Sundar Pichai称Argon上线72小时用量近25万亿token
Sundar Pichai 表示,Google 的 Argon 上线后 72 小时内用量接近 25 万亿 token,约为 Gemini 3.0 同期用量的 3 倍。他还提到,目前正在服务该模型,但算力容量受限。相关说法出自 Alex Kantrowitz 的 YouTube 频道视频。
匹配字段摘要
←搜索结果
搜索“视频”
Meshy介绍Make Printable加厚薄壁并修复孔洞
Meshy 于 2026 年 10 月 21 日介绍其 Make Printable 功能。据 Meshy 发布的帖子,该功能只加厚模型中的薄弱部位,保留其余细节,并支持一键修复孔洞和非流形边。帖子还附有 3D 打印专家的完整教程视频。目前该功能仍处于介绍阶段,尚无后续发展事实。
匹配字段摘要
Flatkey网关支持通过CLI在Codex与Claude Code调用多模态模型
Flatkey 以统一 API 网关形式,支持在 Codex 和 Claude Code 中通过 CLI 调用多模态模型。据 2026 年 10 月 21 日的报道,该网关可调用 GPT、Claude、DeepSeek、GLM、Kimi 等文本模型,以及 GPT Image、Seedance 等图片视频模型;用户用一个 Key 即可接入 100+ 官方模型和 1,000+ 工具 API,费用合并为一份账单。报道还称,其日常价格比官方定价至少低 20%;10 月 19–23 日活动期间,GPT、GLM 5.2、Kimi K3、DeepSeek 打 6 折,Claude 8 折,Seedance 2.0 85 折。目前尚无后续发展事实。
匹配字段摘要
Meta论文提出主动助手失败在自主判断何时打断
Meta 于 2026 年 10 月 21 日发表论文,指出主动式助手(如 AI 眼镜)的失败点在于自主判断何时开口,而不只是说什么。团队构建了 ProPerMem 基准,用第一视角视频搭配平均 618K token、干扰丰富的全年记忆,并设有人工核验的触发窗口。论文报告称,所有基线得分最高仅 15%,即便使用检索增强记忆的前沿模型也是如此;在窗口内提供 oracle 证据时 GPT-5.3-Chat 达到 96%,但让它自行选择时机后降至 38%,加入检索后降至 15%。同时把握内容与时机并减少触发频率,可把准确率从不足 10% 提升到 42.4%。目前该工作以论文形式发布,尚无后续进展。
匹配字段摘要
Viggle AI 将 JST-2 上线 API
Viggle AI 宣布 JST-2 模型已在其 API 上线,该模型可在同一个架构下生成 3D 角色、动作和场景。此前在 2026 年 10 月 20 日,Viggle 发布了 JST-2,将整套模型栈构建在 3D 空间,用携带 xyz 坐标、属性向量和动力学向量的 Physics-Native Token 表示世界,而非从视频像素中隐式推断物理规律;架构分为 JST encoder、JST generator 和 JST decoder 三部分,单次前向推理约 1 秒生成完整 3D 场景,成本低于 $0.01(B200),并支持最多 64 个输入视角作为空间上下文窗口。Viggle 公布的盲测人类偏好显示,角色生成对 Meshy 7.1 胜率 58.4%、对 Tripo H3.1 胜率 73.2%,视频生成运动对 DeepMotion 胜率 89.1%。Viggle AI 此前称 JST-2 是“全栈物理原生世界基础模型”,可在数秒内生成 3D 场景并实时扩展。目前 JST-2 已通过 API 对外提供。
匹配字段摘要
PyTorch 2.15为MPS带来FP8张量支持
2026年10月20日,PyTorch 2.15 在 MPS 后端加入对 torch.float8_e4m3fn 张量的支持。同一来源的报道还提到,该版本让 MoE 模型解码速度比 2.14 快 5–6.5 倍:在 M3 Ultra 上配合 torch.compile,Qwen3.6-35B-A3B 从 9.4 tokens/s 提升到 61.3 tokens/s,LFM2.5-8B-A1B 从 23.6 tokens/s 提升到 123.6 tokens/s。报道称,Wan2.2 的 tiled VAE 视频解码峰值驱动内存从约 270 GiB 降到 8 GiB;Qwen-Image-2.1 的 VAE 编码在 MPS 上的图像损坏问题也随 padding 改动修复,编解码往返 PSNR 从 10.06 dB 升到 29.95 dB。该版本要求 macOS 15 或更高版本、Python 3.11 或更高版本。目前尚无后续独立发展。
2026年10月20日,PyTorch 2.15 在 MPS 后端加入对 torch.float8 e4m3fn 张量的支持。同一来源的报道还提到,该版本让 MoE 模型解码速度比 2.14 快 5–6.5 倍:在 M3 Ultra 上配合 torch.compile,Qwen3.6-35B-A3B 从 9.4 tokens/s 提升到 61.3 tokens/s,LFM2.5-8B-A1B 从 23.6 tokens/s 提升到 123.6 tokens/s。报道称,Wan2.2 的 tiled VAE 视频解码峰值驱动内存从约 270 GiB 降到 8 GiB;Qwen-Image-2.1 的 VAE 编码在 MPS 上的图像损坏问题也随 padding 改动修复,编解码往返 PSNR 从 10.06 dB 升到 29.95 dB。该版本要求 macOS 15 或更高版本、Python 3.11 或更高版本。目前尚无后续独立发展。
匹配字段摘要
Voxel51发布3.0版数据平台
2026年10月21日,Voxel51发布3.0版数据平台,面向机器人与物理AI场景。据Robotics & Automation News报道,该平台将机器人多摄像头、视频与传感器数据的搜索、整理、标注和评估整合到同一平台,并新增可跨开发流程执行任务的AI助手Voxel51 Agent。平台支持语义搜索、文本查询与元数据过滤,以及多模态时间序列同步查看,并提供2D、3D和视频标注与Agentic Labeling自动标注。报道还称,Voxel51与Nebius合作,在Nebius AI Cloud上运行其工作流,并提供免费自助版本。目前尚无后续发展事实。
匹配字段摘要
Meta在Muse网页端开发Confidential VMs功能
Meta正在Muse网页端开发Confidential VMs功能,让用户在加密的保密环境中运行Muse任务。此前Meta预告该功能将在2026年底前上线。新出现的隐藏设置显示,该功能初期仅向Meta AI订阅用户开放;切换后,语音模式、图像与视频生成及可穿戴设备支持暂不可用。Meta称对话在安全加密环境中运行,Muse数据不会用于改进Meta的AI。目前该功能仍处于开发阶段,尚无正式上线时间的进一步证据。
匹配字段摘要
VAST开源实时世界模型EdenLive
2026年10月18日,VAST宣布开源实时世界模型EdenLive,开放5B、14B两种规格的模型权重及推理代码,并公布技术报告和端到端演示。据VR陀螺报道,其5B模型可在单张英伟达RTX 5090显卡上以720p分辨率、超过24帧/秒生成画面,支持分钟级连续运行,端到端延迟为百毫秒级;该模型将世界状态与视觉渲染解耦,可用于游戏原型预览、场景预演和视频重新渲染,但下载全部权重约需210GB空间,FLUX首帧组件限非商业、非生产用途。10月20日,Tripo发布的信息称,EdenLive可将3D白模、游戏引擎画面、2D卡通和真实视频转换为写实或风格化视频。10月21日,Tripo宣布EdenLive已在Reactor平台正式上线并提供在线demo,可用参考图和文本实时重绘3D场景,支持即时修改提示词。
匹配字段摘要
NVIDIA发布实时手术世界模型Cosmos3-H-Dreams
NVIDIA于2026年10月20日发布面向机器人手术的实时、动作条件生成式世界模型Cosmos3-H-Dreams,模型权重与配套代码同日公开。该模型基于CMR Surgical Versius系统的临床胆囊切除录像微调,约151.7亿参数,采用Mixture-of-Transformers架构。在单张RTX PRO 6000 GPU上,模型以832 x 480分辨率实现30.0 FPS(四步去噪)和43.2 FPS(两步去噪)。模型卡称其按NVIDIA Open Model License可用于商业或非商业用途,GitHub仓库采用Apache-2.0许可,并附有教师微调与Self-Forcing蒸馏的步骤说明。另有报道称,该模型基于160亿参数的Cosmos3-H-Embodied-Nano开发,训练数据从4792段手术记录中筛选出约526分钟真实手术视频,支持28维动作输入,并开源了4步和2步去噪两个学生模型版本。目前尚无后续发展。
匹配字段摘要
TypeSafe AI称Jev黑客松创意与产出惊人
TypeSafe AI于2026年10月21日评价CodeRabbit的Jev黑客松,称其涌现的创意和生产力“非常惊人”,并表示相关视频里有很多精彩细节。同一来源还提到,被引用的CodeRabbit帖文祝贺TypeSafe AI完成A轮融资,并提到在首届Jevathon上,开发者基于其新的System One模型构建了应用。目前没有后续发展事实,事件状态停留在这一评价。
匹配字段摘要
Higgsfield发布Genjutsu Lite
Higgsfield AI 发布 Genjutsu Lite,该工具可将照片放入热门视频中。据同一报道,720p 生成成本降低 3.5 倍,1080p 生成成本降低 5 倍;产品已在 Higgsfield 平台和 API 上线,Genjutsu 与 Genjutsu Lite 在部分区域可免费试用。目前尚无后续发展事实。
匹配字段摘要
Jim Fan团队开源机器人数据引擎模型Flora
Jim Fan团队开源了Flora,这是一套用于解析物理世界、把原始视频转成训练信号的开放模型。该团队称,Flora性能达到Astra级,而成本低125倍。Flora已支撑其内部数据引擎,在500块GPU上每天标注20万小时视频。它提供带时间戳的高质量描述,用于筛选人类第一视角与机器人数据、用于质量控制和RL后训练的密集进度奖励,以及面向真实世界基准的评分量表。目前该开源发布仅有上述团队披露的信息,尚无后续进展。
匹配字段摘要
fal称FLUX 3 Max第三方评测获1,139 Elo
fal 表示,FLUX 3 Max 在第三方基准评测中取得 1,139 Elo,基于独立人类偏好评估进入前沿图生视频模型第一梯队。该模型由 fal Research 与 bfl_ai 合作推出。此前报道称,该模型通过专门的后训练和推理优化,在第三方独立基准的图像生视频质量上并列第一,生成 10 秒 720/768p 视频约需 12 秒;另有报道称其在 Artificial Analysis 图生视频指数上得分 1,139,生成速度最高比 Seedance 2.5 快 22 倍。fal Research 称仍在继续对该模型做后训练,后续将提升质量与性能。
fal 表示,FLUX 3 Max 在第三方基准评测中取得 1,139 Elo,基于独立人类偏好评估进入前沿图生视频模型第一梯队。该模型由 fal Research 与 bfl ai 合作推出。此前报道称,该模型通过专门的后训练和推理优化,在第三方独立基准的图像生视频质量上并列第一,生成 10 秒 720/768p 视频约需 12 秒;另有报道称其在 Artificial Analysis 图生视频指数上得分 1,139,生成速度最高比 Seedance 2.5 快 22 倍。fal Research 称仍在继续对该模型做后训练,后续将提升质量与性能。
匹配字段摘要
Google研究显示AMIE可分担问诊信息收集
Google 研究团队开展研究,让 AMIE(Articulate Medical Intelligence Explorer)在就诊前先与患者对话采集病史,再向医生提供简明摘要,使医生能把更多时间用于协作诊疗、讨论治疗方案和回应患者关切。研究期间,每例 AMIE 与患者的交互都有受训医生监督,但全程无需中断对话或介入。团队正把 AMIE 从文本扩展到图片、音频和视频交互,并筹备覆盖全美更多患者、含对照比较的更大规模临床研究。
匹配字段摘要
Google发布TPU原生vLLM与SGLang推理引擎
Google于2026年10月20日发布基于TorchTPU的vLLM与SGLang原生PyTorch后端推理引擎,分别与Inferact、RadixArk合作开发。官方表示,两个引擎已在预览客户的生产环境中运行;在Ironwood TPU(TPU 7x)上运行Qwen 3.5时,高并发配置下每百万token成本为2.01美分,并已在SemiAnalysis InferenceX的AgentX赛道提交结果。功能方面,引擎支持前缀缓存与KV cache卸载、投机解码、分离式服务以及图像视频输入的多模态模型;SGLang-TorchTPU已在Meta生产环境使用。目前尚无后续独立发展事实。
匹配字段摘要
Dyna Robotics联合创始人称机器人行业处于GPT-2与GPT-3之间
Dyna Robotics 联合创始人 Jason Ma 在访谈中提出判断,认为机器人行业目前处于 GPT-2 与 GPT-3 之间的阶段。他在同一访谈中复盘了公司从 VLA 转向世界动作模型(WAM)的路线调整,并将预训练数据扩大到 100 万小时第一人称人类视频。团队在 100 小时到 10 万小时的多个阶梯上观察到,数据规模扩大带来预测能力提升,模型对未见过本体的机器人动作预测也变好,但 10 万到 100 万小时的斜率有所下降。新机器人 Taku 已能在洗衣房完成取放、操作洗衣机、烘干和折叠的长程任务,Dyna-2.1 只需几十分钟数据即可学习新任务。目前该判断由钛媒体·AGI 的访谈报道呈现,尚无其他来源交叉印证。
匹配字段摘要
NVIDIA发布手术生成模拟模型Cosmos3-H-Dreams
NVIDIA 发布手术生成模拟模型 Cosmos3-H-Dreams。该模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化而来,用于胆囊切除术的动作条件视频生成。官方信息显示,模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练,并通过蒸馏得到四步与两步两个学生检查点;其中两步版本单独训练,推理更快但画质更低。NVIDIA 同时提供 FlashDreams 流式运行时,以及适配自有数据与控制器的方法,并说明该模型是研究用模拟器,并非经过验证的临床系统。目前尚无后续发展事实。
匹配字段摘要
Generalist展示GEN-1.5整理容器内冰球
2026年10月20日,Generalist发布视频,展示其模型GEN-1.5在容器中装入12个冰球;当冰球卡住或位置不对时,模型会调整摆放。Generalist表示更多细节见博客文章,并在评论区提供候补名单入口。目前尚无后续有证据支持的发展。
匹配字段摘要
MIT研究者Pattie Maes警告AI可能制造虚假记忆
MIT Media Lab 研究员 Pattie Maes 警告,AI 系统可能在人类中产生虚假记忆。据 heise online 2026年10月20日报道,其一项实验显示,经 AI 修改过的照片会让 200 名参与者产生更多虚假记忆,且他们对这些错误记忆更加确信;另一项研究中,与生成式 AI 聊天机器人讨论犯罪视频的参与者,虚假记忆数量是其他人的三倍。Maes 认为,这一现象在法庭作证和历史记录等依赖准确记忆的场景中尤其危险。目前该警告基于上述实验发现,尚无后续发展事实。
匹配字段摘要