最新精選 第 121–140 條 · 共 217 條 01:59 Meta AI:Research Blog · 01:59 精選AI 評分 76 76 Meta 發佈多模態推理模型 Muse Spark 1.1,稱其較 Muse Spark 在工具與電腦操作、編碼及多模態理解方面均有重大提升。模型可協調多個子智能體並管理 1 million tokens 的上下文窗口;開發者現可透過公開預覽中的 Meta Model API 使用,Meta AI app 和 meta.ai 亦提供 Thinking 模式。
推薦理由:Muse Spark 1.1 聚焦智能體工作流,涵蓋多智能體協作、電腦操作與 1 million tokens 上下文,並透過 Meta Model API 開放公開預覽。
22:00 Microsoft Research · 22:00 精選AI 評分 61 61 Microsoft Research 介紹 Quine,一個結合生物學多模態世界模型與互動式研究流程的 AI 研究系統,並開放首屆 Quine Fellows 計劃申請。
推薦理由:Quine 將跨生物模態的世界模型接入文獻、科研工具與實驗迴圈,並以胰臟癌細胞狀態轉換案例展示預測如何進入濕實驗驗證。
14:30 Latent Space · 14:30 精選AI 評分 84 84 小米推出 MiMo-V2.6-Pro,該模型在 Artificial Analysis Intelligence Index 得 46 分,排名開放權重模型首位。
推薦理由:文中並列模型榜單、RL 訓練成本與將開源的環境配方,呈現這次發佈由模型權重延伸至後訓練流程的技術脈絡。
10:01 gihyo.jp · 10:01 精選AI 評分 79 79 Google 於 2026 年 9 月 15 日發佈語音對話模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,兩者可在持續對話時理解視覺資訊及非同步呼叫外部工具。
推薦理由:兩款模型分別面向快速、具成本效益的語音智能體與複雜多步任務,並可在不中斷對話下呼叫工具,清楚區分兩者的適用場景。
00:11 Google DeepMind · 00:11 精選AI 評分 70 70 Google DeepMind 推出 Gemini Omni 1.1 Flash,為影片生成加入場景延伸、首尾幀控制、影片參考輸入及 1080p 或 4K 輸出。
推薦理由:場景延伸可分析最多10秒的既有影片,並以10秒增量延長至累計40秒;配合首尾幀指定,呈現更長影片創作中的控制方式。
13:17 gihyo.jp · 13:17 精選AI 評分 76 76 Google 於 2026 年 8 月 14 日發佈 Gemini 3.7 Flash,提升編碼、AI 智能體、Web 開發及專業業務流程的處理能力。
推薦理由:文章並列 Gemini 3.7 Flash 與前代的編碼基準,並交代上下文規格、API 價格和安全評估,可一併掌握能力變化與使用條件。
22:01 Google DeepMind · 22:01 精選AI 評分 79 79 Google DeepMind 發佈 SL2T 多語言手語轉文字模型,為 Gboard 和 Live Transcribe 帶來手語轉文字功能,首階段支援 ASL 至英文。
推薦理由:SL2T 以簽署者的身體姿態座標直接翻譯成文字,原始影片會即時丟棄,呈現其輸入處理方式與私隱保護設計。
01:04 Google Research · 01:04 精選AI 評分 68 68 Google Research 展示基於 Gemini 和 Project Astra 的 AMIE (Video),在模擬即時視像會診中,核心臨牀能力獲評與基層醫生相當。
推薦理由:研究以 300 場模擬視像會診比較 AMIE (Video)、文字版 AMIE 與基層醫生,呈現視聽感知和虛擬檢查的表現差異,並交代病人演員研究的適用邊界。
08:00 Hugging Face Blog · 08:00 精選AI 評分 77 77 Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。
推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。
20:00 Mistral AI · 20:00 精選AI 評分 62 62 Mistral AI 發佈 Shieldstral,一款 3B 開放權重多模態安全分類器,可用自然語言政策評估文字與圖像,無須重新訓練。它將內容審核設計為可在推理時指定政策的二元問答,並輸出校準後的安全分數;Mistral 稱其在多項基準上匹配或超越模型規模最高達其 7x 的開放權重安全模型。
推薦理由:將審核政策置於推理時的自然語言問題中,使同一個 3B 模型可按部署情境調整文字與圖像判斷,無須重新訓練。
15:28 gihyo.jp · 15:28 精選AI 評分 77 77 Alibaba Qwen 於 2026年8月3日正式發佈 Qwen3.8-Max,稱其為 Qwen 家族迄今效能最高的模型。該模型以 Qwen 3.5 架構為基礎,活躍參數量為 950億,最高可擴展至 2.4T 參數;公司稱它在多個領域的基準測試中,表現達到或超越部分競品旗艦模型。
推薦理由:文章並列阿里巴巴自測的多領域基準結果、QwenCloud API 價格和下週開放權重安排,讓效能比較與使用條件一併呈現。
23:00 Google DeepMind · 23:00 精選AI 評分 66 66 Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。
推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。
21:21 Google DeepMind · 21:21 精選AI 評分 69 69 Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。
推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。
23:16 Google DeepMind · 23:16 精選AI 評分 78 78 Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由:文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標,並説明 Cyber 模型將透過有限試點提供,呈現不同工作負載的部署差異。
15:00 gihyo.jp · 15:00 精選AI 評分 76 76 Thinking Machines Lab 於 2026年7月15日發佈首個 AI 模型 Inkling,公開模型權重,支援文字、圖像及語音輸入並以文字輸出。
推薦理由:Inkling 可按任務連續調整推理用量,降低成本與等待時間,或為較難任務分配更多推理資源,呈現推理開銷與任務需求之間的可調取捨。
08:00 Moonshot AI:Kimi Blog · 08:00 精選AI 評分 84 84 Moonshot AI 發佈 Kimi K3,稱其為全球首個開放 3T 級模型;它有 2.8T 參數、原生視覺能力及 1-million-token 上下文窗口。
推薦理由:資料披露 Kimi K3 相較 Kimi K2 的整體擴展效率提升約 2.5×,並交代其整體表現仍落後最強的專有模型。
10:57 gihyo.jp · 10:57 精選AI 評分 84 84 Anthropic 於 2026 年 6 月 9 日開始一般提供 Claude Fable 5,並稱其在軟件工程、知識工作、科學研究及圖像理解方面表現突出,長而複雜的任務中領先幅度更大。
推薦理由:文章並列 Claude Fable 5 與 Claude Mythos 5 的適用對象和安全處理,亦交代訂閲期限及 API 價格,呈現一般提供與受限提供的差異。
22:10 Google DeepMind · 22:10 精選AI 評分 72 72 Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。
推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。
18:46 Hugging Face Blog · 18:46 精選AI 評分 70 70 編碼智能體串接兩個 Hugging Face Spaces,生成巴黎地標圖像及 3D Gaussian splats,並將畫廊部署為靜態 Space mishig/monuments-de-paris。
推薦理由:案例展示了透過 Hugging Face Spaces 的 agents.md 串接圖像生成與單圖 3D 重建,並以各一句提示複用到日本及埃及主題畫廊,呈現多媒體工作流的可遷移性。
02:57 Hugging Face Blog · 02:57 精選AI 評分 62 62 NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。
推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。
上一頁 1 … 5 6 7 8 9 … 11 下一頁