跳到正文
11月16日週一
  1. DoNews77

    千問 Qwen4-Max 正式上線,Work360 單個任務平均費用下降 58%

    千問團隊正式推出 Qwen4-Max,模型作為正式版本接入千問 AI 平台,開發者可透過 Token Plan 或 API 調用。模型在 Work360 取得 52.69 分,高於前代 Qwen3.8-Max 的 47.74 分;同一評測中,單個任務平均費用由 26.58 元降至 11.16 元,降幅 58%。

    推薦理由:Work360 與 Terminal-Bench 4.0 的對照數據,呈現 Qwen4-Max 在任務費用及 token 消耗上的變化。

  2. DEV Community76

    Qwen4-Max 發佈:2.4T 參數,Work360 任務平均成本下降 62%

    阿里巴巴千問團隊推出旗艦模型 Qwen4-Max,採用 2.4T 參數稀疏 MoE 架構,支援原生視覺及 100 萬 token 上下文窗口。在千問自有的 Work360 評測中,每項任務平均成本由 $4.43 降至 $1.67,較 Qwen3.8-Max 減少 62%;Qwen4-Max 本身並未開源。

    推薦理由:文章結合 Qwen4-Max 的架構與長程智能體案例,並交代 62% 成本降幅來自千問自有的 Work360 評測,呈現數字的比較背景。

  3. IT之家79

    阿里通義千問 Qwen4-Max 正式上線,主幹參數規模達 2.4 萬億

    阿里通義千問團隊正式推出 Qwen4-Max,採用主幹參數規模達 2.4 萬億的 MoE 架構,原生支援視覺理解及 100 萬 Token 上下文窗口。模型已接入千問 AI 平台,開發者可透過 Token Plan 或 API 接入,也可經 Qwen Studio、QwenWork 和 Qoder 體驗。

    推薦理由:文中同時列出 Work360 分數、不同推理強度下的 token 消耗變化及單任務費用,呈現這次升級在能力與成本上的具體對照。

  4. 阿里雲開發者社區 AI39

    AI 肌膚分析上線後的真正難題:如何用 API 打造穩定、可復測的數碼測膚系統?

    玩美移動(Perfect Corp.)的 AI Skin Analysis V2.1 API 以異步任務提供肌膚分析,企業需兼顧圖像品質、任務管理、版本治理、成本控制及錯誤監控,才能維持穩定、可復測的數碼測膚流程。V2.1 支援最高 2560 像素的分析輸出;結果保留 24 小時,長期追蹤則應記錄 API 版本及檢測模式,並驗證不同版本數據的可比性。

  5. 阿里雲開發者社區 AI24

    2026年體育賽事:AI羽毛球戰技法分析系統如何分步實施?

    AI羽毛球戰技法分析系統可按硬件部署、算法訓練、交互開發及實戰迭代四步實施,結合多目視覺、邊緣計算與生成式AI。方案建議在球場部署至少2-4台100fps以上、分辨率不低於4K的高速相機,並把骨骼點和球路追蹤延遲控制在50毫秒以內。系統亦可提供戰術復盤和自然語言問答,並以RLHF根據教練及運動員的反饋調整戰術推薦。

  6. DoNews59

    研究團隊發布 NEO‑VLA 原生視覺—語言—動作機械人策略模型

    南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。

  7. HuggingFace Daily Papers(社區熱門論文)45

    BLIP-Live:平衡即時性與觸發精準度的主動式串流影片智能體

    BLIP-Live 提出一套整合數據、評測指標、推理及訓練的框架,用於主動式串流影片理解,並建立包含人工標註的 BLIP-Live-780K 數據集及 PAUC-F 評測指標。BLIP-Live-Qwen 在四項主動式串流基準測試中達到最先進表現,較基線最高提升 44%,並勝過多個閉源 API 模型。程式碼及數據集將公開。

  8. HuggingFace Daily Papers(社區熱門論文)38

    ALIVE:讓串流影片模型具備互動能力

    ALIVE 是一款互動式串流影片模型,支援主動監察、串流任務協調及尋求用戶反饋。研究團隊建構 ALIVE-SFT-288K 和 ALIVE-RL-3K 用於兩階段訓練,並推出 FSI-Bench 評估模型尋求反饋及完成後續任務的能力。ALIVE 在四個公開基準及 FSI-Bench 的整體評分均高於參與比較的模型。

  9. HuggingFace Daily Papers(社區熱門論文)41

    MedJev:實現快速醫學影像理解的單次視覺語言決策模型

    MedJev 將醫學影像、問題及候選答案直接映射為決策,無需自回歸生成,在單次多模態前向傳遞中完成判斷。基於 Qwen3.5-4B 的 MedJev-4B,在四項醫學影像分類及視覺問答基準上,準確率絕對提升 7.93%,端到端速度提升 6.04 倍;與 20 個模型比較,在 4B–9B 通用及醫學 VLM 中取得最先進的效能及推理速度。

11月15日週日
  1. DEV Community51

    作者如何用 Next.js、Gemini 和 Prisma 8 建立尼泊爾帳單 OCR 流程

    作者用 Next.js、Gemini 和 Prisma 8 建立尼泊爾帳單 OCR 流程,將紙本帳單照片轉成可供人工核對及匯出的結構化資料。Gemini 只負責按原樣讀取票面內容;數字轉換、金額解析、PAN/VAT 與 BS 日期校驗由程式處理,無法辨認的欄位保留為 null,核對後可匯出 CSV。作者尚未正式量度準確率,計劃收集 20–30 張真實帳單逐欄評估。

  2. 第一財經23

    長期主義:讓科技惠及千家萬戶

    高德智感透過降低紅外技術的成本、使用難度和理解門檻,讓更多人用上紅外技術,並以持續迭代產品回應民用市場需求。公司將 AI 用於紅外圖像調光,以及電力巡檢中的設備識別和檢測建議。文章亦以全新長軸距 GLE SUV 的本土化研發與智能體驗,呈現科技以實用價值回應用戶需求的理念。

  3. DEV Community63

    ChatGPT 與 Gemini 比較:2026 年哪個較好?

    TechAI Guide 比較 ChatGPT 與 Gemini 後認為,兩者各有所長,選擇主要取決於用戶常用的應用程式和工作需求。Gemini 適合依賴 Google 應用程式及處理長文件的用戶,其付費方案提供 1-million-token 上下文窗口;ChatGPT 則較適合項目式工作、學習及初學者編碼。兩者主流付費方案分別為 $20/month 和 $19.99/month,價格接近。

  4. DEV Community37

    Synaphi:為患者與臨牀人員而建的 AI 輔助溝通平台

    Synaphi 是 EmoryHacks 2026 開發的 AI 輔助患者與臨牀人員溝通平台,讓患者透過無障礙介面選擇並確認回覆,再傳送給臨牀人員。Google Gemini 負責把問題轉成結構化意圖,Typesense 搜尋合適選項;AI 不會替患者決定意思或代為送出訊息。開發測試中,問題解讀延遲中位數為 819 ms,患者確認至臨牀人員畫面為 197 ms,並非臨牀表現基準。

  5. DEV Community41

    Planet Symphony:以音樂旋律編碼星際通訊訊息

    Planet Symphony 是為 DurHack 2026 創作的星際通訊專案,以音樂旋律傳送訊息。發送端會把明文按指定音調和音階編碼成旋律,接收端以訓練好的模型辨識音符,再由解碼器還原訊息;只要沒有漏掉音符,確定性編碼器和解碼器便可零錯誤還原原文。

  6. The Decoder78

    美團發佈 LongCat-2.5 權重,1.6 trillion 參數智能體模型全程未用 NVIDIA GPU 訓練

    美團公開 LongCat-2.5 權重,這款面向長程多步驟智能體任務、尤其是編碼的 1.6 trillion 參數模型,全程以中國硬件訓練。它每個 token 約啟用 48 billion 參數,並可透過 API 一次處理最多 1 million tokens、生成最多 128,000 tokens,支援文字、圖像和影片輸入。

    推薦理由:報道列出多項智能體基準成績,並交代 194 張華為昇騰加速器的部署配置,便於對照模型表現與自建部署的硬件要求。

  7. DEV Community56

    CLIP 能否辨認 Malfoid 風格?Python 零樣本特徵檢查與提示詞測試

    作者以 CLIP 測試 72 張合成圖中的 Malfoid 特徵,發現提示詞設計會影響辨識準確率。實驗使用 openai/clip-vit-base-patch32;方形填充配合五模板集成,讓領帶和髮色三分類準確率均達 100%,分開檢查兩項特徵則找出全部 8 張符合圖片且沒有誤報。測試僅用合成形狀;暖色光下,24 張鉑金髮圖有 14 張被判為金髮,文中指出真實渲染肖像可能更受背景和光線影響。

  8. 新浪科技45

    新國大吳昌盛:AI 時代的傳感技術也要有「温度」

    新加坡國立大學助理教授吳昌盛以自適應生物電子研究推動更貼合人體需求的傳感技術,並入選《麻省理工科技評論》2026 年度 TR35 亞太區名單。他的團隊以熱響應水凝膠改善傳感器貼合與安全移除,也開發無線兒童腦血流監測設備,成本僅數百美元。吳昌盛主張以物理規律和參考測量約束 AI,並探索多模態觸覺感知與可穿戴監測。

  9. DEV Community28

    SeeHere 如何透過 AI 音訊描述提升教育影片的無障礙程度

    SeeHere 是一個 AI 無障礙項目,旨在為教育講座影片自動生成同步音訊描述,補充講者旁白未交代的重要視覺資訊。流程結合 Gemini、Tesseract OCR、Google OR-Tools CP-SAT 和 smallest.ai,處理視覺理解、文字核對、描述排程及語音生成。項目以 WebVTT 輸出同步描述,並採用 Next.js、FastAPI、PostgreSQL 和 Vultr。

  10. 美團 LongCat:HuggingFace 新模型57

    美團 LongCat 發佈 LongCat-Video-Avatar 1.6,支援超過 10 分鐘影片生成

    美團 LongCat 發佈開源音訊驅動人物影片生成框架 LongCat-Video-Avatar 1.6,改善唇音同步、動作協調與長影片視覺一致性,並優化推理效率。材料稱其可生成超過 10 分鐘的影片;在人類偏好比較中,該版本在六個系統中排名第二,Bradley–Terry Elo 評分為 1068.1,研究收集了 33,051 份有效投票。

  11. 新浪科技52

    為甚麼説 Gemini 是目前最被低估的模型?

    作者花一週體驗 Gemini,認為它在音訊理解、多模態互動、文字創作和幽默感方面表現突出,是被低估的模型。文中以辨認《我的世界》及《英雄聯盟》音效、分析歌曲、理解影片和魔方照片等測試,並與千問、豆包及 ChatGPT、Claude 等模型比較。作者亦指出 Gemini 仍有幻覺問題,且網頁版、APP 和 Antigravity 使用體驗不佳。

  12. 新浪科技35

    南京大學生物智能研究院揭牌

    南京大學與玄武區共建的南京大學生物智能研究院於11月12日在南京揭牌,生物智能產業基金同步落地,創新工坊啟動運行,生物智能科技創新聯盟成立。研究院聚焦生物智能基礎與大模型、生物啟發的感知與計算等方向,推動前沿研究成果轉化。

  13. 阿里雲開發者社區 AI53

    千問辦公 QwenWork 評測:2026 雙 11 功能、定價、選型與接入全指南

    千問辦公(QwenWork)是一站式 AI 辦公平台,支援智能體拆解多步任務並交付文件、互動網頁或簡易網站。文章梳理六項核心能力、網頁端、桌面端和釘釘三種接入方式,以及個人與企業方案;個人版採訂閲和積分雙軌制。雙 11 期間(11 月 1 日至 11 月 30 日),個人標準版首月 29.9 元、高級版首月 69.9 元,僅限首次購買;積分每月刷新且不結轉。

  14. DEV Community58

    Google 智能眼鏡私隱:各種相機操作路徑由誰控制?

    Google 智能眼鏡的相機私隱安排因操作路徑而異,涵蓋 Gemini 視覺查詢、相簿相片和影片、文字對話及 Aira 人工視覺協助。Google 表示,Gemini 查詢會在處理前按設計遮蔽旁人面孔,相關相機畫面不會存入 Gemini History,也不會用於 AI 訓練或廣告定向;文中引述 CNN 指出,這項保障不包括一般儲存的相片和影片。

  15. DEV Community33

    人形機械人電氣架構第14章:AI與具身AI

    VLM 為人形機械人提供連接視覺感知與語言推理的語義介面,協助理解場景及其與當前任務的關係。架構可結合影像、時間脈絡、指令、機械人狀態及記憶,並將語義輸出交由下游規劃和驗證層處理,而非直接轉化為致動器命令。有限的運算和電力資源亦要求透過影像篩選、降低 token 數量及事件觸發推理等方式分配負載。

  16. HuggingFace Daily Papers(社區熱門論文)40

    RAPO:長鏈多模態推理中的傳播感知視覺保留反思錨點

    RAPO 透過識別高熵推理位置作為稀疏反思錨點,並以 chain-masked KL 目標訓練策略在後續推理中保留視覺影響。在 Qwen3-VL-2B-Instruct 上,RAPO 將六項基準的平均 mean@8 accuracy 從 GRPO 的 40.79 提升至 43.01。標準推理時無須額外重新注入視覺資訊或選擇錨點。

11月14日週六