Union Alpha Multimodal AI Model Launch on OpenRouter
📊 Article Meta AI Screening： 90 Source： OpenRouter(@OpenRouterAI) Author： OpenRouter Category： 人工智能 Language： 英文 Read Time： 2 min Word Count： 265 Tags： AI 与智能应用 , 模型发布 , 多模态 AI , A
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 9 / 13 页
-
-
通用能力不打折，空间具身智能断层领先！ZDTaichu5.0-9B国产开源，跻身全球多模态第一梯队
九大空间测试10B规模通用模型中8项第一
-
被AI放大的光学「戏份」，让「配角」舜宇的生意越做越大
作者 | 陈悦琳 编辑 | 郭思 几乎同时迎来“量产元年”的人形机器人和智能眼镜，正在放大光学的“戏份”。 据Counterpoint统计，今年上半年全球人形机器人出货量突破2.2万台，同比激增近300%。与此同时，智能眼镜市场也迎来爆发，IDC数据显示，今年一季度全球智能眼镜出货量达356.6万台，同比增长130.1%。 尽管产品形态各异，两者对光学系统提
-
AI健康走进百姓餐桌，蚂蚁阿福推出AI饮食分功能
每天吃的健康吗？现在拍张照就能知道了。9月16日，蚂蚁阿福发布了"AI饮食分"：用户拍下餐食照片，AI就能自动识别食物种类、算清营养和热量，给出一目了然的评分。同时，蚂蚁阿福还宣布，为鼓励用户认真吃饭，“科学减重一亿斤”活动推出加码奖励——将发放一亿颗鸡蛋，用户只需坚持使用AI拍饮食，即可1分钱包邮领鸡蛋。 吃饭前拍照让AI打分，男女老少都有专属营养师 据介
-
豆包 2.1 Pro模型更新，已接入豆包工作
9月16日，据火山引擎官方消息，豆包 2.1 Pro模型在近期更新至0915版本。新模型API已在火山方舟全量上线，并接入豆包工作。用户在豆包工作内选用“豆包 2.1 Pro（0915 新版）”，即可体验到全面升级的工作任务执行能力。 据悉，豆包新模型在视频推理、3D物体图像识别等多模态理解任务上均有增强。其编程能力更是有显著提升，可处理复杂代码仓库中的跨文
-
Image-to-WebDev Arena Update: GPT-6 Astra (Max) and Claude Fable 5.1 Lead the Pack
📊 Article Meta AI Screening： 90 Source： Arena.ai(@lmarena_ai) Author： Arena.ai Category： 人工智能 Language： 英文 Read Time： 4 min Word Count： 992 Tags： AI 与智能应用 , 模型评测与基准 , 多模态 AI , Open
-
PhysStream：具有结构化场景内存和细粒度运动控制的流物理基础视频生成
作者：陈楚浩、彼得·旺卡、王朝阳|视频生成的交互式控制正在从粗糙的提示转向对动态场景的细粒度、物理上有意义的操纵。然而，现有的可控方法要么需要在生成开始之前完成完整的控制时间表，要么使用规定对象位置而不是物理动态的像素空间信号。为了解决这些局限性，我们提出了PhysStream，一种autoregre
-
介绍 Gemini 3.8 Live 和 3.8 Live Extended Thinking
📌 One-Sentence Summary Google 推出两款新模型，Gemini 3.8 Live 和 3.8 Live Extended Thinking，通过增强的推理、视觉接地和多步任务完成能力，提升了实时语音交互体验，服务于开发者和消费者。 📝 Summary 新的 Gemini 3.8 Live 模型代表了语音到语音 AI 的重大进步，提供
-
Gemini 3.8 Live：支持 97 种语言的 SOTA 音频模型，带异步工具调用
📌 One-Sentence Summary NVIDIA 发布 Gemini 3.8 Live，这是一款顶级的音频模型，支持 97 种语言、无缝语言切换、异步工具调用，并具备更高的性能和竞争力的价格。 📝 Summary Gemini 3.8 Live 的发布标志着音频 AI 技术的重大进步。该模型支持惊人的 97 种语言，允许在对话中动态、实时地切换语言
-
介绍全新 Gemini 音频模型：实时协同与深度思考
📌 One-Sentence Summary Google AI 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，这两款先进模型让用户与 AI 的对话更加自然流畅，支持跨语言交流、视觉理解和复杂任务执行。 📝 Summary 该推文宣布推出两款新 AI 音频模型：Gemini 3.8 Live 和 Gemini
-
Meta通过新的以人工智能为中心的计划扩大订阅力度
Meta One将扩大对公司人工智能工具的访问权限与Facebook、Instagram和WhatsApp的高级功能捆绑在一起。
-
人工智能适用于每种语言的每个人
不同语言的几个单词的动画慢慢地掠过
-
Cartesian - AI 3D建模用于设计
HN ð82· 70 评论
-
全球AI视频榜单第一梯队再添中国力量：智象发布首款物理规律导向视频模型
智象未来（HiDream.ai）正式发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0
-
苹果公司带来了基于谷歌Gemini的全面改进的Siri，但并未向欧盟发布
经过多年的拖延，苹果正在推出重建的“Siri AI”，该AI基于谷歌的Gemini型号构建，部分在设备上运行，部分通过私有云计算运行。早期的测试人员赞扬多步骤请求和屏幕上下文，但报告了幻觉和与个人上下文的差距。在欧盟，该助理暂时无法使用。苹果公司带来了一款基于谷歌Gemini的全面改进的Siri，但并未向欧盟发布，该文章首先出现在The Decoder上。
-
Xspark AI 丁文伯：触觉替代不了视觉，但机器人需要一套自己的“脊髓” ｜物理AI 50人
具身智能进入“触觉时代”，丁文伯提出“脊髓”架构补全机器人物理交互短板。 作者：李秋悦 编辑：吴彤 丁文伯很难被一个词准确“定位”。通信博士、材料学博士后、机器触觉学者，这些标签都对，但都只能解释他的部分经历。 2025年，丁文伯又多了一个身份——Xspark AI（无界智航）联合创始人、首席科学家。一个做了多年传感器研究的清华教授出来创业，没有把公司定义成
-
Apple Home的新安全摄像头功能每月售价高达60美元
随着iOS 27和tvOS 27的公开发布，Apple Home正在注入Apple Intelligence -但您必须为此支付更多费用。Apple Intelligence for Home为HomeKit Secure Video带来了AI驱动的视频摘要，因此您可以获得兼容安全摄像头看到的人和内容的简短文本描述，[...]
-
报告称，OpenAI以3亿美元收购智能手机相机制造商Glass Images
Glass Imaging由两位前苹果工程师创立，他们之前领导了开发苹果肖像模式的团队。
-
时尚应用Daydream使用Apple Intelligence帮助您购买相机卷轴中的服装
得益于iOS 27的推出，Daydream的应用程序现在包含的功能可以将保存的服装照片转化为可购物的结果，并无需打开应用程序即可通过Siri搜索产品。