技术图纸等任务。在Agents' Last Exam专业任务评测中，该模型在中等推理强度下较GPT-5.6 Terra提高15个百分点，单项任务成本降至约三分之一；在Terminal-Bench 4.0编程评测中，其最高推理强度得分为50.3%，高于前代的21.5%。 价格是此次发布的重点。GPT-6.1 Terra的标准API输入价格为每百万token 1美元，输出价格为5美元，缓存输入为0.05美元。相较GPT-6 Astra，其输入、输出token单价均为十分之一；相较GPT-5.6 Terra，标准价格则下降50%。 OpenAI表示，Terra在部分任务评测中已接近旗舰模型水平，但最复杂的编程任务仍更适合使用GPT-6.1 Sol或GPT-6 Astra。 这并非简单的降价促销，也不是Ope

匹配字段正文

实地自动化高批量任务，例如处理发票并将详细信息录入会计软件。 该公司在公告中表示：“我们推出 GPT-6.1 Terra，这是一款快速、高效的模型，将细致的视觉推理和精准的计算机使用与更清晰、更自然的写作能力相结合。” GPT-6.1 Terra 旨在处理涉及桌面应用程序、技术图纸和视觉内容的任务。这些任务包括将建筑图纸转化为 3D 模型、填写表单，以及审阅视频素材以生成带时间码的日志。 OpenAI 表示，该模型的表现与 GPT-6 Astra 相当，而每 token 价格约为后者的十分之一。在最大推理强度下，Terra 的 token 效率是 Claude Opus 5.5 的三倍以上，从而使每项任务的成本估计降低九倍。 据该公司称，该模型完成任务的速度也比 GPT-6 Astra 和 GPT-6.1 Sol 快三倍以上。 在评估 AI 智能体使用桌面应用程序完成多步骤任务能力的 OSWorld 2.1 上，GPT-6.1 Terra 在中等推理强度下超越了 GPT-5.6 Terra 的最佳成绩，同时每项任务成本更低。 OpenAI 表示，与前代模型相比，GPT-6.1 Terr

匹配字段正文

ra 被定位为 OpenAI 产品线中的日常模型，专为常规工作而设计，例如读取电脑屏幕上的内容、点击操作应用程序、浏览网站以及起草消息。此次 50% 的降价适用于该模型的标准应用程序编程接口（API）费率，即开发者将 GPT-6.1 Terra 集成到自有应用中所需支付的费用。 据 OpenAI 介绍，它意在成为一种折中模型，对于填写表单、解读技术图纸、编辑视频、创建图像以及自动化重复性任务等更简单的任务而言，它更快、更便宜——这些工作并不需要其更高级模型 GPT-6.1 Sol 那样的强大能力。 “我们推出 GPT-6.1 Terra，这是一款快速高效的模型，将细致的视觉推理和精准的电脑操作与更清晰、更自然的写作能力相结合，”OpenAI 在介绍该模型的博客文章中写道。“相较于 GPT-5.6 Terra 是一次重大提升，它擅长处理充斥整个工作日的沟通和基于电脑的任务，从起草提案、解读技术图纸到填写表单和编辑视频。” GPT-6.1 Terra：以更低价格提供快速且强大的电脑操作能力。 GPT-6.1 Terra 能理解屏幕上的内容，跨应用执行操作，自然写作，是一款能陪伴你整个工作日

匹配字段正文

翻GPT-6 Astra智东西下载客户端 独家抢先看2026年10月27日 09:17:23 来自北京 智东西10月27日消息，今天，OpenAI推出新模型GPT-6.1 Terra，主打视觉推理、精准电脑操作以及更自然的写作能力。相比上一代模型GPT-5.6 Terra，新模型在日常沟通和电脑任务方面进一步升级，可用于撰写提案、解读技术图纸、填写表单和编辑视频等工作。 GPT-6.1 Terra继续主打速度、能力与成本之间的平衡。其标准API价格为每百万输入token收费1美元（约合人民币6.67元），每百万缓存输入token收费0.05美元（约合人民币0.33元），每百万输出token收费5美元（约合人民币33.35元），较GPT-5.6 Terra和GPT-6.1 Sol均低50%，方便开发者将其用于读取发票、向会计软件录入信息等大批量自动化工作。 从模型定位来看，OpenAI的GPT-6和GPT-6.1系列包括Astra、Sol、Terra、Luna等不同型号。GPT-6.1 Terra侧重速度、成本和日常任务执行，适合大规模调用；GPT-6 Astra是OpenAI能力最强的

匹配字段正文

总是很有趣。 就 GPT-6.1 Terra 而言，OpenAI 选择了视觉推理和计算机操作： 我们推出 GPT-6.1 Terra，这是一个快速、高效的模型，将细致的视觉推理和精确的计算机操作与更清晰、更自然的写作能力相结合。相比 GPT‑5.6 Terra 有显著提升，它擅长处理填满工作日的沟通和基于计算机的任务，从起草提案、解读技术图纸到填写表格和编辑视频。 Terra 在 Anthropic 模型系列中的位置与 Sonnet 相同——既不是最便宜的也不是最贵的，这使得决定何时使用它变得更加困难。 计算机操作就是一个受益于更便宜模型的任务的好例子，因为你可能会让它处理自动化、重复性的任务。 OpenAI 的 Ted Sanders 在 Hacker News 的一条评论中提供了一些有用的建议： 以下是不同推理级别的鹈鹕。这只“max”级别的鹈鹕花费了 11.3161 美分，耗时 4 分 11 秒： 这是一张新的对比网格，展示了 OpenAI 当前前沿阵容中每个推理级别的鹈鹕：GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra 和 GPT-6 Luna。 G

匹配字段正文

OpenAI发布GPT-6.1 Terra：更会操作电脑，API价格降一半凤凰网科技下载客户端 独家抢先看2026年10月27日 06:16:33 来自北京市 凤凰网科技讯 北京时间10月27日，OpenAI宣布推出新模型GPT-6.1 Terra，重点提升视觉理解和电脑操作能力，可用于撰写方案、解读技术图纸、填写表格和编辑视频等工作。OpenAI称，新模型的标准API价格较GPT-5.6 Terra和GPT-6.1 Sol均降低50%。 OpenAI表示，GPT-6.1 Terra结合了更细致的视觉推理能力和更精准的电脑操作能力，文字表达也更清晰自然。开发者可以利用它自动处理大量重复任务，例如读取收到的发票，并将相关信息录入财务软件。 在ChatGPT Work和Codex中，OpenAI称，相同的使用额度可以让GPT-6.1 Terra完成比GPT-5.6 Terra更多的任务，也明显多于GPT-6.1 Sol或GPT-6 Astra。 电脑操作能力提升 OpenAI使用涵盖专业工作任务的Agents’ Last Exam基准测试评估了新模型。测试任务包括将建筑图纸转换为3D模型，

匹配字段正文

模型听起来是一个绝佳的解决方案，可以更长时间完成更多工作，而成本却更低。 以下是公告中的高层细节： 我们推出 GPT-6.1 Terra，这是一款快速、高效的模型，将细致的视觉推理和精准的计算机使用与更清晰、更自然的写作相结合。相比 GPT‑5.6 Terra 有显著提升，它擅长处理填满工作日的沟通和基于计算机的任务，从起草提案、解读技术图纸到填写表格和编辑视频。 OpenAI 强调，GPT-6.1 Terra 的定价实际上比它所取代的较差版本 GPT-5.6 Terra 低 50%，这使其成为以更低成本自动化计算机工作任务的理想选择。 在智能和准确性方面，OpenAI 表示 Terra 在这些领域也向前迈进了一步： 在我们内部的易错提示词基准上，低推理强度下的错误率从 GPT-5.6 Terra 的 53.6% 降至 GPT-6.1 Terra 的 16.7%，下降了近 37 个百分点。在最高推理强度下，错误率下降了 18 个百分点至 4.3%，几乎与 GPT-6 Astra 和 GPT-6.1 Sol 的错误率持平。 新的 GPT-6.1 Terra 模型即日起通过 ChatGPT

匹配字段正文

还显示，新模型在智能水平、任务成本和特定基准的幻觉表现上均有改善。 面向整个工作日，强化视觉理解与电脑操作 OpenAI将GPT-6.1 Terra定位为一款快速、高效的模型，目标是帮助用户以更低成本完成覆盖整个工作日的电脑操作任务。模型不仅能够理解屏幕内容，还能跨应用执行操作，并以更清晰、自然的语言进行写作。 从起草商业提案、解读技术图纸，到填写表格、编辑视频，OpenAI希望将Terra打造成适合高频办公任务的通用工具。对于企业而言，这类能力也意味着模型可以承担更多重复性工作，例如读取收到的发票，再将相关信息录入会计软件。 这次升级并非只追求单项能力的提高，而是试图将视觉理解、电脑操作和文本生成整合到同一工作流程中。OpenAI称，GPT-6.1 Terra在电脑操作和沟通类任务上较GPT-5.6 Terra有明显进步，同时强调，新模型能够让ChatGPT Work和Codex的既有使用额度完成更多任务。 电脑操作基准提升15个百分点，速度超过Astra三倍 在衡量智能体使用软件完成专业任务的Agents’ Last Exam基准中，OpenAI称，GPT-6.1 Terra在中等

匹配字段正文

准确率提高 2 分——这意味着该模型同时正确回答了更多问题。 该模型在基于终端的智能体基准 Terminal-Bench 4.0 中取得显著进展，提升约 20 分，现已在最高 effort 下与 GPT-6.1 Sol 相当。 Artificial Analysis 智能指数 v4.3.2 中各项评估的细分 Code2Video-AA：AI 模型用代码设计视频的能力如何？ Artificial Analysis 对 HeyGen Code2Video Bench 的实现，评估模型使用 HyperFrames HTML 根据 114 份设计简报创建简短产品和品牌视频的能力。 2026 年 10 月 26 日 Kimi K3.1 Pro 发布，在智能指数中排名第 4，并将领跑开放权重模型 Kimi K3.1 Pro 发布，在 Artificial Analysis 智能指数中排名第 4，并将领跑开放权重模型 2026 年 10 月 23 日 宣布推出 AA-PersonalityBench：衡量 AI 模型的沟通方式 AA-PersonalityBench 衡量 AI 模型的个性和沟通风

匹配字段正文

在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。 据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已经在用语音 AI 处理下单业务。自研这款可端侧运行的语音模型之后，Block 有望以更低成本，落地更多面向商户与普通用户的语音产品。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

械零件、建筑模型、多参数可配置的产品和定制家具。无需依赖 MCP 连接器，它可以直接编写并运行 Blender、CAD 等专业建模工具的脚本，完成素材的构建与细化，修改单个部件，并调整几何、材质与场景布局。 kimi.com 和 Kimi app 已同步上线 3D Make 功能，支持在线预览和编辑 3D 模型，做好的模型可以直接下载去 3D 打印，也能导出视频或实况照片，随手分享到社交平台。 Kimi K3.1 Pro 还能够端到端交付完整的金融工作流。在外部基准上，K3.1 Pro 在 OfficeQA Pro v2 基准测试中得分 64.4，取得当前最优成绩（SoTA）。OfficeQA Pro v2 考察基于真实金融文档的复杂财务数据分析，涉及检索、跨文档核对与多步数值推理。 K3.1 Pro 在 Frontier Finance 上的表现也较 K3 进一步提升。该基准测试衡量模型对完整投资工作流的支持能力，覆盖从标的筛选到盈利分析的全过程。 在 3 个内部金融基准上，K3.1 Pro 同样全面超过 K3： 财务建模基准 Financial Modelling 考察真实建模任务

匹配字段正文

称，改成半整数转速；CSS 动画暂停不一致，修；截图时场景还没加载完，加一个「就绪」再截。 最后自己开浏览器点了一遍，报了句「无脚本错误或资源缺失」，才把版本号交出来。 做完的东西就在右边窗口里，能转、能换色、能拉倾转滑块，不满意直接在对话里改，它接着改。 使用3D Make可以在线预览和编辑，一键发布成网页，GLB 下载下来可以直接去 3D 打印，还能导出视频或实况照片发社交平台。 以前，这是建模师、前端和运营三个人的活，现在，K3.1 Pro用一个输入框就完成了。 而众多网友的实测也证明，K3.1 Pro的审美绝了。 仅用4.92美元，它就在一款绘画应用程序中画出一副肖像。 有人在虚幻引擎中建造了一座云端宫殿，成本不到10美元，引发了众多网友盛赞。 鹈鹕骑自行车的demo，审美绝了。 华尔街全栈分析师来了 但 K3.1 Pro 这次，直接干翻了海外顶流。 在 OfficeQA Pro v2（基于真实金融文档的复杂财务数据分析，考察检索、跨文档核对与多步数值推理）上，K3.1 Pro 拿下 64.4 分，当前最优（SoTA）。 在覆盖从标的筛选到盈利分析整条投资工作流的 Fronti

匹配字段正文

位评论者表示，其代理曾尝试通过搭建测试环境来复现该泄露，但未能触发，并且它引用了防止电子邮件披露的内部规则。这表明行为可能因代理/工具配置、可用的身份数据以及目标 API 是否在请求头中明确要求联系信息而有所不同。 Altman 承认网络安全危机将会进一步恶化：“我不再认为我们能够修补所有漏洞。”（活动：1471）：该帖子引用了一段托管在 Reddit 上的视频，据称 Sam Altman 在视频中表示网络安全形势将会恶化，因为“我们[不]能够修补所有漏洞”，但所链接的媒体 v.redd.it/ogrkdvfgm7xh1 因 Reddit 403 Forbidden 而无法访问，因此无法独立核实其底层来源。最具技术性的评论认为，现代安全受制于遗留基础设施——TCP/IP、BGP、x86/RISC 等 CPU 指令集架构，以及为可信环境设计的网络假设——使当今的防御“像建在软沙之上的堡垒”。评论者对 Altman/OpenAI 的表述持怀疑态度，其中一人暗示所提出的“解决方案”将是购买 OpenAI 的产品。另一人批评 AI 公司一边将生存风险或网络安全风险用作模型能力的营销手段，一边继

匹配字段正文

→ CAD 代码）：带工具 92.7%，接近 Opus 5.5（96.2%）与 GPT-6 Astra（95.9%）。 · 强项：参数化建模（机械件、建筑、可配置产品、定制家具）；无需 MCP 也可写/跑 Blender、CAD 脚本。 · 产品侧：3D Make 已上线 https://t.co/jKNycbUAAF 与 App，可在线预览编辑、导出打印或视频/Live Photo。 金融 · OfficeQA Pro v2：64.4，文称 SOTA（复杂财报检索、跨文档校验、多步数值推理）。 · 相对 K3：Financial Modeling +7.2；Financial Research +11.6；Business Operation 约 4.2×。 · 幻觉：Kimi Hallu Bench Hard 上 claim 级幻觉率 23.4% → 8.3%；含至少一处事实错误的回复比例约为前代的 42.4%（压力测试，不代表日常整体错误率）。 网络安全与开源原则（篇幅最长的一节） · 观察到：后训练放大后，漏洞研究能力随算力上升；溯源到 mid-training 语料与 RL

匹配字段正文

情况下，它可以为 Blender 和 CAD 软件等工具编写并运行脚本，以构建和优化资产、编辑组件，并调整几何形状、材质和场景布局。 以下是 K3.1 Pro 为品牌影片、游戏和交互式网页体验创建的 3D 资产示例： 3D 制作 现已在 kimi.com 和 Kimi 应用上线——在线预览和编辑你的 3D 模型，下载可直接用于 3D 打印的模型，或将其导出为视频或实况照片，随时随地分享。 金融 凭借更强的推理和智能体能力，K3.1 Pro 能够端到端交付完整的金融工作流。K3.1 Pro 在 OfficeQA Pro v2 上取得了最先进的结果（64.4）， 该基准通过检索、跨文档核验和多步数值推理，在真实财务文档上测试复杂的财务数据分析能力。K3.1 Pro 在 Frontier Finance 上也优于 K3，该基准衡量从筛选到盈利分析的全流程投资工作流支持能力。 K3.1 Pro 在我们所有内部金融基准上也均有显著提升： 财务建模 评估真实建模任务中的公式联动、财务逻辑和最终工作簿质量。K3.1 Pro 较 K3 提升 7.2 分。 财务研究 评估模型能否在证据和截止时间约束下产

匹配字段正文