Grok Bot本周更新了多项功能。据阿易 AI Notes报道,此次更新包括可直接生成可编辑报告页和仪表盘的Pages、用于存放登录与银行卡信息的Vault,以及与1Password的联动;Vault与1Password的设计是让Bot代填登录和结账信息,但Bot本身看不到密码和卡号。更新还加入手机App授权,覆盖日历、通讯录、位置、闹钟,在iPhone上可管理提醒事项和控制Home灯光;此外还有根据描述或图片生成视频、新Bot角色和X Spaces等。目前该报道为唯一信源,尚无后续发展。
匹配字段摘要
Google Gemini 上线个人头像功能,用户可创建并分享头像,与朋友一起出现在图像和视频中。分享后可在提示词中互相标记,并保持角色和声音的一致性;用户还能随时添加或移除他人的访问权限。目前该功能由 Gemini 于2026年10月30日发布的信息披露,尚无更多后续发展。
匹配字段摘要
Tripo AI推出面向交互式场景的实时生成式渲染器EdenLive,隶属其交互式环境世界模型Project Eden,目前已向开发者开源。据VR陀螺报道,EdenLive将场景演化逻辑与视觉渲染解耦,只需2D/3D场景或参考视频、目标首帧与文本指令即可启动渲染,支持480p与720p两种分辨率;50亿参数版本在单张消费级RTX 5090上可实现720p下24帧/秒以上的实时生成。开源内容包括50亿与140亿参数模型权重、实时视频生成代码、文本转简易游戏的EdenGolem v0.1技能及完整提示词到游戏前端工具链,代码以Apache 2.0协议发布于GitHub,权重可在Hugging Face获取。目前尚无后续进展披露。
匹配字段摘要
2026年10月28日,Krea预告“something is coming”,称首个Krea 3专家模型将于本周发布,并邀请用户猜测首个专家模型是什么。10月29日,Krea宣布Krea 3将于明天迎来首个专家模型,并称视频中还留有最后一条线索。10月30日,Krea发布Ad Studio,由面向广告的新Krea 3专家模型驱动;用户粘贴品牌链接即可生成数十条广告,并保持与品牌和产品的一致性,目前可免费试用。
匹配字段摘要
OpenAI于2026年10月28日宣布,iCloud Mail与iCloud Calendar两项插件已可在ChatGPT中连接使用。用户可通过ChatGPT查找邮件、梳理收件箱、查看接下来的日程或更新日历事件。该功能在网页端、桌面端和iOS上向所有ChatGPT套餐开放。Testing Catalog同日报道称,这是用户期待已久的功能,并附有一段演示视频。目前尚无后续发展。
匹配字段摘要
Cursor于2026年10月28日在其设计模式中新增Annotate功能,让用户以可视化方式向智能体下达提示:编辑元素、在页面上绘制,并在不同屏幕尺寸下查看设计。同日,Testing Catalog援引Design模式说明称,用户可以在运行中的应用上留下笔记来指挥智能体,并附有一段演示视频。目前尚无后续发展事实。
匹配字段摘要
Google Gemini 上线 SynthID 检测功能,用户可直接询问 Gemini“这是 AI 生成的吗”,即可判断图片、视频或音频是否由 Google 的 AI 生成。该功能面向所有用户开放,用于帮助用户更有把握地浏览网络内容。目前该功能已随 Gemini 推出,暂无后续发展信息。
匹配字段摘要
2026年10月24日,百度健康宣布升级文心健康管家,同时发布「好医矩阵」和「健康相机」。据雷锋网同日报道,百度健康AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评;其中好医答入驻15万+全三甲真人医生,提供7*24小时在线服务,好医加号已覆盖80%以上公立三甲医院,每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说,基于300万多模态影像素材训练,可识别动态体征与多发症状位置关系。目前该事件尚无后续发展事实。
2026年10月24日,百度健康宣布升级文心健康管家,同时发布「好医矩阵」和「健康相机」。据雷锋网同日报道,百度健康AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评;其中好医答入驻15万+全三甲真人医生,提供7 24小时在线服务,好医加号已覆盖80%以上公立三甲医院,每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说,基于300万多模态影像素材训练,可识别动态体征与多发症状位置关系。目前该事件尚无后续发展事实。
匹配字段摘要
可灵宣布,Kling 4.0 已在 Adobe Firefly 中上线,用户可通过 Firefly 直接调用该视频生成模型。Adobe Firefly 同步发文称 Kling 4.0 现已可用,并给出试用链接。相关消息发布于 2026 年 10 月 22 日,目前尚无后续发展事实。
匹配字段摘要
Hao AI Lab宣布,FastVideo FastH3 Omni可在NVIDIA DGX Spark、RTX GPU和Apple MLX上本地运行。该实验室给出的运行数据包括:用一张照片和一段提示词生成5秒480p视频约需3分钟,在两张Spark上约需2分钟;FastH3 T2AV在单张Spark上耗时52.6秒,在两张Spark上为30.7秒。演示视频中的片段均由DGX Spark以8步NVFP4 checkpoint生成。该实验室同时提供了博客、Cookbook和Hugging Face链接。目前尚无后续发展事实。
匹配字段摘要
2026年10月22日,Rohan Paul发文评价宇树发布的H2-X人形机器人所宣称的约8小时续航数据。他指出,该数字统计的是站立时间,尚不清楚巡逻、格斗或搬运等实际任务能持续多久。文章同时提到,标准版H2重70kg、有31个关节,配备可换0.97kWh电池组,续航约3小时,售价29,900美元;发布视频中H2-X从4米平台跃下、踢穿废车场并击退持棍入侵者。Rohan Paul认为,早期买家更可能来自需要凌晨值守的场地和仓库,而非家庭。目前该评价仅见于其本人文章,暂无其他发展事实。
匹配字段摘要
可灵 Kling 4.0 已在 fal 平台上线。官方称其为新一代原生多模态视频模型,在复杂运动稳定性、角色与场景参考一致性以及电影叙事控制精度上有所提升。目前该模型仅通过 fal UX 和 fal Agent 提供,API 访问即将开放。
匹配字段摘要
Viggle AI 宣布 JST-2 模型已在其 API 上线,该模型可在同一个架构下生成 3D 角色、动作和场景。此前在 2026 年 10 月 20 日,Viggle 发布了 JST-2,将整套模型栈构建在 3D 空间,用携带 xyz 坐标、属性向量和动力学向量的 Physics-Native Token 表示世界,而非从视频像素中隐式推断物理规律;架构分为 JST encoder、JST generator 和 JST decoder 三部分,单次前向推理约 1 秒生成完整 3D 场景,成本低于 $0.01(B200),并支持最多 64 个输入视角作为空间上下文窗口。Viggle 公布的盲测人类偏好显示,角色生成对 Meshy 7.1 胜率 58.4%、对 Tripo H3.1 胜率 73.2%,视频生成运动对 DeepMotion 胜率 89.1%。Viggle AI 此前称 JST-2 是“全栈物理原生世界基础模型”,可在数秒内生成 3D 场景并实时扩展。目前 JST-2 已通过 API 对外提供。
匹配字段摘要
2026年10月20日,PyTorch 2.15 在 MPS 后端加入对 torch.float8_e4m3fn 张量的支持。同一来源的报道还提到,该版本让 MoE 模型解码速度比 2.14 快 5–6.5 倍:在 M3 Ultra 上配合 torch.compile,Qwen3.6-35B-A3B 从 9.4 tokens/s 提升到 61.3 tokens/s,LFM2.5-8B-A1B 从 23.6 tokens/s 提升到 123.6 tokens/s。报道称,Wan2.2 的 tiled VAE 视频解码峰值驱动内存从约 270 GiB 降到 8 GiB;Qwen-Image-2.1 的 VAE 编码在 MPS 上的图像损坏问题也随 padding 改动修复,编解码往返 PSNR 从 10.06 dB 升到 29.95 dB。该版本要求 macOS 15 或更高版本、Python 3.11 或更高版本。目前尚无后续独立发展。
2026年10月20日,PyTorch 2.15 在 MPS 后端加入对 torch.float8 e4m3fn 张量的支持。同一来源的报道还提到,该版本让 MoE 模型解码速度比 2.14 快 5–6.5 倍:在 M3 Ultra 上配合 torch.compile,Qwen3.6-35B-A3B 从 9.4 tokens/s 提升到 61.3 tokens/s,LFM2.5-8B-A1B 从 23.6 tokens/s 提升到 123.6 tokens/s。报道称,Wan2.2 的 tiled VAE 视频解码峰值驱动内存从约 270 GiB 降到 8 GiB;Qwen-Image-2.1 的 VAE 编码在 MPS 上的图像损坏问题也随 padding 改动修复,编解码往返 PSNR 从 10.06 dB 升到 29.95 dB。该版本要求 macOS 15 或更高版本、Python 3.11 或更高版本。目前尚无后续独立发展。
匹配字段摘要
2026年10月23日,Lauren Tan表示grok bot团队正以极快速度迭代。同一事件的相关报道显示,Grok Bot 0.75.2版本已发布,新增可生成并持续更新的报告、备忘录和仪表盘页面,桌面聊天新增卡片,bot可根据描述或图片生成视频。Lauren Tan同时呼吁用户继续反馈问题和bug,目标是让Grok Bot成为最好用的助手和员工。此前10月22日的报道称,Grok Bot可生成报告、备忘录和仪表盘,用户提出页面需求后可与其共同编辑,或让Bot持续保持更新;产品仪表盘、个人财务指标、PRD、UXR摘要、研究报告、行业分析、指标探索和参考文档等内容可直接在Grok Bot内生成。目前该故事暂无进一步有证据的发展。
匹配字段摘要
Krea 官方于 2026 年 10 月 22 日宣布,Krea 3 可用于商品图生成,能快速产出商品的各个角度,成本仅为常规方案的一小部分。官方推文附有试用链接和演示视频,但未给出具体价格或速度数据。目前尚无后续发展事实,该能力的具体定价与生成速度仍待官方进一步披露。
匹配字段摘要
2026年10月15日,Kling AI 宣布 KLING 4.0 全面可用,用户可通过改版后的创作界面使用,并支持通过 MCP 和 CLI 接入视频创作工作流;官方同时预告将推出 4K 和 1080p 的 10-bit HDR 视频输出,以及面向企业客户和开发者的 API 访问。10月17日,fal 预告即将上线可灵 4.0,称单次生成最长 30 秒视频、支持原生音频,并可用最多 15 个参考素材引导角色、场景与镜头运动。10月20日,据 The Decoder 报道,Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens,新增双声道立体声音频和十余种语言的口型同步,并推出最高 720p、20 秒的轻量版 Kling 4.0 Flash。10月22日,可灵宣布 KLING 4.0 API 正式开放,开发者可将其集成到自有产品和工作流中,但未披露接口能力、定价或可用范围等细节。
匹配字段摘要
NVIDIA 发布手术生成模拟模型 Cosmos3-H-Dreams。该模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化而来,用于胆囊切除术的动作条件视频生成。官方信息显示,模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练,并通过蒸馏得到四步与两步两个学生检查点;其中两步版本单独训练,推理更快但画质更低。NVIDIA 同时提供 FlashDreams 流式运行时,以及适配自有数据与控制器的方法,并说明该模型是研究用模拟器,并非经过验证的临床系统。目前尚无后续发展事实。
匹配字段摘要
2026年10月18日,VAST宣布开源实时世界模型EdenLive,开放5B、14B两种规格的模型权重及推理代码,并公布技术报告和端到端演示。据VR陀螺报道,其5B模型可在单张英伟达RTX 5090显卡上以720p分辨率、超过24帧/秒生成画面,支持分钟级连续运行,端到端延迟为百毫秒级;该模型将世界状态与视觉渲染解耦,可用于游戏原型预览、场景预演和视频重新渲染,但下载全部权重约需210GB空间,FLUX首帧组件限非商业、非生产用途。10月20日,Tripo发布的信息称,EdenLive可将3D白模、游戏引擎画面、2D卡通和真实视频转换为写实或风格化视频。10月21日,Tripo宣布EdenLive已在Reactor平台正式上线并提供在线demo,可用参考图和文本实时重绘3D场景,支持即时修改提示词。
匹配字段摘要
Google于2026年10月20日发布基于TorchTPU的vLLM与SGLang原生PyTorch后端推理引擎,分别与Inferact、RadixArk合作开发。官方表示,两个引擎已在预览客户的生产环境中运行;在Ironwood TPU(TPU 7x)上运行Qwen 3.5时,高并发配置下每百万token成本为2.01美分,并已在SemiAnalysis InferenceX的AgentX赛道提交结果。功能方面,引擎支持前缀缓存与KV cache卸载、投机解码、分离式服务以及图像视频输入的多模态模型;SGLang-TorchTPU已在Meta生产环境使用。目前尚无后续独立发展事实。
匹配字段摘要