今年 2 月我们首次推出 /remote-control 时，我用 Opus 4.6 做这些视频玩得很开心。那么，这是 Opus 5.5 的黏土动画版。 Remote Control with 5.5，急用时必备！https://t.co/e04QxTbgUo
今年 2 月我们首次推出 /remote-control 时，我用 Opus 4.6 做这些视频玩得很开心。那么，这是 Opus 5.5 的黏土动画版。 Remote Control with 5.5，急用时必备！https://t.co/e04QxTbgUo
匹配字段摘要
Synthesia 为 TechCrunch 记者制作了一个交互式数字人分身，这也是该公司首次为记者（除 Voica 外首次为任何人）打造数字分身。该分身由语音转文字、视频、语言和文字转语音模型组合驱动，基于记者关于风投支持创业公司欺诈的报道训练，只会回答该报道相关问题。Synthesia 今年早些时候估值达 40 亿美元，去年 ARR 突破 1 亿美元。
匹配字段摘要、正文
Ben Tossell 用一个上午做出 50 年科技设备时间轴网站，收录 87 台 1976 至 2026 年的设备，全部图片由 Astra 生成，共 40 条消息、7 个 subagent、1455 票。网站先在 Codex 中启动、后用 Factory 的 Droid 完成，支持拖动时间轴切换设备、投票标记“用过/想要”并生成可分享的个人设备页，还由 luna subagent 生成了 10 秒视频演示。
匹配字段摘要
Meta 在 Connect 2026 活动上为旗下走红的 Muse 智能体发布多项升级，包括 12 月发货的钥匙扣硬件 Charm、数月内上线的 AI 眼镜集成、实时语音与视频对话，以及可同步语音的 Muse Realtime Avatar。扎克伯格称 Charm 是“与 Muse 对话最快的方式”，眼镜端将提供连 Meta 也无法获取数据的私有处理模式。PayPal、Walmart、Shopify、GitHub 和 Box 等公司已成为 Muse 合作伙伴，此前亚马逊本周早些时候曾阻止其访问。
匹配字段摘要
作者称用 opus5.5 一次性直出产品宣传片，全程未接入任何 AI 视频、AI 音乐或 AI 图像生成模型，并同时输出 16:9 和 9:16 两个版本。作者还表示已公开完整提示语。
匹配字段摘要、正文
Runway 本月推出研究预览版 GWM Worlds 2，把高保真视频与音频生成变成实时交互式模拟，并提出 WorldPrompt 输入格式，可固定首帧等环境要素后按时间戳编排事件。该模型以 720p、24fps 视频和 48000Hz 音频流式输出，做法是先微调基础音视频模型以适配 WorldPrompt，再后训练为自回归生成，最后用蒸馏做到实时。CTO Kamil Sindi 与首席研究科学家 Robin Kahlow 表示，自回归模型的误差累积、长时记忆和上下文取舍仍是待解问题，模型也没有结构化状态可供智能体读取。
匹配字段摘要
Physical AI 创业公司息壤开物宣布连续完成数亿元种子轮及天使轮融资，由敦鸿资产领投，估值达5亿美金。公司由前华为云大模型CTO李寅任创始人兼CEO、前华为多模态首席科学家张含望任联合创始人，目标是做 Large Physics Model（LPM），即先从海量视频、机器人轨迹和真实交互中预训练物理基础模型，再迁移到不同本体和任务。息壤披露其模型在 World Arena 2.0 Track 1 的 Trajectory Accuracy 单项排名第一、Physical Adherence 单项排名第二，训练成果 XIRRA v0.1 计划于今年晚些时候亮相。
匹配字段摘要、正文
Meta 在 Connect 大会上把 Muse 智能体推到核心位置，软件上新增 Computer Use 操控 Mac、独立专属邮箱和实时视频数字分身，硬件上推出可挂裤腰的口袋设备 Muse Charm，并宣布 Muse 在海量 Token 消耗下保持免费使用。据 Sensor Tower 数据，Muse 发布两周内下载量突破 250 万次，霸榜美区应用商店下载榜第一，Meta 股价随后上涨超过 20%。路透社独家调查称，Muse 的自主打电话功能实际由呼叫中心真人外包团队接管，MSL 副总裁在内部帖中表示真人代打成功率可达 95% 至 98%，Meta 高管已道歉并回滚该功能。
匹配字段摘要、正文
@Qzoomer1 编辑模型已取代 omni-reference，各方面都应该更好！我们很快会发一个视频，把这点讲透 https://t.co/xTJjca1cvQ
匹配字段摘要
Meta 在 Connect 2026 开发者大会公布 Muse AI 应用的多项新功能后，于周五开放早期访问申请，用户可让 Muse 代为提交申请。新功能包括可与 Muse 数字虚拟形象视频通话、更多购物合作与连接器、扩展 Muse Mac 应用使其能使用电脑完成任务，以及将 Muse 引入 Meta AI 眼镜，支持唤醒词语音交互。
匹配字段摘要
Google 在 Gemini 3.8 Live 更新中推出 Live Avatar，用户可在对话时看到实时回应的动画 AI 形象，它会同步口型并展示不同面部表情，目前仅面向 Gemini Enterprise 客户开放。Google 称 Live Avatar 可在其支持的 97 种语言之间切换而不降低视频保真度或产生视觉漂移，还能在说话时在屏幕上调取信息。该功能约一周前随 Gemini 3.8 Live 模型发布，除预设形象库外也允许企业自建，输出带有不可见的 SynthID 水印及尊重身份的防护措施。
匹配字段摘要
Meta 在 Connect 2026 上把个人智能体 Muse 作为硬件加智能体战略的核心，发布了 Muse 的语音与实时视频能力、Mac 端 computer use、Muse Mail 邮箱地址，以及 Ray-Ban Meta Gen 3、售价 1299 美元的 Meta VR Glasses 和 12 月发货的钥匙扣设备 Muse Charm。Muse 对用户免费，Meta 未来可能从交易中抽成，已接入 Walmart、Best Buy、Gap、Sephora、Instacart 等零售伙伴以及 Box、GitHub、Granola、Notion 等生产力工具，连接器平台有 1500+ 应用。Meta 同时研究性发布 Muse Realtime Avatar，称其响应低于一秒、支持无上限会话时长并对输出加水印，但未发布新的前沿模型，Alexandr Wang 仅预告“最强大的模型”即将推出。
匹配字段摘要
Meta 发布 Muse Realtime Voice 与 Muse Realtime Avatar，二者通过共享语音 token 流组成统一流式架构，前者生成编码内容与韵律的语音 token，后者消费同一流并生成流式视频。系统以固定长度历史作为后续分块的动作上下文，在任意对话长度下保持有界计算，同时生成同步的语音、唇动与表情。团队将带 3-way CFG、每段视频需 120 次评估的 40 步扩散教师模型蒸馏为无引导的 2 步因果学生模型，配合固定长度 KV cache 与 self-forcing，以少 60 倍的评估次数接近教师质量；在自家实时通话产品中与两个商用化身系统对比，Muse Realtime Avatar 在整体偏好上领先。
匹配字段摘要
Midjourney 在 alpha.midjourney.com 上线一批更新：Styles 侧边栏新增 "Live previews" 实时预览，可边浏览边用当前提示词预览各样式；Settings → Advanced → Your defaults 支持保存默认参数，也可点击 "Set current pills as default"。Create Feed 改为全宽瀑布流，提示词与按钮悬停显示、视频悬停播放，并新增 Grid/List 视图、就地 Organize 模式和跨项目 Archive。编辑器现支持 v8.1 与 v8.2 编辑类型，画布可跑 HD；韩语已从 alpha 扩展到 midjourney.com 全量上线。
匹配字段摘要
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频，让模型能边听、边看、边说。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中无缝切换 97 种语言而不损失视频保真度。它已上线 Gemini Enterprise，支持后台异步工具调用，企业还可基于参考图定制专属形象，定制功能目前仅通过企业白名单开放。
匹配字段摘要
Google Chrome 推出面向学习场景的新功能：Gemini in Chrome 可将播客、视频等音视频内容总结要点，并能根据当前标签页内容生成互动测验，该测验功能已在美国和印度的桌面端以英文上线，未来数月扩展至更多地区和移动端。Chrome 还提供标签组、分屏视图、跨设备同步（保留滚动位置和未填完的表单）、沉浸式阅读模式与朗读工具，Android 端朗读的 AI 播放还能生成播客式对话。
匹配字段摘要
Newcomer 发布首期 VC Sentiment Report，系统访谈 25 位风投，其所在机构合计管理超 1000 亿美元 AUM，每人视频访谈 30 至 45 分钟，共收集 344 条引语。报告显示，投资者看好 AI 基础设施初创公司，但对大实验室之外的新基础模型公司已转向悲观，并讨论了 AI 估值 12 个月内下跌 25% 以上的概率、OpenAI 与 Anthropic 股份处置等话题。该报告将按季度持续追踪同一批投资人。
匹配字段摘要
阶跃星辰（StepFun）开源了内部用于 LLM 数据标注与模型检查的工具 onPanda，工作流为定位错误、修正 token、让模型继续生成。其数据标注中位耗时比人工后编辑低 52%，SFT 与偏好数据在同一流程完成，on-policy 保真度高（ΔPPL <1%），支持 token 级正负样本监督及图像、音频、视频的 agent 轨迹标注；模型检查可查看 token 概率与 top-k 备选、逐 token 引导解码，并在浏览器中探索 SVG 生成、Web 开发和 agent 任务。
匹配字段摘要
AWS 展示了如何将 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）结合，把执法记录仪视频、监控录像和扫描文档等非结构化证据转为结构化洞察，并通过 Salesforce Agentforce 以自然语言查询调用。文件进入 Amazon S3 后由 S3 事件通知触发 Lambda，启动 Bedrock Data Automation 任务，结果经 EventBridge 和第二个 Lambda 存入输出桶；Agentforce 侧通过 Amazon Bedrock AgentCore Gateway 经 MCP 调用 AWS Lambda 上的 MCP 服务器，查询 DynamoDB 并返回 S3 结果。该方案为示例代码，非生产就绪。
匹配字段摘要
阶跃星辰发布旗舰模型 Step 5 Preview，在 Artificial Analysis 智能指数上得分 44，每任务成本 0.71 美元，官方称其把智能与成本的帕累托前沿向外推进。该模型为 600B 总参数、27B 激活参数的 MoE 架构，支持 1M token 上下文和文本、图像、视频输入，定价为每 100 万输入/输出 token 1 美元/2.70 美元，缓存输入 0.05 美元。目前通过阶跃星辰一方 API 提供，计划于 10 月 15 日开源权重。
匹配字段摘要