Google DeepMind 推出 Genie 4 世界模型研究預覽版
Google DeepMind於2026年10月27日公佈 Genie 4,並向受信任測試者推出研究預覽版。Genie 4 可即時生成互動世界及原生音訊,支援自然語言場景調整、人物互動和多步事件模擬;Gemini 3.8 Flash 可拆解目標並檢查各步驟。
Google DeepMind於2026年10月27日公佈 Genie 4,並向受信任測試者推出研究預覽版。Genie 4 可即時生成互動世界及原生音訊,支援自然語言場景調整、人物互動和多步事件模擬;Gemini 3.8 Flash 可拆解目標並檢查各步驟。
OpenAI 推出 GPT-6.1 Terra,支援理解圖片和螢幕,以及操作瀏覽器、桌面和應用,API 價格亦低於 GPT-5.6 Terra。
推薦理由:文章並列 GPT-5.6 Terra 對照任務的耗時、token 用量與帳單,再比較綜合測試得分和成本,呈現降價、速度與評測表現之間的差異。
Edge Sound 融資 200 萬美元,開發音訊基礎設施,將有用聲音與其他感測器數據結合,協助實體 AI 即時理解周遭情況。Stormbreaker Ventures 領投,令公司累計融資達 900 萬美元。其 Virtual Sound Engine 已商業部署,客戶及合作夥伴包括 Shure、NBA、Fox Sports Media Group 和美國網球協會。
Nexariza AI 分享其企業級語音與視覺 AI Agent 參考架構,涵蓋即時 WebRTC 電話通訊及 TensorRT 邊緣視覺管線。語音管線的首個音訊影格回傳時間為 <200ms–380ms;TensorRT FP16 邊緣推理每影格需時 4–11ms,單一節點可同時處理 12–24 條 RTSP 串流。
千問辦公正式接入樂奇AI眼鏡,用戶可通過語音下發任務,並在眼鏡端查看結果,執行期間還會收到狀態通知。千問辦公可結閤眼鏡拍攝的畫面分析現場內容;用戶也可用一句話發起釘釘任務,包括髮送消息、創建日程和待辦、整理文檔等。
XREAL 1 Pro+ AR 眼鏡已在京東發售,國行定價 3499 元,峯值亮度由前代的 700 尼特提升至 1200 尼特。新品採用重新設計的鼻托,並加入 AI HDR 及標準、電影和閲讀三種顯示模式。改進後的 Real 3D 引擎可將 2D 內容轉換為 3D 畫面,處理幀率最高達 60 FPS。
Google 與 Unity 合作推出實驗性 AI 遊戲平台 Playground,用戶以自然語言描述即可生成可在瀏覽器運行的 2D 或 3D 遊戲。它整合 Gemini、Nano Banana 和 Lyria,生成的遊戲可在手機及電腦瀏覽器運行,無需安裝客戶端或配置開發環境。文章認為,Playground 降低跟風製作門檻後,可能令相似作品更快上架,分流獨立遊戲的曝光。
2026 年多款 Android 旗艦選用 Snapdragon 8 Elite Extreme Gen 6,文章將共同選擇歸因於平台能力與生態成熟度。文章介紹其 FlexCache、GPU 內的 ANF、第二代 AI-ISP 及全 IP AI 架構,涵蓋快取管理、遊戲圖像處理、影像運算及智能體 AI。手機廠商則在共同平台之上,透過自研晶片發展影像、調度及場景體驗方面的差異。
Rokid 正式推出 Rokid Glasses 2 智能眼鏡,國家補貼後售價由 3199 元起,支援最高 4K30FPS 影片拍攝及 AI 即時回溯。經典黑色和優雅玳瑁款售價分別為 3199 元和 3349 元,已開放預售,11月14日正式發貨。
Rokid 發佈新一代帶顯示 AI 眼鏡 Rokid Glasses 2;愛範兒提前體驗一星期,評測其佩戴、拍攝及 AI 會議紀要功能。眼鏡配備 1200 萬像素 CMOS,支援 HDR、RAW 14,影片最高可拍 4K 9:16 直向 30 幀,亦可選 2K 60 幀;官方稱日後會透過 OTA 更新 120 幀。
面對 AIGC 廣告增加及違規內容更難識別,平台正引入 AI 治理,巨量引擎採用多模態大模型與主 Agent、子 Agent 協同模式。CTR 數據顯示,86% 的廣告買方已全部或部分使用 AI 製作素材,40% 的創意由 AIGC 構成。巨量引擎亦提供拒絕理由精細解讀和廣告素材一鍵修復,但廣告主仍反映平台規則差異及申訴不確定性帶來成本。
清華大學與智譜 AI 聯合研究提出 GLM-Omni,測試顯示其圖像生成正確率為 54.00%,純文字回答正確率僅 14.57%,反映視覺知識未必能轉化為語言答案。圖文交錯對齊令 GLM-Omni 的平均文字正確率升至 26.86%,使用 Visual CoT 後則升至 41.14%。論文未披露 GLM-Omni 與 GLM-5.5 的版本對應關係。
樂奇Rokid正式發佈新一代帶顯示功能的AI眼鏡Rokid Glasses 2,黑色經典款國補後3199元起,玳瑁色國補後3349元。Rokid Glasses 2電池容量提升至263mAh,新增拍前預覽,支援4K 30fps及2K 60fps影片拍攝。AI功能涵蓋會議紀要、89種語言AI通話翻譯,以及即時和全天回溯,並提供聽障與視障輔助場景。
Rokid 發佈全綵 AI 眼鏡 Rokid Color,採用 Micro-LED 全綵顯示,可呈現圖片、影片及導航介面。眼鏡重 55g(不含鼻托),具備 1677 萬色、167%sRGB 色域並覆蓋 100% sRGB 色彩空間;亦可與 Rokid Ring 交互戒指配合,以微手勢操控眼鏡。
「什麼值得買」將興趣消費服務拓展至新一代 Rokid AI 眼鏡,透過消費智能體「張大媽」識別眼前商品並提供消費資訊。用戶可查閲商品名稱、價格參考、真實用戶口碑及推薦購買指數,並在「什麼值得買」App 查看詳情、評價和購買渠道;服務依託10億級商品庫及200億級內容庫。
百度於10月27日開源發布文心 Unlimited OCR 2,稱其可解析任意頁數文件,並將 OCR 處理上限由數十頁推至「無限」。模型一次解析《哈利·波特》全系列 7 部作品,累計超過 3600 頁,並在 MPDocBench 和 MarathonDocBench 分別取得 84.6 分和 77.1 分。
Rokid Glasses 2 今日正式發佈,採用雙芯架構,售價 3699 元起,國補到手價 3199 元起。眼鏡搭載恆玄 BES2800BP 芯片與第一代驍龍 AR1 平台,配備 1200 萬像素攝像頭,支援行業首發影片超夜算法及 4K 30 幀、2K 60 幀、720P 120 幀拍攝。
Rokid Glasses 2 在新品發布會上亮相,搭載 YodaOS,採用高通第一代驍龍 AR1+ 與恆玄 BES2800BP 組成的雙晶片架構。眼鏡支援 AI 會議紀要、通話即時翻譯、即時回溯及全天回溯,並具備主動避障、多人説話分區識別、字幕記錄與 AI 總結功能。
GPT-6.1 Terra 是 GPT-6 系列中主打快速視覺推理、精準電腦操作及清晰寫作的模型,支援 1.05M-token 上下文窗口。其最大輸入為 922K tokens、最大輸出為 128K tokens;短上下文標準價格為每 MTok 輸入 $1、輸出 $5,輸入超過 272K tokens 時採用較高的長上下文價格。
Baidu 開源了 Unlimited OCR 2,這是一款 3.34B 參數、採用 MIT 授權的 OCR 模型,可在單次請求中解析數百頁文件。模型以 SR-SWA 固定 512-token 參考集控制逐步解碼成本,最大位置長度為 131,072 tokens。
vLLM Semantic Router 團隊發佈 d3-ultra,一款採 Apache-2.0 授權的 27B 多模態決策模型;模型不生成文字,而是一次讀取輸入並為各問題的答案輸出概率。
百度發佈並開源文心 Unlimited OCR 2,稱其可解析任意頁數文件,並一次處理《哈利·波特》全系列 7 部作品、累計超過 3600 頁。
科大訊飛在全球1024開發者節首發星火語音基座大模型 SparkAudio 1.0 並全繫上線,同時發布機器人超腦平台 3.0。活動提及從多模交互邁向具身多模交互,並稱機器人超腦平台 3.0 是行業落地關鍵一步。
OpenAI 發佈並開始提供 GPT-6.1 Terra,強化視覺推理、電腦操作和文字表達,標準 API 價格為 GPT-5.6 Terra 的一半。在 Agents' Last Exam 中,medium 推理設定較 GPT-5.6 Terra 高 15 分,成本約為三分之一;low 設定下的事實錯答率約為 GPT-5.6 Terra 的三分之一。
推薦理由:文章以基準結果和定價對照 GPT-6.1 Terra 與 GPT-5.6 Terra,呈現視覺操作和工作任務表現提升時的成本變化。
Copilot 在支援相關能力的使用場景中,已可結合參考文件的文字、圖片和圖表進行分析,並將識別到的資訊融入生成內容。這項能力可用於質量管理、項目管理和內容創作,協助生成分析結果、項目總結及文章;圖片識別結果仍須由專業人員核驗。
阿里雲2026雙11推出涵蓋雲伺服器、大模型與 Token Plan 的優惠,輕量雲伺服器38元起,部分雲伺服器新購與續費同價。活動包括最高可省1728元優惠券、超7000萬 tokens 免費體驗,以及全模型通享低至4.5折;Token Plan 個人版提供三檔月費方案。具體價格、額度與優惠規則以活動頁面為準。
OpenAI 發佈 GPT-6.1 Terra,主打更快的回應速度、視覺理解和電腦操作能力,以及較低使用成本。
推薦理由:文中並列 GPT-6.1 Terra 在基準測試、電腦操作任務及 API 定價上的數據,呈現其與旗艦模型在能力、速度和成本上的取捨。
提問者希望為唇形同步良好、表情平淡的凍結式擴散説話人臉適配器,設計無需訓練的推理時表情控制器。問題涵蓋如何按音訊韻律和音素時間安排眨眼、眉毛及頭部動作,避免幹擾唇部動作,以及如何評估表情改善效果。
雷鳥創新宣佈第四代雙目全綵 AI 眼鏡雷鳥 iO+ 即將登場,蔣奇明率先佩戴亮相。新款眼鏡採用玳瑁元素、圓潤鏡框及金色裝飾,並以第四代雙目全綵 MicroLED 光波導技術抑制彩虹紋、漏光及鏡片反光。
iRTE2026實時智能大會上,嘉賓對AI眼鏡能否成為下一代個人數碼入口看法分歧,有人認為手機仍會主導,也有人主張多種硬件協作,或眼鏡與手機並列。2026年上半年,中國智能眼鏡全渠道銷量達90.9萬台,同比增長85.5%。但IDC數據顯示,同期全球智能眼鏡出貨量為711.4萬台,遠低於2025年全球智能手機約12.6億部的出貨量。
這套 AI 英語線上考試系統結合高並發流媒體處理、大語言模型評測及 AI 多模態防作弊監考,涵蓋聽説讀寫測評與考試管理。系統支援自適應測試、音素級口語評分、語義級寫作批改,以及實時行為監控和可疑作弊標記。搭建方案包括微服務、對象儲存和 CDN,並整合 DeepSeek、Qwen、GPT-4o 等模型進行主觀題評分。
StreamVibe 提出 StreamVibe-Bench、串流主動模型 StreamVibe-VL,以及分層記憶框架 StreamVibe-Harness,讓影片智能體能因應隱含及持續演變的用戶意圖互動。
iPhone Duo 的 FaceTime 設定未提供「眼神交流」功能。這項自 iOS 14 起支援的功能會透過機器學習校正用戶視線;iPhone Duo 的內屏屏下攝像頭位於右側,加上摺疊狀態影響攝像頭與視線的位置,令技術校正更複雜。蘋果尚未回應原因,也未確認會否透過系統更新補上功能。
Apple 首款摺疊 iPhone Duo 的 FaceTime 設定沒有「眼神交流」選項,用戶進行影片通話時無法使用視線校正功能。報道分析,內屏右側的屏下鏡頭與畫面中央有較大的橫向偏移,加上摺疊狀態會改變鏡頭相對視線的位置,可能令技術實現更困難。Apple 尚未公開説明缺少功能的原因,也未透露會否在後續系統更新中補上。
深圳市微光電子科技有限公司(微光科技)完成近億元人民幣 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等機構跟投。微光科技專注多模態情境感知和交互智能體研究,核心產品為輕量化、模組化 AR 智能眼鏡,並佈局第一視角 Ego-XR 多模態數據採集和解析方案。
SkeLAM 以約 10 小時機械人互動數據訓練,能在不更新模型參數的情況下,根據人類示範影片生成呈現相應運動方向的機械臂影片。DROID 評測中,相比 DreamDojo,SkeLAM 的末端軌跡誤差 ADE 由 51.11 降至 41.15 像素,LPIPS 由 0.1473 降至 0.1310。
OpenAI 於 10月27日推出 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作,尤其是需要視覺推理及操作桌面軟件的工作。
推薦理由:多項基準與定價數據並列比較 GPT-6.1 Terra、前代及同系列模型,呈現其在桌面操作、推理和編碼任務上的表現與成本差異。
OpenAI 發佈 GPT-6.1 Terra,主打視覺推理、精準電腦操作及更清晰自然的寫作,並稱其較 GPT-5.6 Terra 有顯著提升。該模型定價為 $1/million input tokens、$5/million output,約為 GPT-6.1 Sol 價格的一半,約為 GPT-6 Luna 的 10 倍。
OpenAI 發佈 GPT-6.1 Terra,這款中端模型結合精細視覺推理、精準電腦操作及更自然的寫作,面向日常辦公任務。模型已向 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶開放,可在 ChatGPT Work 與 Codex 使用;開發者亦可透過 OpenAI API 以 gpt-6.1-terra 調用。
推薦理由:文章以 Agents'Last Exam、OSWorld 2.1 等基準對照前代及旗艦模型,呈現 Terra 在推理、電腦操作與任務成本上的差異。
Sloth Social 根據商戶資料、目標受眾、語氣及每週重點,生成由星期一至日安排的社交媒體內容計劃。它使用 Qwen3 32B 撰寫內容草稿,並以 Qwen2.5 VL 72B Instruct 描述上載的照片;用戶可編輯及審核草稿,應用程式不會自動發佈內容。