斯凯孚用 AI“复活”已故女星葛丽泰·嘉宝拍摄广告
瑞典轴承制造商斯凯孚利用 AI 技术生成已故影星葛丽泰·嘉宝的形象拍摄广告。该虚拟形象未使用历史影像，而是通过文本提示词生成，图像生成使用了字节跳动 Seedream 5 Pro 和谷歌 Gemini Nano Banana Pro，动作生成则使用了 Seedance 2、Seedance 2.5 和快手可灵 AI。广告制作已获得嘉宝遗产管理方及家属的许可，但也引发了关于“合成复活”的伦理争议。
#多模态
IT之家AI 评分4545 钛媒体AI 评分4747 Yoroll 平台推出《VOW》与《心动相簿》两款 AI 恋爱互动影游，角色可化为长线 AI 伴侣
Yoroll 平台发布《VOW：谁说带妹不能拿世界冠军》和《心动相簿》两款恋爱互动影游，其角色可化身为长线 AI 伴侣，支持文字聊天与实时视频通话。视频通话功能基于 Yoroll 自研的 H3 Superfast 实时视频模型和生数科技的 Vidu S2 数字人模型。游戏画面由 AI 生成，并融合了剧情分支、即时操作与角色数值等游戏系统。
爱范儿AI 评分4444 华为睿影 Z10 模块相机：如何在 Mate 90 上复活「外挂相机」？｜硬哲学
华为推出睿影 Z10 模块相机，通过 HyperClick 超级卡口外挂于 Mate 90 Pro Max 典藏版及非凡大师机型。该模块配备 1 英寸 5000 万像素 RYYB 传感器和 24-240mm 10 倍连续光学变焦镜头，将光学与感光部分独立于手机外，并利用手机算力进行深度计算摄影处理。其专利显示图像数据传输速率可达或超过 10.7Gbps，售价接近 6000 元，定位为高端小众配件。
The DecoderAI 评分4343 NASA 与 IBM 开源月球基础模型，将 17 年轨道器数据转化为月球科学基础
NASA 与 IBM Research 联合发布了开源的 NASA-IBM 月球基础模型，该模型基于 17 年月球勘测轨道飞行器（LRO）等任务提供的近 200 万个图块数据训练而成。在预测月球极地冰沉积物任务中，该模型将预测误差降低了高达 22%；在粗尺度陨石坑检测任务中，性能也提升了近 19%。该模型旨在帮助科学家更便捷地利用海量观测数据，并可通过少量标注样本适应特定任务。
Hacker News · AI 高赞精选AI 评分6868 SCM 发布 macOS 本地 AI 媒体搜索工具
SCM 是一个 macOS 本地优先的 AI 媒体搜索工具，可对照片和视频的每一帧进行语义搜索。它使用本地视觉模型（如 CLIP、SigLIP）和 Whisper 进行推理，支持基于含义、场景、OCR 文本和对话的搜索，所有数据均不离开设备。项目通过 Homebrew 安装，使用 Electron、Bun、ONNX Runtime 等技术栈构建。
推荐理由：原文详细说明了本地化多模态搜索的实现路径和隐私设计，为有类似需求的开发者提供了可参考的技术栈和架构思路。
MarkTechPostAI 评分5151 Aleph Alpha 发布 Kolibri：一个 78.1B 参数、仅激活 3.46B 的英德双语 MoE 模型
Aleph Alpha 发布了 Kolibri-1，这是一个采用混合专家架构的开源权重英德双语大语言模型。模型总参数量为 781 亿，但每个 token 仅激活 34.6 亿参数，支持长达 1,048,576 token 的上下文，并附带 Apache 2.0 许可证。
极客公园精选AI 评分6262 Tavus 发布实时交互模型 Griffin，近半数测试者未能分辨其为 AI
美国 AI 视频公司 Tavus 发布实时交互模型 Griffin，在一项一分钟视频通话测试中，54 名参与者中有 26 人认为自己在和真人聊天。Griffin 采用端到端的全双工视频到视频架构，能实时生成语音、表情和手势，平均反应延迟为 0.43 秒。Tavus 表示该模型目前仅向少数受信任的测试者开放，并正在开发主动披露身份的安全功能。
推荐理由：原文提供了模型的核心能力、技术架构和测试数据，读者可以据此评估其在实时交互领域的突破性。
量子位AI 评分5353 GPT-6 Astra发布后，专业AI 3D模型Meshy的ARR两年内从100万美元增至1亿美元
GPT-6 Astra发布后，其3D建模能力引发讨论，但专业AI 3D生成公司Meshy的ARR在不到两年内从100万美元增长至1亿美元。文章对比了GPT-6 Astra在程序化建模上的优势与Meshy在生成高质量、可直接使用的3D资产（如角色、道具）上的专业壁垒，包括形状、细节和纹理的准确性。
Google · AI BlogAI 评分3535 Google 2026年9月AI动态汇总：Gemini 4 Argon、Connected Apps等
Google 在2026年9月发布了新一代前沿模型 Gemini 4 Argon，其具备高级推理能力，并拥有行业领先的100万token输出上限，专为应对网络安全防御等复杂挑战而设计。
MIT News · 人工智能AI 评分5050 InstructMesh：新工具让用户修复 AI 生成的 3D 模型并按需制造
MIT、Google 和东北大学的研究人员开发了名为 InstructMesh 的 AI 驱动设计软件，让用户能轻松修复 AI 生成的 3D 模型缺陷并按需制造。
Cloudflare · AI精选AI 评分5454 Cloudflare AI Search 正式可用，支持多模态嵌入与更大文件
Cloudflare AI Search 现已正式可用，新增了对多模态格式的原生支持，包括图像嵌入、PDF的OCR以及更大的文件处理能力。计费将于2026年11月1日开始，所有 Workers 计划仍提供免费额度。
推荐理由：原文详细说明了新增的多模态嵌入、文件处理和OCR功能，以及从预览到正式可用的计费模式变化。
Google DeepMind精选AI 评分7676 Google DeepMind 发布前沿模型 Gemini 4 Argon
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，旨在处理复杂、长周期的跨领域工作流。该模型在 DeepSWE v1.1 上达到 77.9% 的 SOTA 水平，输出 token 上限提升至 100 万，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：原文详细列举了模型在软件工程、金融法律和网络安全等领域的性能表现及定价，读者可以据此评估其实际应用潜力。
雷锋网精选AI 评分5959 HiDream-O1-Video 与 Seedance 2.5、MiniMax H3 的时序因果与音画同步对比评测
文章对 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3 进行了三组原创图生视频任务对比测试，重点关注意图规划、时间因果和音画对应。测试发现，HiDream 在动作、声音、结果的时序关系上表现更优，例如料酒入锅后油爆声和火焰依次出现，而其他模型存在火焰早于声音或对象一致性等问题。评测基于相同参考图和提示词，在端到端产品环境中进行。
推荐理由：文章通过三组原创对比测试，量化分析了视频模型在时序因果和音画同步上的表现差异，为理解模型能力提供了具体案例。
Hugging Face · 每日论文AI 评分4343 FrameMorrow：利用前瞻性 token 进行未来引导的帧选择以实现长时程视频生成
FrameMorrow 提出一种前瞻性帧选择方法，通过预测代表未来信息需求的小型前瞻性 token 集来从历史中选择相关信息。该方法选择显式的历史帧而非模型内部状态，能以即插即用方式集成到包括闭源模型在内的多种生成器中，且额外推理成本很低。在涵盖长视频生成、交互式生成和动作条件世界模型的 5 个基准测试和 11 个生成模型上的广泛实验表明，其在长程一致性、视觉质量和动作对齐方面均有持续提升。
AWS · AI 博客AI 评分2424 Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了 AI 驱动的多模态视频发现解决方案。
Microsoft Research精选AI 评分5454 微软研究院推出生物AI研究系统Quine
微软研究院推出名为Quine的生物AI研究系统，该系统包含一个多模态生物世界模型和一个连接模型、科学工具、文献与研究人员的工作平台。在与Broad Institute的合作中，Quine被用于预测和优先排序能驱动肿瘤细胞状态转变的化合物，其排名靠前的候选物在湿实验室实验中得到了验证。
推荐理由：原文展示了该系统在癌症研究中的具体应用案例和效果，为关注AI在生物科学领域落地的读者提供了实践参考。
Latent SpaceAI 评分4646 AMD 以 82 亿美元收购 World Labs，其 Atlas 模型解决机器人、设计等领域稀疏重建问题
AMD 以 82 亿美元收购了 AI 空间智能公司 World Labs。World Labs 近期发布了首创的通用模型架构 Atlas，它通过结合生成模型与多视图几何，解决了稀疏重建这一计算机视觉长期难题，在从 2D 图像预测新相机视角的任务上超越了当前最先进的专用模型。该技术对机器人、设计、工程和科学等领域具有广泛影响。
Google · Gemini 博客AI 评分2121 Gemini 助力布鲁克林杂货店主实现餐饮运营自动化的三种方式
布鲁克林杂货店 Edy's Grocer 使用 Gemini 将家庭食谱按需转换为大型餐饮批量配方，并自动生成按货架分类的购物清单。Gemini 还能快速提供符合饮食限制的创意食材替换方案，帮助店主节省行政任务时间，专注于推广黎巴嫩美食与文化。
TechCrunch · 融资并购AI 评分3434 Synthesia 为记者创建可交互数字分身
视频生成初创公司 Synthesia 为一名记者创建了其专属的可交互数字分身，该分身仅能回答关于其特定报道《为何风投支持的初创公司欺诈更多》的问题。该交互分身结合了语音转文本、视频、语言和文本转语音模型，企业客户还可选择集成 Cartesia、ElevenLabs、Google 或 OpenAI 的模型。
CNET · AIAI 评分4949 Gemini Live Avatar 为 AI 智能体配上虚拟形象，引发用户不适
Google 为 Gemini Enterprise 用户推出了 Live Avatar 功能，能将 AI 智能体与可交互的虚拟形象结合，用于视频聊天处理保险理赔等任务。该功能支持唇形同步、实时音频视频处理，并能同时运行工具和 API 调用。目前仅提供预制的虚拟形象供企业选择，所有音视频内容均使用 SynthID 进行水印以验证其 AI 生成属性。
NVIDIA · 开发者博客AI 评分4848 NVIDIA 推出 NV-Reason-CT Open 3D CT VLM，用于放射科医生链式推理
NVIDIA 发布了专为 3D 计算机断层扫描设计的开源视觉语言模型 NV-Reason-CT Open。该模型旨在支持放射科医生的链式推理，以应对前沿通用模型在体成像上表现不佳、现有开源医疗 AI 模型能力不足的现状。
Vercel 博客AI 评分3131 MiMo V2.6 模型现已在 AI Gateway 上线
小米的 MiMo V2.6 Pro、MiMo V2.6 Flash 和 MiMo V2.6 Pro UltraSpeed 三款模型现已在 AI Gateway 平台上线。
Google · AI BlogAI 评分2020 Google Flow 与设计师共创工具，助力纽约时装周
Google 的 Envisioning Studio 与设计师 Jane Wade 和 Sergio Hudson 合作，利用 Google Flow AI 创意工作室开发了两款定制工具。
MIT News · 人工智能AI 评分4646 xvr 通过患者特异性AI实现X射线与3D扫描秒级精准配准
MIT团队开发的xvr系统可在约5分钟内完成患者特异性AI模型训练，实现X射线与3D医学扫描的秒级、亚毫米级精准配准。该模型基于物理仿真生成患者专属合成X射线，避免幻觉，性能较现有AI方法提升一个数量级。系统已通过多类患者、身体部位和手术场景验证，有望提升微创手术的安全性与可及性。
Google · AI BlogAI 评分3232 Google AI 在科学加速与生命改善领域的关键进展
Google AI 技术现已支持超过 300 种语言，覆盖全球 86% 的人口。其 AlphaGenome Atlas 公开了人类基因组中所有 90 亿种可能的单字母遗传变化的预测影响，WeatherNext 3 天气模型则将提前一天或更久的降水预报准确率提高了 50%。
Google · AI BlogAI 评分4141 Google AI 博客：AI for everyone in every language
Google 宣布其技术与产品已支持超过 300 种语言，覆盖全球 86% 的人口。Gemini 3.5 Live Translate 支持 70 种语言的实时口语翻译，而基于 1200 万小时音频训练的通用语音模型正助力实现“千种语言计划”。
NVIDIA · 开发者博客AI 评分2424 NVIDIA Dynamo 何时使用 Encode-Prefill-Decode 解耦以加速多模态模型推理
NVIDIA 介绍了使用 Encode-Prefill-Decode (EPD) 解耦技术来优化多模态模型推理。该技术将视觉编码器阶段与预填充和解码阶段分离，尤其适用于图像密集型提示词、中短输出及量化 MoE 模型。结合 NVIDIA Dynamo 使用，可实现高达 5 倍的推理加速。
Google · AI BlogAI 评分3131 Google DeepMind 与电影人合作 AI 重现 70 年爱情故事
Google DeepMind 与电影制作团队合作，在短片《Love, Rendered》中利用生成式 AI 技术重现了一对夫妇未曾被记录的初遇记忆。团队结合图像修复模型与表演捕捉模型，将老照片复原并映射了当事人当下的细微神态。该项目展示了 AI 作为艺术媒介的潜力，相关照片修复功能已集成至 Gemini 应用中。
Google · Gemini 博客AI 评分4949 Gemini 中现可创作最佳音轨：Lyria 3.5 可用
Google 的音乐生成模型 Lyria 3.5 已在 Gemini 应用和 Gemini API 中面向全球用户推出。该模型提供更具表现力的人声和更丰富的编曲，用户可在应用内选择流派、人声/器乐风格，并使用新模板快速创作。Lyria 3.5 也通过 Google Flow Music、Google AI Studio 和 Google Vids 提供给艺术家、开发者和技术人员使用。
The Register · AI/MLAI 评分4646 AI 辅助采蘑菇是危险的尝试：主流模型识别毒蘑菇错误率堪忧
一项测试显示，主流 AI 模型在识别蘑菇物种时错误率很高，可能将致命毒蘑菇误判为可食用。表现最佳的 Gemini-3.8-flash 首次猜测正确率仅为 65%，而 Qwen3.8-27b 将毒蘑菇误判为可食用的比例高达 36%。研究者警告，不应依赖 AI 判断蘑菇安全性，因为单张照片不足以准确识别，错误可能带来致命后果。
Google · AI BlogAI 评分3434 Google 2026 年 8 月 AI 新闻汇总：发布 Gemini 3.7 Flash、Gemini 3.5 Transcribe 及 Pixel 11 系列
Google 在 2026 年 8 月发布了多款 AI 产品，包括面向编程和智能体的高效模型 Gemini 3.7 Flash，以及专为实时转录设计的 Gemini 3.5 Transcribe。同期推出的 Pixel 11 系列设备搭载了 Google Tensor G6 芯片和最新的 Gemini Nano 模型。此外，Gemini 应用的月活用户已超过 10 亿。
Microsoft ResearchAI 评分3939 GigaPath-Flash 与 GigaTIME-Flash：高效病理学基础模型迈向群体规模发现
Microsoft Research 推出高效病理学基础模型 GigaPath-Flash 和 GigaTIME-Flash，显著降低了计算需求。GigaPath-Flash 参数量为 2200 万，在保持性能的同时将推理成本降至原 GigaPath 的约 1/50。这两个基于 Apache 2.0 协议开源的研究模型旨在支持大规模病理数据分析，推动群体规模的疾病生物学研究。
CNET · AIAI 评分3232 ChatGPT 与 Gemini：功能与多模态能力对比
在多模态图像识别测试中，Gemini 的表现优于 ChatGPT，能准确识别潦草手写文字并指出笔迹特征，而 ChatGPT 则出现转录错误。
Microsoft ResearchAI 评分3838 MindTopo 揭示多模态大语言模型的空间推理能力
Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型对连通性、包围、顺序、分离和绳结等拓扑关系的理解能力。测试发现，模型在静态图像识别任务上的表现远优于需要规划与交互的任务，表明其难以在动态场景中维持对拓扑结构的一致性理解。这一差距凸显了在机器人学和交互式环境等需要可靠决策的领域，提升 AI 系统拓扑推理能力的重要性。
Ollama 博客精选AI 评分5757 Meta Superintelligence Labs 的 Muse Glimmer 模型已在 Ollama 上线
Meta Superintelligence Labs 发布的首个开源多模态模型 Muse Glimmer 现已可在 Ollama 上运行。这是一个 30B 参数、专为本地智能体工作负载设计的模型，拥有 128K+ 上下文长度，采用 Apache 2.0 许可证。
推荐理由：原文提供了模型参数、许可证、支持的智能体框架和性能优化细节，读者可以据此评估其本地部署的适用性。
Replit 博客AI 评分5252 Replit 推出 Replit Design 设计套件
Replit 发布新的创意套件 Replit Design，旨在让用户快速将想法转化为设计。它内置 Ambient Intelligence 引导设计流程，支持调用 Claude、GPT-5、Gemini、Kimi 和 GLM 等模型，并集成了 Mobbin UI/UX 参考库和设计系统。该功能现已对所有用户开放。
MIT News · 人工智能AI 评分4444 MIT 与 IBM 研究人员开发 GIFT 系统，提升 AI 将 2D 设计转为 3D CAD 模型的性能
MIT 与 IBM 等机构的研究人员开发了名为 GIFT 的系统，能指导视觉语言模型自动将 2D 设计图转换为更准确、功能更完善的 CAD 程序。该系统通过让模型从自身错误中学习来生成训练数据，在仅使用约 20% 计算量的情况下，其生成的 CAD 程序准确性超越了其他方法。这一技术有望加速快速原型设计流程并降低成本。
Together AI精选AI 评分6363 Thinking Machines Lab 发布多模态 MoE 模型 Inkling
Thinking Machines Lab 发布了多模态专家混合模型 Inkling，支持文本、图像和音频输入，具备可控推理深度和广泛的微调能力。Inkling 采用查询条件相对注意力、短因果卷积和共享专家池 MoE 等架构创新，总参数量 975B，活跃参数量 40B，上下文窗口为 1M token。
推荐理由：原文介绍了新模型的核心架构创新和可控推理特性，读者可以了解其技术路径与现有模型的差异。
fal 博客精选AI 评分6767 fal 博客：从粘土3D渲染到动作短片，详解完全可控的3D-AI生成管线
fal 团队构建了一个完全可控的AI视频生成管线，从3D分镜设计到最终成片，并开源了核心的3DREAL Strong v2 LoRA适配器。
推荐理由：原文详细拆解了从3D分镜到AI生成视频的完整工作流，包括具体的工具链、验证步骤和迭代经验，可供从业者复现或借鉴其方法。
Vector InstituteAI 评分2424 Vector Institute 与欧洲航天局合作推进地球观测 AI
Vector Institute 与欧洲航天局（ESA）建立合作伙伴关系，共同开发用于地球观测的人工智能新应用。合作初期将重点聚焦于气候科学和北极监测，Vector 学院教员 Evan Shelhamer 已作为访问教授加入 ESA 的 Φ-lab。此次合作旨在利用 AI 处理 ESA Copernicus Sentinel 卫星群产生的大量数据，并将科学开放性和可及性作为核心设计原则。