搜索“视频”

可持续管理复杂事务的“管事型”助手。 除钉钉外，灵光2.0目前还内置支付宝的账单、出行、会员等服务，并支持通过MCP、CLI等开放协议连接飞书、滴滴出行、高德地图、百度网盘、米家智能硬件及主流邮箱等数十款主流应用。从披露信息来看，灵光的应用范围正从个人信息管理延伸至家校沟通、工作协同、出行管理和智能家居等更多真实场景。 蚂蚁灵光2.0发布：从能聊会做，到记得住、盯得牢、办 ... 蚂蚁灵光圈上线！一句话生成应用；苹果宣布库克卸任 ... 中国AI应用跑出全球速度，灵光4天突破100万下载 京东采销员工发布谣言诋毁其他平台被起诉，法院已立案 从 Dreamore 到 CreaXene：AI 生成工具正在走向创作工作流 豆包工作新增画布功能，并接入豆包2.1 Lite模型 最新文章 阿里用速卖通把双11带到韩国，还豪送4辆特斯拉！ 瞬恒智能自研灵巧操作人形机器人SynDexy C1首次实现小批量交付 抖音李亮发文：希望同行在阳光下竞争，专家自媒体要遵守基本道德规范 大数据 AR 视频监控 中科院 小鹏汽车 用户体验 互联网金融 工信部 创业者 陌陌 李飞飞 立即设置 以后再说 优路跟踪代码

匹配字段正文

抗癫痫药拉莫三嗪从每日400毫克降到300毫克。2月初她疑似癫痫发作，于是向ChatGPT描述并问“这样应该没事吧？”ChatGPT答称“不必太过担心你的健康”。 报道指出，她在生前最后几天的对话中，曾被ChatGPT要求“明天维持0毫克。”2月14日她被发现在床上死亡，法医判定为癫痫猝死，血中药物浓度仅为治疗下限的五分之一。（每日经济新闻）国内资讯 网友发视频称“医生用豆包开药”，涉事医院回应 10月28日消息，近日，江苏徐州有网友发布视频称，他带家人前往当地医院就诊，却遇到医生疑似使用AI工具“豆包”给患者开药，此事引发关注。视频显示，医生与患者问诊过程中操作手机，查阅与“豆包”的对话内容，此时手机界面显示有“重点检测项目”“慎用、尽量不用”等内容。 据视频发布者韩先生介绍，他的奶奶因高血压就诊。看诊时，韩先生告诉医生，患者对地平类降压药物过敏，并有尿酸高等症状。“他说要查查资料，没想到他直接查‘豆包’去了，准备开‘豆包’上说的药。”“他用‘豆包’看那个药能不能吃，豆包说可以吃，他就准备开药了，我肯定不敢拿这个药。”韩先生说，因为对“豆包”开的药不太放心，他便拒绝了由这位医生开具处

匹配字段正文

DeepMind 尚未披露 Genie 4 的完整网络结构，也没有说明 Interleaved Text Captions 具体通过怎样的注意力机制、状态缓存或条件融合方式进入生成网络，因此还无法判断其内部采用了哪种实现。 02 视觉状态不等于任务状态 Gemini 3.8 Flash 在闭环中负责根据 Genie 4 的画面理解任务进展，并规划后续行动。但视频主要呈现可观察的运动和外观变化，而任务是否完成，有时还取决于画面无法直接反映的结果。DeepMind 展示过 UR5 机械臂使用移液器操作实验孔板的模拟场景。机械臂下降、移液器接近孔位、释放液体，再到机械臂抬升，可以形成一段完整的操作视频，但这些动作对应的任务状态并不相同。例如，移液器抵达目标孔位上方，只能说明位置条件可能满足，液体是否进入指定孔位还需要额外证据。如果机械臂已经抬起，但液体转移并未发生，Agent 就不能仅凭动作序列结束确认任务成功。这类判断可以借助部分可观测决策过程理解。Agent 只能根据连续观察估计环境状态，当操作结果受到遮挡或暂时不可见时，需要保留不确定性，并通过后续证据更新判断。工程上可以使用事件级状态

匹配字段正文

，并首次引入视觉理解能力。定位更高性价比的Hy4 flash也将在近期推出。 面向Agent大规模运行的需求，腾讯云还升级了Agent Runtime，通过沙箱快速启动、暂停与恢复等技术降低执行成本。据腾讯介绍，目前沙箱启动仅需60毫秒，每分钟可创建16万个，并可将企业综合部署成本降低70%。 此外，腾讯云还公布了国产算力适配优化、新一代云服务器SA10、音视频AI WAND等技术与产品进展，为AI应用规模化落地提供支持。 虽然今年大会涉及的产品和技术依然不少，但它们正在围绕一个更加明确的方向展开： 让Agent真正进入企业的工作流程。 过去一年，大模型能力不断提升，越来越多企业也开始尝试引入AI，但从个人使用AI，到整个组织依靠AI完成工作，中间仍然存在业务系统割裂、安全风险、部署成本等一系列问题。 所以我们能看到，腾讯正在以WorkBuddy为入口，连接办公应用、企业数据和业务系统，再通过模型、Agent运行环境和云基础设施提供支撑。这也意味着，企业AI竞争从单纯拼模型能力，正在走向拼实际业务落地。 不过，90亿次任务请求和大规模企业覆盖，目前更多证明了WorkBuddy的使用规模

匹配字段正文

，我非常清楚地意识到，我们需要教计算机如何聆听。我们不能只是告诉它们如何聆听。甚至可以说，我们连人类自己是如何聆听的都不知道，”他说。“我们没有词汇来解释聆听意味着什么，或者如何区分猫的喵喵声和小提琴的声音。” 完成博士后研究后，Smaragdis 开始了在 Mitsubishi Electric Research Labs 的职业生涯，在那里他研究能够扫描视频音轨并理解屏幕上正在发生什么的人工智能系统。 “如果你录制了一整场足球比赛，但只想看精彩片段呢？在计算机视觉中，识别什么是精彩片段非常困难。但另一方面，如果你只听声音，那么当人群疯狂起来时，你就会知道有有趣的事情正在发生，”他说。 该系统最终被整合到电子设备中，包括 Mitsubishi 当时正在开发的一款个人视频录制系统，以及交通监控系统和手机中。 Smaragdis 后来加入了 Adobe，在那里他创建了音频研究团队，构建了用户友好的工具，帮助艺术家、音乐人和制作人无需大量专业知识就能操控声音。 “在做这项工作的过程中，我不断遇到需要解决的更深层次的技术问题。我投身学术界来解决这种渴望，”他说。 Smaragdis 加入了伊

匹配字段正文

t.co/7pS44wKG7o / RunPod；支付 Superwall（端）+ Stripe（Web）；分析与错误 Tinybird；端：SwiftUI、RN 或 Kotlin、React + Vite；包管理 bun。 · 不用：Vercel、Netlify、Lovable、Bolt、v0、Firebase/Supabase、Clerk/Auth0、Sentry/PostHog、Next.js、Hono、Drizzle/Prisma 等一长串。原则是：栈做不了就停下来问人，别偷偷加依赖。 阶段节奏（摘要） Gate A 过关后：Brief → 账号与仓库 → 后端与库 → 登录（匿名优先）→ AI（流式、超时兜底、成本记账、evals）→ Web / iOS / Android → 支付与权益校验 → 漏斗事件进 Tinybird → 引导打磨 → 留存（推送、连续打卡、邮件）→ 上架合规 → 冲首批约 1000 下载（短视频、创作者平台 SideShift/Trybe、私信）→ 每周一个漏斗实验 + 一个产品修补。人负责账号、真机签字、发版与生产；智能体不碰生产数据与生产部署。

匹配字段正文

ingFace 官方发布的四场分享 + 圆桌 + 观众问答，是 HuggingFace 免费课 Training Agents（轨迹 SFT → 蒸馏 → GRPO → 搭 RL 环境）的线下延续，重点讲工业侧的实现。 PPT 合集： https://t.co/mvOl6omthQ 系列课程： https://t.co/jDCMFTlXGn Youtube 视频： https://t.co/NBRXbikmbL Gobind（Microsoft / GitHub & Foundry）-- 企业 RL 传统大企业（工业、制造、能源）买的是业务指标：延迟、准确、以及后训练的风险可控；关心整条链路（工具、数据、网络、harness、墙钟），不是某一个模型。真实 Agent 常挂几十到上百个工具，很多问题要当分布式系统来解。做法上：先快速定制现成 harness，用生产轨迹搭仿真，再故意扰动（过期数据、超时），配上功能正确与安全类校验器。后训练是 SFT / 蒸馏 / DPO / RL 混用；倾向模块化决策模型，而不是凡事一台前沿大模型。展望包括：以后更多手搓奖励与环境；GitHub 上会出现

匹配字段正文

谷歌版「黑客帝国」，今夜彻底成真了！ 就在刚刚，Google DeepMind甩出深夜王炸，正式发布新一代通用世界模型Genie 4。 一句提示词，就能直接造出一座能张嘴接戏、实时改命的「活体宇宙」！ 谷歌CEO劈柴第一时间宣布：从「生成一段视频」到「实时运行一个世界」，言出法随的「绿洲」时代来了！ 划重点，这次的Genie 4，直接把世界模型拉进了「有声、有人、有大脑」的全新纪元： Genie系列首次原生生成声音与即兴对话。同步生成环境音与配乐，更能让角色根据突发状况张嘴即兴交谈。 2分钟连贯长记忆，24帧丝滑交互。单次连贯世界维持时间翻倍至约2分钟，实机画面稳定在约24帧/秒。 重塑逼真人类与刚体物理。借助Gemini Omni锚定现实常识，人物微表情、镜面反射与物理碰撞全面跃升。 三大Gemini联手组成「混合世界模型」。Gemini 3.8 Flash在后台盯画面当「导演」，Gemini 4 Argon拆解22步精细动作指挥机器人下跳棋。 你往前走一步，世界就实时长出一寸；你改一句话，物理法则和NPC台词当场跟着重写。 当视频模型还在比拼几秒钟的镜头美感时，谷歌已经为未来的通用

匹配字段正文

有角色均为原创数字形象，没有一位真人演员出镜。 同样是在这天，国务院办公厅印发的《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》被公布，其中明确提出要“有效减缓人工智能应用就业替代影响”，“稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击”。 一边是AI正式拿到院线市场的“身份证”，生成式AI打造的虚拟角色们从短视频、短剧的小屏幕一路冲进了传统影视的核心阵地；另一边是顶层设计开始为AI替代就业敲响警钟。 这条线之上，是依赖人生阅历、情感层次与即兴表达的复杂表演艺术；这条线之下，是可以被拆解、被描述、被重复的标准化表演劳动。 而绝大多数基层演艺从业者都站在了这条线的下方，承受着技术浪潮最直接的冲击。 寒意 影视行业的寒意，即便是金字塔尖的明星，也感同身受。 2026年7月，金钟奖视帝赵又廷在接受《人物》杂志采访时坦言，自己上半年只收到了10个剧本邀约，而在他事业的鼎盛时期，一个月收到的剧本都远多于此。 同样的焦虑也发生在贾乃亮身上。2026年6月，他在直播间直面网友“为什么一直带货不拍戏”的疑问，直白地说出“无戏可拍”四个字。这位曾拿下华鼎奖

匹配字段正文

美元后退出尽调），Rivian于10月22日收购15人英国初创Third Dimension（金额未披露）。芯片厂、云厂、车厂买的是“生成可计算世界的能力”，即芯片、云、自动驾驶的基础设施。 3.谷歌护城河有三：Gemini当导演、Genie做渲染的生态深度耦合，Project Genie等更短的研究到付费产品化通道，以及Veo、Gemini Omni构成的视频矩阵；风险则在于Genie 4仍是研究预览、被大厂买走的初创能力或转为封闭生态、商业化需绑定具体行业工作流。文章判断世界模型主战场正从“谁能生成更真画面”转向“谁用世界模型跑真实业务”，机器人仿真、自动驾驶测试、电影分镜将最先给出答案，2026年下半年为并购窗口，纯研究实验室或被收购或被边缘化。 八、OpenAI 宣布推翻 ETH，科学家没有鼓掌 1.事件：2026年10月16日，OpenAI内部模型与Anthropic的Claude在同一天各自得出指数时间假设（ETH）被证伪的结论；10月26日OpenAI宣布在计算机科学、数学、物理三领域产出结果，其中ETH反证于次日（10月17日）完成Lean形式化验证。ETH由Impag

匹配字段正文

o 中编辑，修改结果会回到项目中。此外还增加了更多关键帧缓动选项，转录功能支持另外 23 种苹果未具体说明的语言。剪辑可从主情节中分离，并自由放置在时间线上。动画软件 Motion 获得 MotionVFX 插件，例如用于调色和 3D 摄像机跟踪，以及图像生成工具；Compressor 可编码 iPhone 18 Pro 和 iPhone Duo 的电影模式视频。Pixelmator Pro 通过“Generate Fill”学会根据 AI 提示补充选定的图像区域。据苹果称，该功能会考虑光照、透视和纹理，使结果无缝融入图像。 Mac 版 Final Cut Pro 现已直接集成 MotionVFX 的内容。其中包括模板、图形、标题和转场。 （图片：苹果） Final Cut Pro 的 Content Hub 今后除照片和背景外，还将包含精选的库存视频；苹果还宣布为 Keynote、Pages 和 Numbers 推出新的高级主题和模板。 广告后继续阅读 MCP 与隐私：许多细节缺失 通过 Model Context Protocol（MCP），外部 AI 智能体和工具应能读取、修改

匹配字段正文

年10月28日 08:55 北京时间10月27日凌晨，微软宣布一项大规模自愿离职计划。约6万名员工将收到邀约，可以自主选择拿一笔遣散补偿离开公司，也可以留在原岗位。图：视觉中国 相关报道Anthropic发招股书催化AI基建板块反弹 全球科技股表现分化微软启动6万人自愿离职 AI资本开支一年增约八成Anthropic发招股书 上半年收入同比增长1300%(含视频) 【财新网】 Anthropic发招股书催化AI基建板块反弹 全球科技股表现分化 美国AI巨头Anthropic于当地时间10月26日上午向美国证券交易委员会（SEC）正式递交招股书催化市场情绪，全球科技股走强，芯片板块领涨。当日美股收盘，纳指收涨0.82%，标普500指数涨0.70%，道指涨0.29%。次日亚太市场，韩国综合股价指数上涨。10月28日，美股三大指数继续上涨。截至收盘，纳斯达克指数上涨1.18%，标普500指数涨0.60%，道指涨0.06%。 推荐进入财新数据库，可随时查阅公司股价走势、结构人员变化等投资信息。 财新机器人产业指数(RII)已发布，点击了解行业动态 上一篇：微软启动6万人自愿离职 AI资本开支一

匹配字段正文

花了很多天——太多天了——试图在 RTX Spark 上找到一种始终稳定且好用的本地 AI 编程体验。虽然我在这里那里取得过一些小小的胜利，但到目前为止，从某种意义上说，我除了失败什么都没做成，因为我想要的是一个始终有效的可复现流程。 当我开始测试 RTX Spark 电脑时，我以为我会很快走遍几个不同的本地 AI 用例，比如通用使用、软件开发、创意（图像、视频等）、生产力、智能体，以及其他种种。通用使用，也就是像使用任何 AI 聊天机器人那样使用本地 AI，是很直接的——就像我在《RTX Spark：真实世界的本地 AI ⭐》中提到的托尔金书籍和墨西哥城行程——虽然那是一次不大但不错的成功，但我真的卡在了软件开发这一块。 原因有很多，其中包括有些 AI 前端和/或本地 AI 模型会直接使用（并在必要时安装和配置）完成任务所需的任何应用、框架和其他技术，而另一些则只会给你源代码，让你自己复制粘贴到 Visual Studio 或其他什么地方。前一种做法不仅更优越，而且是必需的，因为如果你要充当 AI 和你的开发环境必然会抛出的众多错误之间的中间人，无论项目多么简单，这个过程都完全无法进

匹配字段正文

Liquid Foundation Models，将文本、视觉、音频、全模态和决策模型统一到同一个共享骨干上。首个版本在 Hugging Face 博客的一篇文章中详细介绍，涵盖 2B 参数级别的六款模型。 每个 LFM3 模型都从同一个 LFM3-1.7B-Base 分支而来。LFM3-1.7B 接收文本并返回文本。LFM3-VL-2B 接受文本、图像和视频并返回文本，而 LFM3-Audio-2B 接受文本或音频并以文本或语音回应。Liquid AI 称 LFM3-Omni-2B 是其首个全模态模型，接受文本、图像、视频和音频并生成文本和语音。两款决策模型 d1-2B 和 d1-omni-2B 分别从视觉模型和全模态模型专门化而来，返回经过校准的答案而非生成的文本。 根据 LFM3-1.7B 模型卡，该文本模型有 1.73B 参数、256K token 上下文长度、128,000 token 词表，支持 16 种语言，并以 LFM Open License v1.0 发布。基础模型和后训练模型均为开放权重，可在 Hugging Face、Liquid AI Playground

匹配字段正文

月推出这两项产品，以简化整个数据中心的网络韧性。据米勒称，该公司还从约 6,500 家 AI Factory 客户中汲取经验教训。 “这些洞察的一部分包括我们从他们那里学到的东西，这些经验让一些组织取得成功，而另一些组织的项目却停滞不前，”他说。“我们意识到的一个关键点是，安全和韧性确实需要从一开始就纳入，作为核心架构决策，这样我们就不会重蹈云转型的覆辙，试图在事后才把它加上去。” 测试是许多韧性计划不足之处。戴尔的服务团队开展桌面演练和勒索软件入侵、检测及后续恢复的端到端模拟。据米勒称，一家客户调整了其方法以提高恢复速度，其备份到恢复的效率提升了 17 倍。埃姆斯利强调了了解关键操作可以恢复的重要性。 “你做的每一件事，都需要测试，”埃姆斯利说。“保证恢复这一概念从未像今天这样重要。” 以下是完整的视频采访，这是 SiliconANGLE 和 theCUBE 对人工智能网络安全与韧性峰会报道的一部分： （ 披露：戴尔科技公司赞助了 theCUBE 的这一环节。戴尔及其他赞助商均不对 theCUBE 或 SiliconANGLE 的内容拥有编辑控制权。） 图片：SiliconANGLE

匹配字段正文

模拟场景，并通过输入后续提示词进行编辑。例如，用户可以要求 Genie 4 改变天气或添加更多物体。该模型进行此类编辑时，不会降低虚拟世界的照片级真实感或一致性。 Genie 4 的自然语言界面与键盘控制并存。键盘控制可用于改变摄像机的位置和角度。 在底层，Genie 4 使用 Google 的其他多个模型来提升其输出质量。它依赖这家搜索巨头于 5 月推出的视频生成器 Gemini Omni，以确保其生成的视觉素材逼真。Gemini 3.8 Flash 是一款针对成本效益优化的推理模型，它使模拟的各个帧之间保持一致。 “Gemini 持续观察场景，将目标分解为一系列步骤，并审查传入的帧以跟踪进度并验证每一步是否成功，”Hadsell、Rivas 和 Qi 写道。“当世界发生变化或用户介入时，Gemini 会即时调整其计划。” DeepMind 目前正在研究如何将 Genie 4 应用于机器人用例。该项目将该算法与 Gemini 4 Argon 相结合，后者是 Google 旗舰级的推理优化大语言模型。 该项目的目标是让工程师使用高层指令模拟机器人。例如，用户可以要求 Argon 生成一

匹配字段正文

程度上反映真实世界条件，仍是一个关于可靠性的未解问题。 这为开发者提供了一种按需生成测试环境的方式。 Gemini如何引导Genie 4 Genie 4使用多个Gemini模型来维持其模拟运行。Gemini Omni帮助塑造环境，而Gemini 3.8 Flash则跟踪正在发生的情况、规划下一步，并在情况发生变化时进行调整。 Genie 4不会生成一段完成的视频，而是让用户在世界生成的过程中与之交互。用户可以用键盘在其中移动、改变摄像机角度，或使用文本提示来改变环境，而无需重新启动模拟。 Genie 4不会生成一段完成的视频，而是让用户在世界生成的过程中与之交互。 在模拟中训练机器人 Google最清晰的示例是让Apptronik的Apollo人形机器人下一盘跳棋，由Gemini 4 Argon规划每一步，Genie 4渲染结果，同时通过字幕引导场景。 该公司还在探索这项技术如何支持其Gemini Robotics研究，该研究让开发者能够在不断变化的环境中测试智能体，而无需从头重建每个模拟。 物理规律失效之处 问题在于，Genie 4并不能始终让这些环境保持一致。在较长的会话中，物体可

匹配字段正文

及 Minhui Zhu、Minyang Tian、Hao Peng 和 CritPt 团队为本次更新背后的基准所做的工作。 探索完整结果：artificialanalysis.ai 方法论：artificialanalysis.ai/methodology/intelligence-benchmarking Code2Video-AA：AI 模型用代码设计视频的能力如何？ Artificial Analysis 对 HeyGen 的 Code2Video Bench 的实现，评估模型使用 HyperFrames HTML 从 114 份设计简报中创建简短产品和品牌视频的能力。 2026 年 10 月 26 日 GPT-6.1 Terra 推进成本效率前沿 OpenAI 发布了 GPT-6.1 Terra，推进成本效率前沿。这是自 GPT-5.6 以来首个 Terra 级模型，智能更高，成本不到三分之一 2026 年 10 月 26 日 Kimi K3.1 Pro 在 Intelligence Index 上排名第 4 发布，并将领跑开放权重模型 Kimi K3.1 Pro 在 Art

匹配字段正文

AR+和6nm恒玄芯片，镜片中间“出戏”的彩虹纹等现象大幅减弱。 基于Rokid Prism技术，AI眼镜还可以连接所有的桌面智能体，包括Hermes、Codex、OpenCode、OpenClaw等，直接用眼镜“指挥”它们做事。 作为发布会的“One More Thing”，祝铭明登台亮出了Rokid Color，自家首款全彩AI眼镜。 AI眼镜终于可以看视频了，看股票终于不用“满眼绿油油”，所有App都进入彩色世界。 ▲看视频 ▲看股票 祝铭明特别提到，这一刻，Rokid等了12年，他自己从2012年的谷歌发布会至今等了15年，而身边大概有上千家供应链伙伴等了近20年。 在祝铭明看来，这是真正的“iPhone时刻”，智能眼镜正式进入新时代。 他进一步解读道：Rokid Glasses是一个“工具”，Rokid Color是一个“内容”。过去产业并未形成闭环，今天，AI眼镜产品形成了自己的闭环生态。未来其他所有设备产生的内容，会到AI眼镜上消费。Rokid会跟行业共同努力，让这件事在2-3年内发生。 为了解决交互问题，Rokid还发布了1699元的Rokid Color“乐奇魔戒”，

匹配字段正文

厂商的服务器上——这一点让注重隐私的用户有理由感到担忧。 Roborock、Ecovacs、Dreame或Narwal等中国大型厂商会根据用户所在地区，将数据存储在欧洲或美国的服务器上。在Roborock方面，地图和障碍物照片仅存储在设备本地，并直接在扫地机器人上处理——不会传输到云端。Roborock的语音指令也直接在设备上处理，不会发送到云端。只有在启用视频录制功能时，机器人才会将数据传输到App，但服务器上不会存储任何录像。 尽管如此，仍存在一定的残余风险。过去的安全漏洞表明，厂商服务器可能遭到攻击。房间地图本身也包含有关户型布局和家具陈设的敏感信息。如果想要最大程度的控制权，可以将机器人接入一个与家庭网络其余部分隔离的独立WiFi网络。 大多数型号原则上都可以在不使用App的情况下使用。使用不带App和WiFi的Roborock型号时，可以直接在设备上按键启动一次清洁。Ecovacs机器人同样在没有WiFi连接的情况下提供基础清洁、自动回充和自动集尘等核心功能。不过，没有WiFi的话，启动或结束清洁就需要投入更多时间和精力——而这些功能本应由设备全自动完成。至于差异化设置、房间

匹配字段正文