Artificial Analysis 评测显示，fal 基于 FLUX 3 后训练推出的 FLUX 3 Max 在 AA-Video-I2V v1.1 排名第 2（与第 1 名统计持平），在 AA-Video-T2V v2.1 排名第 4，两项均领先基础版 FLUX 3。该模型支持由文本提示词或起始图像生成 5 至 20 秒、720p 且带原生音频的视频，fal 称生成 10 秒视频耗时不到 12 秒；在 AA-Video-T2V v2.1 上其 Physics 能力得分最高，并在 Marketing & Advertising 与 Live-Action Film 用例中领先。fal 对 720p 视频定价为每分钟 10.20 美元，低于 FLUX 3 的 17.40 美元，发布前三周提供 75% 折扣至每分钟 2.55 美元。
匹配字段摘要
n8n 博客发布教程，介绍如何在一台 NVIDIA DGX Spark 上本地部署完整模型栈，让 n8n 工作流在不调用云 API 的情况下完成转录、OCR、文档问答和图像生成。整套栈通过 LiteLLM 暴露一个 OpenAI 兼容端点，主模型为 Qwen3.6-35B-A3B 的 NVFP4 版本，单用户生成速度 120 tokens/s，八用户合计 359 tokens/s。作者实测发现图像生成会让对话速度降到约三分之一，建议小团队把图像任务排队或放到非工作时间。
匹配字段摘要、正文
作者实测搭载 NVIDIA RTX Spark N1X SoC 的微软 Surface Laptop Ultra，该机最高配 20 核 Grace Arm CPU、6144 核 Blackwell GPU 与 128GB 统一内存，起售价 2599.99 美元。在 UL Procyon AI 文本生成测试中得分 2703，比 Intel Core Ultra X9 388H 的 IdeaPad Pro 5 高约 33%；MLPerf Flux 2 Klein 4B 图像生成达每分钟 26.97 张，约为后者的 2.7 倍。作者还用本地 Qwen3.8-27B 驱动 Hermes 智能体，约五分钟完成从 Excel 提取基准图表并生成 Word 报告。
匹配字段摘要、正文
n8n博客于2026年10月19日发布教程,介绍如何在一台NVIDIA DGX Spark上本地部署完整模型栈,让n8n工作流在不调用云API的情况下完成转录、OCR、文档问答和图像生成。教程称整套栈通过LiteLLM暴露一个OpenAI兼容端点,主模型为Qwen3.6-35B-A3B的NVFP4版本,单用户生成速度120 tokens/s,八用户合计359 tokens/s。作者实测发现图像生成会让对话速度降到约三分之一,建议小团队把图像任务排队或放到非工作时间。目前该内容仅有n8n博客这一来源。
匹配字段摘要
Google发布图像生成与编辑模型Nano Banana 2.1,取代2026年2月发布的Nano Banana 2。据The Decoder报道,官方称新模型在各方面均有提升,价格约为前代一半:1K图像从6.70美分降至3.36美分,4K从15.10美分降至7.56美分。该模型基于Gemini 3.6 Flash,支持1K、2K、4K分辨率,最多可同时处理14张参考图并保持4个角色和10个物体一致,已陆续接入Gemini应用、Google搜索AI Mode、Google AI Studio、Flow、Stitch、Google Ads和Gemini企业平台;旧模型gemini-3.1-flash-image将于2026年10月29日停用。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
匹配字段摘要
2026年10月7日,Google 发布图像生成与编辑模型 Nano Banana 2.1,并进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。据 Arena 报道,它在多图编辑以 1431 分排第 4,文生图以 1328 分排第 5,图像编辑以 1428 分排第 6;相比 Nano Banana 2,文生图提升 80 分,多图编辑提升 67 分,图像编辑提升 38 分。分类榜单中,它在多图编辑的商业设计与 3D 排第 3,在卡通/奇幻、写实和文字渲染排第 4。10月9日,Artificial Analysis 的 Image Arena 评测显示,Nano Banana 2.1 在全部 7 项图像编辑动作上成为 Google 最佳模型,其中 Scene & Style 编辑从第 24 名升至紧随领先模型,Identity Preserving 编辑从第 12 名升至第 3 名;在 Reasoning-Based Edit 和 Identity Preserving Edit 两项上,只有两个 GPT Image 2.5 模型排在它前面;Enhancement & Restor
匹配字段摘要
Google发布图像生成与编辑模型Nano Banana 2.1,取代2026年2月发布的Nano Banana 2。据The Decoder报道,官方称新模型在各方面均有提升,价格约为前代一半:1K图像从6.70美分降至3.36美分,4K从15.10美分降至7.56美分。该模型基于Gemini 3.6 Flash,支持1K、2K、4K分辨率,最多可同时处理14张参考图并保持4个角色和10个物体一致,已陆续接入Gemini应用、Google搜索AI Mode、Google AI Studio、Flow、Stitch、Google Ads和Gemini企业平台;旧模型gemini-3.1-flash-image将于2026年10月29日停用。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
English translation is being prepared.
匹配字段摘要
Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。
图像和编辑图像来将问题可视化。” 他举了一个买沙发并在脑海中想象它放在客厅里会是什么样子的例子。 一个概念性的视觉推理循环 还有在脑海中操作图像；例如，如果你在数桌子周围的人，你可能会在脑中“把他们一个一个划掉，”Dai 说。 这就是 Elorian 在其模型中想要做的：教它们视觉思维，“这涉及将生成和编辑图像作为推理轨迹的一部分，与语言一起。” 关键在于，图像生成对视觉模型来说不仅仅是输出——生成或编辑的图像是推理链的一部分。 Elorian 与世界模型有何不同？ 视觉推理仍是一项进行中的工作，但今年在“世界模型”领域已经出现了一些令人印象深刻的发布——视觉是其中的关键组成部分。其中两个尤为突出：World Labs 于 9 月推出的 Atlas（该公司随后被 AMD 收购），以及 Google 刚刚发布的 Genie 4。 当 World Labs 发布 Atlas 时，它被描述为“面向空间智能的全能世界模型”。但 Atlas 所实现的功能——基本上是对世界的 3D 模拟——与视觉推理并不相同。 据 Dai 所说，世界模型能够实现对世界的“直接作用”，而 Elorian 更侧重于他
匹配字段正文
Simon Willison 发布用 Claude Code 全程 vibe coding 开发的即时战略游戏 Battle Drones，经过 12 个大版本、321 次提交，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，支持战争迷雾、随机地图生成、AI 对战 AI 以及两个 LLM 互相对战的 Agent 对战模式。他还实现了两台设备通过麦克风音频同步游戏状态的联机方式，并因音频引发头痛问题补充了基于 WebSockets 中继服务器的在线联机。
e 5 开始： 我们要构建一款移动端友好的 RTS 游戏——命令与征服风格——名为 Battle Drones，其中两支无人机军队（包括飞行和地面单位）为领土和资源而战 让我们从 MVP 设计开始，问我一些问题 这是一份共享对话记录。我给 Claude Code for Web 设置了一个包含 OpenAI API 密钥的环境变量，并让它使用 OpenAI 图像生成 API 来制作素材，这让我得到了一些基础精灵图。 你可以在此试用 v1——它看起来是这样的： 它一眼就能看出是 RTS，具备建造机制、选择和指挥单位的能力，以及一个可供对战的基础 AI。 这第一个版本勉强算是个概念验证，玩起来一点也不有趣。 Claude 在这些早期版本中使用了 Phaser 2D 游戏框架。我直到好几轮迭代之后才意识到这一点！ v2：完整精灵图 第二个版本（在此试用 v2）为所有载具添加了精灵图，并加入了“AI 对 AI”模式，这样我就能观看游戏自动进行，而无需自己直接操控。 Claude 在提示 OpenAI 的图像模型生成精灵图方面表现得相当称职。你可以在 public/assets/sprites
匹配字段正文
邵猛整理 Lee Robinson 在斯坦福 CS146S 讲座中分享的 Grok Bot 常驻 Agent 内部构造，归纳为四层机制。第一层是休眠与唤醒，服务器和云电脑平时休眠，由消息或事件触发后从数据库加载会话日志、记忆和例程重建状态，用完回写再休眠；第二层是唤醒源，除直接发消息外还包括 Slack、电话、会议和后台例行任务，所有触发汇入统一路由做去重与会话合并；第三层是是否打扰用户的独立判断链，位于通知层而非执行层；第四层是专用云电脑，采用 Firecracker microVM，具备隔离执行、可视化接管、虚拟桌面和池化共享四个特性。作者还补充了 server 与 computer 必须分离的三点原因：更新独立、重算力任务在服务器上更快、VM 打补丁时可独立重建。
可视化接管：用户可以连入这台机器，实时观看甚至亲手控制，“看它工作”既是信任机制也是调试手段； · 虚拟桌面：同时跑五个十个 bot 时，每个 bot 有自己的屏幕和浏览器，互不干扰； · 共享基础设施：这些电脑是池化资源，由 bot 们按需调用。 补充：server 与 computer 为什么必须分离 架构图把系统划为三段：触发源（左）→ 服务器（中）→ 云电脑（右）。服务器内是消息队列 + agent 循环（即上周课上的“模型调工具”循环）。 而 agent 循环绝不能放进 VM，原因有三： · 更新独立：改 agent 代码只需推服务端，不必走应用商店审核； · 重算力任务（转写、图像生成）在服务器上跑更快，且服务器扩缩容是成熟工程； · 最关键：VM 需要打零日漏洞补丁时可以直接重建，而 agent 状态在服务器上安全无虞，VM 与 agent server 必须能各自独立关停，互不拖垮。 一个常驻 agent 的存在形态，是被状态机（休眠→加载→工作→持久化→休眠）、事件驱动（多源触发 + 路由去重 + 打扰判断）、资源分层（服务器持状态、微虚机持计算）三条线索共同定义的。
匹配字段正文