卡尔的 AI 沃茨公开影视飓风内部分享的 AI 工作流
卡尔的 AI 沃茨公开了几个月前在影视飓风内部分享的 AI 工作流，按时间轴分为找到适合你的 Skill、把经验打包成 Skill、把多个 Skills 组合成工作流、批量化定时化四个部分。作者称看完后可以手搓一个本地批量视频剪辑 Skill，并搭建文案、海报、视频、网页全链路的内容生产工作流。
匹配字段摘要、正文
←搜索结果
搜索“视频”
Manus 发布 Manus Video 全新能力
Manus 在推文中宣布 Manus Video 推出全新能力，并附上博客链接。同线程中，Manus 举例称 Manus Video 团队成员 @Nin19536 带回 125 段旅行素材、近两小时视频，Manus 仅凭一条提示词就找出精彩片段，剪出 12:48 的初剪版本，成片包含字幕、音乐、特效和故事线。
匹配字段摘要
豆包工作、千问办公、WorkBuddy 三款 AI 办公应用实测对比
新京报贝壳财经记者对豆包工作、千问办公、WorkBuddy 三款 AI 办公应用进行系列任务实测，分别使用豆包2.1 Lite0921、Qwen3.87-Max、Hy4 preview 模型。在《2026年AI办公赛道调研报告》长程任务中，豆包工作用20分46秒产出1万字，WorkBuddy用21分18秒产出2.5万字，千问办公耗时超1小时产出5万字，但消耗约1800 token，约为另两款的60倍，记者需充值78元购买会员。多模态测试中，豆包工作的海报与视频完成度最高，WorkBuddy 生成的3D模型最接近原手办，但生成漫画时把自己的图标认成青绿色小猪脸。
匹配字段摘要、正文
LeCun：无人机靠 ConvNets 识别目标
无人机正在造成僵局，并在敌方阵线之间形成事实上的无人区（尽管比战壕之间的无人区宽得多）。 机器确实能感知世界，并能自动识别目标（当视频和控制信号被干扰时必须如此）。它们都为此使用 ConvNets。我的发明。 [你应该更小心，不要发布让你看起来像个白痴的攻击性回复]
无人机正在造成僵局，并在敌方阵线之间形成事实上的无人区（尽管比战壕之间的无人区宽得多）。 机器确实能感知世界，并能自动识别目标（当视频和控制信号被干扰时必须如此）。它们都为此使用 ConvNets。我的发明。 [你应该更小心，不要发布让你看起来像个白痴的攻击性回复]
匹配字段摘要
LeCun：驾驶数据数十亿小时仍无 L5 自动驾驶
我们有数十亿小时的驾驶训练数据：视频+传感器输入，以及方向盘和踏板动作。 尽管如此，我们仍然没有 Level-5 自动驾驶汽车。 这不仅仅是运行时间的问题，而是数据需求和样本效率的问题。 （在你问之前先说：Tesla FSD 被评为 Level 2，Waymo 尽管使用了激光雷达和其他超人传感器，也只是 Level-4。它们所需的训练数据都远超 20 小时。）
我们有数十亿小时的驾驶训练数据：视频+传感器输入，以及方向盘和踏板动作。 尽管如此，我们仍然没有 Level-5 自动驾驶汽车。 这不仅仅是运行时间的问题，而是数据需求和样本效率的问题。 （在你问之前先说：Tesla FSD 被评为 Level 2，Waymo 尽管使用了激光雷达和其他超人传感器，也只是 Level-4。它们所需的训练数据都远超 20 小时。）
匹配字段摘要
OpenAI Dots 上手实测：更像企业软件，也能帮你订晚餐
The Verge 记者实测 OpenAI 本周发布的智能体平台 Dots，它拥有可自定义名字的拟人化形象，可在虚拟机中操作 Blender、GIMP 等应用，也能通过桌面版 ChatGPT 访问用户自己的电脑，并优先向每月 100 美元的 Pro 等高阶账户开放。实测中 Dots 在订网、宜家账户登录等任务上多次卡在安全验证，需要人工接管，但在作者授权访问个人电脑后，顺利完成了视频剪辑合并和个人网站改版部署。作者认为它更像面向普通人的 Codex，适合处理工作事务，但每月 100 美元的价格对个人用户未必划算。
匹配字段摘要
CNNIC 发布《生成式人工智能应用发展报告（2026）》：用户规模突破7亿人
中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告（2026）》，显示截至2026年上半年我国生成式人工智能用户规模突破7亿人，普及率超过50%。报告称76.0%的用户用其回答问题，处理图片/视频、文本、工作总结/会议纪要/PPT的占比分别为47.8%、37.6%和32.5%；截至2026年6月我国智能算力规模达2185EFLOPS，同比增长177%，2026年上半年人工智能相关投融资事件1255起、金额约2501.4亿元。
匹配字段摘要、正文
CNNIC 发布《生成式人工智能应用发展报告（2026）》：用户规模突破 7 亿人
中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告（2026）》，显示截至 2026 年上半年我国生成式人工智能用户规模突破 7 亿人，普及率超过 50%。报告称 76.0% 的用户用其回答问题，处理图片/视频、文本、工作总结/会议纪要/PPT 的占比分别为 47.8%、37.6% 和 32.5%；截至 2026 年 6 月我国智能算力规模达 2185EFLOPS，同比增长 177%，已建成高质量数据集超过 12 万个。报告还提到 2026 年上半年我国发生 1255 起人工智能相关投融资事件，合计金额约 2501.4 亿元。
匹配字段摘要、正文
PixVerse 推出 Short Drama 智能体插件
PixVerse 发布 Short Drama 插件，让 AI 智能体把场景描述直接生成完整视频。用户只需描述角色、场景、动作和情绪，智能体即可调用 PixVerse 完成从文字到视频的转换，方便团队直接观看和讨论。
匹配字段摘要
xAI 发布实验性 TypeScript SDK
eric zakariasson 宣布 xAI 发布实验性 TypeScript SDK，可通过 npm install @xai-official/sdk 安装，在一个 SDK 中调用文本、语音、图像和视频能力，使用最新的 Grok 模型，并支持实时 X 搜索、网页搜索、代码执行和远程 MCP 等服务器端工具。Roshan Sadanani 转述称“我们有了新的 TS SDK”。
匹配字段摘要
MIT 推出 AI 青年创业平台 Dear Dreamer
MIT 马丁信托创业中心推出免费 AI 青年创业平台 Dear Dreamer，面向初高中学生，将 Bill Aulet 的《Disciplined Entrepreneurship》24 步框架改编为自定进度数字课程，含短视频、互动练习和个性化反馈。该框架此前已售出超 50 万册，使用它的 MIT delta v 加速器学生创业存活/被收购率达 61%，累计融资超 30 亿美元。Aulet 表示目标是在 2030 年前赋能 5 万名年轻创业者。
匹配字段摘要
Cloudflare 开源多模态决策模型 Clef 与 Clef-flash
Cloudflare 于 2026 年 10 月 1 日以 Apache 2.0 许可证在 Hugging Face 上开源两款决策模型 Clef 与 Clef-flash，均托管在 Workers AI 上。Clef 基于 Qwen3.8-27B、为 27B 参数多模态模型，Clef-flash 基于 Qwen3.5-9B 训练，二者读取文本、JSON、图像和视频，一次前向传播即返回所有选项的概率，不生成自由文本。Cloudflare 称其威胁情报团队用 Clef 做网站域名分类，取得、渲染和分类耗时约为通用 LLM gpt-oss-120b 的一半，分类结果更细。
匹配字段摘要
Karpathy 分享理解 LLM 输出的四种技巧
Andrej Karpathy 建议用四种输出格式理解 LLM 结果：让模型用 ASD-STE100 受控语言规范写作、生成图表、输出 HTML 交互网页，以及制作定制讲解视频（如 3b1b 风格、配 ElevenLabs API 配音）。他认为随着 LLM 变强，人类工作将更多上升到监督与理解层面，而 LLM 也能生成此前不值得做的大型一次性软件产物来辅助这一过程。
匹配字段摘要
Hakoniwa 与 Comfy Agent 如何创作动画短片《YUI》
知名 AI 动画艺术家 852話 Hakoniwa 用 Comfy Agent 创作了首部动画短片《YUI》，主角名字取自 ComfyUI 最后三个字母。她主要用 GPT Image 2.5 做角色设计与静帧，正片主要用 Seedance 2.5、幕后视频用 MiniMax H3，并在同一镜头上对比 Wan、MiniMax H3 和 Seedance 选优。全片 4:20，总成本约 20 万日元（不含人力），一人专注工作 3 天，其中约 2/3 用于生成、1/3 用于剪辑。
匹配字段摘要
Dominik Kundel 称赞 OpenAI dots 移动端对话体验
Dominik Kundel 转发 OpenAI Developers 的 dots demo 视频，表示自己尤其喜欢在移动场景下与 dot 对话，体验非常出色，并感谢 Holly 展示了这一功能。
匹配字段摘要
用 Google Search 在家做出更好咖啡的 5 个技巧
Google Search 在 10 月 1 日国际咖啡日发布 5 个技巧，帮助用户在家提升咖啡与拉花水平。用户可用 AI Mode 对比法压壶、手冲、冷萃等冲煮方式或寻找设备，用 Lens 拍照学习拉花图案，并通过 Search Live 开启视频实时获得倒奶角度、速度与手法的反馈。Search 还能查找附近在售器材和符合个人日程的本地咖啡课程。
匹配字段摘要
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
魏茨曼研究所的 AI 脑解码工具可从 fMRI 扫描重建所见图像
以色列魏茨曼科学研究所的 Michal Irani 团队开发出一套脑解码工具，能从高分辨率 fMRI 扫描中重建人眼所见的图像，也能反向根据图像预测脑活动。该工具由结构预测与内容预测两条分支驱动扩散模型生成图像，并用一个编码器合成脑活动数据来扩充训练集，约 70% 训练数据来自未与 fMRI 配对过的图像。研究者称其在新受试者上只需约 1 小时 fMRI 数据即可校准，而以往工具通常需要约 40 小时；成果已在上月纽约举行的 Cognitive Computational Neuroscience 会议上展示。Irani 计划将方法扩展到视频与音频，并用于重建想象内容和梦境；多位神经科学家则提醒，类似思路若结合 EEG 可能被用于在未经同意的情况下提取人的内心图像。
匹配字段摘要
Gemma 4 在 Cerebras 上跑出约 2300 tok/s：三个多模态应用实测
Google 开源多模态模型 Gemma 4 31B 在 Cerebras 上以约 2300 tok/s 运行，首次让开源多模态模型突破 2000 tok/s。实测中，60 页 DeepSeek-V4 技术报告解析仅用 1.79 秒，比 GPU 提供商快 17 倍；基于 17 帧视频的租车损伤检测应用 5 秒内完成全部标注。
匹配字段摘要
AMD 以约 82 亿美元全股票交易收购 World Labs
AMD 宣布以约 82 亿美元全股票交易收购 AI 研究实验室 World Labs，交易预计在 2026 年底前完成，尚需监管批准。World Labs 开发用文本、图像和视频生成并模拟交互式 3D 环境的空间智能世界模型，其联合创始人兼 CEO 李飞飞将加入 AMD 出任执行副总裁兼首席科学家。AMD 称该交易旨在为机器人和物理 AI 等新兴模型与应用协同设计硬件、软件和系统。
匹配字段摘要、正文