Aleph Alpha发布Kolibri，这是一种开放重量模型，为欧洲人工智能主权辩护
Aleph Alpha发布了Kolibri，这是一个德英混合专家模型，具有780亿个参数，其中每个代币约有30亿个活跃参数。超过21%的训练数据是德语。该模型在德国和芬兰的768个B200图形处理器上进行了训练，重量可以在Apache 2.0许可下免费提供。Aleph Alpha发布了Kolibri这篇文章，这是一个开放重量模型，为欧洲人工智能主权辩护，首次
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 4 / 13 页
-
-
从扫描到治疗计划，人工智能帮助缩小乳腺癌最致命的差距
乳腺癌是美国女性最常诊断的癌症，但护理差距很大。大多数40岁以上的女性跳过建议的年度筛查。放射科医生正在用更少的同事阅读更多的乳房X光检查。当诊断结果到达时，为治疗提供信息的测试可能需要数周时间才能返回结果。[…]
-
我们在2026年9月公布的最新AI新闻
展示九月份人工智能更新的视频
-
Tavus的人工智能现场观看、聆听和交谈
另外：ChatGPT“点”值得升级到专业版吗？
-
黑森林实验室推出Flux 3 Image，具有多步编辑功能，无需使用图片的其余部分
黑森林实验室发布了Flux 3 Image，这是其Flux 3型号系列的图像侧。它支持多步骤编辑，而无需更改图像的其他部分，允许用户使用边界框和最多十个参考图像组成场景，并输出最高4K。开放式举重将在未来几周内举行。文章Black Forest Labs推出Flux 3 Image，具有多步编辑功能，无需使用您的照片的其余部分，首先出现在The Decode
-
近一半的测试对象在一分钟通话中将Tavus的AI视频化身误认为是真人
Tavus推出了Griffin，该公司称之为第一个“人类互动模型”。“人工智能实时进行视频通话，处理面部表情、语气和手势。在Tavus的一项研究中，48%的参与者在打了一分钟电话后相信格里芬是一个真实的人。之前的系统最大值为2%。文章近一半的测试对象在一分钟通话中将塔沃斯的人工智能视频化身误认为是真人，该文章首先出现在The Decoder上。
-
VISTA：互动世界中推理的视觉收件箱
作者：韩秋实，胡克亚，邱林璐|我们表明，多模式模型具有强大的推理能力，适当的工具可以释放它们在不同交互环境中解决任务的潜力。我们引入了VISTA，这是一种视觉工具，可以提供通用多模式模型的长期视野。VISTA允许模型通过视觉观察直接感知环境，并保持无损的视觉效果。
-
Ideogram表示，其新模型可以编辑图像的一部分，而不会弄乱其余部分
Ideogram的新模型Ideogram 4.5承诺只编辑你想要的区域，同时保持图像的其余部分不变。它具有原生2K分辨率，每张图像起价为0.8美分，Runway，Pika和Leonardo AI等合作伙伴已经加入。一个开放的重量释放计划。Ideogram的文章说，它的新模型可以编辑图像的一部分，而不会弄乱其余部分。
-
Kohere发布Embed 5：与Voyage 4 Large、Gemini Embeding 2和OpenAI相比
Kohere发布了Embed 5，这是一个新的嵌入模型家族。它针对企业搜索、RAG和代理检索。型号系列分2层发货。Embed 5 Pro的目标是最高的检索质量。Embed 5 Fast针对实时查询路径上的延迟和成本。两者都接受文本、图像以及融合文本加图像输入。[.]《Kohere发布的嵌入5：如何与Voyage 4 Large、Gemini Embeding
-
多模式临床诊断的排名感知提示优化
作者：田霞、刘明昊、梁亦青|多模态大型语言模型（MLLM）正在快速推进临床诊断，但其适应管道仍然以基于准确性的目标为基础。临床数据是严重的类别不平衡：一个恒定多数的预测可以得分超过90%的准确性，而临床上是无用的。因此，我们评估和优化AUROC，这是一种将积极与消极进行排名的无阈值评分
-
WorldAuditBench：具有多模式代理的交互式3D世界审计
作者：姜紫艳、杨静波、季家宝|随着交互式3D世界越来越多地用于研究智能行为，开发有效的管道来识别这些模拟环境中的异常变得非常重要，例如浮动对象，可穿越的墙壁或与周围场景不一致的对象。包括视觉语言模型（VLM）和视觉语言动作模型（VLA）在内的多模式人工智能系统已经表明
-
AI办公进入「上下文战争」，百度如何出牌？
上下文，正成为AI办公新的竞争变量。 “任何事情都可以成为用户的上下文。”在百度AI Day开放日接受雷峰网采访时，百度集团副总裁、个人超级智能事业群组（PSIG）总裁王颖表示， 过往的历史积累、沉淀的文件资产，以及与同事之间的对话，都是上下文的重要组成部分。 当AI办公迈入上下文竞争阶段，各家手里的优势也各不相同： 有的来自企业协作场景，消息、文档、会议天
-
从海拉鲁到现实世界：视频模型如何理解「变化」
HiDream-O1-Video 的三场世界回应测试。 作者丨Reah 编辑丨李 娜 在《塞尔达传说：旷野之息》中，玩家点燃一片草地，火焰会沿着草叶蔓延，热空气随之升起。此时展开滑翔帆，林克便能借助上升气流离开地面。雷雨中装备金属武器可能招来闪电，降雨又会让攀爬变得困难。海拉鲁并没有追求照片级的视觉拟真，却通过一组稳定、可组合的规则，让玩家感受到一个世界正在
-
Manus 2.0回来了！给AI配手机号和钱包，还能拉群干活
给Agent配上手机号，再拉个群
-
在三张圆明园鼠首照片里，我们看到了3D AI的Harness时刻
3D 生成的价值正从模型本身转向模型、智能体与专业软件共同完成任务的 3D AI Harness。 作者丨 吴海明 编辑丨李娜 岑峰 成龙电影《十二生肖》里，有一段 3D 生成技术的片段，龙叔靠近圆明园十二生肖鼠首，用特制扫描手套获取文物的三维信息，再把数据加密传输到另一端，借助 3D 打印做出高仿鼠首。这套设定放在十多年前，代表的是一种典型的技术想象：要复
-
刚刚，GPT-6 Astra接上宇树G1，把厨房收拾了！
让GPT把机器人技能当工具调用
-
越大越强，不再是 LLM 的专利：PixVerse R2 攻克实时世界模型 Scaling 难题
AI 视频的下一战：谁能让世界保持运行 作者丨Reah 编辑丨李娜 岑峰 大语言模型已经用 Scaling 证明模型、数据和算力可以持续换来更强能力，必须一边生成、一边回应用户的实时世界模型，能不能也走上这样一条路？ 2026 年 1 月，爱诗科技提出“通用实时世界模型”这 一产品方向，并推出 R1。 目前，PixVerse R2 已全量上线 用户可以直接进
-
实测 Seedance 2.5 vs 可灵 3.0，谁能让我们无痛当上视频导演？
差距不只在画质，而在工作流。 作者丨 吴海明 编辑丨李娜 岑峰 《牛来》大概是今年国产电影里最意外的一次出圈，并不是因为一部低成本动画突然被推到台前，而是因为它把一个老问题重新摆到了创作者面前：当影像生产的门槛越来越低，真正决定一条视频能不能成立的，究竟是画质、预算，还是把想法稳定变成成片的能力？（雷峰网） AI 视频模型也走到了类似的节点。 过去，大家更关
-
英伟达研究人员推出Physis-Lang：自我进化的物理语言，使Cosmos 3超越Veo 3.1的物理基准
视频世界模型可以渲染令人信服的片段，但仍然打破了物理学。黄油像油漆一样蔓延。球穿过墙壁。来自英伟达、麻省理工学院和牛津大学的一个团队认为，修复可能来自语言本身，而不是来自额外的视觉、潜在或数字信号。他们的框架Physis-Lang将物理语言视为共享的、可优化的[.]文章NVIDIA研究人员在物理基准上介绍Physis-Lang：自我进化的物理语言，使Cosm
-
Imagine 3D-LLM：教MLLM在志愿服务之前想象3D场景
作者：Jaewoo Jung、Hyeonseo Yu、Honggyu An|从多视图图像推理3D世界仍然是多模式大型语言模型（MLLM）的一个根本挑战。虽然现代MLLM可以有效地处理单个图像输入，但它们很难将跨视角的证据整合到连贯的3D理解中。越来越多的作品试图通过将3D意识注入MLLM来缩小这一差距，要么通过提高细粒度的像素
-
农田帕特RNS：卫星图像时间序列数据中农作物分割的并行维度注意力网络和数据集差异注意力
作者：Joseph Metcalfe、Sara Sharifzadeh、Fabio Caraffini|卫星图像时间序列数据集和农田分割的边界推进架构的格局从未如此丰富。然而，在这场淘金热中，重要的真理在两个方面都被忽视了，因为对最新颖概念或最大数据集的推动力将更好的细节推到了一边。在本文中，我们介绍了我们的混合变换器-卷积模型Cropland Parall
-
超越时间轴：用扎根的实体传记增强长视频记忆
作者：任慧、雷凡、包亨利|回答有关长视频的问题通常需要在数小时或数天内连接涉及相同对象的事件。按时间顺序描述和文本衍生的实体可能会导致物理身份未被解决：不同的对象可能共享描述，而对同一对象的观察在事件中保持脱节。因此，检索相关事件并不一定恢复“