iPhone Duo 上逛淘寶更方便:商品大圖一屏看清,AI 試衣更便利
淘寶宣佈為 iPhone Duo 全面適配購物流程,涵蓋搜尋、商品瀏覽、客服溝通及下單支付。橫向瀏覽商品時,頁面採左右分屏設計;搜尋列表一屏最多顯示4列商品。AI 試衣亦支援分屏查看試穿效果及挑選衣物和鞋子,方便對照搭配。
淘寶宣佈為 iPhone Duo 全面適配購物流程,涵蓋搜尋、商品瀏覽、客服溝通及下單支付。橫向瀏覽商品時,頁面採左右分屏設計;搜尋列表一屏最多顯示4列商品。AI 試衣亦支援分屏查看試穿效果及挑選衣物和鞋子,方便對照搭配。
中國移動牽頭建設的國家人工智能應用中試基地(製造領域汽車方向)發布業內首個汽車行業 AI 基座,並即日起向全行業開放共享。基座已納管112.7EFLOPS算力,提供算力、數據及模型服務,覆蓋研發、製造、智能駕駛及測評四大領域,並打造六大智能體。成果已在十餘家央國車企落地;其中,視覺質檢智能體將缺陷檢出率提升至99.5%以上,產線適配時間由4周縮至1周。
多模態內容透過圖片替代文字、説明文字,以及影片標題、簡介、字幕和章節標記,協助生成式引擎理解內容;圖片直接被引用的情況目前相對有限。清晰一致的文字訊號配合內容傳播、自然提及和連結,可間接增加內容被發現及納入文字答案的機會。文章建議以文字為主,按行業和用戶需要選用其他形式,並確保內容有實質資訊。
微光科技完成近億元人民幣 A 輪融資,由梁創投領投,洪泰基金等機構跟投。公司專注多模態情境感知和交互智能體,核心產品為輕量化、模組化 AR 智能眼鏡。旗下玄景 L5 模組化 AR 智能近視鏡預計於 11 月初發布。
Kimi K3.1 傳出在 3D 圖形與前端任務的測試中表現突出,並以程式碼生成可互動的 3D 場景。文章稱,它生成《我的世界》建築的成本約為 GPT-6 Astra 的 1/14,並有網友稱 15 分鐘完成了互動式 3D 直升機模型。Kimi K3.1 尚未正式發布,文中所述表現來自實測及網上流傳案例。
奇瑞以自研垂類基礎大模型 CheryMind、紫微芯片及跨場景應用,將 AI 能力沉澱為可複用底座,並拓展至 Robotaxi、機械人和農機等領域。CheryMind 已打通 400+ 個企業系統,員工每日使用 6 萬+,覆蓋 200+ 個業務場景。
潮玩產業正由售賣玩具轉向提供情緒價值與陪伴,能引發消費者共鳴的玩具更受歡迎。10月23日閉幕的2026CTE中國玩具展聚焦全鏈路IP創新、頭部品牌新品首發及AI技術落地,吸引超2500家展商及10萬名專業觀眾。樂唯科技的AI陪伴產品可提供多模態感知、語言交流、遠程看護及健康預警等功能。
奇瑞以 CheryMind 垂直領域基礎大模型、自研紫微芯片和可復用技術底座重構造車流程,並把相關能力延伸至汽車以外的場景。CheryMind 以奇瑞近 30 年積累的 700TB 企業知識、200PB 工程數據等為支撐;高新華稱,工程師仿真優化效率提升 42 倍。共享的模型、芯片、數據與工程能力亦延伸至 Robotaxi、機器人、能源及農機等領域。
聲網創始人兼 CEO 趙斌在 iRTE2026 提出「五級對話能力」框架,描繪對話式 AI 從問答走向理解個人、羣體及長期關係的演進方向。他指出,AI 正由被動回應發展至更主動的全雙工對話,並需要理解上下文及執行任務。聲網介紹以全雙工互動為核心的對話式 AI 引擎,以及面向開發者的 SDK、Skills、CLI 工具和 Recipes。
深圳微光電子科技有限公司完成近億元 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等跟投。微光科技專注多模態情境感知與交互智能體研發,主打輕量化、模組化 AR 智能眼鏡,並佈局 Ego-XR 數據採集與解析技術。融資將用於核心技術研發與產品量產。
MiniMax 於10月23日開源 M3.1 Flash 權重,沐曦曦雲 C 系列 GPU 同日完成 Day 0 深度適配。模型總參數428B、激活參數23B,支援1M上下文窗口及圖像、影片輸入。MiniMax 官方披露,線上推理速度較前代提升近3倍,Agent 任務綜合 Token 使用成本下降70%;Day 0 適配依託沐曦自主 GPU 與 MXMACA 全棧軟件棧。
AI 教培智能體技術框架涵蓋感知接入、大腦推理、教學動作執行、知識與儲存支撐,以及安全與運維保障五個層級。框架支援語音交互、多模態識別、教學策略引擎及多智能體協作,應用於個人化、專業化的英語教學。
WeVisOne-VL 透過結構化 token 預測統一物件層級與像素層級的視覺感知,支援物件偵測、定位、計數、OCR、分割及摳圖。模型採用輕量級像素解碼器及多階段訓練,在逾 30 項基準測試中,物件層級與像素層級任務均表現領先,並能穩健拒絕物件不存在的查詢。團隊將 WeVisOne-VL 開源。
美國俄亥俄州立大學團隊開發 Scentronic 遠程氣味傳輸系統,透過網絡傳送氣味數據,並由穿戴設備霧化釋放香氛微粒。測試以蛋糕、咖啡、橙子、紅酒和啤酒五種氣味進行,16名志願者均能準確分辨。系統仍處於原型實驗階段,可復刻的氣味種類有限,距離商用尚遠。
上海市經濟和信息化委員會印發《上海市加快推動人工智能賦能工業服務業高質量發展行動方案(2027-2028年)》,鼓勵企業佈局物理 AI,突破世界模型構建、多模態物理感知、虛實交互與自主決策等核心技術。方案亦支持工業智能體及工業軟件技術攻關,相關項目可獲最高2000萬元支持。
阿里雲百鍊 TokenPlan Lite 套餐限時售價 39 元/月(原價 60 元),每月提供 11,500 Credits,並支持 1–2 個併發 Agent。額度按訂閲月計算,用不完不結轉;額度用盡且沒有可用用量包時,服務會暫停。套餐目前僅支持華北2(北京)地域。
阿里雲百煉的 Qwen3.8-Max 是一款 2.4 萬億參數 MoE 旗艦模型,支援圖像、文本及影片輸入、文本輸出,最大上下文長度為 1,000,000 tokens。
LlamaIndex 推出視覺語言文件解析模型 OCRia-1,並已將其整合至 LlamaParse,現有用戶無需加價即可獲得這項解析能力。OCRia-1 在 ParseBench 綜合得分 87.4,在 350 億參數以下梯隊排名第一;其圖表專項得分 85.1。LlamaIndex 以超過 10 萬頁文件建立訓練數據集,並結合 SFT 與 RLVR 訓練。
F2G-Pose 以單張 RGB-D 影像直接預測類別級物體姿態、度量尺寸及相機座標系下的完整形狀,採用 DGCNN tokenization 和 Mixture-of-Experts Transformer。該方法在 SOPE 和 ROPE 上達到最先進準確度,僅作姿態推理時速度為 28 FPS。項目頁面、程式碼及預訓練模型均已公開。
研究人員提出影片中心深度研究報告生成任務,並建立評估 AI 智能體的 OmniDR-Bench 基準及 Omni Atomic Rubric Trees(Omni-ARTs)評估框架。OmniDR-Bench 涵蓋 19 個子類別的 50 項中英文任務,共設 6,414 項準則;18 種智能體配置中,最佳系統得分為 63.3/100。相關程式碼及數據已公開。
TTR-Compressor 以測試時回歸作為序列壓縮方法,透過輸入 token 建立回歸問題,並以擬合係數形成壓縮表示。在區塊式稀疏注意力中,它的 RULER 表現大幅勝過基於注意力的壓縮器;在視覺 token 合併中,它優於標準 MLP 合併器,並以少 55.6% 的視覺 token 達到相同性能。
AI女團憑低成本製作、持續演出和沒有私生活等特點迅速出圈,但BABYQUEEN以成員「懷孕」為由暫停行程的風波,暴露虛擬偶像難以建立真實陪伴感。文章指出,動作失真、粉絲不買帳和商業代言風險,令AI難以單靠取代真人團體成功;長遠仍須靠作品和可靠營運,並遵守直播監管要求。
Fireworks AI 已在無伺服器及按需部署中提供 Meta 的 Muse Glimmer 30B,模型面向可跨多輪執行工具呼叫並從失敗中恢復的常駐智能體。
Lenovo 上架小新 10.1 彩墨柔光版平板電腦,搭載聯發科技曦力 G300 處理器及 Android 17。平板配備 10.1 吋、2136×1280 解像度、120Hz 的防眩光 LCD 屏幕,並提供原色、彩紙、墨紙 3 種顯示模式。產品支援 AI 口語教練、拍照講題、百科問答及塗鴉生圖,另有隨附保護殼和手寫筆的趣學套裝型號。
研究提出因素感知預測學習(FAPL),讓影片擴散 Transformer 利用多模態大語言模型(MLLM)的表示,支援稀疏時間推理及電影感影片的因素控制。方法透過分階段訓練,分別加強 MLLM 潛在表示的生成應用、因素控制和時間推理。實驗顯示,FAPL 在稀疏輸入生成影片、因素感知編輯及多鏡頭生成三項任務中,表現持續優於基線方法。
OpenAI 宣佈全面開放基於 GPT-6 Luna 的 Decisions API,協助應用程式與智能體根據文本、圖像及結構化輸入,針對限定答案問題作出準即時決策。
OpenAI 全面開放基於 GPT-6 Luna 的 Decisions API,面向限定答案類問題,支援文字、圖像及結構化輸入的準即時決策。相較 Responses API,其回應速度提升達 10 倍;輸入每百萬 token 收費 0.10 美元(快取命中 0.01 美元),輸出免費。
ModelCompare 向 12 個文字模型各提問三次,35 個回答中有 29 個被歸為同一看法,即人類把羣體認同置於真相之前。其中 7 個模型三次作答均給出這類看法。六個圖像模型各生成兩張圖,12 張中有 10 張呈現沉迷手機的消費者與地球受損主題;文字模型的 35 個回答則沒有提到手機或地球。
Said Kaban 介紹其 Expo 模組 expo-ai-kit,讓 Expo/React Native 應用程式在手機本機執行 LLM、語音轉文字和視覺處理。
一項以 Embodied Agent Arena 評估前沿 VLM 智能體的實證研究發現,閉源權重模型在五個領域均領先,開放權重模型在規劃與操作方面的成功率明顯較低。評測涵蓋十個 VLM 智能體及 1,000 個案例,整合 32 個既有來源和 168 個案例的 GeoProbe。失誤包括幾何、控制及推理問題,增加計算量未能一致地解決這些失誤。
Falcon 是一個因果式音訊視訊目標説話者提取模型,利用目標説話者的嘴部影片,從嘈雜及重疊的語音中提取其聲音。論文提出 RealSSA 基準,涵蓋不同説話者數量、遠近場幹擾、混響及突發噪音,並包括模擬場景和保留的真實錄音評測集。
研究分析多模態大型語言模型的檢索頭,發現它們在音訊與視覺模態間仍然稀疏,且大部分共用。研究涵蓋 18 個模型檢查點;將共用檢索頭用於優化後,Qwen3-VL-8B 在 MMDocIR 的頁面 Recall@1 提升 6.03 分,並改善三個模型系列的文件檢索表現。
Ψ-0.6 是一個統一視覺語言世界模型,能在共享推理過程中自適應組合感知、語言、幾何與模擬,以提升空間推理及反事實模擬能力。它在多視角空間推理中零樣本超越領先的開放權重模型,並可透過幾何中間表示進一步提升表現。以任務回饋進行的強化學習可提升視覺問答準確度,且增益能遷移至未見過的基準測試。
LoCA 提出兩階段流程,以對比學習共同對齊 Sentinel-1 和 Sentinel-2 編碼器,建立高秩多模態目標,再訓練位置及表格中繼資料編碼器。與 5 種先進編碼器在 17 項地理空間任務比較,LoCA 贏得 68.8% 的逐項比較,並在過半任務中勝過所有其他模型。
OpenAI 向所有客戶開放 Decisions API,並在公開版本加入語音和視覺模態。團隊將 ChatGPT Luna 重新配置以加快推理和降低成本;OpenAI API 產品負責人 Nikunj Handa 表示,延遲由 1 至 3 秒縮短至 100、120 或 180 毫秒。Speak 表示,使用 Decisions API 後,動作間隔由 1.4 秒降至 .13 秒。
AirSketch 團隊在 HackGB 2026 用 24 小時打造 AI 智能白板,整合手勢控制、語音辨識及 AI 生成筆記。系統透過網絡攝影機追蹤手部動作以控制數碼畫布,並將口述內容轉成文字,再由生成式 AI 整理成結構化筆記。
文章比較 4 種估算一餐卡路里的方法,從手掌份量和參照物查表,到通用 AI 助手及照片記錄 App。文中提醒,這些方法得出的都是估算而非測量;若因健康原因需要精確數字,應稱量食物並諮詢營養師或醫生。作者開發的 Mealumo 僅限 iPhone,介面只有英文,並要求 iOS 26 或更新版本;照片分析需連接外部 AI 服務及互聯網。
VLM 智能體在 SpatialScout 基準的實地測試中,經 12 分鐘自主探索取得 71% 完整地圖分數,較靜態觀察基線高 18 個百分點。測試使用 3 B 參數的 LLaVA-Explore,位置 RMSE 為 0.18 m。SpatialScout 評估智能體的主動路點選擇、多模態融合及自我監督位姿修正能力。
Effort Budget 使用 Gemma 3 4B 分析房間照片,按用戶設定的時間預算挑選整理任務,並透過計時記錄修正各類任務所需時間。照片在用戶電腦上處理,不會儲存;整理前後的照片亦可用來檢查房間是否變得整齊。
EverBlog FridgeCal 智能顯示屏現減價 $160,售價 $249(原價 $409),可協助家庭管理日程和膳食規劃。這款 13.4 英寸顯示屏可同步多個日曆,亦可透過拍照盤點雪櫃食材、提供食譜點子和到期提醒。