精选· 重要性 4/5
DeepSeek 视觉模型 API 文档：支持图像输入与多方式上传
DeepSeek 发布 deepseek-v4-flash-vision-exp 视觉模型，支持图像与文本混合输入，提供多种图像上传方式，并兼容 OpenAI 与 Anthropic API，便于开发者集成多模态能力。
Hacker News (AI)21 天前
精选· 重要性 4/5
谷歌为搜索和Gemini推出AI学习新工具
谷歌在搜索和Gemini中推出AI学习工具，包括交互式可视化、3D模拟和定制测验，旨在与OpenAI等竞争，提升学生学习体验。
TechCrunch — AI23 天前
精选· 重要性 4/5
苹果带摄像头AirPods或非隐私噩梦，实为Siri视觉助手
苹果据报将推出带摄像头的AirPods，但摄像头仅用于Siri视觉识别，不录制媒体，旨在减少屏幕依赖，但LED指示灯可能引发隐私担忧。
TechCrunch — AI25 天前
精选· 重要性 4/5
苹果带摄像头AirPods原型视频泄露，或与Siri升级同步发布
一段在macOS测试版中发现的视频展示了苹果传闻中带摄像头的AirPods，该设备旨在为Siri等AI功能提供视觉信息，可能于9月与新版Siri一同发布。
The Verge — AI25 天前
精选· 重要性 4/5
GPT-5.6视觉能力评测：Sol成为OpenAI最强视觉模型
Roboflow对OpenAI新发布的GPT-5.6系列进行视觉基准测试，结果显示Sol在检测和计数上大幅进步，但成本与延迟仍存短板。
Hacker News (AI)25 天前
精选· 重要性 4/5
Suno发布Studio 2.0，新增MIDI、效果插件和聊天机器人，向专业音乐制作工具迈进
Suno推出Studio 2.0，新增MIDI支持、效果插件和聊天机器人，使其从简单的AI音频编辑器升级为更接近专业数字音频工作站（DAW）的工具，标志着AI音乐生成向专业制作领域深入。
The Verge — AI30 天前
精选· 重要性 4/5
Made by Google 2026：Pixel 11、Pixel Watch 5、Pixel Tag及Gemini新功能
谷歌在Made by Google 2026活动上发布Pixel 11系列、Pixel Watch 5和Pixel Tag追踪器，并推出多项Gemini驱动的AI功能，包括手语翻译和更自然的语音输入。
TechCrunch — AI大约 1 个月前
精选· 重要性 4/5
将手语AI交到用户手中
谷歌DeepMind推出手语转文本模型SL2T，为聋人和重听用户提供新的手语功能，推动无障碍技术发展。
Google DeepMind Blog大约 1 个月前
精选· 重要性 4/5
谷歌Pixel 11系列相机新功能详解：AI拍摄、夜间模式等
谷歌发布Pixel 11系列手机，带来多项由AI驱动的相机新功能，包括Magic Capture自动拍摄、Instant Night Sight快速夜景和Camera Looks个性化外观，旨在提升拍摄体验并吸引更多用户。
Wired — AI大约 1 个月前
精选· 重要性 4/5
llama.cpp：本地运行前沿AI的开源工具
llama.cpp 让前沿 AI 模型完全在本地运行，无需 API 密钥，保护隐私，并支持多种硬件，是开源 AI 部署的重要工具。
Hacker News (AI)大约 1 个月前
精选· 重要性 4/5
Muse Glimmer与Spark：Meta开放权重回归个人超级智能
Meta发布开放权重模型Muse Glimmer，并预告Spark，重申个人超级智能愿景，强调本地部署与个人赋能，引发行业关注。
Latent Space (Swyx)大约 1 个月前
精选
Show HN：语音驱动谋杀悬疑游戏，用声音审讯AI嫌疑人
这是一款语音驱动的谋杀悬疑游戏，玩家可通过语音与AI嫌疑人对话，解开谜团。该游戏展示了语音交互在游戏领域的应用潜力。
Hacker News (AI)大约 1 个月前
精选· 重要性 4/5
Qwen-Image-3.0-Pro：支持复杂布局与精细细节的图像生成模型
Qwen-Image-3.0-Pro是阿里云推出的新一代图像生成模型，支持复杂布局、精细文本渲染和多语言能力，旨在将图像生成从“好看”推向“实用”，成为可部署的生产力工具。
Hacker News (AI)大约 1 个月前
精选
Wrinkles：用AI音频导游揭开身边地点的隐藏故事
Wrinkles是一款利用定位技术自动讲述周边地点故事的AI音频导游应用，覆盖全球177个国家，旨在让用户在行走中了解历史与当地传说，同时支持用户共创内容与社交分享。
TechCrunch — AI大约 1 个月前
精选· 重要性 4/5
MiniMax-H3 移植到 MLX，在 Apple Silicon 上运行
MiniMax 发布通用多模态生成系统 MiniMax-H3，社区将其移植到 MLX 以在 Apple Silicon 上运行，可生成带音频的 15 秒视频。
Simon Willison's Weblog大约 1 个月前
精选· 重要性 5/5
Qwen 3.8 Max与27B开放权重模型发布，主打编码与智能体协作
阿里巴巴发布Qwen 3.8 Max（2.4T参数）及Qwen 3.8-27B，承诺下周开放权重，在编码、长期智能体任务和多模态推理上表现强劲，与西方顶级闭源模型直接竞争。
Latent Space (Swyx)大约 1 个月前
精选· 重要性 4/5
谷歌推出AI地球功能一天后因误导风险紧急撤回
谷歌在Google Earth中推出基于Nano Banana 2的AI图像生成功能，因被批评可能被滥用传播错误信息，上线一天后即被撤回。
TechCrunch — AI大约 1 个月前
精选· 重要性 4/5
谷歌地球AI图像生成功能上线一天即被叫停
谷歌地球新推出的AI图像编辑功能因被滥用生成虚假内容，上线仅一天即被关闭，凸显了AI生成工具在真实世界图像上的风险。
The Verge — AI大约 1 个月前
精选· 重要性 4/5
谷歌地球内置AI图像生成器的问题
谷歌地球新增AI图像生成功能，可基于卫星图像创建逼真场景，但专家指出该工具易被滥用，可能传播错误信息。
The Verge — AI大约 1 个月前
精选· 重要性 4/5
谷歌发布Gemini Robotics 2.0，提升机器人灵巧性与安全性
谷歌推出Gemini Robotics 2.0，包含三款模型，旨在提升机器人操作的灵巧性和安全性，目前仅一款开放。
Ars Technica — AI大约 1 个月前
精选· 重要性 4/5
谷歌发布Gemini Robotics 2，将AI引入物理世界控制机器人
谷歌DeepMind发布Gemini Robotics 2，将视觉语言模型与动作模型结合，使机器人能自主执行复杂任务，标志着AI从数字走向物理世界的重要一步，但安全风险也随之凸显。
Wired — AI大约 1 个月前
精选· 重要性 5/5
Gemini Robotics ER 2：视频理解、任务编排与多机器人协作驱动机器人新能力
Google DeepMind 发布 Gemini Robotics ER 2，这是其最强大的具身推理模型，通过实时视频理解、任务进度追踪和多机器人协作，显著提升机器人在物理世界中的自主性与安全性。
Google DeepMind Blog大约 1 个月前
精选· 重要性 5/5
黑森林实验室发布FLUX 3多模态流模型，击败Seedance 2.0、Gemini Omni和Grok Imagine
黑森林实验室推出FLUX 3，一个统一的多模态模型，涵盖图像、视频、音频和动作预测，在多项基准上超越竞争对手，并展示了向机器人领域迁移的能力。
Latent Space (Swyx)大约 2 个月前
精选· 重要性 4/5
Runway推出生成媒体模型路由器，应对市场碎片化
Runway通过Runway Dev平台推出Media Router，自动为图像、视频和音频生成任务选择最佳模型，旨在成为生成媒体基础设施层，应对模型数量激增和开发者选择困难的问题。
TechCrunch — AI大约 2 个月前
精选· 重要性 4/5
谷歌发布Gemini 3.6 Flash、3.5 Flash-Lite及3.5 Flash Cyber模型
谷歌推出三款新模型：3.6 Flash提升编码与多模态性能并降低token消耗，3.5 Flash-Lite主打高速低成本，3.5 Flash Cyber专攻网络安全漏洞检测与修复，同时透露Gemini 4预训练已启动。
Hacker News (AI)大约 2 个月前
精选
Adobe实验性相机应用Indigo引入生成式AI编辑功能
Adobe的Project Indigo相机应用从追求自然单反效果转向集成生成式AI编辑工具，包括滤镜、物体移除和聊天反馈，标志着移动摄影与AI的深度融合。
The Verge — AI大约 2 个月前
精选· 重要性 4/5
Google Vids 更新：上传自拍和录音即可创建 AI 数字分身
Google 为 Vids 引入 Gemini Omni 多模态模型，支持基于自拍和录音创建个性化数字分身，并实现逐步编辑，使该工具从 AI 辅助演示工具升级为一体化视频创作平台。
TechCrunch — AI大约 2 个月前
精选· 重要性 4/5
Inkling：Mira Murati 团队发布的首个开放权重多模态模型
Thinking Machines Lab 发布了其首个开放权重模型 Inkling，这是一个 975B 总参数、41B 活跃参数的混合专家 Transformer，在 45 万亿 token 的多模态数据上训练，采用 Apache-2.0 许可，旨在作为可微调的强大基础模型。
Simon Willison's Weblog大约 2 个月前
精选· 重要性 5/5
Apple Intelligence获准在华推出，整合阿里Qwen与百度AI
Apple Intelligence获中国网信办批准，将整合阿里巴巴Qwen模型和百度AI，为iPhone等设备提供生成式AI功能，标志着苹果在关键市场迈出重要一步。
TechCrunch — AI大约 2 个月前
精选· 重要性 4/5
Thinky发布Inkling：975B参数开放权重多模态模型，美国最强Apache 2.0开源模型
Thinking Machines Lab发布其首个完全开放权重的多模态基础模型Inkling（975B总参数/41B激活），采用MoE架构，支持文本、图像、音频输入及1M上下文窗口，成为美国最强的Apache 2.0开源模型，但部分基准仍落后于中国顶尖开源模型。
Latent Space (Swyx)大约 2 个月前
精选· 重要性 4/5
Inkling：开放权重975B参数多模态大模型
Thinking Machines发布Inkling，一个975B总参数（41B活跃）的开放权重混合专家模型，支持文本、图像和音频输入，并可在Tinker平台上微调。
Hacker News (AI)大约 2 个月前
精选· 重要性 4/5
婴儿式学习：AI 效率提升的新方向
研究人员开发出 EgoBabyVLM 测试，发现当前最先进的 AI 模型在理解婴儿视角的世界时表现糟糕，这提示婴儿大脑的高效学习机制可能为构建更节能、更自然的 AI 提供关键启示。
Wired — AI大约 2 个月前
精选
Google Images 首页改版：搜索前即推荐图片，AI 概览可生成图像
为庆祝成立 25 周年，Google Images 首页将改为动态推荐画廊，同时 Google 搜索的 AI 概览功能将能使用 Nano Banana 2 Lite 模型生成图像，但触发条件和风险控制细节尚待披露。
The Verge — AI大约 2 个月前
精选· 重要性 4/5
Google Images 推出 Pinterest 式改版，聚焦视觉发现与 AI 图像生成
Google Images 迎来重大改版，采用类似 Pinterest 的浏览式画廊设计，并新增搜索内 AI 图像生成功能，旨在将图片搜索转变为发现与灵感平台，提升用户停留时间和广告收入。
TechCrunch — AI大约 2 个月前
精选
Ghost Font：人类可读但AI无法识别的反AI字体
Ghost Font是一种利用运动、噪声和诱饵消息的字体，人类能轻松阅读，但前沿AI模型难以解码，探索了AI视觉感知的极限。
Hacker News (AI)2 个月前
精选· 重要性 4/5
Meta 发布 Muse Spark 1.1，加入 AI 编码工具竞争
Meta 推出专为智能体编码设计的多模态 AI 模型 Muse Spark 1.1，以低价策略挑战 OpenAI 和 Anthropic，CEO 扎克伯格为此三年来首次在 X 平台发帖。
TechCrunch — AI2 个月前
精选· 重要性 4/5
Meta发布Muse Spark 1.1模型，通过新API开放编码能力
Meta推出Muse Spark 1.1模型，通过新Meta Model API向开发者开放，具备高级编码、多智能体工作流和多模态感知能力，旨在缩小与OpenAI等对手的差距。
The Verge — AI2 个月前
精选
Character.AI进军微短剧，推出AI生成互动视频系列
Character.AI推出c.ai Series，这是一系列由生成式AI制作的动画微短剧，用户可在观看后与角色聊天。此举旨在拓展其作为娱乐平台的定位，并抢占预计达260亿美元的微短剧市场。
The Verge — AI2 个月前
精选
Google Photos 推出 AI 视频混音工具，由 Gemini Omni 驱动
Google Photos 新增“Video Remix”功能，利用 Gemini Omni 模型实现快速视频编辑与风格转换，进一步将生成式 AI 融入消费应用，以增强生态粘性。
TechCrunch — AI2 个月前
精选· 重要性 4/5
ChatGPT升级语音模式：更少打断，更自然对话
OpenAI发布GPT-Live-1语音模型，实现全双工对话，能同时听说并减少打断，支持实时翻译和AI可视化，提升交互自然度。
The Verge — AI2 个月前
精选· 重要性 4/5
OpenAI 发布 GPT-Live 语音模型，实现更自然的实时对话
OpenAI 推出全双工语音模型 GPT-Live-1 和 GPT-Live-1 mini，支持同时听说、自然打断和实时翻译，旨在让语音成为复杂工作的主要计算界面。
TechCrunch — AI2 个月前
精选· 重要性 4/5
GPT-Live：新一代语音模型驱动ChatGPT Voice
OpenAI推出GPT-Live语音模型，旨在实现更自然的人机语音交互，并已集成至ChatGPT Voice功能中。
OpenAI News2 个月前
精选· 重要性 4/5
Meta推出免费AI图像生成器Muse，支持广告创作与室内设计
Meta发布由Meta超级智能实验室开发的新AI图像生成器Muse，免费提供于Meta AI应用、Instagram Stories和WhatsApp，支持自定义广告、室内设计等创意功能，并计划推出视频生成器Muse Video。
TechCrunch — AI2 个月前
精选· 重要性 4/5
Meta 推出 Muse Image 模型，可在 AI 照片中拉入其他 Instagram 用户
Meta 发布由超级智能实验室打造的首个 AI 图像生成模型 Muse Image，支持在提示词中 @ 提及其他 Instagram 账户以使用其形象，并计划推出 Muse Video 模型。
The Verge — AI2 个月前
精选
Nano Banana 2 Lite 发布：最快最便宜的 Gemini 图像模型
Google 推出 Nano Banana 2 Lite（即 Gemini 3.1 Flash Lite Image），号称最快最便宜的 Gemini 图像模型，专为速度和规模优化。
Simon Willison's Weblog2 个月前
精选
Google NotebookLM新增TikTok风格AI视频摘要功能
Google的NotebookLM推出新功能，可根据用户上传的资料生成60秒竖屏AI视频摘要，以TikTok风格呈现研究内容，目前面向AI Ultra和Pro订阅者开放。
The Verge — AI2 个月前
精选· 重要性 4/5
谷歌发布更快更便宜的图像生成器Nano Banana 2 Lite
谷歌推出Nano Banana 2 Lite，速度更快、成本更低，每千张图像仅需0.034美元，旨在满足大规模快速图像生成需求，同时宣布与A24的7500万美元合作及Gemini Omni Flash的广泛发布。
TechCrunch — AI2 个月前
精选
Proton隐私AI聊天机器人Lumo升级至2.0，新增图像处理与思维模式
Proton将其隐私优先的AI聊天机器人Lumo升级至2.0版本，新增图像识别与生成、持久记忆及思维模式，响应速度提升76%，在保护用户隐私的同时增强AI能力。
TechCrunch — AI2 个月前
精选· 重要性 4/5
Gemini个性化AI图像生成功能向美国用户免费开放
谷歌宣布Gemini应用的个性化AI图像生成功能向所有符合条件的美国用户免费开放，该功能基于用户Google账户数据生成反映个人兴趣的图像，此前仅限付费订阅者使用。
TechCrunch — AI2 个月前
精选· 重要性 4/5
Adobe 重新设计 Firefly AI 工作室，新增元素与项目管理功能
Adobe 为 Firefly AI 助手推出重新设计的界面，新增“元素”和“项目”功能，支持跨项目复用资产、保持设计一致性，并扩展视频编辑能力，旨在让 AI 成为创意工作的协作伙伴而非替代工具。
The Verge — AI3 个月前