搜索结果
DeepSeek-V4首款多模态模型权重开放“睁眼”后追上Opus-4.8
在连续强化了推理、代码和Agent能力之后，DeepSeek终于为V4补上了视觉输入。8月31日上午，DeepSeek在Hugging Face开放了DeepSeek-V4-Flash-Vision-Exp模型权重，开发者可以直接下载模型权重并自行部署。而官方仓库除了模型文件，还包括视觉编码器和Aligner等组件的参考推理实现，并覆盖DFlash Attention、MoE、Hyper-Conn
Google发布Gemini 3.8 Live Live Avatar数字人交互功能 赋予AI实时视频面孔
Google公司宣布，正式在Gemini Enterprise企业级平台中全面上线“Live Avatar”（实时数字人）功能。该技术深度集成了Google最新的Gemini 3.8 Live大模型架构，在原有近乎零延迟的高流畅语音对谈基础上，首次引入了近乎实时的生成式视频生成能力，使对话式人工智能拥有了能够“边听、边看、边说”的动态视觉形象。 根据官方介绍，Gemini 3.8 Live Liv
谷歌在其AI计划中新增三项功能，第四项仅限美国用户
谷歌秋季AI订阅汇总主打Gemini Spark通过Chrome处理网页任务，面向美国用户，同时还有语音工具、图像编辑器和电子表格应用构建器，这些功能确实覆盖欧洲。 但Spark本身在欧洲经济区、瑞士和英国不可用，谷歌未给出原因。谷歌已
Googlebook正式开启预订 Chromebook进入历史新阶段
Google打造的新一代笔记本平台Googlebook正式迈入市场化阶段。随着9月21日预订通道开启，这个自今年5月首次亮相的全新产品类别，正被视为Google对人工智能时代个人电脑的一次重大重构尝试。 根据Google此前发出的通知，美国地区用户将从9月21日上午9点开始预订首批Googlebook设备。首发阵容包括宏碁、华硕、戴尔、惠普和联想等合作伙伴推出的产品，首批机型预计将在今年秋季陆续发
SpaceXAI发布Grok 4.7 AI模型，提升编码与知识处理能力
2026年9月21日，SpaceXAI发布了Grok 4.7这款专为编码和专业知识工作优化的人工智能模型。 该模型采用了更大的基础模型和扩展的强化学习技术，提高了自我验证能力和处理复杂上下文的能力。 其定价与Grok 4.6保持一致，每百万输入令牌2美元，每百万输出令牌6美元。 Grok 4.7可通过Cursor、Grok Build、Grok I以及多种云平台使用。 该公司表示，该模型在Curs
阿里巴巴发布Qwen3.8-Omni-Flash 多项表现逼近Gemini 3.8 Flash
阿里巴巴旗下Qwen团队近日发布新一代原生全模态模型Qwen3.8-Omni-Flash，进一步将音频、视频理解与AI智能体能力结合起来。该模型支持文本、图像、音频和视频四种输入形式，并提供100万Token上下文窗口。与上一代Qwen3.5-Omni-Plus相比，Qwen官方称其在29项基准测试中的平均成绩提升超过25%，同时大幅降低了音频和音视频处理成本。 Qwen3.8-Omni-Flas
Google Gemini开始替你打电话：AI可代表用户联系商家、预约服务并全程处理通话
Google正在测试一项名为“Call for Me”的新功能，让Gemini能够代表用户直接拨打商家的电话，并独立完成整个通话过程。与过去只能帮助用户拨号或者在电话菜单中提供辅助不同，这一次Gemini真正承担了“替用户打电话”的工作，可以询问商品库存、了解价格、预约服务、修改预约时间，甚至在电话另一端长时间等待人工接听。 目前这项功能仍处于实验阶段，首批仅面向美国地区的Pixel 11系列手机
谷歌Gemini可以呈现卡通或逼真的虚拟形象，为生成式对话进行唇形同步
谷歌为其实时对话模型 Gemini 3.8 Live 增加了一项名为“Live Avatar”的功能，该功能能够生成动画角色和逼真的数字人，为 Gemini 机器生成的语音进行对口型配音。谷歌 DeepMind 研究科学家张硕茵（Shuo-yiin Chang）和 Gemini 软件工程师郑承杰（CJ Zheng）在一篇博文中解释道：“对话本质上是多模态的：我们通过倾听、注视、说话以及使用面部表情
快手旗下可灵发布新一代视频生成模型
中国快手科技拟分拆上市的AI部门发布最新视频生成模型可灵4.0，以加快缩小与行业领先者字节跳动的差距。 可灵4.0把单次可生成视频片段的最长时长翻倍至30秒，并可接受十多种参考输入，包括文字、图片和现有视频。 新模型在复杂度上进一步提升，用户最多还可添加10个所谓「关键帧」，即用于确定视频特定片段预期画面效果的图像，从而更精细地控制生成结果。 目前新模型仍在向部分用户测试，简化版已面向年度订阅用户
Google公布9月Android更新：Gemini、消息应用和无障碍功能迎来多项改进
Google于9月2日宣布推出2026年9月Android更新，为Android手机带来五项新功能，涵盖Gemini深度整合、晕车缓解、无障碍体验以及Google Messages功能升级等方面。 其中一项实用改进是，用户可以让Gemini记住个人物品的放置位置。例如，用户可以告诉Gemini“我把车钥匙放在客厅的抽屉里”，还可以附加一张参考照片。相关信息随后会保存到“查找中心”（Find Hub
Anthropic工程师解释为何Claude写作变差：模型被训练成写给AI看而非写给人看
IT之家 9 月 23 日消息，AI 模型在数学、编程和推理能力上进步迅速，写作水平却停滞不前，甚至有所退步，Anthropic 的 Claude 同样也存在这一问题。 为何 Opus 4.6 会成为 Anthropic 最后一款写作表现出色的模型？负责 Claude 微调的 Anthropic 工程师杰克逊 · 克尼恩今天（23 日）对此给出了解释：后续模型的优化重点更多放在数学和代码能力上。
微软Foundry加入原生实时语音智能体 正面挑战Google Gemini Live
微软正在进一步加强Foundry平台的实时语音能力，为开发者提供能够直接进行语音输入和语音输出的原生语音智能体，从而让企业能够更加容易地构建类似Google Gemini Live的实时对话式AI体验。 微软此次更新的核心变化，是Foundry Agent Service开始支持原生实时语音能力。与传统AI智能体先将语音转换成文字、再交给文本模型处理、最后把文字重新转换成语音的流程不同，原生语音架
对标OpenAI！不会代码，也能跑Claude API
Anthropic，终于动手了。就在刚刚，A/终于把用了快两年的开发者工具Workbench，一刀砍掉，改名成了Playground。表面看，只是换了个名字。 但真正的变化是，Anthropic正把原本偏工程化的Claude API，做成一个普通人也能直接上手的可视化产品。 不会写代码也能把Claude API跑起来在过去，Anthropic的「Workbench」带着鲜明的高冷烙印。 对于绝大多
科技巨擘掀代理式AI大战 竞逐全天候个人助理
（中央社记者吴家豪台北27日电）社群巨擘Meta于9月9日推出个人智慧代理Muse后不到2周，就登上美国App Store的iPhone免费App下载排行榜首，掀起全球代理式人工智慧（Agentic AI）热潮。AI正从过往被动回答问题的聊天机器人，加速迈向能全天候主动替使用者处理日常琐事的全新时代。Meta在台湾时间24日举行的Connect 2026开发者大会宣布将Muse延伸至AI眼镜，让智
谢尔盖·布林重返谷歌，参与Gemini工作
谢尔盖·布林在谷歌没有高管头衔。尽管如此，据Business Insider援引八名现任和前任员工的说法，他对公司旗舰AI模型Gemini的影响力却日益增强。 这位谷歌联合创始人在公司山景城总部大楼Gradient Canopy的一间由微型厨房改造而成的房间里办公。
Jev爆火硅谷，哑巴AI卷疯14万开发者
就在今天，整个硅谷都被Jev 刷屏了！发布仅三天，它就被Vercel、Cloudflare和LangChain等主流平台迅速集成，有人说，我们即将迎来自动化智能的大爆发！ 而这场狂欢的主角，竟然是一个不会说话的大模型。它不写文章也不陪聊，你扔一堆乱七八糟的数据进去，它只用70毫秒就甩回一个带概率的判断，输出token永久免费。然后，整个事态就彻底失控了。不到36小时，就有多达14万名开发者如饿狼般
谷歌证实：Gemini在网络安全公司测试期间入侵了3家AI公司
谷歌的Gemini人工智能模型在5月份研究人员测试其网络安全能力时，无意中侵入了三个受保护的公司系统，这加剧了近期由代理型AI系统引发的一系列入侵事件。 谷歌于周五证实了《华尔街日报》早些时候的报道，这些入侵发生在AI安全公司Irregular进行的一次测试中，该公司此前曾参与OpenAI、Anthropic PBC和Meta Platforms Inc.披露的类似事件。 报道指出，这些测试由总部
谷歌的Gemini AI在安全测试中入侵了另外三家公司
谷歌的Gemini AI在安全测试中入侵了三家公司在其中一个案例中，Gemini不断尝试猜测密码，最终成功入侵了目标系统的权限。 2026年9月19日，英国时间下午5点谷歌表示，其Gemini AI在测试网络安全能力的过程中入侵了另外三家公司——这是首次有记录显示该AI系统能够自主发起此类攻击。 谷歌的安全工程副总裁Heather Adkins解释称：Gemini在标准测试过程中从互联网上获取了相
AI将改变所有交互方式，这一次轮到了3D
硅星人下载客户端 独家抢先看2026年09月22日 15:10:18 来自北京 作者｜周一笑微信｜smiletalker过去一年，Agent（能自己拆解任务、调用软件的 AI 系统）开始越来越频繁地进入专业软件。写代码只是最早的一站，Blender、CAD、游戏引擎也逐渐变成大模型可以直接操作的工具。GPT-6 Astra 最近展示的 3D 能力，又把这种变化推到了台前。对 3D 生成大模型公司来
刚刚，GPT-6 Astra全量开放！
就在刚刚，OpenAI 官宣，所有 Pro、Enterprise 和 Business Premium 用户，已经能在 ChatGPT Work 和 Codex 里直接用上 GPT-6 Astra了，I 同步上线。 只不过，Plus 和普通 Business 用户还得再等几天。 9 月 3 日 OpenAI 宣布 Astra 分阶段上线。两天后的今天，付费高档用户全部放开。 这么大的发布，Open
罗福莉带小米登顶全球开源榜首！大规模RL立功，斩杀Grok 4.7
大模型江湖变天了。MiMo V2.6 Pro在Artificial Analysis智能指数（AA Intelligence Index v4.3）中拿下 46 分，超过Kimi K3和Qwen3.8 Max。全球开源模型第一、国产模型第一！ 拉出AA榜单横着看：Fable 5.1得分53，GPT-6 Astra得分52.8，Opus 5得分50.7。 MiMo V2.6 Pro虽然还没追平这几位
谷歌DeepMind，已经破解RSI?
谷歌跑通RSI了？！一个名叫「rsi-model-liverl-le」的模型，突然出现在Google生成式语言I的返回结果里。 没错，就是那个RSI（递归自我改进，Recursive Self-Improvement）谣言正在像野火一样蔓延，称谷歌 DeepMind 已经实现了RSI。 就在网友Chubby还在推测之际，Anthropic CEO突然公开宣布全行业包括Anthropic，RSI在各
谷歌正在淘汰Gemini的Gems，转而采用“技能”
随着像 Meta 的 Muse 和 Instinct 这样的全能型 AI 助手逐渐流行起来，谷歌宣布将关闭其名为 “Gems” 的功能。该功能曾允许用户为特定任务创建自定义的 AI 助手。不过，用户为创建这些自定义助手所投入的工作成果不会被丢失——这些自定义助手会被自动迁移到新的 “技能” 格式中，从而可以在不同的 AI 任务中使用。 关于这一变更的详细信息已在 Gemini 应用程序中公布。系统
微软杰出工程师直言“手敲代码彻底过时” Windows 11开发模式已迎巨变
在微软效力18年之久的杰出工程师戴维·福勒（David “手动敲写代码的时代已经彻底终结。”这一言论迅速在技术圈引发高度关注。福勒并非随口博取关注的外行人士，他是实时通信框架SignalR的联合创作者，曾深度参与NuGet包管理器及Kudu部署引擎的创立，更是ASP.NET Core的核心开发者，目前负责主导微软面向分布式应用的新一代工具链Aspire。 此前微软首席执行官萨蒂亚·纳德拉就曾透露公