YANAMI:面向多輪有狀態互動的大規模多模態數據集與基準
YANAMI 提出面向有狀態互動的大規模多模態對話數據集及基準,評估模型追蹤和實現跨輪次變化的對話狀態。YANAMI-400K 包含 400K 段多輪對話、超過 2M 張圖片及 2.6M 個對話輪次;以其微調 BAGEL,圖像編輯、生成及多模態有狀態互動能力分別提升 10.3%、2.0% 及 13.23%。評測顯示,現有統一多模態模型仍難以維持、更新並以視覺輸出實現變化中的對話狀態。
YANAMI 提出面向有狀態互動的大規模多模態對話數據集及基準,評估模型追蹤和實現跨輪次變化的對話狀態。YANAMI-400K 包含 400K 段多輪對話、超過 2M 張圖片及 2.6M 個對話輪次;以其微調 BAGEL,圖像編輯、生成及多模態有狀態互動能力分別提升 10.3%、2.0% 及 13.23%。評測顯示,現有統一多模態模型仍難以維持、更新並以視覺輸出實現變化中的對話狀態。
騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。
推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。
騰訊混元發布 Hy4 正式版,首次加入視覺能力並支援電腦操作;官方稱 Hy 首次躋身最強開源模型之列。Hy4 預計近期開源模型權重並發布模型系統卡片,目前已在騰訊雲和 OpenRouter 上線,可在 CodeBuddy / WorkBuddy、元寶、ima 等產品體驗。報道指出,Hy4 在數學、長程開發、模型迭代和視覺問答等高難度測試上,與頂尖閉源模型仍有較大差距。
騰訊混元發布最新一代大語言模型 Hy4。相比 Hy4 preview,Hy4 擴大了預訓練和後訓練規模,首次加入視覺能力,並提升指令遵循、長文理解、長程任務及深度研究等綜合能力。
騰訊混元發布新一代大語言模型 Hy4 正式版,首次加入視覺能力並支持電腦操作,同時提升指令遵循、長文理解及長程任務等能力。Hy4 已在騰訊雲和 OpenRouter 上線,亦可在 CodeBuddy、WorkBuddy、元寶及 ima 體驗;官方稱其效能顯著超過 Hy4 preview,API 價格則維持相同。
騰訊混元發佈新一代大語言模型 Hy4;相較 Hy4 preview,模型擴大預訓練和後訓練的數據與規模,並首次加入視覺理解和電腦操作能力。
一項研究提出 UniForget,旨在統一多模態模型中同時抑制目標概念的生成與識別,並保留其他能力。研究亦推出 UUBench,涵蓋 30 個目標概念及 60 個語義相關概念;UniForget 在 BAGEL-7B-MoT 和 Janus-Pro-7B 上的聯合遺忘率分別為 80.0% 和 92.7%。分析顯示,聯合遺忘與能力保留之間存在取捨。
商湯推出日日新 SenseNova 6.8 Flash 正式版,將設計生成擴展至 Web、SVG、Three.js、Blender 及 PPT,並支援動態 PPT、動態海報和智能體 3D 設計。模型可接入 Figma 等工作流程,融入現有專業設計流程。官方披露,模型在智能體協作、數據分析及演示生成等多項基準評測中超越部分國際前沿模型,並以長期記憶和主動互動支援持續協作。
蘋果智能隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。iPhone 上可進行基本問答、圖文分析和內容生成;點擊進一步需求後可跳轉至千問 APP,對話內容會自動同步。
文章介紹培訓平台多模態作業 AI 點評系統的實踐方案,透過分層解析、Rubric 版本化檢索(RAG)、規則與 LLM 雙通道評分及置信度門控,將 AI 定位為助教而非最終評分者。系統以證據綁定、低置信度拒答和講師人工覆核建立可追溯閉環,並建議先從低風險、標準清晰的題型開始,再逐步擴展至主觀題和多模態評估。
Kling 的研究報告梳理多代影片生成中的多模態理解經驗,指出生成品質受數據、條件控制、對齊與評估整條鏈路影響。報告涵蓋 Kling-MLLM、描述密度與參考綁定、提示詞增強、感知式文本編碼,以及獎勵模型和任務專用自動評估。
蘋果智能隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。Siri 可先提供通用睡眠建議,進一步需求可跳轉千問 App,並同步對話資訊;千問可結合睡眠記錄、運動情況和生活習慣制定個人化方案。
國行 Apple Intelligence 隨 iOS 27.3 Developer Beta 1 開放測試,首輪實測顯示基本功能可用,但續航、發熱與穩定性問題較突出。Siri、寫作工具及視覺智能可調用通義千問;上傳圖片或文件交由千問處理前,系統會再次確認權限。測試僅支援搭載 A17 Pro 及更新晶片的指定 iPhone,弱網下雲端請求可能逾時或中斷。
凌川科技完成10億元B輪融資,由啟明創投聯合領投,資金主要用於下一代晶片研發與量產及全球市場拓展。其自研SL200智能視頻晶片已銷售近10萬顆,部署於快手、阿里雲、百度雲及嗶哩嗶哩等互聯網公司,覆蓋快手99.7%的直播相關業務。今年以來,該晶片亦透過與電信等合作夥伴合作,應用於數據中心、智慧安防、文娛交通等場景。
微光科技CEO戴照恩受邀出席2026深圳智能眼鏡產業發展論壇,分享公司從輕量化到模組化的AR眼鏡探索。演講呼籲積極建立AI數據歸屬權行業規範;微光科技亦介紹其面向行業客戶的OXM智選模式及軟硬一體全棧技術解決方案。
ContaCal 以 AI 辨識餐點照片中的食物、估算份量,再配對巴西食品數據庫計算熱量及蛋白質、碳水化合物和脂肪。數據庫現有 600+ 種食品,份量估算可在記錄後修改;整個流程約需三秒。服務亦支援文字及語音輸入,可透過 WhatsApp、iOS、Android 及網頁使用。
AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。
Apple Intelligence 隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問能力。可調用的能力包括文字與圖像理解、內容生成。記者實測發現,iPhone 可進行基礎問答、圖文分析及內容生成;進一步需求可點擊後跳轉至千問 APP,對話資訊會自動同步。
Amblyotube 是 Seven Sports 為 Meta Quest 開發的娛樂及教育軟件,透過 VR 練習視覺協調和注意力,讓雙眼接收不同的視覺體驗。用戶可調整患眼及嚴重程度,並使用逐眼後期處理、遮擋和融合標記;它是輔助訓練工具,不是診斷工具。
橢圓時空正式發佈太空智能體平台 AethraZTM1.0,打通衞星、地面平台與現場終端,支援需求理解、任務規劃及協同執行。平台依託由112顆單星組成的「星池計劃」低軌衞星星座,星座分四階段建設,各階段廣域資訊服務響應時間約為3.6小時、26分鐘、15分鐘和8.8分鐘。地面平台可部署於客戶機房,並接入多行業算法與模型。
CAD AI 圖元與圖例識別融合多模態視覺大模型(VLM)及三維幾何深度學習,用於圖紙審核、工程算量、數字化轉錄及 BIM 逆向建模。系統結合矢量解析、柵格向量化、語義分割、拓撲重建與人機協同校核,工業級應用通常要求準確率達到 99% 以上。大型圖紙可透過分塊並行流式處理與 R-Tree 加速。
Apple 於 11 月 4 日向開發者推送 iOS 27.3 首個 Beta 版,Apple 智能與 Siri 隨之在中國開放測試。首批功能包括即時翻譯、寫作工具、視覺智能、照片與通知功能,正式版計劃於 12 月隨 iOS 27.3 推送予所有中國用戶。
阿里雲 Token Plan 推出雙11年度優惠,以 Credits 統一計算模型用量,新客可由19.5元起訂閲個人版。個人版設 Lite、Essential、Standard、Pro 四檔,團隊版按席位收費,Standard、Pro 另送 Harness 工具額度。每晚22:00至次日8:00,指定模型可享4折或5折 Credits 優惠。
阿里巴巴為在塞內加爾舉行的達喀爾夏季青奧會提供核心賽事系統、跨國電子簽證、票務及 AI 互動體驗支援;這是現代奧運會復興 130 年來首次在非洲舉行的奧林匹克綜合賽事。
Apple Intelligence 隨最新 iOS 開發者 Beta 版開放測試,讓 iPhone 用戶在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。
Apple 於 2026 年 11 月 4 日推送 iOS 27.3 首個測試版,Apple Intelligence 及整合阿里千問(Qwen)大模型的功能獲批並同步開放開發者 Beta 測試。
iPhone 中國大陸版 Apple 智能已向中國大陸用戶開放開發者 Beta 版測試,首批功能涵蓋寫作工具、視覺智能、照片消除、智繪表情、錄音及通話摘要,以及 Siri 更新。
推薦理由:文章按場景整理中國大陸版 Apple 智能的首批功能,並記錄 iPhone 16 Pro 測試時的閃退與發熱情況,呈現 Beta 版的實際使用狀況。
最新 iOS 開發者 Beta 版向國行 iPhone 開放 Apple Intelligence 測試,並接入阿里巴巴千問,支援 Siri 問答、視覺智能圖像理解及寫作工具內容生成。
蘋果在 iPadOS 27.3 首個開發者預覽版中,為部分 iPad 的相機新增 Siri 標籤頁入口,方便用戶使用視覺智能。適用機型包括搭載 M1 及更新晶片的 iPad Pro 和 iPad Air,以及搭載 A17 Pro、A20 Pro 晶片的 iPad mini;功能可用於識別植物、地標、商品及翻譯畫面文字。
蘋果在 iPadOS 27.3 Beta 1 為部分 iPad 的相機 app 新增 Siri 標籤頁入口,方便用戶透過視覺智能識別植物、地標和商品,或翻譯畫面文字。功能適用於搭載 M1 及更新芯片的 iPad Pro 和 iPad Air,以及搭載 A17 Pro、A20 Pro 芯片的 iPad mini;視覺智能此前已可在 iPad 使用。iPadOS 27.3 正式版預計於 12 月發布。
Apple 向開發者推送 iOS 27.3 Beta 1,並為中國內地版 iPhone 開放 Apple Intelligence 測試。首批功能包括即時翻譯、照片 App 消除工具、寫作工具和通知摘要等,用戶亦可在 Siri、寫作工具及視覺智能中調用千問。
新模擬器 Venture 或可讓 Quest 獨佔遊戲在 PC 上透過任何 PC VR 頭戴裝置運行,無需修改 GitHub repository。文章亦介紹 Seven Sports 為 Meta Quest 開發的 Amblyotube,利用左右眼獨立顯示畫面進行視覺協調訓練;它是輔助工具,不能取代醫生處方的治療。
阿士東維拉將就 Jamie Carragher 的「不可接受的侮辱」採取法律行動。相關指控稱,Carragher 的言論歪曲了球會及其球迷的形象。
Apple 向 iPhone 推送首個 iOS 27.3 開發者預覽版,為國行用戶帶來「Apple 智能與 Siri」及首批功能。功能包括 Siri 呼出燈效、訊息、FaceTime 通話和電話 App 的即時翻譯、寫作工具、視覺智能、相片消除工具、智繪表情及通知摘要;「千問」擴展則可協助撰寫文本、生成圖像和回答問題。
原標題聚焦 Trump 與 MAGA 運動的分裂,但正文主要介紹 Seven Sports 的 Amblyotube:這款 Meta Quest 應用程式把 YouTube 影片轉化為互動式雙眼視覺訓練。應用程式提供 LogMAR 視力測試、主導眼遮蔽及弱視眼影像鋭化等功能,面向 13 歲或以上用戶。
工程團隊正以 AI 驅動的取證影片拆解流程,逐格審核軟件示範影片,將畫面轉化為可驗證的執行資料。流程結合光流分析、延遲剖析及 OCR,偵測剪接、加速播放和控制台錯誤。多模態 LLM 會比對終端記錄與音訊轉錄,標示陳述與實際畫面不符之處。
2026年11月4日,Apple 推出 iOS 27.3 開發者預覽版,國行版 Apple 智能與 Siri 同步上線,系統直接整合通義千問,支援文本改寫、圖像識別及即時翻譯等功能。寫作工具、視覺智能及照片消除已開放;對話翻譯支援 AirPods 4/Pro 2 及以上機型,兼容 iPhone 15 Pro 及更新機型。
國行 Apple 智能與 Siri 已在 iOS 27.3 開發者預覽版開放使用,iPhone 15 Pro 及更新機型支援。用戶可在 Siri、寫作工具和視覺智能中調用千問,涵蓋文字與圖像理解,毋須跳轉至獨立應用程式。首批功能包括即時翻譯、寫作改寫與校對、視覺智能識別周邊物件和場所,以及照片 App 的消除工具。
團隊在 hackCBS 9.0 開發 MedEasy,以改善印度醫療資訊不對稱,提供藥價比較與臨牀安全核查。平台支援英語和印地語,可比較品牌藥、PMBJP 和 Dava India 仿製藥價格,並核查 260+ CDSCO NSQ 藥物回收通知。MedEasy 使用 Gemini 2.5 Flash 處理處方辨識及雙語對話,藥價比較顯示的折扣最高可達 90%。
Micius-Flash 是一款面向工程的 27B 參數多模態推理模型,採用知識樹數據流程及多教師在線策略蒸餾訓練,支援 256K-token 上下文。在超過 20 個數據集、約 15K 筆記錄上,其硬件程式碼基準平均得分為 64.2%,較同規模基線高 15.0 個百分點;半導體智能體基準得分為 62.4%,高 17.2 個百分點。