N全部新闻

全部新闻

星期三10 条

  1. Google AI for Developers一手产品发布
    AI 评分67

    Gemini 3.7 Flash 等三款模型上线智能体视频理解能力

    Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解能力，即日起可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上处理上传视频和 YouTube 视频。官方演示中，Gemini 3.7 Flash 借助该能力自动调整处理速度，准确识别并数清快速拍手动作；此前静态处理默认以 1 FPS 抽帧，拍手这类瞬间动作容易被漏掉或误判为响指、点击。

    #产品更新#多模态#视频

  2. Philipp Schmid产品发布
    AI 评分72

    Gemini 视频理解引入智能体模式，长视频 token 最多减少 88%

    Gemini 的视频理解改为智能体式处理，模型可自行浏览视频时间线、决定看哪些片段、选择帧率，并判断是否需要语音转录、音频或视觉帧来回答提示词。官方称长视频最多减少 88% 的 token 和 66% 的成本，基准准确率提升约 7%。启用方式是在 video 上设置 processing="agentic"，2 分钟以内的视频仍用 static；该功能已在 Gemini API 和 Google AI Studio 上线，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash Lite。

    同一事件 · 3 条报道

    #产品更新#视频#Agent

星期二9 条

  1. The Rundown AI产品发布
    AI 评分48

    Dyson 将 AI 相机装进 $499 的 CameraJet 牙刷

    Dyson 推出售价 $499 的 CameraJet 电动牙刷，通过 AI 相机识别牙缝，并在刷牙时触发低压喷流清除牙菌斑。其 100K 像素相机每秒分析 28 张图像，机器学习系统以 470K 张牙科图像训练；用户还可在 MyDyson 应用查看实时画面、清洁覆盖和技巧反馈。

    #产品更新#端侧#数据/训练

  2. The Rundown AI产品发布
    AI 评分60

    Runway 的 Solaris 预览无代码互联网

    Runway 推出早期访问版 Solaris，以实时生成的视频呈现网站和应用，用户点击或拖动时由 Gen-4.5 与大语言模型共同生成后续画面，无需底层代码运行。测试者在场景行为和指令遵循方面分别有 71% 和 61% 的对比选择了 Solaris，而非 Claude Opus 5 编写的页面。当前版本仍存在文字清晰度、长会话漂移及画面看似可信但内容错误等问题。

    同一事件 · 2 条报道

    #产品更新#视频#多模态

  4. Hugging Face一手产品发布
    AI 评分60

    Hugging Face 发布 @huggingface/kernels：207 个 WebGPU kernel 支持本地 AI

    Hugging Face 发布 @huggingface/kernels，在 webgpu-kernels 组织下以 Apache-2.0 许可发布 207 个 WebGPU kernel，并提供从 Hub 下载、准备和运行 kernel 的 JavaScript 加载器。每个 kernel 有独立仓库与 kernel card，包含 manifest.json、metadata.json、test.json、bench.json 和 WGSL 模板，可通过 npm install @huggingface/kernels@preview 安装，需浏览器支持 WebGPU。在 Apple M4 上与 ORT WebGPU 对比的 809 个可比用例中，其 kernel 几何平均快 2.57 倍、中位数快 1.90 倍；同时推出浏览器端基准工具 Fleet 众包真实设备上的正确性与性能证据。

    #开源/仓库#部署/工程#Hugging Face

  5. LiveKit 产品与工程博客一手产品发布
    AI 评分55

    LiveKit 发布 Connectors，让语音智能体接入 Twilio 与 WhatsApp 通话

    LiveKit 发布 Connectors，在 LiveKit 房间与 Twilio Programmable Voice、WhatsApp Business Calling 之间建立直连，通话以普通参与者身份进入房间，无需配置 SIP trunk 或网关。Twilio 通话会带上 call SID 和自定义 TwiML 参数作为参与者属性，WhatsApp 来电以手机号作为参与者身份；连接器通话与 SIP、网页会话一样出现在 LiveKit Cloud 仪表盘中。Connectors 已在 LiveKit Cloud 正式可用，连接器分钟计费与 SIP 相同，Ship 为每分钟 $0.004、Scale 为 $0.003，各套餐分别包含 5、20、100 路并发连接器通话。

    Both platforms land in the same LiveKit room as a plain participant, with fewer hops than the SIP trunking path.

    #产品更新#语音#Agent

  6. Google DeepMind一手产品发布
    AI 评分74

    Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解功能

    Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，模型可动态扫描视频片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。该功能已在 Google AI Studio 和 Gemini Enterprise Agent Platform 的 Gemini API 中上线，支持视频上传和 YouTube 视频，按标准 token 计费且不额外收费。相比固定 1 FPS 的静态处理，它结合模型推理与原生视频工具，按需检索画面、音频和转录文本，后续还将接入 Gemini 应用和 YouTube 的 Ask YouTube 功能。

    同一事件 · 3 条报道

    #产品更新#多模态#视频

  7. Google AI Blog一手产品发布
    AI 评分61

    Google 发布 Google Pics，基于 Nano Banana 的图像生成与编辑工具

    Google 发布 AI 图像创建与编辑工具 Google Pics，基于 Nano Banana 图像生成与编辑模型，支持用文本提示生成和精修图像。功能包括对象分割、图内文字编辑与翻译、多人协作编辑同一张图，以及一次提示生成多个版本。该工具既是独立产品，也已集成进 Workspace，Docs 和 Slides 即日起可用，Drive 将在未来几周内上线，入口为 pics.new。

    Collage of images created by Google Pics, with the text "Say hello to Google Pics" on top

    #产品更新#图像生成#Google

  8. Comfy Blog一手产品发布
    AI 评分65

    Trellis.2 与 Pixal3D 原生集成进 ComfyUI

    ComfyUI 将 Trellis.2 和 Pixal3D 两款开源 3D 生成模型原生集成进核心节点，无需自定义节点、编译 CUDA 扩展或降级 PyTorch，并移除了限制商用的 nvdiffrast 与 nvdiffrec 依赖。此次更新还重建了 Load/Preview/Save 3D 节点，新增 Remesh、Decimate、Smooth Mesh Normals、Fill Holes 等网格后处理节点，以及 UV 展开和法线、环境光遮蔽贴图烘焙，形成完整 PBR 材质集。官方说明这两款模型在质量上仍不及 Hunyuan 3D、Tripo、Rodin 等闭源方案，但可在消费级硬件本地运行、按资产零成本且无商用许可限制，需将 ComfyUI 升级至 0.34.0 或使用 Comfy Cloud。

    Alexis Rolland's avatar

    #产品更新#开源生态#部署/工程

  9. The Register产品发布
    AI 评分62

    OpenClaw 2.0 发布：简化安装与重做浏览器界面，安全仍交给用户

    OpenClaw 基金会发布 AI 智能体框架 OpenClaw 2.0，称这是其规模最大的一次更新，重点是简化安装流程并把浏览器应用重做成类似 ChatGPT、Claude 的一等体验，同时新增共享云会话，让多名成员在同一实例中保持上下文连续对话。补丁说明显示，共享会话控制并非租户隔离或安全边界，新增的 Secret Store 中的值不加密存储、依赖文件系统权限，面向不可信代码的沙箱默认关闭。文章指出，这次更新让更多人更容易装好并用上 OpenClaw，但没有把默认安全一并带来。

    #产品更新#Agent#开源生态

星期一4 条

  1. The Rundown AI产品发布
    AI 评分71

    Hugging Face 的机器人鸭 Microduck 已成热门产品

    Hugging Face 与 Pollen Robotics 开放预订双足机器人 Microduck，定价 $399，首日订单额超过 $2.6M。它配备 15 个电机、摄像头和 LiDAR，可完成跌倒后起身等七种行为；SDK、模拟器及强化学习技术栈以 Apache 2.0 开源，新订单预计四至六个月交付。

    #产品更新#具身智能#开源生态

  3. Fireworks AI一手产品发布
    AI 评分55

    Fireworks AI 宣布 Training API 与 Fireworks Lab 正式可用

    Fireworks AI 宣布 Training API 和 Fireworks Lab 正式可用，Training API 让用户用 Python 编写自定义训练循环，由 Fireworks 托管分布式训练与 rollout 基础设施。该 API 提供 Serverless 和 Dedicated 两种算力选项，前者按 token 计费、支持 LoRA，后者按 GPU 小时计费、支持全参数训练和更大的模型。原文还列出 Harvey、Vercel、Heidi、Factory 等团队用该平台微调模型的效果，例如 Vercel 为 v0 的自动修复功能微调开源模型后错误率为 93%、端到端延迟改善 40x。

    同一事件 · 2 条报道

    #产品更新#数据/训练#部署/工程

  4. Ollama Blog一手产品发布
    AI 评分58

    Ollama 云服务改为按 token 透明计价并上线 Team 计划

    Ollama 宣布 Pro、Max、Team 计划改用按 token 的透明计价，每个计划附带每月用量额度：Pro 为 20 美元/月含 60 美元用量，Max 为 100 美元/月含 300 美元用量，Team 为 500 美元/月含 1000 美元共享用量且不限用户数。免费计划也获得少量入门模型用量，可随时按量付费使用全部模型，不再有服务费和 5 小时或每周限制。Ollama 表示此前按 GPU 时长计费难以预测，尤其随着开源模型规模增大（如 Kimi K3 有 2.8 万亿参数），现有 Pro、Max、Team 用户可继续沿用旧计划，也可在账户设置中随时升级。

    #产品更新#部署/工程#OpenAI

星期六3 条

  1. 腾讯混元一手产品发布
    AI 评分62

    腾讯混元将 Hy4-preview 压缩至约 200GiB GGUF，发布 MIX-STQ1_0 量化方案

    腾讯混元把 Hy4-preview 从 1.5TB 压缩到约 200GiB 的 GGUF，并称仍能良好运行。其 MIX-STQ1_0 方案用校准数据为每层选择位宽，部分低至 1.31-bit STQ1_0，部分高至 2.06-bit IQ2_XXS。相比 BF16，MCP Atlas 从 83.7 降至 83.2，SWE-Bench multi 从 82.9 降至 81.3，MRCR 从 81.3 降至 81.1，IFBench 从 73.5 降至 72.5。权重与低比特 GGUF 已发布在 Hugging Face 的 AngelSlim/Hy4-preview-GGUF。

    引用Tencent Hy · @TencentHunyuan

    🚀 Hy4 preview is here. 770B, 49B active, 1M context. Built for productivity. Open source frontier. Consistent affordable price. Use it. Tell us what breaks. More on Hy blog：https://t.co/rbl1IWRk3C HuggingFace：https://t.co/mE9wevH5XR Github：https://t.co/pyl9zckpoL https://t.co/4iW6gSuZKr

    #开源/仓库#端侧#部署/工程

  2. Roshan Sadanani产品发布
    AI 评分67

    Grok Bot 上线代购功能，可连接 Link 完成支付

    Grok Bot 现在可以在互联网上代用户购买商品，用户连接 Link 后即可让 Bot 代为完成下单支付。作者 Roshan Sadanani 表示这是把支付能力接入 Grok Bot 的一部分，他此前在 Stripe 从事智能体商务相关工作，此次与 Stripe 团队合作完成。

    引用Grok Bot · @bot

    Grok Bot can now buy things on the internet. To get started, connect @link, send your Bot shopping, and it can complete purchases on your behalf. https://t.co/pA3pNsF1Qc

    #产品更新#Agent#MCP/工具调用

  3. Unsloth一手产品发布
    AI 评分71

    Unsloth 将 GLM-5.3 量化至 2-bit，可在 256GB Mac 本地运行

    Unsloth 宣布 GLM-5.3 现已支持本地运行，其 2-bit 量化版本把模型从 1.51TB 压缩到 239GB，体积减少 83%，精度保留约 81%。该版本可在 256GB Mac 或相应 RAM/VRAM 配置上运行，Unsloth 同时放出了使用指南和 GGUF 文件。GLM-5.3 由 Z.ai 开放权重，官方称其面向智能体编码与网络防御。

    引用Z.ai · @Zai_org

    GLM-5.3 is now open-weight. Our most capable model for agentic coding and cyber defense is now available to download, run, and customize. Weights: https://t.co/v1IbWMXxg4 Tech blog: https://t.co/ekQkO83jCv https://t.co/f8XlJksKyf

    #开源/仓库#端侧#部署/工程

星期五4 条

  1. The Rundown AI产品发布
    AI 评分62

    Anthropic 推出 Model Hardware Standard，让 AI 智能体操控现实设备

    Anthropic 在研究预览中推出 Model Hardware Standard（MHS），让 AI 智能体通过自然语言生成的参考文件学习并操作显微镜、机械臂等设备。Anthropic 称其可将设备接入时间从数周缩短至数小时或数分钟，并计划日后开源；Tecan、QIAGEN、AWS、Hugging Face 和 Raspberry Pi 将参与合作或设备适配。

    #产品更新#Agent#具身智能

  2. Comfy Blog一手产品发布
    AI 评分53

    Gemini Omni 1.1 Flash 上线 ComfyUI：支持 4K 输出与对话式视频编辑

    Gemini Omni 1.1 Flash 通过 Partner Nodes 在 ComfyUI 上线，可在 Gemini Video Omni 节点中选择该模型，支持文生视频、图生视频、参考生视频、视频编辑和场景延展，分辨率覆盖 360p 到 4K，每段视频自带生成音轨。该模型原生多模态处理文本、图像、音频和视频，支持用自然语言描述修改并保留画面其余部分，编辑结果可叠加，场景延展会延续原有运动、角色身份和光照。节点提供提示词、分辨率、宽高比、任务类型选择以及可选的图像和视频输入，更新 ComfyUI 至最新版本或使用 Comfy Cloud 即可使用。

    Rob's avatar

    #产品更新#视频#多模态