跳到正文
11月20日週五
  1. 阿里雲開發者社區 AI25

    阿里雲大模型能力體系解讀:一站式 AI 落地的產品矩陣與技術支撐

    阿里雲大模型能力體系以分層架構整合多模態模型、統一接入與計費平台、應用方案及彈性算力,支援企業構建 AI 應用。千問 AI 平台-Token Plan 統一模型接入和 Token 計量,函數計算 FC 則以彈性算力支援推理;應用模板和行業方案封裝提示詞工程、上下文管理及工具調用編排等共性工作。

  2. 阿里雲開發者社區 AI38

    大模型多場景使用手冊:文生圖、語音生成、文生文與 AI 編碼的技術路線比較

    文章比較文生圖、語音生成、文生文與 AI 編碼四類大模型應用的負載特徵及技術路線,指出它們分別側重顯存與單張耗時、首字節延遲、上下文與吞吐,以及長程推理和工具調用。四類場景可共用服務化、彈性伸縮及可觀測性,但冷啟動、流式輸出、分流和任務編排等環節須按場景設計。選型應依實測基線與流量結構配置預留及彈性資源,並按延遲要求和業務價值平衡體驗與成本。

  3. CNET48

    Siri 即將可回答 iPad 螢幕上顯示的內容

    Apple 將在 iPadOS 27.3 為 iPad 加入 Siri 視覺功能,讓用戶可詢問畫面或鏡頭中的物件。更新目前正進行 beta 測試,預計於 12 月向公眾推出。新功能亦包括雙擊視窗頂部調整大小,以及在 Freeform 以文字描述生成形狀、直接在 Pixelmator Pro 編輯圖片;後兩項功能須訂閲 Apple Creator Studio。

  4. DEV Community15

    Physical AI Engineering — 第10章:醫療與以人為本的 Physical AI

    《Physical AI Engineering》第10章探討醫療及以人為本的 Physical AI,並以醫療機械人為例,説明 Physical AI 如何整合感知、推理、精準操作及臨牀知識,支援診斷、治療、復康和病人監察。醫療機械人旨在輔助而非取代醫護人員,並透過融合多種感測資訊,提升臨牀情境理解。

  5. Prime Intellect51

    Prime Intellect 回顧 2026 年 RL Residency 研究成果

    Prime Intellect 回顧 RL Residency 在 2026 年支持的開放研究成果,分為評測、訓練環境和其他研究三類。項目涵蓋 Maze Bench、OpenTTD-Bench、PretrainGym、AerialSim 等;Maze Bench 中,當前最佳大語言模型在不使用編碼工具時準確率最高為 16%,使用編碼工具時最高為 23%。

  6. LlamaIndex:產品、工程與評測53

    ParseBench-2 如何建立文件解析評測基準

    ParseBench-2 將文件解析評測分為六個維度,並透過嚴重程度政策設定不同錯誤對分數的影響。六個測試套件涵蓋330種錯誤及良性變化,基準包含4,317個頁面案例。Metric Lab 允許用戶調整維度權重、錯誤嚴重度及錯誤分類;作者指出,符合預設政策不代表評分與所有用戶的判斷一致,也不能證明可泛化至未見文件。

  7. DEV Community44

    COLD SWEAT:恐慌會加快倒數引信

    COLD SWEAT 是一款使用 Presage SmartSpectra SDK 的 3D 拆彈遊戲,透過網絡攝影機即時讀取玩家的脈搏和呼吸,並以此調節引信速度。玩家的緊張程度越高,引信燃燒越快;保持冷靜則可爭取更多時間。遊戲亦提供可選的 AI 炸彈設計功能,並以規則檢查器驗證設計。

  8. BBC Technology72

    荷蘭私隱監管機構呼籲民眾不要購買 AI 智能眼鏡

    荷蘭私隱監管機構 AP 呼籲民眾不要購買智能眼鏡,稱測試發現 AI 可能在關鍵情境中提供錯誤資訊。該機構測試了荷蘭市場上的六款產品,發現它們曾錯誤提供兒童約會建議、讀錯藥品指示,並謊稱救護車已出發。該機構沒有要求禁售,亦未公開受測品牌;測試另發現錄影指示燈可被遮擋、部分產品有安全漏洞,錄得資料往往傳送至 EU 以外。

11月19日週四
  1. DEV Community49

    Neat 的會議室 AI 應在哪些裝置上運行

    Neat 的 Tormod Ree 指出,會議室 AI 中對時間敏感的音訊及影片處理應在裝置上運行,考量次序為時效、私隱和成本。Neat 採用邊緣與雲端混合架構:即時鏡頭取景及咪高峯混音留在房間硬件上,較不趕時間的音訊摘要則可在雲端處理。現時取景決策仍主要依靠確定性規則,Ree 認為須待訓練模型能在現有裝置上勝過規則後才轉用。

  2. 阿里雲開發者社區 AI32

    多模態資訊處理技術落地:AI 識別與內容生成如何提升線上課堂體驗

    多模態 AI 將線上課堂中的語音、圖像與文本統一識別、理解及生成,讓課堂內容可搜尋、重用和互動,減少教與學之間的資訊損耗。工程實作涵蓋語音轉寫、視覺理解、內容切片,以及字幕翻譯、課堂摘要、課件生成和智能答疑;實時字幕採流式處理、摘要採異步處理、問答採同步處理,並按任務選擇模型規格。

  3. DoNews37

    理想汽車上線菁彩聲 Audio Vivid 車載功能

    理想汽車正式上線菁彩聲(Audio Vivid)車載音頻功能,標誌着國內首個國家級三維聲標準在智能汽車端落地。該技術由 UWA 聯盟制定,是全球首個基於 AI 的三維聲編解碼標準,支援聲音對象的精準空間定位與動態渲染;網易雲音樂、汽水音樂及喜馬拉雅等車機應用已適配 Audio Vivid 內容。

  4. 阿里雲開發者社區 AI36

    從文生圖到語音生成:阿里雲函數計算如何承載多類 AIGC 模型的 Serverless 實踐

    阿里雲函數計算(FC)以 Serverless GPU 承載文生圖、語音合成及大語言模型推理等多類 AIGC 負載,按請求調度實例,並以獨立函數和容器鏡像隔離模型環境。文章説明權重存放於對象存儲、冷啟動優化及按業務需求配置預熱實例與並發,讓團隊按量承接負載波動。

  5. 阿里雲開發者社區 AI40

    Qwen3.8-Flash 技術解析:混合稀疏注意力、百萬級長文本與 API 接入教學

    Qwen3.8-Flash採用GDN+QSA混合稀疏注意力等架構,支援百萬級上下文;原文稱在百萬上下文場景下,文件預填充速度提升7倍以上。模型另有51B規模的N-gram嵌入查表參數,並強化編程、Agent工具調用及多模態理解能力。它兼容OpenAI與Anthropic協議,亦可透過雲端API或開源權重本地部署。

  6. 阿里雲開發者社區 AI28

    Qwen3.8-Max 開發者實戰:多模態能力解析、長週期智能體搭建與程式碼調用完整教學

    Qwen3.8-Max 開發者實戰教學涵蓋多模態能力、長週期智能體搭建及 API 程式碼接入。模型採用 MoE 架構,總參數量為 2.4萬億,推理時動態激活 950億參數,支援百萬 Token 上下文窗口。用戶可經百煉平台 API 調用,亦可依託開源權重作私有化部署。

  7. 阿里雲開發者社區 AI45

    阿里雲千問大模型完整指南:由註冊開通到免費額度,Qwen 系列能力解析與優惠購買攻略

    阿里雲千問大模型指南梳理由註冊、開通阿里雲百煉到建立 API Key 的接入流程,並介紹 Qwen 系列模型能力及優惠。新用戶每個模型可獲 100 萬 Token 免費額度,涵蓋 70+ 個模型、總額超 7000 萬 Token,有效期為開通後 90 天;Token Plan 個人版月費由 39 元起,新客首購低至 5 折。

  8. 阿里雲開發者社區 AI45

    阿里雲千問大模型詳解:Qwen 系列能力、適用場景與優惠購買指南

    阿里雲千問(Qwen)涵蓋文字、圖片、音訊及影片等全模態能力,並可透過百煉平台一站式調用。Qwen3.8-Max採用2.4萬億參數MoE架構,上下文長度為100萬Token;Qwen4-Max預覽版支援1M上下文,預覽期至11月25日。Token Plan個人版月費由39元起,新客首購可享半價,另有夜間折扣及新用戶免費額度。

  9. 阿里雲開發者社區 AI34

    構建企業級 AI 智能監督系統:多模態即時分析與風險預警實踐

    方案提出構建企業級 AI 智能監督系統,以分層架構接入影片流並進行即時推理,支援目標檢測、OCR 識別及規則聯動預警。系統透過時間窗口平滑和冷卻機制合併重複事件,並將告警連同截圖及軌跡座標用於自動建立工單。文章亦説明邊緣部署、私隱脱敏及使用新標註數據微調等優化做法。

  10. 阿里雲開發者社區 AI49

    Qwen3.8-Flash 技術全解:稀疏注意力機制、百萬級長文本與 API 對接實戰

    Qwen3.8-Flash 採用 GDN+QSA 混合稀疏注意力機制,原生支援百萬 Token 上下文窗口,文檔預填充速度提升 7 倍以上。模型亦採用四分支門控殘差及 51B 規模的 N-gram 嵌入查表參數,並支援 OpenAI 與 Anthropic 協議。開發者可透過雲端 API 使用,或下載開源權重在本地 GPU 部署。

  11. HuggingFace Daily Papers(社區熱門論文)42

    AVTR:以視覺想像實現自適應多模態推理

    AVTR 結合生成式視覺反思與文字推理,並按輸入內容學習選擇推理方式,以適應不同的感知與推理需求。在 16 項基準測試中,AVTR 較 Qwen3.5 基線平均提升 4.5 分,同時將推理延遲降低 33%。擴展至較小規模的骨幹模型時,AVTR 亦勝過受評估的 2B 規模基線。

  12. 阿里雲開發者社區 AI23

    構建高效施工質量 AI 遠程監督系統:從多模態識別到雲端協同實踐

    這套施工質量 AI 遠程監督系統採用雲邊協同架構,由工地邊緣節點即時識別缺陷,雲端負責分析、儲存與跨項目管控。系統支援 RTSP 影片流接入,以 TensorRT 加速推理,並透過 MQTT 傳輸告警,推理延遲控制在 50ms 以內。方案涵蓋混凝土裂縫、鋼筋間距超標及模板支撐失穩等問題,並可生成整改工單。

  13. 阿里雲開發者社區 AI69

    阿里雲 Qwen4-Max 模型定位、特徵、能力及適用場景解析

    文章將 Qwen4-Max 定位為面向專業工作場景的新一代旗艦多模態智能體基座模型,並解析其架構、能力及適用場景。文中稱模型總參數為 2.4T、每次推理啟用 71B 參數,支援 1M Token 上下文及 Live Delivery 漸進式交付。在 Work360 評測中,文中列出的單項任務平均費用由 26.58 元降至 11.16 元,降幅為 58%。

  14. DEV Community54

    音訊轉 MIDI 解説:為何單聲部容易、整首歌曲困難(附 Python 範例)

    單聲部音訊轉 MIDI 可用約 30 行 Python 程式處理;完整混音因多個音符的泛音互相重疊,較難轉成乾淨的 MIDI。文章以 librosa 的 pYIN 追蹤音高,並用 pretty_midi 寫入 MIDI;顫音、滑音及短子音可能造成錯誤或切碎的音符。對完整歌曲,文中建議先分離人聲、低音等音軌再逐一轉錄,輸出仍需在 DAW piano roll 修整。