一張照片生成 .STL:可離線運行的 3D 製作工具
這個靜態網站可在瀏覽器內把物件照片轉成實心 3D 模型,並匯出 .glb 或 .stl,無需帳戶或上傳照片。工具以 U²-Net 分離物件、以 Depth Anything V2 Small 估算深度,並補上模型背面。首次載入後可關閉 Wi-Fi 繼續使用;單張照片生成的背面是正面的鏡像。
這個靜態網站可在瀏覽器內把物件照片轉成實心 3D 模型,並匯出 .glb 或 .stl,無需帳戶或上傳照片。工具以 U²-Net 分離物件、以 Depth Anything V2 Small 估算深度,並補上模型背面。首次載入後可關閉 Wi-Fi 繼續使用;單張照片生成的背面是正面的鏡像。
EcoSloth AI 是一款本地優先、保障私隱的 AI 助手,協助用戶為廢棄或老舊電子產品評估維修、重用、捐贈、轉售或回收等出路。它可評估安全風險、生成準備清單,並以離線 SQLite 數據庫記錄處理結果;用戶描述裝置後,不到 3 秒即可取得分流建議和交接清單。
作者公開 Screenshot Sloth,這款工具在瀏覽器內以 WebGPU 本機運行 Gemma 4 E2B,為截圖命名並按類型分類。在作者製作的測試截圖中,工具有 20/22 個名稱符合要求、16/22 個放入正確資料夾,私密內容偵測命中 3/5,沒有誤報。
Fridge Sloth 使用 Gemma 3 (4B) 和 Ollama,在本機分析雪櫃相片、列出缺少或存量偏低的食材,並建議三款健康餐點。整個流程可完全離線執行,相片不會離開用戶的裝置;掃描現需約 20 秒。
《AIGC時代互聯網廣告治理藍皮書》在第33屆中國國際廣告節期間發佈,提出針對互聯網廣告投放全過程的治理方法,將風險分為內容違規、技術對抗、交易鏈路和新場景四類,並從八個方面提出建議。藍皮書還介紹利用多模態大模型識別廣告風險的實踐;智能審核系統最快可在10分鐘內完成90%的素材審核,效率提升75%。
FridgeFlow AI 是一款本機運行的雜貨管理應用程式,透過 Ollama 和 Gemma 3 (4B) 分析雪櫃、冰格或食品櫃的照片,辨識食物及估算數量。用戶確認辨識結果後,系統會按超市貨架分類生成購物清單;完整原始碼以 MIT License 發佈。
中國移動發布時空智能系列模型能力及標杆場景,推出涵蓋「時空重建、時空理解、時空預測」三大技術路線的核心能力體系。該體系採用 L1-L4 四級場景架構,應用涵蓋自然資源、工業生產、城市交通及智能運載等領域。
Next of Care 是一款以瀏覽器為本、優先在本機處理的照護交接工具,可把照護文件轉成可編輯的用藥計劃。它透過 Transformers.js 在瀏覽器 worker 執行開放權重 Qwen3 0.6B ONNX 模型,並可匯出 PDF、Excel 用藥追蹤表、每週時間表及 WhatsApp 訊息,支援英文、印地文和馬拉地文。文件留在裝置上處理;模型首次使用時需要下載,並由瀏覽器快取。
百度健康宣佈升級文心健康管家,發布好醫矩陣和健康相機,並稱AI服務月活用戶超過5000萬、位列行業第一。健康相機支援文字、方言語音、拍照、影片上傳及邊拍邊説。好醫矩陣包括好醫答、好醫加號等功能,連接真人醫生在線問診、線下就醫及線上隨訪;好醫開放計劃提供MCP、API和H5等接入方式。
CNET 給 Vivint 家居保安系統 8.0 分,指出系統功能全面,但使用上受限於 Vivint 生態系統。系統支援部分第三方裝置及 Google Home,但不再支援 Alexa;AI 物件偵測常出錯,作者因此關閉部分偵測。價格由 $200 起,另收每月 $25 監控費,完整配置需個別報價。
XREAL 1 Pro+ 國行版已在京東上架,定價 3499 元,10 月 27 日發售。眼鏡採用雙 0.55 英寸索尼 Micro-OLED 面板,峯值亮度最高達 1200 尼特,高於前代的 700 尼特,並重新設計鼻托結構。新機加入 AI HDR 及三種顯示模式,內置 Real 3D 引擎處理幀率最高提升至 60 FPS。
Moonshot 發佈多模態 MoE 模型 Kimi K3.1 Pro,總參數量為 2.8T、活躍參數為 104B,並稱上下文窗口為 1-million-token;權重尚未公開,承諾於 2026 年 11 月 4 日公開。
推薦理由:文章把獨立基準成績、任務成本與權重尚未公開的狀態並列,呈現模型評測表現與實際部署條件之間的差異。
Bird Buddy AI 是一款開放權重的觀鳥應用,使用 SmolVLM-500M-Instruct 根據鳥類照片生成描述,並提供觀察紀錄日誌。應用以 Python、Streamlit 和 SQLite 建置,可記錄觀察、查看統計資料及匯出 CSV;AI 辨識結果仍需核實,不能一概視為事實。
Enspyr 團隊讓同一模型在互不可見的兩個工作階段,各自創作代表當下狀態的圖像;兩幅作品截然不同,模型描述作品時卻都選了「suspension」。團隊打造的工具能讓模型讀取生成圖像並據此調整,兩個工作階段一開始都選擇延伸變化,而非定稿。
WeVisOne‑VL 以單一模型在同一 token 序列中輸出邊界框、遮罩和文字,無需為不同感知任務使用獨立模型。在 RTX 4090 上,單次推理延遲為 48 ms、記憶體用量為 6 GB,較三模型流程減少 58% FLOPs。模型已於 22 Oct 2026 同步在 arXiv 和 Hugging Face Hub 發佈,但高解像度遮罩細節退化及商用授權限制仍是採用考量。
微信針對視頻號短片中的虛假人設展開專項整治,至今清理違規資訊13016條,處置違規帳戶753個。整治聚焦假扮弱勢羣體、虛構專業資歷、利用AI仿冒人物、炫富迷信及編造衝突劇情,並按違規程度採取下架內容、限制流量或封禁帳戶等處理。
百度健康宣佈升級文心健康管家,並發佈健康相機及「好醫矩陣」,其 AI 服務月活躍用戶已超過 5000 萬。健康相機支援文字、方言語音、拍照及影片上載,AI 收集症狀和用戶資料後會匹配真人醫生追問,再由醫生提供診斷和方案。「好醫答」有 15萬+名三甲醫院真人醫生入駐,提供 7×24 小時問診,最快 1 分鐘回應。
阿里巴巴通義實驗室於2026年8月發布並開源 Qwen3.8 系列,涵蓋 2.4萬億參數的 Qwen3.8-Max。Qwen3.8-Flash 訓練成本較前代降低近90%,僅啟動 6B 參數即可達到前沿水平。全系列採用 Apache 2.0 協議。
Kimi 發佈 K3.1 Pro 後,新浪科技實測其 3D 創作、長程編碼及金融建模能力。模型有 3 萬億級參數並支援 100 萬上下文;K3.1 Pro Highspeed 輸出速度為普通版的 2-3 倍,完整模型權重計劃於 11 月 4 日前開放。
StudyDebt 是一款以開源權重 AI 整理學習截圖、生成微型課程並規劃學習任務的開源學習復原應用。它使用 Meta Llama 3.2 (3B) 和 Gemma 2 (9B),透過 Ollama 在本機硬件執行,並以 IndexedDB 將學習資料儲存在用戶瀏覽器。應用程式亦可按精力和可用時間推薦下一項任務,並重新分配未完成的每週計劃。
Qwen3.8-Max採用MoE混合專家稀疏架構,總參數量為2.4T,單次推理約啟用95B,最大上下文窗口為100萬Tokens。模型支援多模態輸入、混合思考模式及原生Function Calling,在GPQA Diamond取得92.6分。阿里雲百煉按量計費,輸入價格為每百萬Token 12元,輸出為36元。
Martin Espericueta 開發 Sloth Roll,以 iPhone 本機運行的開放權重視覺模型讀取截圖,並整理成日曆事件、地點或支出卡片。用戶可左右滑動處理卡片,亦可先編輯內容;完成一次模型下載後,掃描和卡片處理可離線進行,資料不會離開手機。在 19 張人工核對圖片中,類型判斷有 18 張正確(95%);事件日期和時間同時判斷正確的有 6/10 個事件。
Moonshot AI 發佈 Kimi K3.1 Pro,這款 MoE 模型總參數為 2.8T、活躍參數為 104B,支援 1M-token 上下文窗口。
月之暗面正式推出 Kimi K3.1 系列首款模型 K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;K3.1 Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,高速版輸出速度約為 2~3 倍。
推薦理由:材料列出 Terminal-Bench 4.0、BenchCAD 等基準的具體分數及對照結果,可從編碼和 3D 建模兩方面瞭解 K3.1 Pro 的能力表現。
月之暗面推出 Kimi K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,Highspeed 輸出速度約為 2~3 倍。
推薦理由:文章整理編程智能體、3D 建模及金融工作流的多項基準結果,並説明測試任務範圍,可作為理解其能力主張的比較依據。
多模態及影片模型在市場演示中能生成精彩的 30 秒影片,但實際投入生產仍受延遲、時間一致性不足、鏡頭控制有限及品牌安全審查所阻。較實用的應用包括理解影片、為會議加上字幕,以及從影片擷取影格供搜尋;生成式草稿則可用於分鏡和動畫預演,而非受規管品牌的最終成品。身份一致性、唇形同步和生成素材的審核記錄仍是交付最終畫面的障礙。
anti-slop-vision 以提示詞整理和 VLM 評審準則設置視覺品質關卡,透過 SHIP / FIX / REGEN 判定,在交付前篩除視覺瑕疵和模型幻覺。工具採用 MIT 授權,優先使用標準程式庫,讀取指定資料,不會將資料傳送到其他地方。檢查規則可能誤判,適合找出需要改寫的內容,不應用來評分作者;若作品重點在於語氣,也不適用。
suno-api-plus 擴展 Suno API,提供本地音訊上載、翻唱生成、附有 stems 和 MIDI 的 Advanced Split,以及下載和匯出路由。工具以 TypeScript 編寫,採用 MIT 授權;它只讀取用戶指定的資料,不會將資料傳送到其他地方。
minimax-music-plus 是一款用於 MiniMax Music 的工具,支援文字轉音樂、歌詞轉歌曲,以及兩種封面功能,並以 LLM 組合結構化描述。工具由單一檔案構成,僅使用 Python 標準程式庫,採用 MIT 授權。作者提醒,檢查規則可能誤判,應用來找出適合改寫的候選內容,不應用來評分寫作者。
AV-FABLE 提出面向長影片稀疏視聽篡改的基準,並顯示分開的時間解碼器比語言輸出更能提取取證訊號。基準包含 16,650 對原始與篡改影片,總長 998 小時,並採用 27 種編輯配置;視聽大型語言模型的零樣本提示在篡改偵測上接近隨機水平。NFSR 以分開的音訊和視覺時間解碼器讀取凍結的感知特徵,在同分佈及三種分佈外設定中均取得最佳視聽定位表現,基準、程式碼和模型權重將公開發布。
PreView 透過輔助預處理器改善 GUI 定位,為定位模型準備任務相關的裁剪及放大視圖,以及候選目標的視覺和文字線索。輕量輔助模型負責準備輸入,定位模型則保持凍結;PreView 在五個基準和三個定位模型上接受評估。
Google Research 介紹其結核病篩查工作,從胸部 X 光 AI 工具的臨牀部署,延伸至 MedGemma、MedSigLIP 等開放模型。合作方 Nexus AI 的工具已在六個國家約 40 間醫療機構運作,超過 90 名臨牀人員評估逾 25,000 張胸部 X 光影像,將處理時間由數週縮短至不足 45 秒。
推薦理由:文章串連臨牀驗證、監管認證與多國部署案例,呈現胸部 X 光篩查工具從研究成果走向醫療現場所需的合作與落地環節。
Kimi Code 已全面推出 K3.1 Pro 系列,包括 K3.1 Pro 和 K3.1 Pro Highspeed,較高級會員方案最高支援 1M 上下文窗口。Highspeed 具備相同模型能力,輸出速度約為 K3.1 Pro 的 2–3×,配額用量則約為 2×。兩款模型只支援思考模式;切換模型或思考強度會使上下文快取失效,建議在新會話中切換。
MiniMax 於 10 月 23 日公開 M3.1 Flash 的 428B 權重;模型採 MoE 架構,每個 token 啟用 23B 參數,支援 1M-token 上下文及文字、圖像、影片輸入,面向編碼與 Agent。
Fable 5.1 如何在圖片中隱藏訊息?提供的內容只有標題,未交代其方法、技術細節或相關數據。
HEALTHY-AMS 邁之健智戒於 2026 年 10 月上市,主打整夜連續佩戴及睡眠監測。戒指可全天記錄心率、血氧、體温與睡眠數據,並自動識別深睡、淺睡和清醒時長;官方定價 1299 元,自簽收之日起提供 12 個月免費保修。
赤子城科技旗下 TopTop 與 Viggle 合作推出 3D 互動遊戲「Slap Showdown」,以 Viggle 自研 JST 世界模型讓用戶上載照片生成自訂 3D 角色參與對戰。Viggle 於 10 月 19 日全量上線 JST-2,生成 3D 場景約需一秒,單次推理成本不到一美分。遊戲完局率達 97%,並已覆蓋全球多個國家和地區。
跨模態知識蒸餾可讓深海探索棲息地以低功耗感測器學習高耗能感測器提供的資訊,支援自主、長時間運作。文章比較 logit 蒸餾、特徵蒸餾及跨模態對比蒸餾,並分享以 PyTorch 建立教師—學生感知流程的實驗做法;作者指出,聲納與光學影像的模態差異會令直接特徵匹配效果不佳。
流出的測試顯示,Kimi K3.1 在 Three.js 和 3D 生成任務表現突出,生成同等複雜度的 3D 程式碼所耗用的 Token 僅為海外頂級模型的幾十分之一。文中稱,其成本約為 Kimi K3 的 70%,僅為 GPT-6 Astra 的 1/14,並有用戶以 15 分鐘生成互動式 3D 直升機模型。測試亦指出,模型生成的長頸鹿奔跑動作仍不自然。
OpenAI 宣佈 Decisions API 正式開放一般使用,並加入語音與視覺模態,成為 Jev 的競爭對手。輸入費用為 $0.10/1M input tokens,輸出 tokens 不收費。