Grok Bot本周更新了多项功能。据阿易 AI Notes报道,此次更新包括可直接生成可编辑报告页和仪表盘的Pages、用于存放登录与银行卡信息的Vault,以及与1Password的联动;Vault与1Password的设计是让Bot代填登录和结账信息,但Bot本身看不到密码和卡号。更新还加入手机App授权,覆盖日历、通讯录、位置、闹钟,在iPhone上可管理提醒事项和控制Home灯光;此外还有根据描述或图片生成视频、新Bot角色和X Spaces等。目前该报道为唯一信源,尚无后续发展。
匹配字段摘要
Google 发布 EmbeddingGemma 2 论文,介绍一个 Apache 2.0 许可的端侧多模态嵌入模型,把文本、代码、图像、音频和视频映射到同一向量空间。该模型基于 Gemma 4 构建,通过向更大的 Gemini Embedding 2 学习并用对比训练调优,744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上,量化后的文本权重占用约 191MB 活跃内存,完整多模态模型约 567MB,上下文窗口扩大 4 倍至 8K tokens,可容纳约 5.5 分钟音频、29 张图像或 58 帧视频;直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54,高于先转写再检索的 57.59,代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。目前尚无后续进展。
匹配字段摘要
Sam Altman提出,世界可能需要对单个AI模型的智能程度设定上限。他表示,至少在一段时间内、甚至可能很长时间内,人们将不得不就单个模型能有多聪明达成某种限制。他认为,进步放缓会源于这一决定,而非AI缺乏做好研究的能力。相关言论出自YouTube频道“Cheeky Pint”的完整视频。目前尚无后续发展。
匹配字段摘要
2026年10月29日,邵猛提出判断:LibTV、TapNow、Flova、Pexo、Medeo等国内Video Agent团队虽在融资路演中强调生态、Agent架构与行业know-how等壁垒,但做来做去可能都做成了token中转站。他推测,若这些网站支持BYOK,用户自备视频生成模型API Key的成本会低于在站内消耗Credit,API Key有折扣时更低。他建议用REA或从零构建自己的Video Agent搭配折扣API Key来降本,认为对在TikTok、Ins、抖音做视频内容的用户而言省下的钱很可观。目前该判断尚无后续发展。
匹配字段摘要
2026年10月29日,Kling AI宣布Kling4已在Genspark AI Media Studio中可用。据可灵Kling AI发布的消息,Genspark宣布Kling 4.0接入该工作台,支持单次生成30秒视频、无需拼接,并支持最多15个图像、视频、角色或声音参考以及10个关键帧;11月4日前credits五折,Kling AI官方账号转发了这一消息。同日,量子位报道Genspark正式发布视频Agent工作台Media Studio,接入20多家厂商的70多个模型版本,覆盖视频、图像、音频和3D。目前该接入已随Genspark Media Studio发布对外公布。
匹配字段摘要
Higgsfield AI 宣布上线 Higgsfield Playable。用户可上传游戏视频、截图或提示词,构建带病毒式机制的手游,并在 Enterprise 套餐中将其转为可玩广告。目前该消息由 Higgsfield AI 发布,尚无更多后续发展。
匹配字段摘要
fal于2026年10月28日宣布,VEED Dubbing已上线fal平台。据fal发布的信息,该功能可用克隆语音和唇同步翻译视频;Pro版支持94种语言和14种地区口音,保留背景音频并支持多说话人,还提供目标口音与语音克隆强度控制。目前尚无后续发展事实。
匹配字段摘要
2026年10月30日,数字生命卡兹克发布文章,记录网友围绕DeepSeek鲸鱼Logo二创出拟人角色“鲸鱼娘”的现象。据其描述,网友借助DeepSeek Harness客户端和各类插件,把这一形象接入QQ、做成桌宠,使其发表情包、主动聊天、更新QQ空间;装上插件后,这些“蓝色大肥鱼”还涌入B站评论区搜索视频、总结内容并互相交流,形成作者所说的“鱼灾事件”。目前该现象仍由这一篇文章记录,尚无后续发展事实。
匹配字段摘要
fal平台于2026年10月29日上线Motion to Code功能。据fal发布的信息,用户描述一段动画,或上传图片、视频,即可得到可编辑代码,形式为GSAP页面或循环GLSL shader。fal官方称,产物只有几KB而非MB级视频,且任意分辨率下都清晰。目前该功能尚无后续发展事实披露。
匹配字段摘要
Google Gemini 上线个人头像功能,用户可创建并分享头像,与朋友一起出现在图像和视频中。分享后可在提示词中互相标记,并保持角色和声音的一致性;用户还能随时添加或移除他人的访问权限。目前该功能由 Gemini 于2026年10月30日发布的信息披露,尚无更多后续发展。
匹配字段摘要
2026年10月28日,Manus推出Bricklane服务:从用户的故事中选取一个地点,设计定制积木模型,并交付3D搭建网站和含csv零件清单的PDF说明书,方便用户单独购买零件,把一段记忆做成实体纪念品。Manus称其不只建了网站,还搭起整家公司,包括交互网站、3D积木搭建、逐件搭建校验、Stripe、域名、邮箱、发布视频、社交帖子和广告。Manus转发用户Natalie的帖子并强调这一点;Natalie称她用Manus把真实地点或孩子的画作做成定制LEGO套装,从域名到首单只用了2天。Manus展示的案例包括加州Hillsborough的Villa de Verano(566块、13步)、童年画作里的糖果店(742块、19步)、京都祇园的拉面店(759块、10步)和伦敦邱园Temperate House(709块、10步)。
匹配字段摘要
腾讯混元于2026年10月30日发布交互式视频世界模型Hy-Nomas的技术报告,并开源Hy-Nomas-Bench供可复现研究。官方同时用Hy-Nomas复现了Genie 4的示例并放出对比视频,还提供无需等待名单的在线demo。此前介绍称,Hy-Nomas支持文本提示词与相机轨迹的自由交互、带世界记忆的长时程生成、面向机器人等领域的轻量LoRA适配,并针对消费级GPU推理做了优化。目前尚无后续进展。
匹配字段摘要
Odyssey于2026年10月30日发帖称,世界模型将带来新的发现,并随帖附有一段视频。该判断由Odyssey以第一方身份发布,目前没有后续发展事实或独立交叉来源补充。
匹配字段摘要
2026年10月28日,商汤发布并开源轻量模型SenseNova 6.8 Code2Video。该模型通过生成可执行代码来创建和渲染短视频,在视觉构图和动态设计上已有初步结果。配套Skill支持把想法转成视频并通过后续指令修改,也能把参考视频重建为可编辑代码。商汤同时开源了模型权重、Skill,以及每个展示视频背后的提示词和完整生成轨迹,这些视频均由单条提示词一次运行生成。目前尚无后续发展信息。
匹配字段摘要
Artificial Analysis于2026年10月30日发布榜单结果,称Utopai Studios基于MiniMax H3后训练的Utopai X在AA-Video-I2V v2.1排名第二,仅次于Dreamina Seedance 2.5。该榜单信息同时指出,Utopai X是唯一同时进入AA-Video-T2V v2.1与AA-Video-I2V v2.1前二的模型,并在Physics、Multi-Scene & Narrative类提示词以及Frontier、UI/UX & Motion Design、Productivity & Knowledge Work场景表现最佳。目前该模型仅在PAI平台提供,1080p视频每秒93 PAI credits,无公开API,PAI订阅1,000 credits起价每月15美元。
匹配字段摘要
2026年10月29日,Maxinsights完成3000万美元种子轮融资,由PeakXV领投,Tola Capital、South Park Commons、INCE Capital和Alumni Ventures参投。据Robotics & Automation News报道,本轮资金用于扩展其为机器人和AI模型采集真实人类活动数据的物理AI数据平台。该公司已采集超200万小时真实人类活动数据,其中150万小时可直接用于模型训练,服务超30家AI实验室和基础模型开发商客户。公司同时推出MaxLoop质量监控系统和MaxGlove触觉传感手套,MaxLoop将审核成本降低约80%,每月可处理45万小时视频。
匹配字段摘要
渥太华视频智能公司Solink宣布完成超过1亿美元新融资,由Vertu Capital领投,Goldman Sachs Alternatives旗下Growth Equity等参投。资金将用于加速AI Vision Intelligence布局。其平台把现有安防摄像头转化为实时商业智能,覆盖65个国家逾35,000个客户站点、管理50万路摄像头。此前Solink于2023年完成6000万美元C轮融资,累计融资已超1.98亿美元。
匹配字段摘要
东京理科大学公布AR眼镜辅助膀胱癌手术的临床成果。据VR陀螺报道,该校成功完成一例XREAL One Pro AR眼镜辅助的膀胱癌手术,患者为50多岁男性,术后进展顺利。该系统由该校肾泌尿外科与电气电子工程系团队联合研发,将内窥镜影像叠加在医生视野内,并接入索尼NUCLeUS平台统一管理手术室视频信号;其他参与人员可佩戴xbx a01+同步查看信息。目前尚无后续发展披露。
匹配字段摘要
Tripo AI推出面向交互式场景的实时生成式渲染器EdenLive,隶属其交互式环境世界模型Project Eden,目前已向开发者开源。据VR陀螺报道,EdenLive将场景演化逻辑与视觉渲染解耦,只需2D/3D场景或参考视频、目标首帧与文本指令即可启动渲染,支持480p与720p两种分辨率;50亿参数版本在单张消费级RTX 5090上可实现720p下24帧/秒以上的实时生成。开源内容包括50亿与140亿参数模型权重、实时视频生成代码、文本转简易游戏的EdenGolem v0.1技能及完整提示词到游戏前端工具链,代码以Apache 2.0协议发布于GitHub,权重可在Hugging Face获取。目前尚无后续进展披露。
匹配字段摘要
2026年10月28日,Krea预告“something is coming”,称首个Krea 3专家模型将于本周发布,并邀请用户猜测首个专家模型是什么。10月29日,Krea宣布Krea 3将于明天迎来首个专家模型,并称视频中还留有最后一条线索。10月30日,Krea发布Ad Studio,由面向广告的新Krea 3专家模型驱动;用户粘贴品牌链接即可生成数十条广告,并保持与品牌和产品的一致性,目前可免费试用。
匹配字段摘要