2026年3月3日,Physical Intelligence发布Multi-Scale Embodied Memory(MEM)机器人记忆系统。该系统为模型同时提供短期视觉记忆和长期语义记忆:短期记忆用高效视频编码器记住近期交互的细节,长期记忆则让模型用文本总结事件,最长可记住15分钟的内容。据发布信息,该记忆系统使机器人能够完成清理整个厨房、按食谱备料等多阶段真实任务,并展现出从过去错误中即时调整行为的上下文适应迹象。
匹配字段摘要
2026年1月28日,xAI发布Grok Imagine API,将视频生成与视频编辑能力打包为面向端到端创作流程的API组合。据官方介绍,Grok Imagine是xAI目前最强的视频音频生成模型。该API支持从文本或图像生成视频,并支持增删替换物体、场景与物体控制、风格重绘等编辑操作,同时支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化,并已在合作方平台与自家API上线,同时提供SDK、教程和可视化控制台。目前尚无进一步有证据支持的发展。
匹配字段摘要
2025年10月31日,英伟达发布开源视觉语言模型Nemotron Nano 2 VL,面向视频理解与文档智能。该模型采用混合Transformer–Mamba架构,并通过EVS剪除冗余视频帧,以减少需要处理的token。vLLM同时为其提供推理支持,夜间版本可用BF16、FP8和FP4精度部署兼容OpenAI接口的推理服务器。
匹配字段摘要
2025年10月1日,OpenAI推出Sora 2模型及全新的Sora视频应用,用户可创建、分享和观看视频。应用提供cameo功能,可将本人及朋友放入视频,并改善角色一致性;团队同时设置肖像滥用、深度伪造及非法内容防护,并计划持续调整信息流控制与用户福祉相关设计。10月4日,OpenAI宣布将进一步提供更细粒度的角色生成控制,并探索向允许用户生成其角色的权利人分享收入。具体分成模式尚未确定,将通过试验逐步完善;相关做法计划先在Sora中迭代,再一致应用于旗下产品。
匹配字段摘要
2024年10月23日,Runway发布名为Act-One的新工具,用于在Gen-3 Alpha中生成角色表演。据官方介绍,该工具以视频和声音表演作为输入,无需额外设备,能够保留真实面部表情,并把表演迁移到与原视频比例不同的角色上,同时在不同机位下保持稳定的面部动画。Act-One现已面向Gen-3 Alpha开放,并配套公众人物内容拦截、Custom Voices声音授权核验等审核措施。
匹配字段摘要
2024年7月15日,Suno启动“The Summer of Suno, Vol. 2”创作者活动,主题为“打动我们的音乐”。活动从100万美元创作者奖池中拿出10万美元,平均分给200位创作者,每人500美元。活动持续至7月31日23:59 ET,参与者需提交真人出镜的反应视频,投稿不限数量,但每人仅限一次获奖。此次活动还新增印度、以色列和日本创作者的参与资格。
匹配字段摘要
2024年6月12日,Suno发布Audio Input功能,面向Pro与Premier用户开放。用户可上传或录制自己的音频,用于生成歌曲。根据Suno博客介绍,音频或视频片段时长需在6至60秒之间;上传后可在Extend中设定起始时间、风格,并可加入自己的歌词。目前该功能仅限Pro与Premier用户使用,普通用户是否开放尚无进一步信息。
匹配字段摘要
2024年5月14日,OpenAI发布GPT-4o,并将其免费提供给ChatGPT用户。该模型配套推出新的语音和视频模式,强调接近人类的响应速度与表现力。Sam Altman称,这类交互快速、自然且实用;未来还计划加入可选的个性化、信息访问以及代用户执行操作等能力。
匹配字段摘要
2026年2月13日,Sarvam AI 推出 Sarvam Studio,一个将语音、文本和文档工作流整合到单一工作区的多语言内容转换平台,支持 AI 视频配音和智能体文档翻译。据 Sarvam AI Blog 同日发布的信息,在约 280 次与 ElevenLabs、YouTube Dub、Rask AI 等平台的盲测对比中,Sarvam 的配音输出获得最强整体偏好,说话人相似度平均得分 0.88,为研究中最高。该平台目前正通过受控早期 beta 计划,向政府、教育、媒体和出版领域的少量生产合作伙伴逐步开放。目前尚无后续发展事实。
匹配字段摘要
2026年2月7日,Saining Xie(谢赛宁)提出判断,认为自动驾驶将比任何其他领域更快产生现实影响。他在相关发言中还表示,世界模型不只是关于视频,而是关于对各类连续、高维、含噪信号的建模,这才是“多模态”的真正含义,并向 Waymo 团队相关成员表示祝贺。目前该判断仅有其本人发言作为证据,尚无后续发展事实。
匹配字段摘要
2026年1月7日,Qwen发布Qwen3-VL-Embedding与Qwen3-VL-Reranker系列模型。据Qwen Blog介绍,该系列基于Qwen3-VL底座,面向多模态信息检索与跨模态理解,支持文本、图像、截图和视频输入,覆盖30多种语言。其中Embedding采用双塔架构做高效初筛,Reranker采用单塔Cross-Attention对(Query, Document)对联合编码输出相关性分数,两者串联构成两阶段检索流程。官方称Qwen3-VL-Embedding-8B在MMEB-v2上取得SOTA,Reranker-8B在多数任务上表现最佳。模型提供2B与8B两种规格、32K序列长度,并支持量化与自定义向量维度。目前尚无后续发展事实。
匹配字段摘要
2025年10月14日,Qwen3-VL 已在 Ollama 云端上线,本地版本将很快提供。据 Ollama Blog 介绍,该模型支持操作 PC 和手机 GUI 的视觉智能体,可从图像和视频生成 Draw.io/HTML/CSS/JS,具备原生 256K 上下文并可扩展至 1M,OCR 语言从 19 种增至 32 种。Ollama 同时给出 JavaScript、Python 库及 OpenAI 兼容 API 的调用方式。目前尚无后续发展事实。
匹配字段摘要
OpenAI 推出 Sora 2模型及Sora视频应用
English translation is being prepared.
匹配字段摘要
Sakana AI 在东京一桥讲堂举办研讨会，宣布启动自研预训练语言模型系列「Sakana Sawara（暂定名）」，首个模型 Sawara Small（暂定名）计划于 2027 年春季发布。首席科学顾问 Jürgen Schmidhuber 发表主题演讲，与 CEO David Ha 对谈，活动吸引日本各地 400 余名参会者。Sakana AI 将 AI 主权规划为预训练、后训练与编排三大支柱，后两者分别对应 Sakana Namazu 与 Sakana Fugu。
更好的计划方法。朴素的做法是利用世界模型以毫秒为单位模拟未来。这对国际象棋和围棋足够了，但并不是本来应该做的事。 在制定从这里去巴黎的计划时，没有人会模拟抓住电话的手部动作。叫出租车、去机场、办理登机手续。只抓住几个关键点，制定一个紧凑的计划。 我在2015年提出的是这样一种方法：控制器向世界模型（M）的隐藏单元发送查询。M可能已经看过YouTube上的所有视频，也可能拥有大量机器人经验。控制器是一个会学习的提示工程师。它只关注与当前要解决的问题相关的内部表征，从中引出答案，并改变自己的行动。那些查询不是英语也不是日语，而是数值向量的序列。简单的问题从头解起会更快吧。但任何有趣的问题，都应该能从沉睡在巨大模型深处的算法性信息中大大受益。2018年，我还写了一篇用蒸馏将控制器和模型合为一体的论文。不过，2018年更有名的论文，是用精彩实验证明世界模型确实有用的David那篇。 走向屏幕之外的AI 在这里，让我们把目光转向更广阔的历史背景。今天我讲的许多事情，发生在德国和日本。 1990年，日本看起来像是未来的国家。全球市值最高的前6家公司全是日本企业。1995年，日本和德国的名义GDP加
匹配字段正文
Figma Weave 将 AI 生成与编辑工具整合为基于节点画布的可复用工作流，并新增与 Figma 画框并行的使用方式。工作流支持分支探索、同一提示词跨多个 AI 模型对比结果，内置色彩校正、合成、色阶、裁剪、修剪、绘画等编辑节点。Weave 工具已开放社区发布，队友无需操作节点即可直接运行打包好的流程。
作底层节点即可运行。 最好的作品诞生于你和队友能够共同在想法上继续构建之时——从早期探索到最终打磨，在工作仍在成形之际就有参与贡献的空间。这正是 Figma Weave 连接 Figma 与 Weave 今天，我们宣布了让 Weave 创意工作流与你的 Figma 画框并存的新方式。背后的理念，它是一个面向有持续制作需求的创意团队的平台。Weave 将图像或视频的创建与编辑过程转化为你和队友可以调整并复用的序列。 你在 Weave 中的工作通过节点汇聚而成——节点是添加图像和提示词、生成内容以及进行编辑的构建模块。节点在画布上相互连接，展示作品的成形过程，并让你回到较早的节点进行修改。你和队友随后可以将同一工作流适配到新产品或新格式上，从而在加快速度的同时不放弃创意控制权。 无论你是将现有图像转化为营销活动视频，还是无需再次拍摄就能创建新的产品图像，Weave 都能让你减少在设计创意与创意制作之间来回转换的时间，把更多时间用于打磨你的构想。 Figma Weave 为创意团队带来的可能 Figma Weave 让你的团队流程从始至终可见且相互连接。以下是它在实践中的样子。 Figma
匹配字段正文
Arena 分析 2026 年 9 月 12 日至 10 月 23 日的 26,225 条 Agent 会话、30 个智能体和 13 家实验室，发现若按完整输入价计费，排名前十智能体的典型任务成本会高出 3.6 倍，MiMo V2.6 Pro 上高出 592%。智能体 86% 至 96% 的 token 是重复读取的上下文，自身输出仅占 1% 至 2%。缓存失效会让典型任务成本增加约 5%，在 Claude Fable 5.1 上每 10 次会话有 1 次增幅超过 18%。
体，重复读取占 token 的 86% 至 96%，而输出仅占 1% 至 2%。在前十名中，智能体每写出一个 token，大约要重复读取 93 个 token。 这是因为模型在调用之间不保留任何记忆。智能体循环的每一步都会把整个对话重新发送回去，而提供商则从缓存中提供它已经见过的内容。随后产生的回复又会被之后的每一步再次读取，于是雪球越滚越大（快速解释见下方视频）。 这一机制使得重新读取此前的对话远比重新发送便宜，通常只有价格的十分之一或二十分之一。但它只有在提供商仍保存着该对话时才有效。如果提供商不再保存，会发生什么？ 每次缓存失效都会增加费用 上面两张成本图表展示了极端情况：什么都不保存，完全没有缓存。 在实践中，缓存大多数时候表现符合预期，但失效确实会发生。结果，智能体不得不按全价重新发送整个对话。这是使用智能体的正常组成部分，我们在以下情况会看到缓存失效： 保存的缓存过期。提供商只会保留一段时间，从几分钟到几小时不等。例如，Anthropic 默认保留 5 分钟，OpenAI 保留 30 分钟，两者都收取额外费用以延长保留时间。如果用户离开，或某个工具运行时间很长，那么智能体继
匹配字段正文
上海交通大学医学院附属瑞金医院牵头发起医疗健康数字孪生联盟（ICDT-HM），并启动“5000万人类健康数字孪生计划”，目标是通过融合纵向健康数据与动态模型支撑疾病预测、精准预防和个体化医疗。联盟将推动大规模纵向人群队列与AI深度融合，在数据标准、跨人群验证和数据治理上凝聚国际共识，5000万人为分阶段推进的规划目标。
国家级人群队列建设者，聚焦代谢性疾病、心脑血管疾病、肿瘤等重大疾病，融合临床诊疗、长期随访、多组学和可穿戴设备等多维数据，加强基础研究与临床验证；推动大型人群队列建设，统一数据标准，探索隐私保护、合规授权、可信流通和安全治理的有效路径；深化国际合作，推动医疗健康数字孪生成果转化应用。 Nature生物、临床与社会科学主任编辑Francesca Cesari在视频致辞中强调，研究设计、数据质量、外部验证和可重复性，与数据规模同样重要，预测表现不能替代临床证据。模型适用于哪些人群和场景、存在哪些局限、能否改善患者结局，都需要认真评价。数字孪生的价值，应体现在更有依据的临床决策、更公平有效的医疗服务和疾病负担的减轻上。 澳门科技大学医学院副院长、人工智能交叉应用研究院院长、国家眼部疾病临床医学研究中心首席科学家张康介绍了联盟发展蓝图与核心工作，重点分享“5000万人类健康数字孪生计划” （50M Human Health Digital Twin Initiative） 。“5000万人数字孪生计划”是联盟面向精准健康提出的长期科研规划，旨在通过多方协作，逐步构建融合纵向健康数据与动态模型的
匹配字段正文
科大讯飞回应高管薪酬质疑：董事长刘庆峰、总裁吴晓如主动下调年薪，2025年度实际领取410万元、300万元，两人应发薪酬均减少超2000万元。百度确认集团副总裁、百度研究院副院长吴甜已离职，文心模型下周将有新进展对外发布。美国司法部对英伟达129亿美元收购Hugging Face展开反垄断调查，重点评估GPU捆绑销售与AI生态分发节点控制问题。
要闻提示 1.科大讯飞回应高管薪资质疑：董事长与总裁主动降薪，两人均少领超2000万 2.内部会议视频被吐槽演的太尬！阿维塔副总裁：是摆拍，但事是真的 3.华为“天才少年”杨玉雯加盟南京大学 4.百度确认吴甜已离职，文心模型下周将发布新进展 5.王腾创业首秀感谢小米和雷军！回应蹭流量质疑：真心感激过往经历 6.国产3A《影之刃零》登顶全球畅销榜，评分超《黑神话：悟空》 7.智元彭志辉：公司2026年上半年营收近20亿元 8.突发！英伟达遭调查：GPU捆绑销售成焦点 今日头条 科大讯飞回应高管薪资质疑：董事长与总裁主动降薪，两人均少领超2000万 10月29日消息，近日，有投资者在互动平台向科大讯飞提问，关注公司高管薪酬集体上涨与同行接轨等问题。科大讯飞就此作出回应，披露了公司高管主动大幅降薪的细节。 科大讯飞表示，公司高管薪酬严格依据2026年5月修订的《董事、高级管理人员薪酬管理制度》执行。按制度测算，2025年度公司董事长、总裁的应发基本年薪与绩效年薪合计为2795.69万元。然而，考虑到公司所处发展阶段，同时为了更好地奖励A类优秀员工，董事长刘庆峰先生、总裁吴晓如先生主动提出年薪
匹配字段正文
博通集成凭高性能边缘AI芯片BK7259候选第八届IC风云榜“年度人工智能市场突破奖”。BK7259采用M52+M55双核与ARM Ethos U65 NPU，提供0.25 TOPS端侧算力，率先将Ethos-U65 microNPU集成进Wi-Fi 6 MCU，深度睡眠电流低至2µA，端侧3D人脸识别约200ms完成。
项荣誉，技术实力与产业贡献获得广泛认可。 此次，博通集成凭借高性能边缘AI芯片BK7259竞逐“IC风云榜”年度人工智能市场突破奖，并成为候选企业。该奖项旨在表彰2026年度将人工智能技术成功实现商业化落地，在特定领域产生显著经济效益，推动行业智能化转型的优秀案例。 BK7259作为一款超高集成度的高性能边缘AI MCU，不仅具备出色的无线连接能力，更将高清视频H.264编码和解码、3DNR ISP、2.5D GPU、MIPI 2Lane摄像头接口和MIPI 4Lane显示接口、先进音频、精准运动控制和专用AI处理功能集成一体，既消除了多芯片间的通信延时，又将功耗压缩到极致。产品采用M52+M55双核，配合0.25T算力的ARM Ethos U65 NPU，赋能端侧实时智能分析，为多模态物理AI和机器人提供强力支持。该产品荣获2026年度国际AI+IoT生态发展大会AIoT创新技术产品奖、2026“IOTE金奖”创新产品奖。 在关键技术及创新点上，BK7259率先将ARM Ethos-U65 microNPU集成于Wi-Fi 6 MCU，实现0.25 TOPS端侧AI算力，为边缘智能应
匹配字段正文
宇树科技10月28日宣布与红杉中国共同成立杉宇·创计划，重点投资具身智能、机器人应用及上下游核心技术，并提出懂技术和产业、发现早、决策快、看重人、不添乱五项原则。宇树此前推出的宇创计划一个多月收到超过200个项目，公司希望未来五年孵化200家以上生态企业。同日披露的财报显示，前三季度营业收入18.17亿元、同比增长55.71%，归母净利润3.87亿元、同比增长270.54%，第三季度单季净利润1.13亿元、同比下降17.37%。
资，在下一盘大棋 那么，王兴兴为什么会在这个时候进军投资圈？ 一个重要原因是，机器人产业即将进入更加复杂的商业化阶段。 宇树已经能够规模化生产机器人。根据10月28日披露的最新资料，Unitree G1自2024年5月发布以来累计下线约1万至2万台，公司每年生产数万台机器人，并自主制造大量关节电机和模组。 机器人的运动能力进步明显。翻跟头、跳舞、奔跑、格斗等视频，让宇树不断成为全球社交媒体上的热门话题。 但距离真正走进家庭、工厂和商业服务现场，机器人还需要解决大量具体问题。 例如，一台机器人进入工厂，需要识别不同规格的零件，理解复杂的生产任务，还要能够连续工作数小时，并在环境变化时保持稳定。 这样的开发工作，涉及机械设计、视觉算法、传感器、数据训练和行业软件。单靠一家整机厂，很难覆盖所有行业需求。 这也解释了宇树为什么希望孵化200家生态企业。 宇树提供标准化机器人本体，让外部团队开发面向不同场景的专业应用。产品用得越多，开发者就越容易积累真实数据，进而改善机器人在复杂环境下的工作能力。 与此同时，宇树可以通过对早期技术企业投资，提前接触灵巧手、触觉传感器、机器人关节、仿真数据等前沿技
匹配字段正文