Manus发布回归独立运营后的首个大版本更新Manus 2.0,桌面端升级为Manus Studio,新增视频时间线编辑与Game Dev游戏开发能力,并推出个人Agent应用Cue。据量子位报道,Cue为每个Agent配备独立邮箱、电话号码、钱包和电脑,可对外发消息、在预算内付款、代接电话并留下通话摘要,多个Agent还能拉进同一群聊分工协作,目前处于凭邀请码的抢先体验阶段。此后,Manus于10月1日发帖邀请用户用Game Dev制作3D赛车游戏,赛车3D模型由合作伙伴Tripo AI生成。10月5日至6日,Manus介绍Manus Studio视频编辑功能及Video Editor用法,包括把一条视频适配成8种不同语言、从Figma和代码仓库生成发布视频等。10月7日,Manus推出Game Dev,称其可让用户在不写代码的情况下构建和定制游戏,并简化多人游戏服务器搭建。
匹配字段摘要
2026年10月1日,Aravind Srinivas 对 Perplexity Computer 内置的 Seedance 作出评价,称其在 Computer 里用于营销和品牌内容效果相当惊艳。同一来源的表述还提到,可在 Perplexity Computer 中使用 Seedance 2.5 为小企业生成商业或品牌视频,并称这支广告完全在 Computer 内制作,涵盖品牌视觉、产品样机和完整视频剪辑。目前没有后续发展事实,事件状态停留在该评价本身。
匹配字段摘要
2026年10月7日,Google将SynthID Detector从面向媒体从业者的早期版本扩展至全球英文用户,任何人可检查图像、视频或音频是否由Google及其合作伙伴的AI生成。据Google介绍,合作方包括OpenAI、NVIDIA、Kakao,Apple也将加入。Google称自2023年推出SynthID以来,已为超过1800亿张图像和视频、24万年时长的音频添加水印,Search、Gemini应用和Chrome中的验证功能每天处理超过100万次请求。后续报道称,该工具支持JPG、PNG、MP4和MP3格式,只能识别带有SynthID水印的内容,并非通用AI检测器。
匹配字段摘要
2026年10月8日,Vidu Q4 Preview 进入 Artificial Analysis 的 AA-Video-I2V v1.0 排行榜与 Video Arena。据 Artificial Analysis 报道,该模型首次上榜即位列第 3,相比 Vidu Q3 Pro 的第 19 名上升 16 位。该模型于当日发布,是 Vidu 在完整 Q4 版本前推出的新视频模型,可生成 3 至 16 秒、最高 4K 且带原生音频的片段,在 Reference to Video 中最多支持 15 个图像参考和 3 个音频参考。价格与 Vidu Q3 Pro 相同,1080p 带音频视频每秒 24 credits,按 Vidu 标准费率约每分钟 7.20 美元,可通过 Vidu API 和官网使用。同一来源还称其以相同价格提供更好质量。目前尚无后续发展事实。
匹配字段摘要
2026年10月7日,Unsloth发布低显存训练决策模型教程,称仅需2.5GB显存即可用Laya等小模型训练自己的Decision Model,训练可通过UI界面完成,并配有视频教程与分析指南。该教程由Unsloth官方于10月8日发布,属第一方来源。目前没有后续发展事实,事件状态停留在教程发布本身。
匹配字段摘要
2026年10月7日,Hao AI Lab宣布FastVideo支持Kandinsky 6。据其发布的信息,该支持涵盖文本或图像到视频的生成,并可带同步音频,提供Pro(30B)与Lite(3B)两种规格。每种规格均包含10步蒸馏的pi-Flow版本,另支持最高4x的视频超分辨率。Hao AI Lab同时感谢Kandinsky Lab团队开源这些模型。目前尚无后续发展事实,事件状态停留在上述宣布。
匹配字段摘要
2026年10月6日,Hao AI Lab发布FastVideo FastH3视频生成模型,可在单台消费级设备上本地运行,支持NVIDIA RTX GPU、DGX Spark和Apple Silicon。据其发布信息,FastH3 V2在8步内超过MiniMax H3基座模型,单张RTX 5090生成5秒480p带音频片段耗时15秒,768p约35–39秒。同时发布的FastH3 Trim体积比基座H3小4.2倍,最低8 GB显存即可运行,模型、Cookbook与代码已开放。技术说明称,团队在1000条提示词上校准每个FP4层,以避免未校准FP4 scale下激活值被裁剪。目前尚无后续独立发展事实。
匹配字段摘要
2026年10月6日,Google DeepMind发布开放权重多模态嵌入模型EmbeddingGemma 2,可将文本、图像、视频帧和音频映射到统一向量空间,参数量740M。据Google Developers Blog介绍,文本权重在Google Pixel 11 Pro上仅需约191MB活跃内存,完整多模态模型约567MB,无需训练数据或微调即可作为端侧决策引擎,实现毫秒级零样本意图路由;Google AI Edge Gallery新增Instant Media Search和Video Moments Finder演示,未来数周内该模型将通过ML Kit以服务形式登陆Android并支持NPU加速。据Google DeepMind介绍,该模型采用Apache 2.0许可,在MTEB Code上从68.76提升到78.68,支持8K token上下文窗口,权重已在Hugging Face和Kaggle开放下载。10月6日,Georgi Gerganov宣布llama.cpp对EmbeddingGemma 2提供Day-0支持;10月7日,Simon Willison表示赞赏其采用
匹配字段摘要
2026年10月6日,Google Research 公布一项研究,验证端侧AI通过盲扫超声判断胎龄和胎位。该研究由 Google 与 Northwestern、Jacaranda Health 合作,在肯尼亚内罗毕和芝加哥各招募1000名孕妇,让未经超声训练的医护按预设路径进行盲扫超声,再由机器学习模型分析视频,判断孕周和胎位,准确率与专业超声技师相当。操作者只需8小时培训,模型处理全部在设备端完成,无需电力或Wi-Fi即可给出结果。目前尚无后续发展事实。
匹配字段摘要
2026年10月6日,Perplexity 的 Computer 智能体实现了 StarCraft 实时对战,游戏在智能体思考时不暂停。整套系统由 VPS 上的 OpenBW Brood War 运行时、C++ 桥接和每个智能体四个游戏工具组成,各智能体只拿到受战争迷雾限制的自身游戏状态,不接收视频输入。最终一局 Blue 2–Red 5,Blue 攒到 41 个 Dragoons 后出击,被 Red 的 High Templar 用 Psionic Storm 击溃,原因是 Blue 未侦察 Red 的建造。目前没有后续发展事实。
匹配字段摘要
2026年10月6日,Reka AI 发布全模态模型 Rho-1 的研究预览版。据 The Decoder 报道,Rho-1 为 190 亿参数模型,在单一神经网络中处理并生成文本、图像、视频和机器人控制动作,所有模态作为 token 放在同一共享上下文窗口中运行,不调用工具或外部模型,可实时生成连续视频并即时响应新指令而无需重启;预测摄像头图像的同一套权重也驱动机器人动作,为绕开机器人训练数据稀缺,Reka AI 构建逆动力学模型从普通互联网视频中提取控制信号,模型在 320 块 H100 GPU 上训练约三个月。同日 MarkTechPost 报道称,该模型每个 Transformer 块包含理解与生成两套专家权重流,共享注意力和同一 KV cache,离散 token 承载文本与高层指令,连续 token 承载图像潜变量、视频帧、机器人动作和本体感知;蒸馏版本把去噪步数从 99 步降到 8 步,约 1 秒返回 5.3 秒片段,视频分辨率上限 672×384,目前仅研究预览,未公开权重、API 或定价。
匹配字段摘要
2026年10月6日,LiveKit发布面向开发者的语音AI智能体平台对比评测,将Retell、Vapi与LiveKit三款平台并列比较。评测围绕四个工程问题展开:发布后是否需要持续迭代、需求超出默认配置时如何改动、是否要支持电话之外的Web、移动、视频、设备或WhatsApp,以及规模化成本。在实现方式上,Retell依靠滑块和字段配置,Vapi依靠PATCH assistant与schema,LiveKit则把开源Agent框架放进开发者自己的代码仓库。按公开定价估算,LiveKit全包成本约从Gemma 4 31B、AssemblyAI Universal-Streaming与Fish Audio S2.1 Pro组合起,到GPT-5.5、AssemblyAI Universal-3.6 Pro Streaming与Cartesia Sonic 3.5的高配方案。目前该评测由LiveKit产品与工程博客发布,尚无其他后续发展。
匹配字段摘要
2026年10月6日,MarkTechPost发布教程,介绍如何构建基于NVIDIA Cosmos3-DROID的流式机器人学习管线。教程演示无需下载其707 GB仓库,而是通过HTTP byte-range与PyArrow按行组、列读取Parquet,并用基于seek的PyAV/FFmpeg只解码所需的AV1视频窗口。随后将episode转为状态-动作轨迹,用数据集统计量归一化,构建ACT风格分块PyTorch数据集并训练多模态行为克隆策略。最后以开环rollout和时间集成评估,报告逐关节MSE与R^2并保存策略checkpoint。目前该故事尚无后续发展事实。
匹配字段摘要
2026年10月6日,PyTorch宣布整合其媒体处理栈,将图像、视频、音频的解码与编码能力统一收敛到TorchCodec。据PyTorch Blog介绍,TorchVision和TorchAudio中相关API已弃用或移除,两者今后专注transforms。TorchCodec支持CPU与CUDA,CUDA视频解码性能普遍优于旧实现,并集中处理FFmpeg 4至9等依赖。三个库现已ABI稳定,不再绑定单一PyTorch版本。目前尚无后续发展事实。
匹配字段摘要
2026年10月6日,Understanding AI 宣布 Dan Kagan-Kans 加入团队成为新作者。据该媒体介绍,Dan Kagan-Kans 此前有十年 Mosaic 杂志管理编辑经历,近一年作为自由撰稿人报道 AI。其职位由 Tarbell Center for AI Journalism 的 fellowship 资助。报道还提到,Dan 将于宣布次日和周三开放视频通话时段与读者交流。目前该消息由 Understanding AI 一方发布,尚无其他来源的独立报道。
匹配字段摘要
Krea 于 2026 年 10 月 5 日宣布,将 Krea Agent 引入 After Effects。据官方说明,该工具可在软件内创建动态图形、调整视频尺寸,并处理声音、图像等内容。官方还展示了用 Krea Agent 制作动态图形、调整视频尺寸以及把图层整理为合成(compositions)的操作,并给出免费试用入口。目前尚无后续发展事实。
匹配字段摘要
2026年9月29日,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)》。报告显示,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。目前尚无该报告发布后的进一步有证据发展。
匹配字段摘要
2026年10月3日,PixVerse推出AI代理场景视频生成插件PixVerse Short Drama。据A6 a6-010 · PixVerse报道,该插件让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。目前尚无后续发展事实。
匹配字段摘要
Hao AI Lab 发布 FastH3 V2与FastH3 Trim视频生成模型
English translation is being prepared.
匹配字段摘要
PixVerse 推出 AI代理场景视频生成插件PixVerse Short Drama
English translation is being prepared.
匹配字段摘要