跳到正文
11月13日週五
  1. 新浪科技66

    Apple HomeView 在八個市場開售,售價 299 美元;歐盟未上市、中國大陸暫無上架資訊

    Apple 首款智能家庭中樞 HomeView 於 11 月 13 日在八個市場開售,桌面版及壁掛版均定價 299 美元。設備透過面容識別最多區分六位家庭成員,並在訊息、FaceTime、日曆等應用程式中切換至相應用戶的個人內容。中國大陸暫無上架資訊,HomeView 不會在歐盟上市,文中指原因是 Siri AI 目前在歐盟地區的 iOS 上不可用。

  2. 螞蟻 inclusionAI:HuggingFace 新模型45

    SingVL-4B GGUF:基於 Qwen3.5 的多模態決策模型

    SingVL-4B GGUF 是基於 Qwen3.5、採用 4B 參數的多模態決策模型 GGUF 版本,可處理文字或 JSON 問題及最多四張圖片。模型以一次完整前向傳遞評分候選答案,支援選項選擇、是非判斷及分級評分。檔案提供 BF16、Q8_0 和 Q4_K_M 三種精度,並附共用視覺投影器;目前 GGUF 驗證涵蓋 9 個示例及 11 條問題,完整公開評分仍待公佈。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)75

    Apple Foundation Models framework 擴展支援伺服器模型並加入 Dynamic Profiles

    Apple Foundation Models framework 擴展支援 Claude、Gemini 等伺服器模型,並可透過同一 Swift API 使用裝置端及 Private Cloud Compute 模型。Dynamic Profiles 可在單一連續工作階段切換模型、工具和指令;macOS 27 亦加入 fm 命令列工具,以自動化模型工作流程。

  4. The Elec27

    Infocz與首爾大學合作開發工業圖紙AI模型

    Infocz與首爾大學計算機科學與工程系展開聯合研究,開發以整張圖紙為單一輸入的 Image-to-Graph foundation model,識別圖紙中的符號及其連接關係,並轉換為圖表數據。研究將使用約20,000張真實工業圖紙訓練模型,並把成果逐步整合至 DELTAflow。技術計劃由管道及儀表流程圖擴展至單線圖、控制邏輯圖等工程圖紙。

  5. DEV Community48

    Nvidia Déjà View 重用單一層,媲美參數量大 10 倍的模型

    Nvidia 研究人員打造 Déjà View,以 117 million 個參數將不同角度拍攝的照片轉換成 3D 場景,並在重用同一層的設計下,媲美或超越參數量為其 8 至 10 倍的模型。模型在五項 3D 重建基準測試中,平均相機位置準確度領先,所需運算能力亦比測試中的最大競爭模型少 1.9 至 2.3 倍。論文獲選為 NeurIPS 2026 口頭報告,Nvidia 已釋出程式碼。

  6. DoNews80

    谷歌發佈 Gemini 4 Hydrogen,主打日常編碼與智能體工作流

    谷歌推出 Gemini 4 Hydrogen,面向日常編碼與智能體工作流,主打快速執行與高效運行。相較 Gemini 3.8 Flash,Hydrogen 在預設 high 思考檔位下任務完成速度提升 2.5 倍,Terminal-Bench 4.1 得分由 18.2% 升至 57%,虛構錯誤率降低 5 倍以上。

    推薦理由:文中對照 Hydrogen 與 Gemini 3.8 Flash 的速度及基準成績,並列出 Orchestrator 的配額與速度變化,讓模型效能與智能體調度表現有可比較的數據依據。

  7. 新浪科技80

    Google 發佈 Gemini 4 Hydrogen,Gemini App 免費用戶可體驗

    Google 發佈 Gemini 4 Hydrogen,主打更快的回應速度、更低的使用成本及更高效的 AI Agent 執行能力。Artificial Analysis 測得其 High 推理檔位得 51 分,高於 Gemini 4 Argon 的 50 分;API 每百萬輸入 Token 收費 1.5 美元,每百萬輸出 Token 收費 7.5 美元。

    推薦理由:文章並列 Hydrogen 的評測表現、API 定價及 Gemini 產品入口,呈現高效率模型在能力、成本與普及使用上的取捨。

  8. DEV Community55

    Gemini Decision 1 支援多模態輸入,測試顯示是非判斷可輸出機率值

    Gemini Decision 1 的測試顯示,其是非判斷可返回介乎 0 和 1 的機率值,而非只輸出「是」或「否」。文章列出其支援文字、圖像、音訊、影片及 PDF 輸入,輸入價格為每百萬 token 0.10 美元,輸出免費;表中 Jev 的輸入價格為每百萬 token 0.042 美元。作者提醒,單次影片測試只能展示回應格式,不能據此判斷模型整體準確度或機率校準水平。

  9. The Decoder81

    Google Gemini 4 Hydrogen 評分超越發佈僅四週的更大型 Argon

    Google 發佈 Gemini 4 Hydrogen,模型在預設 high 思考級別的 Artificial Analysis Intelligence Index 得分為 51,高於 Gemini 4 Argon 的 50;xhigh 級別得分為 54。

    推薦理由:文中並列 Google 公佈的基準成績與 Artificial Analysis 的獨立評測,呈現 Hydrogen 在能力分數、終端任務表現及不同思考級別成本上的差異。

  10. IT之家80

    Google 發佈 Gemini 4 Hydrogen 模型,主打日常編碼與智能體工作流,輸入每百萬 Token 1.5 美元

    Google 推出 Gemini 4 Hydrogen,面向日常編碼及智能體工作流,支援最高 100 萬 Token 輸入及輸出。輸入每百萬 Token 收費 1.50 美元、輸出 7.50 美元,並設 low、medium、high(預設)及 xhigh 四檔思考深度。

    推薦理由:材料並列收費、思考檔位和 Orchestrator 基準數據,亦與 Gemini 3.8 Flash 比較速度與錯誤率,呈現其日常編碼定位的成本及效能參考。

  11. HuggingFace Daily Papers(社區熱門論文)43

    MMFlash:加速視覺語言模型的推測解碼

    MMFlash 透過自適應提高視覺依賴 token 的權重,並在長影片輸入中採用稀疏注意力,加速視覺語言模型的多模態推測解碼。它在多項多模態基準測試中實現最高 3.58× 的無損解碼加速,較 EAGLE-3 和 DFlash 分別快至 195.4% 和 17.1%。

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

    DySENSE:結合衞星影像合成與模擬時空能源數據

    DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。

  13. HuggingFace Daily Papers(社區熱門論文)47

    WebArena-Pro:面向網頁智能體的異質、多模態、可重現基準測試

    WebArena-Pro 推出面向網頁智能體的異質、多模態、可重現基準測試,涵蓋音訊和影片內容。基準測試包含 300 項任務,分佈於六個領域類別的 20 個自託管網頁應用程式;Codex 搭配 GPT 6.1 Sol,以及 Claude Code 搭配 Claude Opus 5.5,均取得 62.3% 的最高表現。每項任務均獨立執行,並支援可重現的平行評估。

  14. HuggingFace Daily Papers(社區熱門論文)50

    Gamer:面向長時程即時遊戲智能體的通用視覺—語言—動作基礎模型

    miHoYo Honkai AI R&D team 開發 Gamer,讓通用視覺—語言—動作基礎模型透過螢幕截圖、鍵盤和滑鼠進行長時程即時遊戲互動。模型以 10K+ 小時遊戲軌跡進行持續預訓練,並使用約 1.2M 條推理標註和約 223K 條記憶標註;Streaming-vLLM 在基準測試設定中將推理延遲降低超過 20×。

  15. HuggingFace Daily Papers(社區熱門論文)58

    Marimba:面向語音的 System One 模型

    Marimba 是一個面向語音的 System One 模型,用戶可對即時音訊輸入文字問題,並每 250 ms 收到文字答案。單一凍結的 Qwen3-ASR-0.6B 處理所有問題,可在手提電腦 CPU 上運行;説話者計數在 AMI 和 VoxConverse 上優於 pyannote 3.1,300 段 FLEURS 音訊的語言識別率為 100%。

  16. Unite.AI85

    Google 發佈 Gemini 4 Hydrogen,面向日常智能體工作流程

    Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,定位為面向快速編碼及智能體工作的模型,並開始全球推出。Google Antigravity 的 Orchestrator 可讓 Carbon 規劃、Hydrogen 執行,並在需要時切回 Carbon。

    推薦理由:Antigravity 團隊的測試呈現 Carbon 規劃、Hydrogen 執行的效率數據,包含接近 Carbon 的任務成功率、配額少用 24% 及平均快 19%。

11月12日週四
  1. The Elec55

    Samsung 發佈 30 款 AI 智能眼鏡,12 月 10 日在韓國及美國上市

    Samsung Electronics 發佈 30 款 AI 智能眼鏡,定於 12 月 10 日在韓國及美國上市。眼鏡搭載 Google 的 Gemini,支援翻譯、導航和會議摘要;系列包括 16 款 Gentle Monster 款式及 14 款 Warby Parker 款式。美國會發售兩品牌款式,韓國只推出 Gentle Monster 款式;錄影指示燈被遮擋或故障時,相機會自動關閉。

  2. Unite.AI21

    AR 眼鏡的未來在於融入 AI

    AI 將把生成式能力帶入 AR 眼鏡,成為擴展沉浸式體驗的下一步。生成式 AI 可更快、自動建立 3D 模型,並讓用戶透過語音描述想像中的圖像與物件,呈現在現實環境中。即時語音翻譯、字幕及物件識別亦可應用於 AR 眼鏡,支援跨語言溝通和即時取得地標資訊。

  3. Unite.AI30

    讀心 AI 如何解碼腦部活動,重建所見所聞

    讀心 AI 透過分析腦部活動解碼思想,並能在特定任務中將視覺感知或腦波轉化為圖像和文字。MinD-Vis 利用 fMRI 和擴散模型重建所見圖像;DeWave 則以 EEG 將默讀文字轉成文字。現有技術仍受限於受控環境,未能即時捕捉人類多元的心理狀態。

  4. Unite.AI35

    VoxelSensors 與 Qualcomm 合作,重新定義 AR 眼鏡

    VoxelSensors 與 Qualcomm 合作,將 SPAES™ 感測技術及 PERCEPT 情境 AI 平台整合至 Snapdragon AR2 Gen 1,推動更輕巧、智能的 AR 眼鏡。SPAES™ 深度感測的功耗較現有方法低 10 倍,反應速度較影像逐格處理系統快逾 100 倍。雙方計劃於 2025年12月 向指定合作夥伴提供最佳化方案。

  5. 新浪科技47

    Google 為 Android XR 智能眼鏡推出全面私隱保障措施:錄製指示燈、人臉模糊及數據即時刪除

    Google 為 Android XR 智能眼鏡推出多項私隱保障措施,包括錄製指示燈、人臉模糊,以及 Gemini 使用後即時刪除攝像頭影像。相關影像不會存入 Gemini 聊天記錄,也不會用於 AI 模型訓練或廣告;眼鏡會定期檢查指示燈,故障時自動停用攝像頭。Intelligent Eyewear 單次影片錄製上限為 90 秒,Gemini 在未能確認用戶意圖時會先詢問是否啟用攝像頭。