跳到正文
11月21日週六
  1. 阿里雲開發者社區 AI62

    Qwen3.8-Omni-Flash 選型參考:模型能力、適用場景與價格解析

    Qwen3.8-Omni-Flash 離線版可接收文字、圖像、音訊及影片並輸出文字,定位於多模態理解與 Agent 任務。離線版支援 1M 上下文,非思考模式最大輸出 128K;即時版 qwen3.8-omni-flash-realtime 面向低延遲語音互動、影片理解及 MCP 工具調用。離線版輸入和輸出分別為 0.8 元/百萬 Token、2.7 元/百萬 Token;即時版按模態分項計費。

  2. 第一財經25

    豆包難辨國產大型 SUV 外觀|記者觀察

    測試顯示,豆包、DeepSeek等AI智能體辨認車標被模糊處理的兩款國產9系大型 SUV 側面圖時,往往未能一次答對,經3~4次糾正後才辨認正確;露出前臉或尾燈等特徵後,則能準確識別。電動平台、風阻及車內六座大空間等共同工程考量,令多款大型 SUV 側面比例和腰線相近,車企則透過車頭、車尾的燈語與標識保留設計差異。

  3. 阿里雲開發者社區 AI68

    阿里雲 Kimi-K3 選型參考:模型定位、能力、適用場景與收費解析

    Kimi-K3 是面向長程編程、知識工作及推理的權重開源模型,參數量為 2.8 萬億,輸入與輸出上限均為 1,048,576 Token,並已上架阿里雲百煉。文章整理其原生視覺能力及基準成績,並指出模型僅有思考模式,不支援聯網搜尋、批量推理或模型調優。華北2(北京)/全球每百萬 Token 的輸入、輸出及快取命中價格分別為 20 元、100 元及 2 元,且沒有免費額度。

  4. 阿里雲開發者社區 AI70

    DeepSeek-V4.1-Flash 模型解析:定位、能力、應用場景與計費

    DeepSeek-V4.1-Flash 已上架阿里雲百煉,文章梳理其模型定位、架構特點、能力表現、應用場景與計費方式。文中列出 1M 上下文、384K 最大輸出,並指其在多項編程、終端及 Agent 基準上超過 V4-Pro。文章亦比較百煉與 DeepSeek 官方 API 的峯谷時段口徑,並説明快取命中會影響費用。

  5. 創業邦56

    OpenAI 為打造首款硬件,集結多名前蘋果硬件人才

    OpenAI 正為首款消費級 AI 硬件組建研發與製造體系,首款產品據報是預計 2027 年交付消費者的無屏便攜式設備。Jony Ive、LoveFrom 及多名前蘋果硬件人才參與設計和研發,文章稱立訊精密將是核心製造商。歌爾股份目前僅有供應接洽的消息,未有公開可靠證據顯示其取得定點或量產訂單。

  6. 阿里雲開發者社區 AI47

    阿里雲通義千問 Qwen-image-3.0 詳解:核心能力、底層架構與實戰教程

    Qwen-image-3.0 圍繞長指令理解、文字渲染及多圖編輯等能力升級,支援文字生成圖像和參考圖編輯,提供標準版與 Pro 版本。模型最多支援 4.5K Token 輸入、最多傳入 3 張參考圖,並可輸出 512×512 至 2048×2048 的自訂尺寸圖像。服務提供同步及異步調用模式,兼容 OpenAI 圖像接口規範。

  7. Hugging Face Blog71

    Inkling 2 Mini 發佈,面向本地部署的多模態 MoE 模型

    Thinking Machines Lab 與 Hugging Face 發佈 Inkling 2 Mini,一款支援 1M-token 上下文及圖像、文字輸入的本地多模態 MoE 模型。

    推薦理由:文章拆解 Inkling 2 Mini 如何重用中間層權重、透過跨輪訊息逐步修正計算,讓 24 個實體層執行相當於 48 個邏輯層的計算,呈現循環式架構的設計。

11月20日週五
  1. HuggingFace Daily Papers(社區熱門論文)35

    Direct3D-V3:原生體素域中的無潛變量擴散 Transformer

    Direct3D-V3 提出一種無潛變量的擴散 Transformer 框架,捨棄 VAE,直接在原生體素域建模 SDF 體素網格。框架以鄰近體素的隱式流形正則化抑制非封閉表面,並預測條件圖像的相機參數;生成網格具有更豐富的局部細節,亦可用於生成式重建。

  2. IEEE Spectrum65

    我不再相信影像記錄,但有一天會重新相信

    Hany Farid 主張,生成式 AI 時代應把對影像的「預設為真」轉為「預設為假」,由創作者證明內容真實。C2PA 憑證、SynthID 浮水印和攝影感光元件的加密簽署可提供來源訊號,與事後鑑證分析互補。作者提出,視像通話軟件日後亦可逐格驗證即時串流簽署,讓真實參與者證明身份。

  3. DEV Community60

    如何將單張圖片轉成 3D 場景:2.5D 和 Gaussian splats

    作者示範如何以 2.5D 深度圖和 Gaussian splats,將單張圖片轉成可移動鏡頭的 3D 場景,並製作 AI 影片效果。文章指出 Apple 的 SHARP 權重僅限研究用途,並介紹作者自建的 splat 引擎。作者表示,其影片每分鐘成本為 $20-30,加入 splat 場景或 dolly zoom 的成本可由 $1-2 降至 10 cents。

  4. 新浪科技61

    2026年百鏡大戰:AI眼鏡銷量暴升、退貨率高企,何時才能戴得住?

    2026年AI眼鏡市場銷量快速增長,但高退貨率、佩戴不適和隱私爭議,反映供給擴張尚未解決用戶的實際需求。洛圖科技數據顯示,2026年上半年中國智能眼鏡全渠道銷量同比增長85.5%,退貨率達30%至70%;市面上大部分AI眼鏡重36克至50克,普通近視眼鏡約20克。受訪者認為,產品要留住用戶,還需兼顧佩戴舒適度、隱私合規和高頻使用場景。

  5. DEV Community35

    規管 AI 使用

    作者倡議為逼真的合成人物商業用途設立法律責任,並在虛擬人物用於銷售、募款或遊説時強制加入醒目水印及披露。文章指出,合成人物被用於色情內容、投資詐騙及虛假募款,令用戶向不存在的人物或機構付款。作者亦主張核實營利帳號營運者身份,並要求從已核實 AI 詐騙中獲利的平台承擔財務責任。

  6. 新浪科技30

    從「上海有AI」到「上海有愛」:上海電信互動櫥窗展現AI賦能的城市温度

    上海電信在柳林路營業廳設置「有AI營業廳」互動櫥窗,利用AI辨識街頭角色並送上個人化問候,也能識別跌倒等突發情況並提示求援。系統以本地模型即時理解街景,視覺資料只在本地處理,不作傳輸或保存,路人離開約15秒後即丟棄。項目運用「智雲上海」AI STORE的工具與模型能力,以Vibe Coding完成開發。

  7. DEV Community33

    機械人基礎模型與 VLA — 第05章:動作 Token 化 [KR]

    動作表示為機械人基礎模型與 VLA 建立多模態語義表示至馬達指令的橋樑,讓模型能預測並學習可執行的實體行為。連續控制向量保留精細控制資訊,但較難融入以 token 為基礎的架構;離散化則可把動作轉成 action token,方便模型以類似語言模型的方式預測,但會引入量化誤差。