Google Ads：把现有社交素材变成高影响力 YouTube 广告
Google Ads 在 Ads Decoded 节目中介绍，Demand Gen 和 YouTube 效果广告可把现有社交素材作为创意基础，只需符合素材规格与指南。Asset Studio 的多模态视频创作由 Gemini Omni 驱动，可将网站 URL 和照片转为高质量视频，供相关方在发布前预览。节目还建议逐步调整、注重新素材质量而非数量，以便系统有足够时间衡量效果。
匹配字段摘要
←搜索结果
搜索“多模态”
OpenAI 发布 Dots 智能体，仅限每月 100 美元 Pro 及以上用户
OpenAI 在年度 DevDay 上发布由 GPT-6 Astra 驱动的智能体 Dots，目前仅向每月 100 美元的 Pro 及以上订阅用户开放，而 Meta 的 Muse 对所有 Meta 账号免费。Dots 被定位为可承接长周期知识工作的“幕僚长”，支持文本、语音和电话多模态交互，并计划推出会计、法律等专业版本，同时与 Microsoft 合作接入 Agent 365。Altman 称 Dots 因算力消耗大而先做高端产品，未来会推出面向数十亿人的大众版本。
匹配字段摘要
字节 Seed 发布 SeedRealtime 原生音视频全双工 LLM
字节 Seed 正式发布 SeedRealtime，一个原生音视频全双工 LLM，用统一架构原生融合音频、视频和文本，支持连续多模态流上的实时交互。官方称其实现音视频联合理解、主动交互和自然对话节奏三项突破，端到端人工评测显示相比级联模型，音视频对话节奏问题减少一半。目前 SeedRealtime 已全面上线，官方称这是音视频全双工技术的大规模部署。
匹配字段摘要
Cerebras 推出面向软件工程 AI 智能体的数据集基础设施
Cerebras 发布数据集基础设施项目，通过仓库沙箱生成器构建数据整理流水线，为软件工程 AI 智能体打造大规模高质量数据集。该平台从 PyPI 关联项目、高影响力 GitHub 仓库和多模态代码库三条流水线采集代码，并自动完成 Docker 环境构建、差分测试与 FAIL_TO_PASS/PASS_TO_PASS 分类。
Cerebras 发布数据集基础设施项目，通过仓库沙箱生成器构建数据整理流水线，为软件工程 AI 智能体打造大规模高质量数据集。该平台从 PyPI 关联项目、高影响力 GitHub 仓库和多模态代码库三条流水线采集代码，并自动完成 Docker 环境构建、差分测试与 FAIL TO PASS/PASS TO PASS 分类。
匹配字段摘要
Ai2 推出 DiScoFormer：一个 Transformer 同时估计密度与 score
Ai2 提出 DiScoFormer（Density and Score Transformer），给定一组数据点即可在单次前向传播中同时估计分布的密度与 score，无需针对新分布重新训练。在 100 维下，相比最优手工调参的 KDE，它将 score 误差降低约 6.5 倍、密度误差降低逾 37 倍，并在训练分布之外的多模态混合及 Laplace、Student-t 等非高斯分布上保持准确。该模型以 GMM 为训练数据，将 KDE 作为特例纳入并加以改进。
匹配字段摘要
PyTorch Conference North America 2026 的 Ray 专题参会指南
PyTorch Conference North America 2026 将在 San Jose 举行，官方发布了一份以 Ray 为核心的参会指南。Ray 是分布式计算框架，可覆盖从多模态数据整理、多节点训练到生产部署的完整 AI 生命周期，已成为 Cursor、Microsoft AI 和 NVIDIA 等机构做后训练与强化学习的标准底座。指南重点推荐 Ray 联合创始人 Ion Stoica 关于 Kubernetes 与 Ray 协同演进的 keynote，以及 LinkedIn、Uber、Pinterest 等团队基于 Ray 的训练与后训练实践分享。
匹配字段摘要
“新天工开物”人工智能专场发布“立知”Uni-MoE与“材华·MatVerse”两项成果
9月30日，“新天工开物”科技成就发布会人工智能专场首播，发布“立知”Uni-MoE系列多模态大模型与“材华·MatVerse”材料多模态大模型两项科技成就。前者由哈尔滨工业大学（深圳）张民团队研发，获2025年度吴文俊人工智能科技进步奖特等奖；后者由苏州国家实验室联合上海人工智能实验室、上海交通大学推出，被称为世界首个百亿参数、首个原生多模态的材料大模型，首创覆盖19类材料二级学科的多模态评测基准。
匹配字段摘要、正文
Cohere 发布 Embed 5 系列嵌入模型，Pro 与 Fast 共享同一嵌入空间
Cohere 发布 Embed 5 系列嵌入模型，包含面向最高质量的 Embed 5 Pro 和面向延迟与成本敏感场景的 Embed 5 Fast，两者共享同一嵌入空间，可用 Pro 建索引后用任一模型查询而无需重建索引。Embed 5 支持多模态输入与检索、100 多种语言和 128K token 上下文窗口，Pro 在 ViDoRe V3 上平均得分 85.8，Fast 为 84.5。模型已在 Cohere API、Model Vault、Microsoft Foundry 和 Amazon SageMaker 上线，Pro 定价为每百万 token 0.12 美元，Fast 为 0.08 美元。
匹配字段摘要
微软亚洲研究院新加坡实验室成立一年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡实验室（MSRA – Singapore）成立一年，作为微软在东南亚的首个研究实验室，其工作围绕下一代 AI 模型与智能体系统、面向真实场景的领域 AI、AI 原生研究实践以及生态与人才培养四大方向展开。该实验室与新加坡经济发展局（EDB）等机构合作，并在医疗健康领域推进多模态医疗 AI 与自进化诊断智能体的落地探索。过去一年，MSRA 与新加坡高校新增 9 个合作项目，此前自 2004 年起已支持超过 75 个研究项目。
匹配字段摘要
使用 Amazon Nova Act 实现合成监控
AWS 发布基于 Amazon Nova Act 与 Amazon Bedrock AgentCore 的智能体驱动合成监控方案，用多模态 LLM 读取 UI 截图而非 DOM 选择器，替代 Selenium、Playwright 等易碎脚本。早期企业客户用例中，Nova Act 在浏览器工作流上准确率超过 90%，典型六步旅程耗时 2 到 4 分钟。方案通过 EventBridge 调度，由 AgentCore Runtime 管理浏览器会话生命周期。
匹配字段摘要
OpenCode 上线 LongCat-2.5-Preview 两周免费使用
OpenCode 宣布 LongCat-2.5-Preview 在其平台上限时免费两周，并列出三项规格：1M 上下文、多模态和零数据留存。
匹配字段摘要
美团 LongCat-2.5-Preview 上线，1.6T 参数、1M token 上下文
美团 LongCat 发布 LongCat-2.5-Preview，参数规模 1.6T、激活约 48B，上下文窗口 1M token，原生多模态，面向长周期任务，覆盖终端、浏览器、GUI、表格和设计工具等场景。官方同时开放 API 和 Chat 两个入口。
匹配字段摘要
杭州加速打通人工智能生产力转化通道
杭州正通过创新策源、生态培育与场景开放协同推进，加速打通人工智能生产力转化通道。国家人工智能应用中试基地（具身智能）发布首批“揭榜挂帅”课题，攻关高质量多模态数据集建设；2025年杭州具身智能机器人与其他智能终端产业集群规上工业产值突破1000亿元。杭州计划今年支持“魔搭社区”汇聚全球开发者超3000万人，力争全年人工智能核心产业营收规模超5500亿元。
匹配字段摘要、正文
斯坦福团队发布对比语言模型 CLM-8B，推理速度最高达 Jev 的 9 倍
斯坦福大学 Jacky Kwok 等人发布新方式 Contrastive Language Model（CLM）及基于 Qwen3-8B 的 CLM-v0.1-8B，用于让 AI 智能体从给定候选中快速选择下一步操作或工具。在计算机操作、游戏和工具调用任务中，CLM-8B 性能与 TypeSafe AI 的判断模型 Jev 相当，零样本评测下推理速度最高提升 9 倍，候选多或动作可复用时提速最明显。代码在 GitHub、模型在 Hugging Face 以 Apache 2.0 许可公开，团队还在训练多模态版 CLM-35B，计划 10 月上旬发布。
匹配字段摘要
华为大模型双子星创办息壤开物，融资数亿元做物理基础模型LPM
Physical AI 创业公司息壤开物宣布连续完成数亿元种子轮及天使轮融资，由敦鸿资产领投，估值达5亿美金。公司由前华为云大模型CTO李寅任创始人兼CEO、前华为多模态首席科学家张含望任联合创始人，目标是做 Large Physics Model（LPM），即先从海量视频、机器人轨迹和真实交互中预训练物理基础模型，再迁移到不同本体和任务。息壤披露其模型在 World Arena 2.0 Track 1 的 Trajectory Accuracy 单项排名第一、Physical Adherence 单项排名第二，训练成果 XIRRA v0.1 计划于今年晚些时候亮相。
匹配字段摘要、正文
Google Research 提出多智能体框架，自动生成长视频叙事
Google Research 发布一套统一多智能体框架，用于自动生成时间上连贯的长视频叙事，以解决现有线性流水线中的身份漂移和级联失败问题。该框架作为编排层构建在 Gemini 和 Veo 之上，包含四个部分：AI video co-director 用多臂老虎机做全局创意搜索，CANVAS 通过持久视觉记忆规划多镜头视觉连续性，A²RD 以自回归方式逐段生成并维护多模态视频记忆，VQQA 用视觉问答生成语义梯度做闭环提示词优化。评测显示 AI video co-director 在 GenAD-Bench 上达到 81.4 的峰值质量分，CANVAS 在 ST-Bench 和 HardContinuityBench 上提升场景重现连续性，A²RD 在 VBench-Long 和 LVBench-C 上减少布局漂移，VQQA 在 T2V-CompBench、VBench2 和 VBench-I2V 上取得质量提升。
匹配字段摘要、正文
Space Bunny 隐身模型限时免费一周
Space Bunny（隐身模型）下周免费 - 1M 上下文 - 多模态 - 零数据保留
Space Bunny（隐身模型）下周免费 - 1M 上下文 - 多模态 - 零数据保留
匹配字段摘要
生物安全是一场 AI 军备竞赛：Radical Numerics CEO Eric Nguyen 谈基因组语言模型
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为，生物安全是一场 AI 军备竞赛，提升生物能力的模型同样能帮助防御方跟上节奏。该公司正构建基因组语言模型（GLM），用 DNA 语言中的链式推理和多模态感知处理 RNA、蛋白质等问题，其团队此前在 Arc Institute 参与开发了 Evo 与 Evo 2。Nguyen 称目前防御方在这场竞赛中处于下风。
匹配字段摘要、正文
Black Forest Labs 发布 FLUX 3 Action：7B 开源世界动作模型用于机器人控制
Black Forest Labs 发布 FLUX 3 Action，一个从多模态 FLUX 3 主干衍生的 7B 开源权重世界动作模型，在 RoboLab-120 榜单上以不到此前最佳开源模型一半的参数量取得 38.3% ± 0.38 的成功率，速度最高提升 3.95 倍。该模型在图像、视频和音频数据上预训练，其中视频占训练 token 的 95% 以上，再通过联合视频-动作训练和针对目标本体的微调适配动作空间。报告还分析了将其与 GPT 6 Astra 等推理模型组合的混合方案，发现快速控制能让具身推理更省时省钱，每美元成功率最高提升 53.64%。
匹配字段摘要
小米发布 MiMo-V2.6 Pro 与 Flash 全模态模型
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型，结合 3D 空间推理、多模态感知与 computer use，可把文本、图像或视频转成可玩的 3D 世界，并支持 Blender 场景创建、仿真中控制 Franka Panda 机械臂以及桌面工具操作。官方称 Pro 在多数智能体基准上与 Claude Opus 5、GPT-5.6 Sol 相当，Artificial Analysis Intelligence Index 得分 46，为开源模型最高，API 定价与 V2.5 持平。团队同时开源 Pro、Flash、MiMo-V2.6-Distill-Qwen-9B、技术报告、7K+ RL 任务环境、端到端 RL 框架与可组合 mini-harness，并上线 MiMo Desktop 与订阅方案。
匹配字段摘要