Rashomon of the Dead:離線優先的開源模型偵探遊戲
Rashomon of the Dead 是一款以 Ollama 本地運行 Gemma 的離線優先開源偵探遊戲,玩家要盤問五名掌握不同資訊的鬼魂,查明莊園命案真相。遊戲以 Ground Truth Fact Ledger 記錄案情,並透過即時矛盾引擎比對證詞、標示謊言和記憶錯誤。遊戲支援瀏覽器原生語音合成,亦可選用 ElevenLabs API,並設有無需伺服器運行的客戶端模擬模式。
Rashomon of the Dead 是一款以 Ollama 本地運行 Gemma 的離線優先開源偵探遊戲,玩家要盤問五名掌握不同資訊的鬼魂,查明莊園命案真相。遊戲以 Ground Truth Fact Ledger 記錄案情,並透過即時矛盾引擎比對證詞、標示謊言和記憶錯誤。遊戲支援瀏覽器原生語音合成,亦可選用 ElevenLabs API,並設有無需伺服器運行的客戶端模擬模式。
作者以 NVIDIA Nemotron Voice Agent 打造萬聖節互動投影 MonsterHouse,讓鬼屋聆聽訪客並以暴躁老海盜船聲線回應,訪客表現有禮時態度會軟化。
「綠韻悠揚 綠動青春」生態歌曲創作大賽面向廣東省高校在校生徵集原創歌曲,作品徵集至2026年11月29日。大賽聯合酷狗音樂、Vemus未音開設AI音樂通道,供廣東省內高校在讀大學生參與。Vemus未音依託自研音頻大模型,支援以文字描述、對話交互或上傳圖片生成音樂作品。
小米技術發布並開源 0.8B 參數的文件理解模型 Xiaomi-OCR-0,整合文件解析、關鍵資訊抽取及 OCR 視覺問答。
這項研究提出 Platonic Representation Theorem,指出若正樣本視圖是同一場景的兩個觀測,且其他情況的錯位有界,不同模態分別訓練的 JEPA 會學到只差一個旋轉的相同表徵。
文章示範如何把 GPT-4、Claude 和 Stable Diffusion 用於寫作、電影與遊戲創作,生成草稿、對白及概念藝術,並將 AI 融入創作流程。文中亦提供避免抄襲、檢查偏見及披露 AI 生成內容的倫理清單,強調由人類負責最終創意判斷。
小米開源 0.8B 文件理解模型 Xiaomi-OCR-0,並在 Hugging Face 和 GitHub 同步公開模型權重與推理程式碼。模型以 Qwen3.5-0.8B-Base 為基座,涵蓋文件解析、關鍵資訊抽取及 OCR 視覺問答,支援 Markdown、LaTeX 和 JSON 輸出。
Meta 在印尼、新加坡和泰國推出 AI 時裝應用程式 Style Sketch,讓用戶虛擬試穿衣物。應用程式可連結 Facebook 和 Instagram 帳戶,或使用相機膠卷中的照片建立虛擬衣櫥,並按衣物、天氣或行程提供穿搭建議。用戶可在配合其體型和膚色的虛擬模特兒上試穿不同組合,目前只在亞洲部分地區推出。
小米開源 0.8B 參數文件理解模型 Xiaomi-OCR-0,模型權重與推理程式碼已同步上線 Hugging Face 和 GitHub。模型基於 Qwen3.5-0.8B-Base,涵蓋文件解析、關鍵資訊抽取與 OCR 視覺問答,支援 Markdown、LaTeX 及 JSON 輸出。
ZwZ2-9B-GGUF 提供 Zooming without Zooming v2 模型 ZwZ2-9B 的 GGUF 格式權重,分為語言模型及視覺編碼器與投影器兩部分,均有 FP16、Q8_0 和 Q4_K_M 精度可選。
inclusionAI/ZwZ2-27B-GGUF 收錄 ZwZ2-27B 的 GGUF 格式權重,模型分為語言模型及視覺編碼器與投影器(mmproj)兩部分,兩者均提供 FP16、Q8_0 和 Q4_K_M。使用時須選用相配的視覺元件,亦可混合不同精度;量化可能影響準確度。可使用具備 Qwen3.5 多模態支援的 llama.cpp 建置版本進行推理。
心言機器人於 2026 年 10 月 29 日正式發布具身家庭智能體「巴布(Bubbo 1)」,並即日起在京東等官方渠道發售。產品基於自研 Bubbo OS,配備 13 類、26 個感應器、6 個自由度及兩塊表情屏,售價 9499 元,前 1000 名訂購者可享 7999 元。
百度 APP 在北京舉行產品升級溝通會,推出四項 AI 升級,AI 互動劇讓用戶選擇劇情走向,互動應用則可親自操作。AI 互動漫劇《龍珠鎮魂,一步生死》已上線;AI 鏡頭支援多目標同步識別、動態追蹤,以及東北話、四川話、粵語、長沙話等 9 種方言即時對話。搜尋可執行多步查找與整理,並在用戶確認後持續追蹤;GUI 場景覆蓋提升 5 倍,接入超 50 億權威資源數據,涵蓋 20 多個行業。
研究提出 Youtu-Parsing-Omni,以共享權重的單一編碼器解析文件、圖像、音訊及影片,並以統一結構輸出結果。單一 5B 參數 checkpoint 在 OmniDocBench v1.6 得分 96.96 Overall,並在 OmniParsingBench 得分 75.08 Avg.,領先所有開放權重模型。
EMR Serverless Spark 透過 AI Function,將大模型調用整合為 Daft DataFrame 中可聲明資源、處理結構化輸入輸出並具備容錯與可觀測性的資料流水線算子。
百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化並升級搜尋 AI API,活動期間最低價為 4.9 元/千次,低於 DeepSeek 搜尋 API。文心助手已覆蓋 170 餘種場景,可交付成果物並持續跟進長期任務;AI 鏡頭支援多目標追蹤及 9 種方言即時對話。GUI 互動場景提升 5 倍,接入超 50 億數據資源;AI 互動劇與互動應用同步上線。
CAIR 與深圳德力凱電子股份有限公司自研的經顱多普勒多模態大模型,在「顱影・數智爭鋒」實戰活動中正式亮相。模型覆蓋 98% 以上臨牀場景,超聲提示準確率達 93.8%,超聲所見準確率達 97.52%,可解析超聲頻譜信號、測算血流動力學參數及標註異常徵象,輔助醫師研判。
inclusionAI/ZwZ2-4B-GGUF 提供 Zooming without Zooming v2 模型 ZwZ2-4B 的 GGUF 格式權重,分為語言模型及視覺編碼器與投影器兩個元件,兩者均有 FP16、Q8_0、Q4_K_M 精度。使用時需配合支援 Qwen3.5 多模態功能的近期 llama.cpp 版本;量化可能影響準確度。
比亞迪公佈第三代唐大五座旗艦 SUV 的外觀及內裝官圖,並披露新車配備星際雙屏和全新巨幕 UI 交互系統。星際雙屏包括 35.4 英寸一體遠端星環屏及 30 英寸全景巨幕屏,後排座椅支援純平放倒。新車將於四季度上市。
比亞迪發布第三代唐大五座旗艦 SUV 的外觀及內飾官圖,新車計劃於四季度上市。新車全球首發星際雙屏,由 35.4 英寸一體遠端星環屏和 30 英寸全景巨幕屏組成,取代傳統儀表及 HUD。新車搭載全新巨幕 UI 互動系統,AI 萌寵桌面命名為「小麵包」,後排座椅支援純平放倒。
EMR Serverless Spark 不提供通用 AI Agent 執行環境,而是透過受控的 Skill 機制,讓 Agent 操作已完成集成的多模態資料基礎設施。
OpenFlyV2 是統一的機載視覺語言行動模型,可在資源受限的硬件上進行即時空中導航與推理。研究團隊建構的模擬數據集包含約 70,000 條導航軌跡及 60,000 組視覺語言指令與回應。模型以 NVIDIA Jetson Orin NX 機載生成動作,每組包含 12 個航點,運行頻率為 10 Hz;從模擬零樣本遷移至實體四軸飛行器後,在四個真實環境的導航成功率為 48%。
NVIDIA 的 Nemotron 3.5 Transcribe 將多項音訊任務整合於開放模型,Vercel 路由中介軟件則支援 Python。模型涵蓋轉錄、説話者分離、翻譯和音訊問答,適用於約一小時內、最多八位説話者的錄音,不支援即時串流。
百度本月 27 日正式發布並開源文心 Unlimited OCR 2,將文件解析上限由數十頁推至「無限」,一次可解析累計超過 3,600 頁的《哈利波特》全系列 7 部作品。模型在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分,兩項基準測試均達端到端性能 SOTA。
Ant Media Server 與 AIVision 將 AI 分析引入傳統影片監控,協助處理人手難以監看大量鏡頭、難以從大量影片中找出重要事件等問題。AIVision 可定期擷取直播串流畫面,交由視覺語言模型分析,並將結果連結至串流及時間戳記,供儲存和透過 API 檢索。
OmniDR-Bench 多模態基準測試顯示,智能體即使答題準確,仍有 37% 的視聽證據推理差距。18 組智能體配置中,最佳證據評分僅為 63.3/100;簡報呈現平均 81.8 分,內容及引用質素則分別只有 45.4 分和 47.8 分。
Gemini 3 與 GPT-5 面向企業營運採取不同設計:Gemini 3 著重多模態處理及商業生態整合,GPT-5 則強調適應性推理、長對話管理及複雜文字任務。Gemini 3 可在同一架構處理文字、圖像、音訊、影片及結構化數據;GPT-5 的設計則較適合需要連貫推理的文字密集工作。
傳統 OCR 逐字辨識並呈現可量度的不確定性,VLMs 則會按上下文推斷文件含義,可能作出連貫但錯誤的解讀。企業應先評估不同錯誤可能造成的後果,再決定哪些文件可自動處理、哪些需要額外核查。VLMs 亦正應用於自動駕駛、農業及機械人等領域。
EMR Serverless StarRocks 將全文檢索、標量過濾與向量相似搜尋整合於同一執行引擎,支援混合召回、融合排序及湖表寫回。它適合採用開放湖格式、以 SQL 為統一介面,且查詢負載波動大的 AI 數據準備場景;持續高吞吐、低延遲點查則可能更適合專用向量數據庫。
阿里巴巴於 2026 年 8 月發布 Qwen3.8 系列,並開放 Qwen3.8-Max 旗艦模型權重,總參數為 2.4 萬億。Qwen3.8-Max 採稀疏 MoE 架構,每次推理約啟用 950 億參數,支援 100 萬 Token 上下文及原生多模態輸入。
阿里雲瑤池 AnalyticDB MySQL 將多模態素材接入、庫內語義理解及向量、全文和結構化條件融合檢索整合於同一個兼容 MySQL 協議的資料庫。官方公佈的向量檢索數據為:百億向量在 50 毫秒約束下達到 99% 召回率;兩億向量在 1000 QPS 與 1 秒約束下達到 99% 召回率。
Mistral AI 於當地時間 10 月 29 日開放 Mistral Large 4(ML4)模型權重;模型有 1 萬億總參數及 490 億激活參數,連同嵌入層及輸出層計為 520 億。
這套實體 AI 參考架構為美國四個配送中心建立即時數碼孿生,將倉庫、勞工、場地、影片及承運商資料整合,同時在各中心處理影片,僅傳送事件和短片。架構以 RF-DETR 偵測、OC-SORT 追蹤,並以 Mistral Large 3 675B 和 Qwen3.8-27B 提供助手功能;不訓練模型,透過記憶改善系統。
Mistral AI 於 10 月 29 日在歐洲正式開源 Mistral Large 4(ML4)模型權重,模型總參數達 1 萬億,啟用參數為 520 億。
推薦理由:材料並列模型參數規模、基準表現與 Token 消耗變化,亦交代 MIT 修改版許可和 MaaS 轉售授權條件,呈現評測資訊與商用限制。
復旦大學與南洋理工大學團隊提出 SimpleVLN,無須改動多模態大語言模型的核心架構,透過決策設計與訓練流程提升視覺語言導航表現。Qwen3-VL 4B 經 DAPO 強化學習後,在 R2R-CE、RxR-CE 的成功率分別達 73.8%、75.1%。Qwen3.5 9B 在未見環境測試中的成功率分別為 76.7%、80.1%,SimpleVLN 亦部署至四足機械狗進行導航測試。
VTuber Studio Pro 開發者打造免費開源的網絡攝影機驅動 VRM 虛擬形象動畫工具,並分享單目追蹤的實作取捨。Windows 便攜版 v1.2.5 支援 VRM 0.x 和 1.0,追蹤在本機執行,亦可提供透明虛擬形象畫面供 OBS 工作流程使用。單目影像難以準確判斷深度,降低深度動作幅度雖可減少跳動,卻會犧牲反應速度。
Mistral AI 於 10 月 29 日開放 Mistral Large 4(ML4)模型權重,模型總參數為 1T。該模型在 Artificial Analysis Coding Agent Index 得分 48%,與 GLM-5.3 基本持平,平均每項任務消耗的 Token 少 47%。
AI 智能體要處理多模態任務,需要工程級技能模組,而非只靠提示詞,才能提升處理的一致性與精確度。iFly-Skills 是 iFLYTEK 的官方技能集,涵蓋語音、OCR、翻譯、校對及多模態處理。astron-agent 負責規劃、協調與執行,與 iFly-Skills 配合以編排工作流程。
Mistral AI 於 10 月 29 日公開 Mistral Large 4(「Le Chonk」)完整權重,模型有 1 trillion 總參數、約 52 billion 活躍參數及 1 million-token 上下文窗口。
推薦理由:文章並列發布前後的 Terminal-Bench 變化與第三方榜單結果,呈現 Mistral Large 4 在編碼表現上的進步及其排名邊界。
Mistral AI 正式開放 Mistral Large 4(ML4,代號 le Chonk)模型權重;模型有 1 萬億總參數及 490 億激活參數,連同嵌入層和輸出層則為 520 億。
推薦理由:文中並列編碼智能體評分、每項任務的 Token 用量變化及權重授權條件,方便讀者對照模型指標與不同用途的使用限制。