腾讯混元发布Hy3D WorldClaw
2026年8月11日,腾讯混元推出名为Hy3D WorldClaw的智能体工作流,可从文本提示词生成大规模3D开放世界。官方说明称,该成果既不是视频,也不是Gaussian Splatting,每个场景都可自由探索,且完全由可编辑、可直接用于游戏的3D资产构建,具备高质量几何与纹理。官方同时给出了项目页面链接。目前公开信息仅涉及发布本身,尚无后续进展披露。
匹配字段摘要
←搜索结果
搜索“视频”
星海图展示纯视觉机器人折箱
2026年8月7日,星海图 Galaxea 展示了一台折叠纸箱的机器人。该机器人仅依靠视觉完成操作,未使用触觉传感器或力/力矩传感器;演示全程实时运行,视频没有加速。目前输入材料仅提供了此次能力展示,未披露机器人型号、技术细节或后续应用计划。
匹配字段摘要
Amp新增任意文件上传功能
2026年8月4日,Amp发布Attach Anything功能,用户可上传视频、日志、PDF、表格、数据集等任意文件到orbs,供Amp查看和使用。官方列举的用例包括屏幕录制修复应用、日志调试、将演示文稿和表格转为交互式网站、从媒体输入生成视频和CAD文件、转录音视频等。
匹配字段摘要
Black Forest Labs发布FLUX 3多模态模型
2026年7月20日,Black Forest Labs发布多模态基础模型FLUX 3并开启早期访问。该模型基于Self-Flow在统一架构中同时学习图像、视频和音频,可单次生成最长20秒带原生音频的视频,支持文生视频、图生视频、视频生视频、关键帧过渡和多语言对话等能力。官方称早期评测结果仍属初步,后续将陆续开放FLUX 3 Video、FLUX 3 Image的API与私有权重,以及FLUX 3 Dev的开源权重。2026年8月4日,Black Forest Labs宣布FLUX 3 Video的初版文生视频与图生视频能力即日起通过BFL API和部分合作方开放,可生成最长20秒的HD视频,支持Full HD放大输出与原生音频,并提供Draft Mode。官方称后续将推出FLUX 3 Image与开放权重版本FLUX 3 Dev。
匹配字段摘要
Google重构AI搜索入口
2026年5月20日,Google在I/O开发者大会上宣布重新设计沿用25年的搜索框,将其从关键词输入框改为可接受文本、图片、PDF、视频和Chrome标签页的多模态对话入口,并立即在支持AI Mode的所有国家和地区上线。Google同时把AI Overviews与AI Mode合并为一条连续搜索流程,用户可在传统结果页直接追问,无需切换界面。新体验由Gemini 3.5 Flash驱动。Google称AI Mode上线一年月活已超10亿,AI Overviews月活超25亿。目前尚无后续有证据的发展。
匹配字段摘要
Hermes Agent接入Grok订阅
2026年5月15日,xAI宣布即日起可在Nous Research的开源自我改进智能体Hermes Agent中直接使用Grok订阅。接入后,用户可用Grok 4.3进行文本对话与高级推理,用Grok Text-to-Speech生成语音回复,用Grok Imagine生成图像和视频,所有订阅档位均可使用。Hermes Agent可持久运行在任意电脑、沙箱或VPS上,跨会话建立长期记忆,并能连接WhatsApp、Discord、Telegram、Signal等消息平台。用户通过hermes model选择xAI Grok OAuth并浏览器登录即可启用。目前该消息由xAI官方发布,尚无后续发展事实。
匹配字段摘要
xAI发布Grok Imagine API
2026年1月28日,xAI发布Grok Imagine API,将视频生成与视频编辑能力打包为面向端到端创作流程的API组合。据官方介绍,Grok Imagine是xAI目前最强的视频音频生成模型。该API支持从文本或图像生成视频,并支持增删替换物体、场景与物体控制、风格重绘等编辑操作,同时支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化,并已在合作方平台与自家API上线,同时提供SDK、教程和可视化控制台。目前尚无进一步有证据支持的发展。
匹配字段摘要
Sora 2上线并完善角色授权
2025年10月1日,OpenAI推出Sora 2模型及全新的Sora视频应用,用户可创建、分享和观看视频。应用提供cameo功能,可将本人及朋友放入视频,并改善角色一致性;团队同时设置肖像滥用、深度伪造及非法内容防护,并计划持续调整信息流控制与用户福祉相关设计。10月4日,OpenAI宣布将进一步提供更细粒度的角色生成控制,并探索向允许用户生成其角色的权利人分享收入。具体分成模式尚未确定,将通过试验逐步完善;相关做法计划先在Sora中迭代,再一致应用于旗下产品。
匹配字段摘要
Runway发布Act-One角色表演工具
2024年10月23日,Runway发布名为Act-One的新工具,用于在Gen-3 Alpha中生成角色表演。据官方介绍,该工具以视频和声音表演作为输入,无需额外设备,能够保留真实面部表情,并把表演迁移到与原视频比例不同的角色上,同时在不同机位下保持稳定的面部动画。Act-One现已面向Gen-3 Alpha开放,并配套公众人物内容拦截、Custom Voices声音授权核验等审核措施。
匹配字段摘要
Suno推出Audio Input音频生成功能
2024年6月12日,Suno发布Audio Input功能,面向Pro与Premier用户开放。用户可上传或录制自己的音频,用于生成歌曲。根据Suno博客介绍,音频或视频片段时长需在6至60秒之间;上传后可在Extend中设定起始时间、风格,并可加入自己的歌词。目前该功能仅限Pro与Premier用户使用,普通用户是否开放尚无进一步信息。
匹配字段摘要
GitHub 在 Universe 2026 上正式提供 Copilot Fusion，并公测 Copilot…
GitHub 在 2026 年 10 月 28 至 29 日举行的 GitHub Universe 2026 上宣布，整合自动模型选择与多模型协作的 Copilot Fusion 正式提供，可在 VS Code、GitHub Copilot 应用、CLI 和 JetBrains IDE 中使用，按 Standard、High、Max 三档处理级别自动决定所用模型与 Single、Cascade、Critique 三种执行方式。桌面版 GitHub Copilot 应用同时开始公测 Projects，把资料、仓库、会话与成果物集中到一处管理。GitHub 称 Fusion Max 在 Artificial Analysis Coding Agent Index 上得分 60，与使用 Opus 5.5 Max 的 Claude Code 相差 2 分以内，单任务平均 API 费用约为其一半、耗时约少 40%。
种。可以在 PR 发生冲突或创建安全警报等情况下，启动所设置的处理。 还可以使用 REST API，从外部系统传递相关信息来启动 Automation。此外，通过将某个 Automation 的成功或失败设为另一个 Automation 的启动条件，可以组合多阶段处理。 可使用的 GitHub 工具新增了 20 种，包括重新运行工作流、合并 PR、附加图片和视频等。还可以连接自定义的 MCP 服务器，并按每个 Automation 选择允许使用的工具。对外部服务能做什么，也取决于连接目标的设置和认证信息。 可以为每个 Automation 设置 AI 积分使用量的上限。达到每次执行的上限时，将停止该次执行。还可以设置每日、每周、每月的上限，达到上限时，在切换到下一个统计周期之前不会启动新的执行。 此外，还新增了根据执行结果制定改进方案的功能。请 Copilot 创建想要自动化的工作，以及回顾其结果并加以改进的机制，即可组合用于工作的 Automation 和用于改进的 Automation。 例如在 PR 审查中，准备一个在创建 PR 时确认变更并发表评论的 Automation，以及
匹配字段正文
极米记得开售 AI 记忆眼镜 G1 与记忆手环 L1，599 元起
极米记得 AI 记忆眼镜 G1 与 AI 记忆手环 L1 于 10 月 28 日正式开售，手环 L1 标准版售价 599 元，眼镜 G1 标准版首发价 1299 元。两款设备共用极米记得 App 与同一套 AI 记忆服务，开机即录，可将日常交流转写并自动生成会议纪要、待办事项和生活卡片。数据管理上采用只留文字不留原音的方式，语音转写完成后删除原始音频，并支持设置免录时段和隐私禁词。
。 这也让它的产品思路更加清晰。通过不同的硬件形态适应用户的佩戴习惯，再由同一套软件服务，将零散的对话整理成可供回顾和调用的个人记忆。用户是否愿意长期使用，既取决于设备戴起来是否舒服，也取决于留下的内容能否在需要时派上用场。 从这个角度来看，极米记得的尝试，也为AI可穿戴设备向个人Agent演进提供了一条路径。随着记忆不断积累，AI有望结合过去的交流理解当下需求，进一步参与任务跟进与日常安排。而如何将持续记录转化为准确、适时的帮助，将是这类产品接下来需要验证的能力。 投稿/爆料：tougao@youxituoluo.com 稿件/商务合作： 林南（微信 19250561593） 加入行业交流群：林南（微信 19250561593） 版权申明：本文为VR陀螺原创，任何第三方未经授权不得转载。如需转载请联系微信：vrtuoluo233 申请授权，并在转载时保留转载来源、作者以及原文链接信息，不得擅自更改内容，违规转载法律必究。文中有图片、视频素材来自互联网或无法核实出处，如涉及版权问题，请联系本网站协商处理。 数字科技产业资讯与服务平台 下载「陀螺科技」APP，获取前沿深度数字科技产业讯息
匹配字段正文
大晓机器人联合南洋理工大学发布世界模型 Mundo
大晓机器人联合南洋理工大学 S-Lab 发布面向具体环境构建的世界模型 Mundo，支持场景重建、自由视角探索和时空模拟。Mundo 可将物体的质量、摩擦等物理属性写入场景程序，由物理引擎计算运动、接触与碰撞，并支持调用智能体用代码编辑场景中的物体、属性与动作。输入 1 至 12 张图像即可构建可探索三维空间，同一组参考图像支持多条相机路径，更大场景可连续生成数十秒至分钟级探索画面。
Atlas 类似的场景重建、自由视角探索和时空模拟能力。相较于Atlas来说，Mundo可以将物体的质量、摩擦等物理属性纳入场景程序，通过物理引擎计算运动、接触与碰撞。同时，Mundo 支持调用智能体，通过代码编辑场景中的物体、属性与动作，将少量影像转化为可自由探索、可编程交互、可用于机器人导航与操作训练的三维世界。 Mundo 将三维场景表示、物理仿真与视频生成相结合，结合Astra打造全新空间理解能力，先通过影像场景与物体，并可以通过代码实现场景可以编辑，再通过代码定义、编辑物体属性和动作。物理引擎计算运动与碰撞，视频模型结合参考影像渲染结果，形成从场景重建、代码编辑到交互模拟的完整流程。场景既能被看见，也能响应动作、记录变化，进而成为机器人训练与测试的环境。 这一能力为机器人进入具体商业场景提供了支持。在大晓机器人以 Kairos 为核心的世界模型技术体系中，Mundo 补充环境建模、训练数据生成与仿真训练能力，帮助机器人完成场景适配和策略优化。 少量图像构建专属世界模型 支持跨空间长路径生成 Mundo 将少量图片或者视频，拓展为可持续探索的三维空间，同一组参考图像可以支持多
匹配字段正文
腾讯灯塔AI正式对外开放：一句话完成数据分析
腾讯宣布旗下AI数据分析平台腾讯灯塔正式对外开放，企业与个人用户可通过 beacon.qq.com 注册使用，平台提供自然语言问数、看板生成、归因分析、指标监控与团队协作等能力。灯塔AI支持3大类10种数据源接入，官方称搭建全链路运营看板从传统BI的4至6个工作日缩短到不超过2小时，业务监控看板从打开对话框到定稿用时8分钟。平台预置12个数据分析技能和3个可视化技能，可通过MCP协议接入企业内部系统，新用户首次注册赠送500积分，此后每月赠送500积分。
AI数据分析平台"腾讯灯塔"正式对外开放，企业与个人用户可通过官网beacon.qq.com 注册使用。腾讯灯塔过去十年专注于腾讯内部业务的自助分析洞察与数据可视化，此次品牌升级为AI数据分析洞察套件，面向业务团队提供自然语言问数、看板生成、归因分析、指标监控与团队协作等一站式能力。 经过十多年技术积累和产品迭代，如今新升级的灯塔AI已广泛应用于 QQ、腾讯视频、腾讯新闻、应用宝、微信支付、元宝、腾讯客服、天美游戏等100多个腾讯内部业务团队，积累了丰富的数据分析，日常经营分析经验。 把一张业务看板从"一周"压缩到"小时级" 传统模式下，业务人员想要一张看板，需要经历提需求、等排期、取数、做图、调格式等环节，周期通常在一周左右；口径一变，又要重新排期。灯塔AI的做法是让业务人员自己走完这条链路：用自然语言描述需求，AI直接生成看板，之后的修改、追问、归因和推送都在同一个工作台内完成，无需编写SQL。 在过往的使用案例中，我们发现搭建全链路运营看板，在传统BI工具上需要4至6个工作日，使用灯塔AI后从需求到交付（含迭代调优）不超过2小时，搭建业务监控看板，从打开对话框到看板定稿用时仅8分
匹配字段正文
智元发布 GO-3 Preview 基座模型、Genie Master 框架与精灵 G2 Max 机器人
智元在 2026 智元创新日具身作业生产力分论坛上发布具身基座模型 GO-3 Preview、具身 Agent 框架 Genie Master 和重载具身工业机器人精灵 G2 Max。GO-3 Preview 采用理解、预测、动作生成统一的 WRAM 架构，在 20 类技能 100 个任务上 Zero-Shot 平均成功率由 13.4% 提升至 56.4%，模型规模扩展实验中由 56.2% 提升至 73.2%，并已登顶 RoboDojo、RoboTwin、RoboColiseum 三大评测榜单。联席总裁姚卯青提出可衡量、可复制、可持续三项能力标准，现场还给出手机包装任务 98.3% 成功率、便利店精灵 G2 任务成功率从首日 28.6% 升至第五天 85.7% 等数据。
相关专题top start 相关专题top end 期货推广begin 期货推广end 秒拍begin 秒拍end 视频播放器start 视频播放器end 行情图begin 行情图end 新浪科技讯 10月30日晚间消息，2026智元创新日具身作业生产力分论坛上，智元发布具身基座模型 GO-3 Preview、具身 Agent 框架 Genie Master以及重载具身工业机器人精灵 G2 Max 等成果，并展示了一套可部署、可运营、可持续优化的 Physical AI 生产力技术闭环。 “演示考验的是单点能力的上限，但生产力考验的是系统的下限。”在智元联合创始人、联席总裁、具身业务体系总裁姚卯青看来，机器人作业生产力是一套严苛的工程标准：可衡量——成功率、节拍、MTBF（平均故障间隔时间）全部有数；可复制——不是一条示范线，而是成千上百条产线；可持续——不是交付即终点，而是越用越好。具身智能只有同时具备三项能力，才能真正走进产业现场。 据悉，此次发布的GO-3 Preview 通过理解、预测、动作生成统一的WRAM 架构，可实现跨场景泛化与精细操作能力。现场公布的实验显示，在训练数据
匹配字段正文
MiniMax Code 团队开源 MCode Stack Agent 工作流与 Skills
MiniMax Code 团队开源了 MCode Stack，把团队日常使用的 Agent 工作流和 Skills 写成可安装的 SKILL.md 与清单，可作为插件接入 MiniMax Code 及任意支持 Skills 的 Agents。仓库按成员打包成 stack，其中 stacks/ronny/ 最完整，含 15 个 skill，覆盖子 Agent 拆分、上下文与工具预算审计、长会话交接、独立评审和热修复判断。配套 notes/ 专栏 MCode Engineering Notes 阐述思路，六条 engineering-* 改编自 Google Engineering Practices，改编部分沿用 CC-BY 3.0，其余为 MIT。
.md / 清单，并可作为插件进 MiniMax Code 和任意支持 Skills 的 Agents。 开源地址：https://t.co/tU3L7LxLF1 仓库里有什么 按人打包成 stack（每人一套插件）： · stacks/ronny/：最完整，15 个 skill · stacks/jiachen/：偏「跳出 Agent 循环、把笔记做成帖/视频」 · notes/：配套专栏 MCode Engineering Notes（文章讲道理，技能可执行） · community/、templates/stack-template/：欢迎外人贡献日常用法 · 三类物件：Skill（/技能名 或按描述自动加载）、Checklist（逐项过项目）、Workflow（WORKFLOW.md 描述日常怎么用）。Ronny 的 WORKFLOW.md 仍标 Coming soon，先以 skills 为准。 Ronny 那 15 个 Skills 1. 规划与拆分：subagent-split-check、engineering-small-prs、engineering-change-
匹配字段正文
Apple Creator Studio 大更新：Final Cut…
Apple Creator Studio 迎来大更新，Final Cut Pro、Motion、Pixelmator Pro、Logic Pro 以及 Keynote、Pages、Numbers 均加入自然语言助手和生成式编辑，多数为测试版，依赖支持 Apple Intelligence 的机型且目前仅支持美式英语。办公三件套新增 MCP 支持，外部 AI Agent 和工具可直接读取内容、改稿并执行自动化操作。Keynote 还推出基于 JSON 的开放包格式 .keyx，方便外部工具和 Agent 读取。
Apple Creator Studio 大更新：剪辑、图像、音乐、办公一起加上 AI，办公还能被外部 Agent 操作 Apple 这次更新大致三个路线： 1. 把 MotionVFX、Content Hub 里的视频素材、Logic 里更完整的声音浏览等专业内容，收进订阅权益里 2. 在 Pixelmator、Logic，以及 Keynote、Pages、Numbers 里加入自然语言助手和生成式编辑（多为测试版，且依赖支持 Apple Intelligence 的机型，目前只有美式英语） 3. 办公三件套支持 MCP，Keynote 还推出面向外部工具和 Agent 的交换格式 .keyx，文档开始按「能被外界读写」来设计 详细内容：https://t.co/2BAjZvAvHk 视频与动效 Final Cut Pro（Mac）内置 MotionVFX，模板、转场、跟踪、抠像、调色等元素可达数千种。编辑可在应用里打开 Content Hub，使用苹果整理过的视频、图片和背景，不必离开剪辑流程。时间线上的图片可以直接在 Pixelmator Pro 里打开，改完自动写回工程，不用再
匹配字段正文
豆包工作上线录制回放功能，支持边操作边讲解最长 30 分钟
豆包工作上线录制回放（record & replay）功能，可把电脑操作过程录下来交给 AI 生成步骤说明并复刻，类似简化版 RPA。相比 Codex 同类能力，它额外支持边操作边讲解，最长录制 30 分钟，处理时优先转换音频。作者实测用它做跨平台内容采集、公众号排版发布等任务，并指出执行中若占用同一窗口任务会主动暂停，同时打开多个网页则不受影响。
不同的是，中间如果我要用对应的这个窗口的话，它是会主动断掉的。 拿我在 Codex 上的经验说。经常会遇到我开了一个对话，那个对话要用我的浏览器，但我同时又想开另一个对话，两边就冲突了。操作软件的时候特别明显，浏览器其实还好，可以通过其他 Skill 绕开。 我说具体一些。 比方说我要用 Codex 操控 Grok，同样的环境给我出个日报。但因为我同时在录视频，或者在跟另一个 Agent 对话，它弹出来的页面就会打断我。我不断最小化 gpt 不断重试，很多时候就是因为反复切界面导致操作失败。 所以暂停和重试这两种机制，我觉得有好有坏。如果让我选的话，本机，就是我自己用的电脑，我希望有自动暂停的机制，因为不会打断我主要的工作。但如果是在远程的 Mac mini 上跑，重试更好，反正不挡我。 上次文章里，我没有写这个录制回放技能会跟已有的 Computer Use，Browser Use（浏览器自动化）去搭配使用。像豆包，它其实会先返回说目前的状态是什么，然后给出后续的行动。 那下一步，最好的做法就是让它去做巡检。 我刻意强调巡检这两个词，是因为以前我可能会说每隔 5 分钟，10 分钟去
匹配字段正文
天数智芯首次实机演示天垓300与端侧终端TY1200
天数智芯首次实机演示通用GPU天垓300和端侧算力终端TY1200，并预告标称算力600T的下一代端侧产品TY2000。天垓300有144GB显存，在64K长上下文下Attention性能为H200的1.05倍，GLM-5.3模型下MoE吞吐为H200的1.15倍；TY1200为300 TOPS INT8稠密算力，实测TPS超越英伟达Thor T5000。天垓300 IXL144超节点在单机柜集成144颗GPU、聚合约10.1TB显存，每百万有效Token成本较国际主流方案降低约40%。
n3.8-27B模型，首先向模型提问了“狮子和老虎单挑谁会打赢”。结果显示，TY1200的首词延迟更低、吞吐更高、输出时间更短。 根据天数智芯公开的数据，在大语言模型、多模态模型、世界模型等的实测中，TY1200的TPS（每秒词元数）均超越了T5000。宋远盈称，TY1200性能更优的原因在于显存带宽更高、计算核数量更多。 演示人员现场实测的下一个任务是文生视频。她让两款产品生成了猫咪打架并打碎了花瓶的视频。TY1200在6分10秒内生成了5秒视频。 其次是对保密要求更高的法务合规场景，演示人员现场演示了基于企业内部的规则进行法务合同审核。 最后是物理AI场景。其现场用端侧算力训练了双足鸭机器人MicroDuck，让MicroDuck在仿真环境里完成各项活动，包括前进、后退、转身、被推倒后站起等。 演示人员现场还让实体的MicroDuck自己走动，并在摔倒后站起来。 在具体的应用方面，其基于TY1200打造了面向储能电芯研究的垂直AI智能体；此外在视觉识别领域，传统方案的视觉识别准确率为70%，天数智芯用CV+多模态+端侧算力，再结合云端进行应急指挥管理，将视觉识别的准确率提升至95%
匹配字段正文
Google 与 Xreal 合作的 Android XR 眼镜 Aura 开售，起价 1099 美元
Xreal 与 Google 合作开发的 Android XR 眼镜 Xreal Aura 在美国、加拿大、日本和韩国开售，12GB+256GB 版 1279 美元、16GB+512GB 版 1499 美元，年底前优惠价为 1099 和 1299 美元，11 月中旬开始发货。它重约 95 克，采用分体架构，把主要计算单元和电池放到有线口袋主机中，搭载高通 Snapdragon Reality Elite 芯片，支持 Gemini 语音指令、手势追踪和 70 度视场。Xreal 称首发提供 150 多个 XR 应用与体验，并推出带 Gemini 键的手柄和无线键盘配件。
Mary 以及 Fallout: Factions 的混合现实版本。作为配件，Xreal 推出了一款带 Gemini 按键的游戏手柄，以及一款用于多虚拟窗口办公的无线键盘。与其他显示眼镜一样，笔记本电脑和游戏掌机也可通过 USB-C 连接，并将其屏幕内容呈现在大型虚拟显示器上。 Heise 作者 Josef Erl 在伦敦的一场 Xreal 活动中试用了该眼镜。尤其令他信服的是清晰的画面呈现和稳定的手势追踪，不过他有时觉得视场角有所局限。与以往的 Xreal 型号相比，Aura 佩戴明显更舒适，前部负重感也更小。 每隔一个周一，我们为您带来 XR 行业最重要的进展。让您尽在掌握。 电子邮件地址 有关发送流程和您的撤销权的详细信息，请参阅我们的隐私政策。 与 Xreal Aura 最可比的是 Meta 即将推出的 VR Glasses。它们同样紧凑轻便，也采用分体架构和高通高端芯片。与 Aura 不同，VR Glasses 通过视频透视呈现环境。价格方面，两款设备处于相近量级：Meta 称 VR Glasses 售价 1299 美元，但预计要到 2027 年春季才会推出。 (tobe)
匹配字段正文