Suno推出与Warner、BMG和Believe共同打造的v6音乐模型
Suno推出了与华纳音乐集团、BMG和Believe共同打造的新一代人工智能音乐模型v6，分为三个版本。所有旧型号都将被关闭。现在可以通过文本命令部分更改歌曲，也可以从文本、音频和图像多模式生成歌曲。该公司不愿透露哪些目录已进入培训阶段，而环球影业和索尼则继续起诉。Suno推出了由Warner、BMG和Believe构建的v6音乐模型的文章首先出现在The
多模态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
已收录 293 条 · 近 30 天 218 条 · 第 11 / 13 页
-
-
蚂蚁阿福与河北肿瘤医院在癌症领域取得研究突破：用AI提前预测胃癌术后风险
近日，肿瘤学顶级期刊 Annals of Oncology 接收了一项来自中国的研究：人工智能模型 DeepComp 可以在胃癌手术开始之前，利用常规增强 CT 与常规临床资料，同时预测患者术后发生中重度并发症的概率与长期生存风险。 这是同一支团队近期登上顶级期刊的第三项研究。另外两项研究 ——预测胃癌术后早期复发的 RSA 模型、预测术后肝转移的 RCSA
-
SkyProduction限免活动第二期：MiniMax H3会员限时免费无限用！
8月28日-9月1日，SkyProduction（天工工作台）联合阿里巴巴通义万相，推出了Wan 3.0模型限时免费活动
-
ECCV 2026 专访：让大模型「忘掉XYZ」，RoboTracer 用 3D 空间感知与度量推理重塑机器人轨迹追踪
用像素坐标加绝对深度表示轨迹，换本体不必重训模型。 作者丨 张 璐 编辑丨 幸丽娟 试想，对一个家庭服务机器人下达指令： 拿水壶从左到右依次给花浇水，喷头需悬停在每朵花上方 1 到 5 厘米处。 这个指令看似日常，对现在的具身系统却很苛刻：既要分清花的左右顺序，又要把喷头停在每朵花上方约 1–5 厘米。 2D 轨迹一旦深度估错，喷头要么砸到花盆，要么对着空气
-
7 篇 ECCV 论文！极佳视界联合顶尖高校，打通空间智能从「看得稳」到「摸得准」再到「决策灵」的落地瓶颈
以推理决策与物理重建，让空间智能从生成走向因果交互。 作者丨 张 璐 编辑丨 幸丽娟 在生成式 AI 的演进历程中，从二维像素走向三维物理世界，是人工智能迈向现实落地的必经之路。 以 3D Gaussian Splatting、Sora 级视频生成以及多模态大模型为代表的技术，曾让行业看到了空间智能的巨大潜力。然而，当这些原本运行在数字世界中的算法尝试走向真
-
腾讯混元、清华、南洋理工联手，「以小博大」破解空间智能算力与记忆断裂难题 | ECCV 2026
Spatial-TTT 给 2B 模型装上“流式空间记忆” ，在空间基准上超越 GPT-5。 作者丨 张 璐 编辑丨 幸丽娟 单纯拉长上下文，可以解决“能塞进多少信息”的问题。但面对状态变化、时序关联这类长程任务时，注意力还是容易被稀释，关键证据也容易找不回来。 当场景扩展到具身机器人、自动驾驶和智能硬件这些需要与三维物理世界实时交互的领域时，这一矛盾被进一
-
介绍ChatGPT Images 2.5
引入ChatGPT Images 2.5 OpenAI的图像生成模型显然“在ChatGPT Images和API中的GPT-Image模型中使用了超过30亿张图像”。这个最新版本提高了他们在多个转弯中的描述跟踪能力，响应更快，并且“更好地保留参考照片中的主题”。API中有两个新的型号ID：gtt-Image-2.5-朝阳和gtt-Image-2.5-flar
-
TANGO：采用全身视觉-语言-动作模型在混乱环境中进行人形导航
作者：李安琪，陈宇昕，李兆波|我们研究使用人形机器人在混乱的室内环境中导航的问题。与将导航建模为2D路径规划问题的传统方法不同，在杂乱环境中的人形遍历需要连续的几何感知全身适应，包括协调的手臂放置、躯干调整和步态调制，以实现通过复杂3D空间的无碰撞移动
-
将图像令牌器作为统一多模式模型中的视觉语言进行研究
作者：李思婷、王正洋、杜少蕾|图像标记器定义了统一多模式模型的“视觉语言”，但通常通过孤立的指标或仅生成/理解的评估来研究。这些评估并没有完全捕捉视觉标记在与文本联合建模时的行为。我们构建了一个受控的纯自回归测试台，并在多模式连续预训练期间跟踪特定任务的验证损失
-
NOAH：学习完整的患者旅程。纵向多模态时间感知模型的表示和预测
作者：Tobias Susetzky、Raphael Thomms、Dmitrii Seletkov|医疗保健的数字化在一生中产生了大量的、纵向的、多模式的患者记录，但充分利用这些数据来表示和预测患者状态轨迹仍然是一个严峻的挑战。当前的人工智能模型常常难以捕捉现实世界多模式患者数据的复杂、不规则的时间动态和固有的随机性。现有的人工智能方法
-
感谢用GPT-6搓3D的！燃烧自己的token换来一次全体重置
Blender也不用学了
-
Qwen-Drive 1.0告诉您为什么它刹车，只是不要指望解释与操纵相匹配
阿里巴巴的研究部门发布了Qwen-Drive 1.0，这是一个人工智能模型，可以在一个系统中处理环境感知，交通问答和路线规划。研究人员表明，文本图像模型不能自动理解三维空间。空间意识必须有目的地训练。我们的目标是一个单一的模型，既运行驾驶舱和驾驶系统。Qwen-Drive 1.0文章告诉您为什么它会刹车，只是不要指望解释会与The Decoder上首先出现的
-
H公司发布NeoMCC：一个由2.6亿和8亿个单塔多模式编码器组成的系列，放弃Vision Tower和Causal Decoder
我们来看看NeoMCC，这是H Company的一个由260 M和800 M双向编码器组成的系列。与ColPali风格的检索器不同，它在单个Transformer中处理多语言文本标记和原始32 x 32图像补丁，没有预先训练的视觉塔，也没有因果解码器。我们涵盖了掩蔽离散扩散预训练目标，双重密集和后期交互检索头，以及ViDoRe v3结果，其中260M模型达到
-
Google的WeatherNext 3抛弃了物理模拟，直接从实时卫星数据中学习天气
Google Research和DeepMind正在发布WeatherNext 3，这是一个天气模型，跳过传统的物理模拟，直接从实时卫星数据中学习。它以高达五公里的分辨率生成每小时的预报，比其前身详细五倍。谷歌表示，非洲、拉丁美洲和亚太地区缺乏准确预测的地区应该会获得最大的收益。谷歌的WeatherNext 3放弃物理模拟并直接从实时卫星数据学习天气的文章首
-
谷歌通过其新的Lyria 3.5型号将人工智能音乐生成直接带入Gemini应用程序
谷歌已在Gemini应用程序中并通过API发布了Lyria 3.5音乐模型。该模型承诺提供更富有表现力的人声和更丰富的编曲，也可以通过Flow Music、AI Studio和Google Vids提供。谷歌表示，它仅接受了授权内容的培训。文章谷歌将人工智能音乐生成直接带入Gemini应用程序，其新的Lyria 3.5型号首次出现在The Decoder上。
-
为开发人员推出GPT-6 Astra
为开发者介绍GPT-6 Astra眨眼你会错过它，但1 m 59 s有一个熟悉的生物：总体而言，Astra更注重细节，更好地理解用户的提示，并且可以构建更复杂的输出。特别是，它擅长构建3D模型。我见过它制作出令人难以置信的花园、造船厂、动物、城市景观，甚至戴森球的效果图。阿斯特拉真的相信在骑自行车的鹈鹕身上戴上红领巾。通过Hacker News评论标签：ai