2026年11月4日,UCSD Hao AI Lab宣布将Pika Labs开源的MiniMax H3 Flex接入FastVideo。据其发布的信息,官方开源推理代码在单GB200上生成5秒480p带音频视频需59.7秒,而FastVideo BF16为26.6秒、NVFP4 QAD为16.8秒、FP4 attention为15.2秒。Hao AI Lab称其比官方代码快至多7倍,并补充了多GPU支持,4卡生成15秒片段快7倍。NVFP4 QAD对BF16 Flex做蒸馏,比普通量化更接近BF16 14-17%;FP4 attention把768p 15秒片段从101.8秒降到85.3秒。该片段在单台DGX Spark上耗时59.5秒。FastVideo同时支持Open-H3-Regenerate-2K的2K模型,权重、推理代码和完整训练配方均已开放。
匹配字段摘要
2026年11月4日,UCSD Hao AI Lab 宣布,FastVideo 已支持来自 HaoZhe65347 与 NVIDIA AI 的 Open-H3-Regenerate-2K 模型,并给出该 2K 模型的链接。同一来源还回顾了该系列此前的工作:FastVideo 对 Pika Labs 开源的 MiniMax H3 Flex 做了推理优化,在单张 GB200 上生成 5 秒 480p 带音频视频耗时 5.8 秒,比官方开源推理代码快至多 7 倍,并新增多 GPU 支持。目前尚无后续发展事实。
匹配字段摘要
Apple于2026年11月3日宣布,重新设计的健康App扩展语言支持,覆盖全球英语、简体与繁体中文、法语、日语、韩语、挪威语、葡萄牙语、西班牙语、土耳其语和越南语,并以Apple Intelligence为核心。新版新增Insights标签页汇总心脏、睡眠、体能等数据;Longevity标签页以Health Age结合Apple Watch的VO2 max、静息心率等指标反映身体状态。更新还引入居家运动评估,借助iPhone摄像头与Apple Watch在设备端测量柔韧性、力量、平衡与VO2 max,不录制或存储视频。据Apple Newsroom,该版本当日进入iOS 27.3开发者测试版,今年晚些时候免费推送;9to5Mac称该应用曾在iOS 27.2 beta中测试,将于下月向所有用户推送。
匹配字段摘要
Andrej Karpathy 在周末用 Claude Code 配合 Opus 5.5,约两小时做出视频站 HackerTube。据阿易 AI Notes 报道,他把 Hacker News 二十年间约 4300 万条评论筛成 6454 个常被推荐的长视频,网站无需登录,封面取视频中间帧,浏览状态保存在本地浏览器会话。他本人只手动申请 Google Cloud 的 YouTube API 密钥、租 VPS 和买域名,随后把 IP 交给 Claude,由它完成部署、安全加固和代码优化。36氪 · AI 后续报道补充,他使用的是 Claude Code 桌面版与 Opus 5.5 的 Medium 推理强度,页面布局复刻 YouTube,并可将底层数据导出交给自己的 AI 代理重做一版。目前该事件无进一步公开进展。
匹配字段摘要
Krea宣布,借助Krea插件,用户可以直接在Grok中把草图变成卡通动画,只需向Grok提出请求即可。此前Krea已推出面向Grok bot的插件,可在Grok内生成图像和视频。目前该功能已随插件接入Grok,用户通过向Grok发出请求即可使用草图转卡通动画能力。
匹配字段摘要
Air Street Press的Nathan Benaich在MAD Podcast与Matt Turck讨论State of AI Report 2026时,重申他关于2027年实现AGI的预测。他给出的判断依据是,AI在投资、AI研究、金融、法律等知识工作上已能接近他的水准。他还谈到图像、视频、音频正融合为世界模型,以及智能体带来的网络安全风险;ElevenLabs的智能体每周已处理超过1500万次对话,是2月量的三倍。目前该预测仍为Benaich的个人判断,尚无后续发展事实。
匹配字段摘要
腾讯WorkBuddy作为AI工作台,已接入腾讯Miora,在平面、视频等多模态视觉资产上保持统一风格,并支持多窗口执行任务。36氪·AI于2026年10月30日报道称,WorkBuddy可帮广告、内容行业的乙方把零散Brief拆成传播方案、待办清单和PPT,并整理嘉宾排期与预算表;其自带Skillhub,已接入小红书、公众号、抖音和视频号等运营技能,可生成不同平台尺寸、风格和文案。目前尚无后续发展信息。
匹配字段摘要
2026年10月30日,豆包面向所有用户推出每日签到领额度活动:每日签到可得200额度、周一翻倍,累计签到30天可得8800额度,超过一个月标准套餐的8400额度。同日报道还提到,首次登录豆包电脑版或豆包工作电脑版的新用户可领取30天免费体验套餐。赠送额度有效期30天,可用于除生视频、Pro模型以外的所有能力,签到额度可立即使用且优先消耗。雷锋网称这是豆包工作上线以来第三次面向所有用户发放额度福利。目前暂无后续进展。
匹配字段摘要
Meta推出AI穿搭应用Style Sketch。据TechCrunch AI报道,该应用可连接Instagram,用用户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。凤凰科技同日报道称,该应用已在印度尼西亚、新加坡和泰国上线,支持iOS与安卓。Meta未回应是否扩大发布范围。
匹配字段摘要
Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过一个密钥即可调用各主流图像、视频、音频和 3D 模型,并按各模型厂商自己的 API 价格计费,采用按量付费,没有订阅费,也不加价。Rohan Paul 还称,Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半,这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。
匹配字段摘要
Rohan Paul 于2026年10月29日转述称,Sunra 发布 Sunra API,用户通过一个密钥即可调用各主流图像、视频、音频和 3D 模型,并按各模型厂商自己的 API 价格计费,采用按量付费,没有订阅费,也不加价。Rohan Paul 还称,Seedance 2.5 在 Sunra 上的价格是另外两家网关的一半,这种统一入口也便于对 Google、OpenAI、ByteDance 和 Kling 的模型做 A/B 测试。目前该说法仅见于 Rohan Paul 的转述,尚无 Sunra 官方或其他来源的独立证据。
匹配字段摘要
Articul8推出多模态决策模型Bivia,可接入AI智能体,在置信度低时选择不推进,并按整个任务目标权衡每一步决策。该模型支持结构化回复,可在智能体执行中途调用,并针对真实生产工作流训练。据Testing Catalog报道,其输入价格为每百万token 0.042美元,无订阅费。另一报道称,Bivia可处理文档、图像、音频、视频和时序数据,进行连续决策,并在不确定时交由人类判断;Articul8由Intel团队在ChatGPT发布前一个月交付给企业客户的项目发展而来,公司估值5亿美元,称已在半导体、能源、制造等行业积累3年以上生产部署经验。
匹配字段摘要
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 发布 EmbeddingGemma 2 论文,介绍一个 Apache 2.0 许可的端侧多模态嵌入模型,把文本、代码、图像、音频和视频映射到同一向量空间。该模型基于 Gemma 4 构建,通过向更大的 Gemini Embedding 2 学习并用对比训练调优,744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上,量化后的文本权重占用约 191MB 活跃内存,完整多模态模型约 567MB,上下文窗口扩大 4 倍至 8K tokens,可容纳约 5.5 分钟音频、29 张图像或 58 帧视频;直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54,高于先转写再检索的 57.59,代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。目前尚无后续进展。
匹配字段摘要
Sam Altman提出,世界可能需要对单个AI模型的智能程度设定上限。他表示,至少在一段时间内、甚至可能很长时间内,人们将不得不就单个模型能有多聪明达成某种限制。他认为,进步放缓会源于这一决定,而非AI缺乏做好研究的能力。相关言论出自YouTube频道“Cheeky Pint”的完整视频。目前尚无后续发展。
匹配字段摘要
2026年10月29日,邵猛提出判断:LibTV、TapNow、Flova、Pexo、Medeo等国内Video Agent团队虽在融资路演中强调生态、Agent架构与行业know-how等壁垒,但做来做去可能都做成了token中转站。他推测,若这些网站支持BYOK,用户自备视频生成模型API Key的成本会低于在站内消耗Credit,API Key有折扣时更低。他建议用REA或从零构建自己的Video Agent搭配折扣API Key来降本,认为对在TikTok、Ins、抖音做视频内容的用户而言省下的钱很可观。目前该判断尚无后续发展。
匹配字段摘要
2026年10月29日,Kling AI宣布Kling4已在Genspark AI Media Studio中可用。据可灵Kling AI发布的消息,Genspark宣布Kling 4.0接入该工作台,支持单次生成30秒视频、无需拼接,并支持最多15个图像、视频、角色或声音参考以及10个关键帧;11月4日前credits五折,Kling AI官方账号转发了这一消息。同日,量子位报道Genspark正式发布视频Agent工作台Media Studio,接入20多家厂商的70多个模型版本,覆盖视频、图像、音频和3D。目前该接入已随Genspark Media Studio发布对外公布。
匹配字段摘要
Higgsfield AI 宣布上线 Higgsfield Playable。用户可上传游戏视频、截图或提示词,构建带病毒式机制的手游,并在 Enterprise 套餐中将其转为可玩广告。目前该消息由 Higgsfield AI 发布,尚无更多后续发展。
匹配字段摘要
fal于2026年10月28日宣布,VEED Dubbing已上线fal平台。据fal发布的信息,该功能可用克隆语音和唇同步翻译视频;Pro版支持94种语言和14种地区口音,保留背景音频并支持多说话人,还提供目标口音与语音克隆强度控制。目前尚无后续发展事实。
匹配字段摘要
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