小米技术宣布 Xiaomi MiMo-V2.6-Pro 正式上线 WorkBuddy。据同一报道,该模型支持 1M 超长上下文、多智能体分工协作,以及图像、视频、音频、文本全模态联合理解;在 Artificial Analysis 智能指数为 46 分,官方称其全球开源第一。报道还提到,MiMo-V2.6 系列于 9 月 22 日发布并开源,含 Pro 与 Flash 两个原生全模态模型,Pro 定价为每百万词元输入 3 元、输出 6 元,并提供 99% 缓存折扣。目前该事件仅有这一条代表性报道,尚无后续发展事实。
匹配字段摘要
可灵 AI 于 10 月 10 日至 13 日参加 ACFM 2026,与全球电影行业交流。据可灵 Kling AI 发布的信息,此次活动围绕 Kling 4.0 的模型能力,汇聚亚洲一线电影人,探讨故事驱动型 AI 的未来及其对专业电影制作的影响。可灵 AI 表示,将持续推动 AI 视频融入专业制作流程,与全球创作者合作把生成式 AI 带入真实工作流。目前该消息来自单一第一方来源,尚无其他独立来源交叉印证,也没有后续进展披露。
匹配字段摘要
Nace AI 发布多模态决策模型 Drex Max。据 Testing Catalog 2026 年 10 月 19 日报道,该模型可读取文本、图像和视频,单次决策耗时 34 ms,262K token 下响应低于 1 秒,输入价格为每 1M tokens 0.06 美元;它不生成文本,只从给定选项中返回一个答案并附概率分数,可用于 Computer Use 智能体逐步选择操作、Web 智能体按屏幕内容定位页面元素。Nace AI 称其在 Computer Use 场景下每 token 成本最高比 Claude、GPT 和 Gemini 背后的模型低 167 倍。次日 MarkTechPost 报道称,这是 Nace AI 首个多模态决策模型,可读取文本和图像并返回校准后的概率,在公开 Decision Index 0.3.2 上得分 67.59,比 TypeSafe 的 Jev 1.14 高 6.9 分;单次截图决策中位延迟 174 ms,输出不计费,仅通过 Nace Console API 提供,参数规模未披露、权重闭源,上述分数均为 Nace 自报。
匹配字段摘要
亚马逊 CEO Andy Jassy 向 a16z 联合创始人 Ben Horowitz 表示,亚马逊的算力已用尽,短缺将持续到 2028 年之后。相关说法由 Rohan Paul 于 2026 年 10 月 20 日报道,并提到完整视频见 All-In Podcast 的 YouTube 频道。Horowitz 在交流中认为,这与互联网泡沫不同:当年网络先于足够用户建成,而 AI 领域的需求超过任何供应方所能提供。目前该说法仅见这一来源,尚无后续发展事实。
匹配字段摘要
2026年10月18日,中科通量在第六届RISC-V中国峰会上亮相,展示SmarCo AI工作站、SmarCo智能视频编码一体机、SmarCo智算加速卡等产品与解决方案,覆盖视频与智算全场景。据雷锋网10月20日报道,其中SmarCo AI工作站搭载12核RISC-V处理器、主频2.0GHz,提供250 TOPS INT8算力、128GB LPDDR5 ECC统一内存,支持128路1080P视频实时硬解码。报道同时提及公开信息显示RISC-V已占全球处理器市场25%份额。目前尚无该展示之后的新进展。
匹配字段摘要
爱奇艺与摄影师鲍德熹合作推出「鲍德熹·爱奇艺 AI 剧场」创作营。据雷锋网2026年10月20日报道,该创作营从编剧、镜头语言到高阶 AI 技巧授课,最终选出 15 支队伍制作 15 分钟以上的 AI 故事片,并计划在一个季度内上线国内首个 AI 剧场。报道还称,爱奇艺以厂牌方式系列化运营该内容,将其与普通 AI 短视频、AI 漫剧区分,并表示会与各家模型公司合作、由创作者选择流程与工具。目前尚无后续进展披露。
匹配字段摘要
2026年10月20日,豆包公关负责人刘星发文回应“国内超一半算力在造爽剧”的说法,称该算力数据不靠谱,并表示字节总算力中仅约10%用于视频生成模型的训练和推理。新京报报道提到,这一说法源自一家布局AI短剧赛道的上市公司在投资者关系活动记录表中的披露,并与网传“美国tokens消耗58%在代码生成和企业自动化”的信息叠加,引发讨论。此前,财新网10月19日报道核查称,被多家媒体和研究机构转发的“短剧Token消耗占比55%”数据,原始出处为中文在线6月3日路演及电话会议记录,该记录称AI短剧与视频生成在国内Token消耗中占55%,电商与营销占24%,软件开发仅占15%;财新同时指出,目前市场上缺乏公信力较高的第三方数据来测算国内Token消耗的场景分布。
匹配字段摘要
Ammaar Reshi 用 Gemini 4 Argon 制作了一款以新款飞行 Tesla Roadster 为主题的 Subway Surfers 风格游戏,玩法包括飞越车流、点火推进器在空中翻滚、收集空中道具冲击高分,并附上游玩与代码链接。他称 Gemini 4 Argon 在后台运行智能体,两小时内自主查看 Tesla Roadster 官网的样式与文案、查找 Subway Surfers 参考、观看 Roadster 发布视频理解推进器原理,并多次自我批评迭代,还用 Lyria 生成音乐、用 Gemini TTS 生成解说;他本人只花了约 10 分钟调整操控和镜头,随后在 AI Studio 发布。该游戏自上周五起已有超过两万人试玩。
匹配字段摘要
grok bot 发布 0.71.2 版本。据作者 Eric Zakariasson 于 2026 年 10 月 20 日发布的信息,该版本的通知功能更智能;单条消息支持最多 20 个文件,文件上限为 250 MB,视频为 1 GB;表单可预填。作者称还有更多更新。目前没有后续发展事实。
匹配字段摘要
Hao AI Lab宣布上线FastVideo FastH3-QAD-v2以及H3 NVFP4 VAE解码器。该团队表示,这段768p视频在两张DGX Spark上生成,使用QAD-v2和两款新解码器,采用8步视频与音频生成,并使用了QAD权重。目前该消息由Hao AI Lab作为第一方来源发布,尚无其他独立来源的后续发展或交叉印证。
匹配字段摘要
fal于2026年10月20日宣布与Black Forest Labs合作推出FLUX 3 Max视频生成模型,并称FLUX 3 Max是两支前沿团队合作的成果。据fal介绍,该模型12秒可生成10秒视频,在图生视频类别中并列第一,同质量下比Seedance 2.5快22倍。Black Forest Labs表示,FLUX 3是面向定制化的模型,由fal适配优化出FLUX 3 Max。目前该消息仅有fal一方发布,尚无后续独立进展。
匹配字段摘要
Viggle AI 发布世界基础模型 JST-2。据其介绍,该模型被称为全球首个全栈物理原生世界基础模型,没有在像素或视频空间学习,而是从第一性原理出发,把整套模型栈建在 3D 空间。它可在数秒内生成 3D 场景并实时扩展,还能通过同一通用架构创建自带动作的角色。目前该消息来自单一来源报道,尚无更多独立证据或后续进展。
匹配字段摘要
ElevenLabs 已开放其孵化的全球 AI 创意赛事 Chroma Awards 第二季报名。据 ElevenLabs Blog 2026 年 10 月 19 日发布的信息,本季设电影、音乐视频、广告、游戏和幕后五个赛道,报名截止日期为 2027 年 1 月 1 日。赛事提供超过 45 万美元现金奖与差旅福利,并新增学生奖;ElevenLabs 另设 2.2 万美元专属奖,奖励使用 ElevenCreative、ElevenMusic 等工具的作品。该来源还称,首季有来自 122 个国家的 5550 多名创作者提交逾 6600 个项目。目前尚无后续发展事实。
匹配字段摘要
Tenstorrent 完成 15 亿美元融资,估值达 62 亿美元。据 TechCrunch AI 2026 年 10 月 20 日报道,本轮由 Trace Capital 和 Innovation X 领投,Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 参投;该估值较 2024 年底的 26 亿美元翻倍以上。报道称,CEO Jim Keller 表示,公司在展示 Galaxy 服务器可运行 DeepSeek 模型后决定保持独立并继续融资,新资金将用于扩展面向开源权重模型推理和视频生成的芯片。目前尚无后续发展事实。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 上线 sglang_ling_v3 仓库,其内容基于开源推理框架 SGLang。该仓库 README 介绍,SGLang 面向大语言模型、视觉语言模型和扩散模型,针对智能体负载、大规模服务与 RL rollout 进行优化。README 还显示,SGLang 支持 GPU、TPU、NPU、CPU 与 Apple Silicon,并内置图像视频生成引擎 SGLang Diffusion。目前该仓库已发布,尚无进一步开发动态。
蚂蚁 inclusionAI 在 GitHub 上线 sglang ling v3 仓库,其内容基于开源推理框架 SGLang。该仓库 README 介绍,SGLang 面向大语言模型、视觉语言模型和扩散模型,针对智能体负载、大规模服务与 RL rollout 进行优化。README 还显示,SGLang 支持 GPU、TPU、NPU、CPU 与 Apple Silicon,并内置图像视频生成引擎 SGLang Diffusion。目前该仓库已发布,尚无进一步开发动态。
匹配字段摘要
面壁智能宣布,MiniCPM-V 4.7在Hugging Face Trending榜单上排名第3。官方称,35B-A3B MoE版本可在iOS和Android上以约3GB内存流畅运行,1B模型在OCR、数学和视频理解上表现较强,并给出了GitHub与Hugging Face链接。10月19日,面壁智能称该模型升至Hugging Face Trending第二位,并再次提到35B-A3B MoE版本可在iOS和Android上以约3GB内存运行,1B版本在OCR、数学和视频理解上表现较强。10月20日,面壁智能表示,该模型可在本地以100 tok/s运行,内存占用约3GB,定位为让端侧AI更实用,并提到llama.cpp生态让该模型更容易上手试用。
匹配字段摘要
中科通量 亮相展示 SmarCo AI工作站、SmarCo智能视频编码一体机、SmarCo智算加速卡等产品与解决方案
English translation is being prepared.
匹配字段摘要
纽约市长Zohran Mamdani在AI Now Institute主办的The People's AI Assembly活动上批评联邦政府在AI监管上“完全失职”,呼吁纽约人不要接受AI冲击就业与教育的“必然性”,并抵制AI对就业、孩子心智与尊严的冲击、夺回控制权。他称当前是“鲁莽地采用技术,却不对其局限做任何清算”。报道还提到,他上月已下令禁止小学和初中使用AI,今夏推出政策要求房产挂牌照片或视频由AI生成时必须明确披露。
匹配字段摘要
vLLM-Omni团队发布了vLLM-Omni技术报告。相关证据显示,蚂蚁inclusionAI在GitHub发布vLLM-Omni仓库,该框架在vLLM基础上扩展全模态模型推理与服务,支持文本、图像、音频、视频和动作数据处理,并支持DiT等非自回归架构。README显示其已迭代至0.30.0,对齐vLLM 0.30.0,新增MiniCPM-o 4.5与AURA的全双工会话服务、Mooncake AR-to-DiT跨阶段KV与多模态传输,以及在NVIDIA Blackwell和昇腾950上的MiniMax H3 Turbo实时推理。框架提供OpenAI兼容API服务、流式输出和分布式并行推理,并列出Qwen3-Omni、MiniMax H3、Wan2.2、π0.5等已支持模型。目前尚无后续发展事实。
匹配字段摘要
TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线。据 AWS Machine Learning 发布的信息,该模型可把长视频转成带时间戳的结构化 JSON 元数据;新版本支持按用户定义的分段规则返回匹配片段、结合参考图像的多模态提示,以及无需预索引的即时处理,单次请求可分析最长 2 小时视频。模型通过 InvokeModel 和 InvokeModelWithResponseStream 调用,目前在美国西部(俄勒冈)区域提供。
匹配字段摘要