Rohan Paul 调侃多智能体 RL 的“摸鱼”智能体
Rohan Paul 发帖调侃多智能体强化学习：其中一个智能体会累、还想去吃午饭，并附上一段视频。
匹配字段摘要
←搜索结果
搜索“视频”
Utopai X 登顶 AA-Video-I2V v2.1 第二
Utopai Studios 基于 MiniMax H3 后训练的 Utopai X 在 AA-Video-I2V v2.1 榜单排名第二，仅次于 Dreamina Seedance 2.5，是唯一同时进入 AA-Video-T2V v2.1 与 AA-Video-I2V v2.1 前二的模型。该模型在 Physics、Multi-Scene & Narrative 类提示词以及 Frontier、UI/UX & Motion Design、Productivity & Knowledge Work 场景表现最佳。Utopai X 仅在 PAI 平台提供，1080p 视频每秒 93 PAI credits，无公开 API，PAI 订阅 1,000 credits 起价 $15/月。
匹配字段摘要、正文
Tripo AI 发布实时生成式渲染器 EdenLive 并开源
Tripo AI 推出交互式场景专用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。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。
匹配字段摘要、正文
蚂蚁 inclusionAI 开源 UBTree 项目页：用 Unigram 与…
蚂蚁 inclusionAI 在 GitHub 上线 UBTree 项目页，介绍用 Unigram 与 Bigram 模型做并行树草稿的投机解码方法（arXiv:2609.39972）。页面含 Ling3 Tiny 与 Flash 的演示视频，同一目标模型下对比 AR、DFlash、DSpark 和 UBTree 四种方法，视频为 1440×760、20 FPS、0.25× 播放速度。图表与表格数字统一由 static/js/data.js 驱动。
匹配字段摘要、正文
蚂蚁 inclusionAI 开源 2B 视觉取证模型 DefakerOne2
蚂蚁集团 GuangJian 团队在 GitHub 开源 DefakerOne2，一个基于 Qwen3.5-2B 多模态骨干的 2B 参数统一视觉取证模型，覆盖 AI 生成内容、DeepFake 人脸、文档篡改、自然图像篡改、人脸与证件防伪以及 AI 生成视频检测。模型在约 5000 万样本上训练，采用 LoRA 到全参数再到 LoRA 的三阶段 Tide-Style Tuning，并用基于熵的测试时路由在视频与帧两条通路间选择。团队称其在 53 项检测基准中 40 项达到 SOTA、14 项定位基准中 11 项达到 SOTA，权重与 RRVBench 基准已发布于 ModelScope。
匹配字段摘要、正文
Meta 悄然推出 AI 穿搭应用 Style Sketch
Meta 悄然上线 AI 时尚应用 Style Sketch，可连接 Instagram 用已发布照片搭建虚拟衣橱，也支持拍照、录视频或上传相册图片手动添加单品。应用会按用户风格推荐搭配，并让用户在匹配自身体型和肤色的“真实感模型”上试穿，还支持按目的地、行程天数和天气生成逐日穿搭计划。该应用已在印度尼西亚、新加坡和泰国上线 iOS 与 Android，Meta 未回应是否扩大发布范围。
匹配字段摘要、正文
商汤开源 SenseNova 6.8 Code2Video 模型与 Skill
商汤发布并开源 SenseNova 6.8 Code2Video，这是一个轻量模型，通过生成可执行代码来创建和渲染短视频，在视觉构图和动态设计上已有初步结果。配套 Skill 支持把想法转成视频并通过后续指令修改，也能把参考视频重建为可编辑代码。商汤同时开源了模型权重、Skill，以及每个展示视频背后的提示词和完整生成轨迹，这些视频均由单条提示词一次运行生成。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，价格较上一版本降低 50%
OpenAI 发布新模型 GPT-6.1 Terra，定价为每百万输入 token 1 美元、每百万输出 token 5 美元，比 GPT-6.1 Sol 的 2 美元和 10 美元便宜 50%。OpenAI 称该模型速度快、效率高，结合视觉推理与精确的计算机操作，擅长起草提案、填写表单和剪辑视频等任务。这是 OpenAI 连续第四次下调模型价格，Anthropic 也在 10 月将 Haiku 5.5 的价格下调 90%。
匹配字段摘要、正文
iOS 27.2 升级 Apple Photos：共享相册新增四项功能，并支持 SynthID 水印
iOS 27.2 为 Apple Photos 带来两项升级：共享相册新增编辑照片和视频说明、编辑评论、防止重复添加照片、相册过期前提醒四项功能；同时加入对 Google 开发的 SynthID 水印的支持，可识别图片是否由 Photos 和 Image Playground 中的生成式工具生成或修改。SynthID 水印不可见，但可被检测。使用共享相册新功能需先将相册升级至 iOS 27 版本。
匹配字段摘要、正文
Google DeepMind 发布 Genie 4 实时世界模型，原生生成音频
Google DeepMind 以研究预览形式向受信任测试者发布 Genie 4 世界模型，可根据文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。该模型在仿真循环中引入 Gemini 3.8 Flash 作为规划器，负责拆解目标、检查画面并重新规划，DeepMind 称这是迈向混合世界模型的早期一步。Genie 4 仅托管在 Google 平台，后续将开放给 AI Ultra 用户和 Gemini API 合作伙伴，所有视频与音频均带 SynthID 水印。
匹配字段摘要、正文
美妆企业FDE落地实践：把海量多模态数据洗成可信数据的八步链路
一家美妆企业的FDE落地项目把小红书、抖音、视频号、微博采集的文字、图片、音频和视频数据，按定数据规范、保留原始内容、梳理数据关系、多模态归一、冲突和质量清洗、生成结构化数据、执行验收、按规则和版本入库八步处理。原文强调清洗结果不能覆盖原文，OCR、ASR和模型标签只作新增结果，并给出ASR与OCR数值冲突时回溯原始证据、无法确认则进入待核队列的做法。这套链路也被作者整理为可复用于消费品洞察、汽车口碑、餐饮选址和品牌舆情等场景的通用方案。
匹配字段摘要、正文
Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index…
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排名第一。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型目前仅向部分用户开放，尚未公开发布，定价为每 1M 输入/输出 token 4/20 美元并提供 50% 折扣，上下文窗口 1M tokens，支持文本、图像、视频和语音输入。
匹配字段摘要、正文
PixVerse 展示 Kling 4.0 生成效果
PixVerse 发布与 Kling 4.0 的联动生成示例，指出 AI 视频在物理冲击感和运动一致性上仍有短板，而这次生成在动作中呈现出更重的打击感和更稳定的细节，更接近实拍质感。
匹配字段摘要、正文
Maxinsights 获 3000 万美元种子轮融资，为物理 AI 构建训练数据平台
Maxinsights 完成 3000 万美元种子轮融资，由 PeakXV 领投，Tola Capital、South Park Commons、INCE Capital 和 Alumni Ventures 参投，用于扩展其为机器人和 AI 模型采集真实人类活动数据的物理 AI 数据平台。公司已采集超 200 万小时真实人类活动数据，其中 150 万小时可直接用于模型训练，服务超 30 家 AI 实验室和基础模型开发商客户。公司同时推出 MaxLoop 质量监控系统和 MaxGlove 触觉传感手套，MaxLoop 将审核成本降低约 80%，每月可处理 45 万小时视频。
匹配字段摘要、正文
东京理科大学用XREAL One Pro AR眼镜完成膀胱癌辅助手术
东京理科大学成功完成一例XREAL One Pro AR眼镜辅助的膀胱癌手术，患者为50多岁男性，术后进展顺利。该系统由该校肾泌尿外科与电气电子工程系团队联合研发，将内窥镜影像叠加在医生视野内，并接入索尼NUCLeUS平台统一管理手术室视频信号。其他参与人员可佩戴xbx a01+同步查看信息。
匹配字段摘要、正文
Solink 融资超 1 亿美元，用 AI 从安防摄像头中提取商业数据
视频智能公司 Solink 完成超 1 亿美元新融资，由 Vertu Capital 领投，高盛通过 Growth Equity 参投，累计融资已超 1.98 亿美元。其平台用 AI 从零售、餐饮和仓库客户已有的安防摄像头中提取信息，目前约 50 万台摄像头接入 65 个国家、逾 3.5 万个客户站点。公司今年 2 月推出边缘端 AI 智能体用于周界安防和防损，3 月为 VerifEye 指挥中心加入视觉语言模型以过滤误报。
匹配字段摘要、正文
对话「葬AI」作者咸鱼：如何吐槽中国 AI 行业
ChinaTalk 对话「葬AI」作者咸鱼，讨论他如何以亚文化视角讽刺中国 AI 行业。咸鱼称自己从 2025 年下半年起完全不再用 AI 写作，因为主流模型编程能力提升的同时写作原创性明显下降。他还做了让普通人给视频模型按梗能力排名的网站，并与主持人就中美哪边炒作更严重存在分歧。
匹配字段摘要、正文
Bites 完成 4000 万美元 A 轮融资，把 AI 培训带给一线员工
Bites 完成 4000 万美元 A 轮融资，由 PeakSpan Capital 领投，累计融资达 5500 万美元。其 AI Studio 可在数分钟内把文档和标准作业流程转成品牌化培训视频，每节“Bite”最长 90 秒，支持 150 多种语言，并通过 WhatsApp、SMS、Microsoft Teams 和 Slack 推送。公司称客户通常在三周内实现超过 90% 的参与率，净收入留存率为 161%。
匹配字段摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial…
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
匹配字段摘要、正文
天数智芯天垓300实测对比H200：训练吞吐达H100的1.33倍
天数智芯在10月28日媒体开放日首次开放天垓300实机演示，称其在GLM-5.3等大语言模型及文生图、文生视频场景的对比测试中整体表现优于H200。训练方面，基于Qwen3-32B的8卡整机FP8精度演示中，天垓300每卡有效吞吐达到H100的1.33倍。天垓300于今年7月世界人工智能大会发布，配备144GB显存，其IXL144超节点在单个标准机柜内集成144颗GPU、约10.1TB显存，每百万有效Token成本较国际主流方案降低约40%。
匹配字段摘要、正文