Rime发布语音到语音模型Prism
Rime发布面向AI语音智能体的语音到语音模型Prism。据Testing Catalog报道,Prism在开口前先把每条回复写成文本,企业可以编辑转写内容并拦截智能体不该说的话。该模型同时保持通话不中断,并能在对话中查询账户或冻结卡片。Rime称没有其他语音到语音模型采用这种方式,因此Prism更适合银行等受监管企业。目前尚无后续发展信息。
匹配字段摘要
←搜索结果
搜索“其他”
Anthropic训练Claude标记对话中的潜在滥用
Anthropic公开了Claude的“自我评估”隐藏机制:模型在回答用户后,会在后台追加约10个Token生成风险评级并上报。据凤凰科技报道,该机制自今年6月Claude Fable 5发布起默认全开,推理开销增加不到2%。Anthropic在安全博客中介绍,该机制复用已有上下文和KV cache,在Fable 5上捕获了重型分类器可标记的78%违规对话,高危滥用检出率达94%,误判率1%;评估结果不展示给用户、不进入后续对话,主要用于离线聚合筛查,实时拦截仍由其他安全分类器负责。官方称在24条越界测试轨迹中有21条被后台识别,用户需签署企业级零数据保留协议才能关闭该审查。
匹配字段摘要
Unsloth让本地LLM自主控制浏览器完成任务
2026年10月28日,Unsloth宣布本地LLM现在可以接管浏览器并自主完成任务。据其发布的信息,Qwen3.8-27B在无人干预下完成了下棋、绘画等操作,推文同时给出GitHub仓库和配套指南链接。目前该消息来自Unsloth第一方发布,尚无其他来源的独立报道或后续进展。
匹配字段摘要
Gemini应用上线聊天内文件生成与编辑
2026年10月30日,Gemini应用上线聊天内生成、预览和编辑文件的能力。据Google Blog介绍,用户可在对话中全屏直接输入修改、选中文本提问或让Gemini改写文件;PDF预览与编辑在网页端和移动端均支持,Google Docs、Google Sheets、幻灯片、Markdown、TXT和代码等其他格式仅在网页端支持。该功能已向Gemini应用覆盖的所有语言的全部用户开放。
匹配字段摘要
Generalist扩大GEN-1.5访问范围
2026年10月29日,Generalist宣布扩大其面向物理世界的基础模型GEN-1.5的访问范围,并开放候补名单供用户登记排队。据Generalist发布的信息,用户可通过链接登记进入候补名单;官方同时提供了GEN-1.5的详细介绍页面,以及该模型可完成的其他任务演示链接。目前尚无后续进展。
匹配字段摘要
ChatGPT为dot上线短信交互功能
ChatGPT宣布为dot上线短信交互功能:用户可通过iMessage或RCS给dot发短信,用文字、照片或语音留言派任务,也可让它持续关注某件事,dot会主动发消息汇报进展。该功能以预览形式向美国Pro用户推送。官方称只有用户本人能给自己的dot发消息,dot也只能回复本人,且不会让dot或OpenAI访问用户的其他短信对话;设置方式是在dot的个人资料页选择Texting,dot在不同入口共享同一套上下文和插件。
匹配字段摘要
Gemini支持在聊天窗口内编辑AI生成文件
Google于2026年10月29日为Gemini应用和网页版加入直接创建、预览和编辑文件的功能,支持文档(文本、Markdown、LaTeX)、PDF、演示文稿和电子表格。用户可选中内容让Gemini修改文字或视觉元素,也可继续追问调整;生成的文件可按原格式下载、在Google幻灯片等应用中打开,或通过右上角导出按钮上传到Google云盘。据Thurrott报道,文档、PDF、演示文稿和电子表格的聊天窗口编辑已在网页端和移动端上线,而Google Docs、Google Sheets、Markdown、TXT、幻灯片和代码的编辑仅在Gemini网页应用提供。PDF的预览与编辑在网页和移动端均支持,其他格式仅在网页端支持;该功能面向所有可使用Gemini应用的语言和用户开放。
匹配字段摘要
Gemini提供沉浸式探索功能
Gemini应用新增沉浸式探索库,用户可在学生中心点击“Try immersive explorations”进入,以交互、可视化的方式逐层探索从微观系统到深空等主题。据Google Blog介绍,每个场景可点击标签深入查看,并即将支持音频讲解;该功能后续也将直接接入与Gemini的对话中。功能支持英语、印尼语、印地语、巴西葡萄牙语、法语和简体中文,其他语言用户目前仅能使用英语版本。另有报道提到,用户可探索丝绸之路贸易路线、喷气发动机内部、闪电物理等主题,每个场景以交互式分层展开并配有引导式讲解。
匹配字段摘要
Google发布世界模型Genie 4
2026年10月27日,Google DeepMind发布世界模型Genie 4,主打实时交互模拟,并首次在该系列中引入原生音频。官方介绍称,该模型基于Gemini家族能力,Gemini Omni负责让模拟贴合真实世界的外观与行为,其他Gemini模型提供维持模拟连贯性所需的复杂推理;用户可用自然语言实时操控场景,每个世界还会即时生成环境音、音乐和交互对话。次日,Google DeepMind进一步说明,Gemini 3.8 Flash在循环中拆解目标、检查画面以维持多步事件的因果连贯,Gemini 4 Argon也已用于与Gemini Robotics联合模拟任务;官方称其仍属早期实验模型,长时运行下物体恒常性与复杂物理交互仍会漂移,生成内容均带SynthID水印,目前先向可信测试者开放预览。10月28日,Ethan Mollick发帖称Genie 4能运行DOOM,并实测其边生成边产出游戏式环境,表示体验并不完美。10月29日,Peter Yang用Genie 4实时构建5个世界,认为世界模型是LLM之后AI的下一个大方向。
匹配字段摘要
Cursor新增Computer Use能力
Cursor宣布新增Computer Use能力,其智能体可操作桌面应用。官方于2026年10月23日发布的信息称,该能力可驱动iOS Simulator等桌面应用,用于测试自身构建的功能,但官方推文未给出更多细节和开放范围。随后有报道称,Cursor现已具备Computer Use能力,可操作笔记本上的其他应用,对应用开发尤其有用,因为它还能运行移动模拟器;该功能可按需激活,也可通过@提及“Computer Use”命令调用。目前尚无更多关于开放范围的信息。
匹配字段摘要
Sakana AI发布AI智能体平台Sakana Aquarium
2026年10月22日,Sakana AI发布AI智能体构建与运营平台Sakana Aquarium。据Sakana AI官方博客介绍,该平台以本体(Ontology)为核心,把组织内分散的知识、规则和数据整理成统一语义,供智能体完成信息确认、判断与执行。平台包含本体、治理和托管智能体三层机制,可设置访问权限与执行前审批,并记录从判断依据到执行结果的全过程。整理好的数据与本体可被其他智能体直接复用。Sakana AI称,后续还将开发让智能体随组织变化持续更新本体、以及由AI辅助构建智能体的机制。目前该平台已发布,尚无进一步落地进展的公开事实。
匹配字段摘要
Rohan Paul评价Unitree H2-X约8小时续航数据
2026年10月22日,Rohan Paul发文评价宇树发布的H2-X人形机器人所宣称的约8小时续航数据。他指出,该数字统计的是站立时间,尚不清楚巡逻、格斗或搬运等实际任务能持续多久。文章同时提到,标准版H2重70kg、有31个关节,配备可换0.97kWh电池组,续航约3小时,售价29,900美元;发布视频中H2-X从4米平台跃下、踢穿废车场并击退持棍入侵者。Rohan Paul认为,早期买家更可能来自需要凌晨值守的场地和仓库,而非家庭。目前该评价仅见于其本人文章,暂无其他发展事实。
匹配字段摘要
Scaled Cognition推出语音模型Voice
Scaled Cognition Inc. 于2026年10月20日推出文本转语音模型 Voice。据 SiliconANGLE 同日报道,该模型支持25种以上语言和声音克隆,可通过 API 调用或自托管部署,主打账号、地址等细节的准确朗读。报道称,托管 API 定价为每百万字符9美元,自托管为每百万字符1美元(不含基础设施),公司称500万字符规模下含基础设施约每百万字符13美元,并宣称语音生成延迟为70毫秒。其 Smart Pronunciation 能力会先判断缩写和数字的含义再生成音频,例如把 Pay 1/2 by 1/2 读作 pay half by January second,且不依赖 APT 或其他大语言模型即可运行。目前尚无后续发展事实。
匹配字段摘要
LMSYS发布SGLang AWS Trainium插件Beta
2026年10月22日,LMSYS与AWS合作发布SGLang Trainium插件Beta,该插件基于新发布的TorchNeuron构建,在Trainium2和Trainium3上支持LLM推理服务与RL rollout生成。初始覆盖Qwen3(dense)、Qwen3-MoE-30B-A3B、DeepSeek-V2-Lite、GLM-4和GLM-5.2/5.3,并支持数据并行、张量并行、专家并行、Radix Cache、BF16/FP8和异步调度。首次端到端异构RL运行中,SGLang在Trainium3上为Qwen3-MoE-30B-A3B生成rollout,Miles在单台H200节点上用Megatron训练GRPO策略。Beta目前仅限少量团队参与。次日,Amazon宣布开源TorchNeuron,这是一个把PyTorch代码转换为可在AWS Trainium上执行的操作的后端,已在其他加速器上运行的PyTorch代码几乎无需改动即可迁移。
匹配字段摘要
fal与Fireworks AI合作早期上线EAGLE-4
fal 宣布与 Fireworks AI 合作,提前上线 EAGLE-4 推理加速方案,并附技术博客说明其原理及对创作工作流的意义。被引用的 Eagle 原帖称,EAGLE-4 是其最快的版本,在 Qwen3.8-27B 上使用 TokenSpeed 达到 961.6 tokens/s,测试条件为 BF16、4× NVIDIA B300、TP4、单请求、T=0,并给出 GitHub 地址。目前该消息来自 fal 于 2026 年 10 月 21 日发布的单一来源,尚无其他独立来源或后续进展。
匹配字段摘要
Sierra与Stripe合作实现对话内支付
2026年10月20日,Sierra宣布与Stripe合作,让客户在同一通电话中与Sierra的AI智能体对话、完成付款并收到收据,无需跳转其他系统或发送支付链接。支付时智能体切换到安全支付模式,客户通过电话键盘输入卡号,信息直接交由Stripe处理,智能体本身不接触原始卡数据,完成后智能体回到通话确认交易。Sierra称医疗支付公司Cedar是首批通过该集成在电话中收款的企业之一,其智能体Kora在患者发起支付的电话中,71.3%最终支付成功。Sierra平台同时上架Stripe App Marketplace,企业无需单独开发集成即可接入。双方还在与Meta等伙伴推进Personal Agent Protocol中个人智能体代付的规范。
匹配字段摘要
特斯拉向英特尔芯片Model S和Model X推送FSD v14 Lite
特斯拉宣布,FSD(监督版)v14 Lite开始向搭载英特尔芯片的Model S和Model X推送。该版本通过知识蒸馏,把HW4车型的FSD v14能力迁移到HW3硬件。更新提升了导航处理、匝道汇入、行人交互、红绿灯识别和车辆加塞等场景的预判与应急响应,并优化了行驶平顺性。相比其他获得该版本的车型,这批车缺少目的地停车位置选择、驻车状态直接启动FSD和自动倒车功能。目前该消息由车东西报道,尚无更多后续发展。
匹配字段摘要
Adobe为Lightroom移动版加入AI睁眼功能
Adobe宣布,iOS、iPadOS和Android版Lightroom移动端已可用生成式AI一键睁开照片中闭上的眼睛。当检测到人物闭眼时,图片上会自动显示Open Eyes Quick Action图标;该功能会参考用户Lightroom图库中同一人物的其他照片,使替换后的眼睛在颜色、大小和形状上匹配,并让光线与姿态一致。Adobe称该功能可免费使用,但DPReview实测免费用户使用两次后会看到订阅提示。Adobe的Photoshop Elements近十年来也有类似功能,但其替换素材取自该人物的另一张照片,效果受两张照片差异影响。
匹配字段摘要
Unsloth称可在笔记本本地运行训练120B+模型
2026年10月17日,Unsloth宣布适配NVIDIA RTX Spark,可在笔记本上本地运行和训练120B+参数模型。据其发布的信息,借助针对ARM平台CUDA优化的kernel和二进制文件,训练扩散模型、决策模型和多模态模型的速度提升约2.7倍,全部在本地完成,统一内存最高128GB。目前该消息仅有Unsloth一方发布,尚无其他来源的独立证据,也没有后续发展事实。
匹配字段摘要
Krea AI 推出图像模型 Krea 3
Krea AI 推出面向快速、精准图像编辑的新图像模型 Krea 3。据 Testing Catalog 报道,该模型可将人物、服装和场景的独立参考合并到同一画面,同时保持人脸与调色一致;在真实图像编辑基准 CPI-Bench 上,Krea 3 Ultra 得分 4.81(满分 5),仅次于 GPT Image 2.5,领先其他所有图像模型。同日,Krea 3 通过 Partner Nodes 在 ComfyUI 上线,支持多参考图输入与定向编辑,用户可按上传顺序用编号引用每张参考图,指定需保留的产品标签、形状和材质,同时改变场景、光照或构图,并通过 Comfy 积分运行。随后 Krea 3 又在 OpenRouter 上线,可接收 1 至 4 张参考图加一段提示词,返回原生 2K 编辑图像,多数编辑端到端耗时不到 8 秒;定价为 1K 每张 0.03 美元、2K 每张 0.06 美元,参考图 1K 每张 0.02 美元、2K 每张 0.07 美元,thinking_mode 默认 fast,设为 high 加收 0.02 美元,并沿用其他图像模型共用的 Images API。
Krea AI 推出面向快速、精准图像编辑的新图像模型 Krea 3。据 Testing Catalog 报道,该模型可将人物、服装和场景的独立参考合并到同一画面,同时保持人脸与调色一致;在真实图像编辑基准 CPI-Bench 上,Krea 3 Ultra 得分 4.81(满分 5),仅次于 GPT Image 2.5,领先其他所有图像模型。同日,Krea 3 通过 Partner Nodes 在 ComfyUI 上线,支持多参考图输入与定向编辑,用户可按上传顺序用编号引用每张参考图,指定需保留的产品标签、形状和材质,同时改变场景、光照或构图,并通过 Comfy 积分运行。随后 Krea 3 又在 OpenRouter 上线,可接收 1 至 4 张参考图加一段提示词,返回原生 2K 编辑图像,多数编辑端到端耗时不到 8 秒;定价为 1K 每张 0.03 美元、2K 每张 0.06 美元,参考图 1K 每张 0.02 美元、2K 每张 0.07 美元,thinking mode 默认 fast,设为 high 加收 0.02 美元,并沿用其他图像模型共用的 Images API。
匹配字段摘要