三星首款 AI 智能眼鏡擬於 12 月中旬登陸韓國、美國,與 Meta 爭市場?
三星計劃於12月中旬在韓國和美國推出首款 AI 智能眼鏡 Intelligent Eyewear,售價尚未確定。產品搭載 Android XR 平台和 Gemini,透過攝影機及麥克風感知環境,提供即時翻譯和語音導航等功能,沒有顯示屏,主要以語音互動。產品預計採用高通 Snapdragon AR1 Gen 1 處理器,單次充電續航最長9小時。
三星計劃於12月中旬在韓國和美國推出首款 AI 智能眼鏡 Intelligent Eyewear,售價尚未確定。產品搭載 Android XR 平台和 Gemini,透過攝影機及麥克風感知環境,提供即時翻譯和語音導航等功能,沒有顯示屏,主要以語音互動。產品預計採用高通 Snapdragon AR1 Gen 1 處理器,單次充電續航最長9小時。
Stephen Sookra 建立 Cast Forecast,讓用戶拍攝或上傳自拍並選擇礦物防曬霜,預覽產品在自己臉上的預測泛白效果。工具可搜尋 687 款 FDA 名錄中的氧化鋅防曬霜;模型在未見過的數據上平均誤差為 1.61 L*,在較深膚色上為 1.80 L*。
AI眼鏡可以配備處方鏡片,但重量、電池續航和私隱問題,令它們未必適合作為日常眼鏡。智能眼鏡可重達80克,AI功能平均使用3至5小時便會耗盡電量;部分法院、學校及企業環境限制佩戴,攝影機和音訊功能亦可能帶來私隱風險。
研究提出柏拉圖表徵定理:若正樣本配對是同一場景的不同觀測,且其他情況下錯位有界,分開訓練的多模態 JEPA 可學得僅相差一次旋轉的相同表徵。研究以 145k 條圖片説明及 940M 張網頁圖片的文本驗證理論,並發現良好視角達到同等對齊所需樣本比下一 token 預測少 42 倍。
這篇教學比較兩個採用相同 Beta5 基礎模型的 H3 工作流:一個以啟用的圖像參考進行雙階段影音精修,另一個把裁剪來源音訊注入影音 latent,再以 SelfLift 採樣。第一份流程有 66 個節點、第二份有 32 個,並配置三個影片儲存分支;第二份輸出影片時直接接入裁剪後的原始音訊。作者只核對靜態配置,未執行生成,也未測試畫質、同步或基準表現。
RoboColosseum 是一個分散式評測框架,跨不同機械人形態與環境評估通用機械人策略,結果顯示跨形態排名一致性偏低,各系統亦難以可靠完成開放世界任務。研究在 124 個地點進行 5,699 次 Open Track 成對比較,涵蓋五種 VLA 策略、三個前沿 AI Agent 和四種機械人形態,跨形態任務排名的 Kendall W = 0.24。
SeMo3D 以選擇性建模統一 3D 生成、編輯與補全,透過區域選擇性去噪和多條件擴散 Transformer 保留不變內容,並支援無配對資料訓練。實驗顯示,SeMo3D 在三個基準測試的所有任務中均超越現有頂尖方法,並可融合圖像、文字及點雲引導。
TaoMate-HD 是一款自回歸串流模型,透過漸進式去噪及歷史延續,分段生成高解像度音影片內容。相較使用相同模型和硬件直接生成高解像度內容,速度提升 1.6 倍;階段並行部署則較序列式漸進生成再提升 1.9 倍。延續訓練令字符錯誤率較基準降低 11.18 個百分點,模型亦支援生成長達一小時的音影片內容。
Kev-Bio 是一個視覺語言模型,透過臨牀測量問題引導超聲波標記點偵測,並生成空間概率圖以推導測量結果。在九視圖 FU/GU Biometry 2026 數據集上,模型的平均徑向誤差為 22.50 pixels,臨牀測量平均絕對誤差為 15.38,整體表現優於比較基線;程式碼及模型可供使用。
蘋果與阿里巴巴宣佈合作,將千問整合至 Apple智能,讓中國用戶可在 Siri、寫作工具及視覺智能中直接調用其文字與圖像理解、內容生成等能力。相關功能將於11月4日起隨最新的 iOS 開發者 Beta 版開放測試,並於12月 iOS 27.3 正式發布時面向中國用戶推出。
Ofrenda Viva 是一款單頁數碼紀念應用程式,運用 Google 的開放權重模型 gemma-2-2b-it,從用戶講述或輸入的故事中提取逝者姓名、供品等資料,並撰寫雙語紀念詩。應用程式透過 ElevenLabs Multilingual V2 將詩句轉為語音;未提供 API key 時,會改用瀏覽器內置語音合成。它採用本地優先設計,將用戶憑證儲存在 localStorage。
arXiv 論文為 JEPAs 中的 Platonic Representation Hypothesis 提出並證明定理,指出不同模態模型在特定條件下可學得相同表徵。定理要求正樣本對是同一場景的兩個觀察,所得表徵可相差一次旋轉;論文亦報告,在同一語料上,good views 達到相同對齊程度所需的訓練樣本比 next-token prediction 少 42 倍。
Google DeepMind 於 2026 年 10 月 27 日以研究預覽形式推出 Genie 4,這款世界模型可即時模擬可互動場景,並支援在運行期間以自然語言修改場景。它原生生成音訊,場景連貫性最長可維持兩分鐘,是 Genie 3 約一分鐘上限的兩倍。目前僅限受信測試者使用;DeepMind 列出的缺口包括長時間運行時的視覺漂移、未解的音訊準確度問題,以及尚無法生成清晰可讀的場景內文字。
蘋果與阿里宣佈合作,千問將整合至國行 Apple 智能,讓中國 iPhone 用戶可在 Siri、寫作工具及視覺智能中調用其文本與圖像理解、內容生成能力。用戶可透過視覺智能詢問眼前物件,也可讓 Siri 提煉 PDF 重點、由千問起草電郵。文章將選擇歸因於雙方長期合作的信任基礎,以及阿里在模型、AI 晶片和雲端方面較均衡的能力。
MiniMax H3 的六種風格預設按戲劇或動作場面調度及影像處理方式區分,會影響人物走位、鏡頭安排和場景呈現。戲劇預設適用於對白和情緒,動作預設面向接觸、追逐和衝擊;realistic 變體沿用相同場面調度,並加入寫實處理。在 Callirra 的 multimode API 路徑中,預設透過 minimax_h3_style_preset 欄位設定,未知值會被拒絕。
淏楠在訪談中回顧由 Agent 轉向多模態、再進入具身領域的經歷,並分享對各方向技術路線與行業機會的判斷。他認為影片生成領域的機會包括改善可控性、交互方式與 Harness;具身初創則可讓控制硬件的小模型配合能力強的大模型。他認為 Astra 可接管小模型處理不了的操作,產生 Error Recovery 數據供小模型訓練。
Google 領導的研究團隊提出影片智能體 StreamVibe,讓 AI 分辨用戶明確、未明言或中途改變的意圖,並自行判斷何時開口提供協助。團隊以約4,100個例子、逾183小時的日常生活及軟件操作錄影建立評測基準;StreamVibe-VL 的回應時機和質素較其他模型提升 10.7%,記憶系統則旨在進一步提升主動互動 12.3%。
Pika 發佈以 MiniMax H3 為基礎的衍生模型 Pika H3 Flex,開放適配器權重及推理程式碼,透過六步去噪聯合生成畫面與聲音。模型提供兩套 LoRA 適配器,原生支援 480P、768P 輸出,可生成約 5 至 15 秒影片及同步立體聲音訊。Pika API 另提供 1080P、2K、4K 影片增強,以及將同步音訊拆分為對白、配樂、音效、擬音和環境聲五類獨立音軌的功能。
中國人民銀行等金融監管部門將於11月2日召開兩場會議,研究支持資本市場工具使用及優化股票回購增持再貸款政策。韓國10月半導體出口額為564億美元,同比增長259%。蘋果與阿里巴巴宣佈將千問整合至Apple智能,相關功能將於11月4日起開放測試,並於12月隨iOS 27.3正式推出。
Microfeel於2026年10月底宣佈完成數千萬元種子輪融資,投資方包括奇績創壇、極客公園、Magic Find Ventures(邵贇)及許怡然等個人資本。公司聚焦AI驅動的三維大場景與資產生成及空間模擬,並已啟動AI原生遊戲《EchoShell》(中文名《靈殼計劃》)及自研AI Agent創作引擎(Creation Engine)的開發;資金將用於核心技術迭代、團隊擴建及商業化場景落地。
新疆禾木景區網傳野生猴羣下山搶手機等圖文、影片被官方核實為虛假謠言,並回應指內容由 AI 生成。當地核查確認,禾木景區及布爾津縣全域沒有野生猴羣分佈或棲息活動記錄,網信部門已要求相關平台下架不實資訊。
NVIDIA 於 2026 年 10 月 28 日發佈 Nemotron 3.5 Transcribe,這款模型可按自然語言提示詞處理 40 種語言的完整錄音。
HKGAI 旗下「港話通」(HKChat)接入自研 YuE2,推出可由哼唱或圖片生成原創廣東歌的 AI 音樂功能。用戶可加入文字描述補充創作意念,功能現階段免費開放予所有用戶體驗。
文章説明如何結合多模態 AI 視覺與工程大模型,建立 CAD 圖紙智能識別、圖例統計及參數統一管控流程。方案涵蓋 DWG、PDF 及掃描件解析,圖例識別準確率高於 95%,並包括批量參數設定、合規校核和版本差異比較。
Spotify 據報計劃於明年初推出 AI 音樂混音服務,讓付費訂閲用戶利用 AI 製作歌曲混音及翻唱版本。Spotify 正與索尼音樂、華納音樂談判授權,並已與環球音樂集團、Merlin 及 Believe 達成協議;音樂人仍可自行決定是否參與。按目前擬定方案,混音作品產生的版税將全數回饋原作音樂人,服務可能另收每月 4 至 5 美元,但推出時間和定價尚未敲定。
Echoes of the House 是一個可與鬼魂對話的開源 AI 專案,鬼魂會記住每次互動,並設有「Remembrance」和「Haunting」兩種模式。Gemma 3 (4B)、TabPFN 和 Piper 在本地運行,分別負責生成回覆、分析屋內留下的痕跡,以及朗讀回覆;Backboard 則儲存互動記憶。照片和問題留在用戶的裝置上,亦可離線使用。
Ofrenda local 是一款以 Gemma 3 在本機離線生成亡靈節紀念文字的工具。它透過 Ollama 執行開放權重的 Gemma 3(4B),按用戶提供的資料撰寫紀念短文、calaverita literaria 和祭壇清單,亦可為選擇加入的照片描述可見內容。生成內容可編輯及列印;作者的筆記本電腦每次生成約需 40 秒,模型下載後毋須連線,故事和照片不會離開本機。
Tutorial Agentic Learning(TAL)讓大語言模型智能體無須更新參數,便可透過教學影片持續學習。在由 72 部棋類教學影片、涵蓋 12 種開局的 VidLearn 上,TAL 相對原版 MLLM,在訓練及測試集分別取得最高 113% 和 91% 的相對提升。實際對弈中,TAL 在 69% 的正面交鋒局數中取得較佳的開局階段局面。
BalochDev 開發的 Suroz AI 是一個多語言 AI 音樂生成平台,讓用戶以文字輸入和提示詞創作俾路支語歌曲。平台每月為每名已登記用戶提供三次免費生成,並依靠社羣支持及捐款支付 GPU 伺服器資源。其目標是保存俾路支語言、詩歌形式與音樂節奏,並擴大俾路支音樂的傳播。
Miedocuentista 是一款開源 AI 故事創作工具,可在本機逐張分析圖片,生成短篇故事、電影劇本或每張圖片一章的小説。它透過 Ollama 使用 moondream 和 qwen2.5:3b,並以故事記憶串連場景,再由 Final AI Story Editor 檢查情節和時間線;照片和故事不會離開用戶的電腦。
文章比較 DeepSeek-V4.1-Flash-1017、Mistral Large 4 和 Qwen3.8-27B 三款開放權重模型,涵蓋上下文、輸入模態、授權、價格、部署要求及基準資料。
生成式 AI 模型根據訓練期間學到的模式生成文字、圖像、音訊、影片或程式碼。大語言模型通常透過預測序列中的模型 token 逐步生成內容,圖像生成系統則常採用擴散模型。模型輸出可能流暢但不正確,使用者應核實事實、在安全環境測試程式碼,並保護個人資料。
Heirloom 是一款在本機處理手寫家族文件的開源工具,可把頁面相片轉成文字,並支援校正、翻譯、事實擷取及跨檔案搜尋。它透過 Ollama 使用 Gemma 4,下載模型及依賴項後即可離線運行,原圖會與轉錄並列供核對;GitHub 專案採用 MIT 授權,網址為 https://github.com/VinayakGawade009/Heirloom。
Apple 宣佈,Apple Intelligence 首批功能將於 11 月 4 日透過 iOS 開發者 Beta 版在中國大陸開放測試,並計劃於 12 月隨 iOS 27.3 正式版推出。功能涵蓋即時翻譯、照片消除、寫作工具、智繪表情(Genmoji)和 Siri 升級,並接入阿里巴巴千問;首批僅支援符合條件的 iPhone,iPad 和 Mac 的開放時間未定。
這期模型發佈摘要整理了 2026-10-17 至 2026-10-31 的多項更新,指出前沿能力提升之際,開放權重模型正快速縮小差距。
Ghost Papers 使用本機運行的 Gemma 3 (4B) 閲讀家人留下的文件,並整理成一份遺產檔案和可列印的家庭文件冊。它透過 Ollama 離線運作,毋須 API key 或雲端服務;個人資料可只保留在記憶體中,儲存則由用戶選擇。文件內容支援英語、孟加拉語和印地語,但孟加拉語和印地語文件仍須對照原件核實。
領克汽車發布2027款領克08 EM-P官圖,新車將於11月5日上市,改款重點包括升級192線激光雷達及吉利集團千里浩瀚H7方案。新車搭載雙Orin-X芯片,算力達508 TOPS,支援端到端大模型和VLA視覺語言大模型。新款保留1.5T插混系統,取消160km短續航版本,CLTC純電續航分別為230km和210km。
思必馳於10月30日推出AI超級筆,結合手寫筆跡與語音記錄,並以手寫重點索引語音內容,生成個人化紀要。產品支援25種外語、100餘種方言及8大專業術語庫,語音識別準確率達98%。AI超級筆開放MCP協議,支援接入主流辦公Agent,並已於各大電商平台及線下門店上線。
AI-KSK 的教程拆解了 MiniMax H3 RefMod 在 ComfyUI 中建立及重用角色、動作、聲音和場景參考的六個工作流。前四個工作流建立參考資產,後兩個分別透過 MiniMaxH3RefModApply 和 MiniMaxH3RefModTextEncode 路徑生成影音,並比較兩者的接線、提示詞及素材配置。
Yaad 是面向年長家人的開源 AI wellness 與記憶延續伴侶,透過 6 日滾動式記憶庫記錄近期日常,並以 Gemma 閲讀處方、餐點及照片,進行暖心問候。系統運用 Graphify 知識圖譜約束內容,避免捏造醫療事實、日期或家庭回憶,並把自動摘要發送至家人的 Telegram 羣組。