Fable 5.1实现博尔赫斯3D故事
Fable 5.1：“实现博尔赫斯的短篇小说。像用 3D 实现它们那样做。去做，让它们富有创意和美感，并帮助我们理解故事的要点。自己想办法。”我不得不告诉它引用博尔赫斯是可以的。有些很棒的东西。试玩：https://borges-in-3d.netlify.app
#多模态
Ethan MollickAI 评分3434 MIT News · AIAI 评分4040 MIT 研究人员开发多模态 AI 模型以“看清”晶体材料结构
MIT 团队在 Nature Communications 发表研究，推出结合 3D 原子结构与自然语言的多模态 AI 模型。该模型通过对比学习生成晶体结构的统一描述，能识别固态锂离子电池电解质等候选材料，性能优于仅基于文本训练的模型。
IT之家AI 评分2828 索尼 SIE 申请“生成式超采样”专利：利用手柄输入预测画面变化，有望引入 PS6
索尼 SIE 提交名为“Generation Super Sampling”的专利（编号 US-20260320740-A1），拟在 PlayStation 6 中利用手柄输入数据预测画面变化，并通过专有 AI 模型生成插值帧以降低延迟。
IT之家AI 评分4545 阿里 Qwen 开源 BlenderWorld：223 道题、2651 条标准评测 AI 3D 建模
阿里 Qwen 团队开源 BlenderWorld，这是一个用于评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准。该基准包含 223 个任务和 2,651 条评分标准，要求模型交付可编辑的 .blend 工程文件而非仅生成图像。项目采用 MIT 许可证，代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope。
TechCrunch · AIAI 评分6060 Elorian 发布首个 AI 模型 Glimpse，主打图像内推理而非仅描述图像
AI 初创公司 Elorian 发布了首个模型 Glimpse，目前以研究预览形式提供 API 访问。该模型引入“视觉草稿空间”机制，允许在推理过程中裁剪图像区域、提取视频帧或运行代码来直接分析视觉内容，而非仅将图像转换为文本后处理。
IT之家同新闻AI 评分8080 Meta 发布开放权重 AI 模型 Muse Spark Open
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。
The Verge · AIAI 评分2828 特朗普在 Truth Social 发布经 AI 编辑的白宫修复照片
特朗普在 Truth Social 发布的白宫柱子“修复”对比照被 Google SynthID Detector 标记为经 OpenAI 创建或编辑。该图片因台阶数量不一致、前后视角雷同及表面异常光滑等细节引发 Reddit 用户质疑，而同期其他白宫照片未检出 AI 水印。
Hugging Face Blog精选AI 评分6060 IBM Granite Switch 4.1 发布：单端点集成对话、决策与语音转写
IBM 发布 Granite Switch 4.1 系列模型（8B 和 30B），通过组合 Decision aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC，实现从单一托管端点进行自然语言响应、通用/专用决策及语音转文本任务。
推荐理由：原文展示了通过模块化适配器在单一端点集成对话、决策与语音转写能力，并给出了具体的性能对比数据。
TechCrunch · AI同新闻AI 评分7777 Meta 发布可在 Mac 运行的开源权重模型 Muse Spark Open
Meta 发布了名为 Muse Spark Open 的开源权重 AI 模型，宣称是美国最强大的此类模型，专为在 Mac 上运行而设计。该模型拥有 816 billion 参数和 1 million token 上下文窗口，原生支持多模态，适用于复杂编码任务和智能体工作流。尽管旨在本地运行，但需要至少 1 terabyte RAM，最佳配置为搭载 M5 Ultra 芯片的 Mac Studio。
The Decoder同新闻AI 评分8080 Meta 发布 Muse Spark Open 开源模型
Meta 推出 Muse Spark Open，称其为美国最强的开源权重模型，拥有 816B 总参数（42B 激活）、100 万 token 上下文窗口，支持文本、图像、视频和音频输入。
Modal 官方工程博客精选AI 评分7070 Meta 发布 Muse Spark Open 并上线 Modal Auto Endpoints
Meta 发布开源权重模型 Muse Spark Open，现已通过 Modal Auto Endpoints 提供服务。该模型专为智能体编码和长周期任务设计，具备原生多模态理解能力和 1M-token 上下文窗口，支持代码编写调试、多步规划及故障恢复。
推荐理由：原文提供了 Muse Spark Open 在 Modal 上的部署方式、计费模式及关键基准测试分数，便于评估其智能体编码能力与工程落地成本。
Together AI Blog精选AI 评分7878 Together AI 上线 Meta Muse Spark Open 模型
Meta 的开源权重模型 Muse Spark Open 已在 Together AI 平台正式可用，作为 Day 0 发布合作伙伴，Together AI 提供该模型的 Serverless API 服务。
推荐理由：原文披露了该开源权重模型的长上下文能力、定价及API调用方式，为评估其在复杂代码库中的实际表现提供了直接依据。
Hugging Face Blog精选AI 评分9292 Meta 发布 Muse Spark Open：816B 参数开源多模态混合专家模型
Meta 发布 Muse Spark Open，这是一个拥有约 816B 总参数、每 token 激活约 42B 参数的混合专家（MoE）多模态模型，支持文本、图像、音频和视频输入，上下文窗口达 1M tokens。
推荐理由：原文给出了816B MoE架构、百万上下文及多模态输入的具体参数，并提供了从本地量化到集群部署的完整工程路径。
The Decoder同新闻AI 评分8282 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，专为持续运行企业 AI Agent 设计
Nvidia 发布 Nemotron 3.5 Super VL，这是一个拥有 120B 参数（每 token 激活 12B）的开源多模态模型，旨在支持后台持续运行的企业级 AI Agent。
vLLM 官方博客精选AI 评分6565 vLLM 宣布支持 NVIDIA Nemotron 3.5 Super VL 多模态模型
vLLM 正式宣布对 NVIDIA Nemotron 3.5 Super VL 提供 Day 0 支持。该模型采用 120B 总参数、12B 激活参数的 MoE 架构，具备文本、图像、文档和视频理解能力，专为长运行智能体工作流设计。
推荐理由：原文披露了 Nemotron 3.5 Super VL 的 MoE 架构参数、混合 Mamba-Transformer 设计以及 vLLM 部署配置，为开发者评估其在长上下文智能体任务中的效率与精度提供了具体技术依据。
NVIDIA Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 三款开源模型，覆盖从企业服务器到边缘设备的智能体部署需求。
推荐理由：原文给出了从数据中心到桌面的全栈开源模型矩阵及具体性能指标，读者可据此评估其在不同算力层级下的智能体部署可行性。
IT之家AI 评分7070 英伟达发布 Nemotron 3.5 Super VL 等多模态大模型
英伟达推出开放多模态模型 Nemotron 3.5 Super VL，采用 MoE 架构，总参数 1200 亿，激活参数 120 亿。该模型整合推理、工具调用及文本图像视频理解能力，官方称在单 GPU 执行智能体任务时吞吐量最高可达同规模其他开放模型的 5 倍。
Ars Technica · AIAI 评分3131 YouTube Music 推出 AI 音乐标签功能
YouTube Music 正在推出新的生成式 AI 音乐标签，用于区分人类歌手与 AI 合成内容。该功能随后也将上线至 YouTube 平台。
Hugging Face Blog精选AI 评分6565 Apertus 1.5 发布：支持图像音频理解、思考模式及 262k 长上下文
Apertus 1.5 在 8B 和 70B 版本中新增图像与音频理解、可选思考模式，并将上下文窗口扩展至 262,144 tokens。该模型基于 Apertus 1.0 进行持续预训练，采用早期融合架构处理多模态数据，并在指令遵循与工具调用能力上有所提升。项目以 Apache 2.0 许可证开源权重、数据及训练细节，同时发布了符合 EEE 标准的评估卡片以增强透明度。
推荐理由：Apertus 1.5 通过持续预训练引入原生多模态与思考模式，并公开全链路训练细节，为复现和评估提供了完整依据。
IT之家AI 评分3434 华为视觉辅助客服正式上线：专为视障用户开通，说出关键词即刻转接
华为在国际盲人日正式上线视觉辅助客服，为视障用户提供专属热线服务。用户拨打 950800 并说出“盲人”、“屏幕朗读”或“视觉辅助”等关键词，即可即刻转接人工客服。
Artificial AnalysisAI 评分3838 AI模型离线构建埃菲尔铁塔
我们要求AI模型在离线状态下以3D形式构建埃菲尔铁塔。其中两个模型凭记忆按顺序添加了全部72位科学家的名字。这出乎我们的意料。每个AA-3D模型都收到了约200字的相同简报，内容涉及塔的形状、格构、平台和照明。它从未
IT之家精选AI 评分8080 上海人工智能实验室利用书生-S2大模型攻克三维Ghys猜想
上海人工智能实验室团队依托书生科学多模态大模型 S2（书生-S2），通过人机协同完成了困扰数学界 30 余年的三维 Ghys 猜想证明。北京大学董彬教授、刘若川院士团队利用 SHEAF 框架对证明进行了形式化验证，确认其正确性。
推荐理由：原文展示了大模型在解决困扰学界30年的数学猜想中的具体应用路径及形式化验证结果，为评估AI在基础科学领域的推理能力提供了实证案例。
IT之家AI 评分4949 YouTube Music 上线 AI 音乐标注功能
YouTube Music 推出 AI 音乐标注功能，对主要使用生成式 AI 创作的歌曲显示“AI”标签。该功能结合创作者主动申报与平台检测工具，将音乐分为完全、部分或未使用生成式 AI 三类，Auto-Tune 等音高修正软件被归类为未使用 AI。
The Verge · AIAI 评分4242 YouTube 为 AI 生成歌曲添加“Made with AI”标签
YouTube 在 YouTube Music 应用推出“Made with AI”标签，标识主要由生成式 AI 创作或修改的歌曲。该功能今日上线并随后扩展至主站，用户点击标签可查看详细信息。平台结合音乐合作伙伴披露与自身检测工具识别 AI 内容，旨在提升听众对音乐来源的知情权。
TechCrunch · AIAI 评分4747 YouTube Music 推出 AI 音乐标签系统以应对生成式内容泛滥
YouTube Music 周三宣布推出新标签系统，在播放页及主应用中标识由 AI 参与创作或演唱的歌曲。该体系将作品分为“完全生成式 AI”、“部分生成式 AI”和“无生成式 AI”三类，旨在提升透明度而非限制变现。此举顺应了 Apple Music、Spotify 等平台应对 AI 音乐激增的行业趋势。
Google Research精选AI 评分7373 Google Research 发布 Geospatial Reasoning Agent 并扩展早期访问
Google Research 宣布将 Geospatial Reasoning Agent 从概念原型升级为实验性系统，并扩展其在 Google Earth 和 Google Cloud 上的早期访问权限。
推荐理由：原文展示了地理空间智能体在真实场景中的工作流变化，读者可据此评估其处理复杂空间数据的能力及开放入口。
Hugging Face BlogAI 评分5050 HiRO-ACEv2：以约1/300成本实现3公里分辨率极端天气模拟
Ai2 发布 HiRO-ACEv2，通过 HiROv2 降尺度模型将 ACE 的 100 km 输出细化至 3 km，生成全球气候数据的成本仅为 X-SHiELD 的约 1/300。该系统能高精度复现罕见极端降雨、风压及热带气旋，统计误差控制在 3% 以内。目前仅支持匹配 X-SHiELD 的气候场景，未来计划扩展至更暖气候及地表温度等变量。
Ai2 / Allen Institute for AI精选AI 评分6060 Ai2 发布 HiRO-ACEv2：以约三百分之一成本实现 3 km 分辨率极端天气模拟
Ai2 发布 HiRO-ACEv2，这是其高分辨率输出 Ai2 气候模拟器（HiRO-ACE）系统的最新更新。该系统能以约为 X-SHiELD 模型三十分之一的成本生成全球 3 km 分辨率的气候数据。核心组件 HiROv2 能同时预测多个高分辨率场，准确复现降雨、风和压力等极端事件，统计误差控制在 3% 以内，并能生成具有真实眼区和雨带的热带气旋。
推荐理由：原文给出了3公里分辨率模拟极端天气的具体精度指标和成本对比，读者可以据此评估AI气候模型在科研中的实际替代价值。
IT之家AI 评分2626 苹果 iOS 27.2 Beta 4 发布，Siri AI 新增支持法语、日语等五种语言
苹果推送 iOS 27.2 Beta 4（24B5110a），为 Siri AI 新增法语、日语、韩语、葡萄牙语和西班牙语支持。更新后 Siri AI 共支持六种语言，具体可用性取决于用户所在地区和设备。
IT之家AI 评分4545 禾赛发布全球首款 8K 超高清 AI 空间相机 Kosmo One
禾赛科技发布全球首款 8K 超高清 AI 空间相机 Kosmo One，搭载一英寸 CMOS，15 分钟可完成 100m² 真实空间重建。该产品可将现实世界转化为高质量三维模型及机器人训练数据，并配套推出 AI 云平台 Kosmo World。此外，禾赛宣布与高德地图合作，开放首批千个试点以扫描重建门店高精度 3D 空间。
Demis HassabisAI 评分3838 Gemini 4 Argon 演示物理与3D建模
Gemini 4 Argon 在知识工作和编程方面表现出色——用它构建东西也超级有趣！我们让它创建了这个巫师国际象棋游戏，看到 Argon 的物理理解能力和 3D 建模能力真的很酷，让我想起了 Amiga 上的 Battlechess——那段时光真快乐！
Ai2 / Allen Institute for AIAI 评分3535 Molmo 2 开源助力 MIT 研究者开发 Molmo2Fish 优化鱼类追踪
Ai2 开源视觉语言模型 Molmo 2 支持 MIT 研究者 Kai Van Brunt 开发 Molmo2Fish，用于水下声纳视频中的鲑鱼追踪。该模型经微调后在无需修正时性能接近专用系统，并能通过自然语言指令自动纠正追踪错误。Molmo 2 的开放代码与数据使研究者能直接定制多目标追踪任务，为生态监测提供新工具。
Google DeepMind精选AI 评分9797 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 正式发布前沿模型 Gemini 4 Argon，面向开发者、企业及消费者开放 API 及订阅服务。该模型在编码、金融、法律、网络安全和科学等领域表现突出，在 Vals Index 中排名第一，并具备 1M token 的上下文窗口。
推荐理由：原文详述了该模型在代码重构、科学发现及安全防御中的具体性能提升与落地案例，展示了其处理复杂长程任务的实际能力。
Google DeepMind同新闻AI 评分9595 Google DeepMind 发布 Gemini 4 Argon 机器人专用模型
Google DeepMind 发布 Gemini 4 Argon，这是一款面向机器人领域的通用物理推理模型，旨在加速迈向物理 AGI 的进程。该模型在 Embodied Reasoning (ERQA) 基准测试中纯推理得分达 87%，超越了其他前沿模型。
Google Developers Blog同新闻AI 评分9292 Google 发布 Gemini 4 Argon：面向机器人的物理推理模型
Google 发布 Gemini 4 Argon，这是一款专为机器人领域设计的通用物理推理模型，在 Embodied Reasoning (ERQA) 基准测试中以纯推理方式获得 87% 的分数。
TechCrunch · AIAI 评分6868 SpaceXSI 将 X Premium、Grok 和 Cursor 打包为单一订阅
SpaceX Super Intelligence (SpaceXSI) 推出名为“The X Subscription”的捆绑订阅服务，整合了 X Premium、Grok 和 Cursor。
IT之家AI 评分6565 面壁智能发布新一代端侧多模态大模型 MiniCPM-V 4.7
面壁智能推出新一代端侧多模态大模型 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是该系列首个 MoE 模型。该模型基于 LES 推理加速技术，在 iPhone 17 Pro Max 上以仅 3GB 内存达到 13+ token/s 的解码速度。
IT之家AI 评分4545 阿里千问 N1 系列 AI 眼镜发布：支持更换电池、Pro 版支持眼动交互 / 全天候健康监测，2899 元起
阿里千问在 2026 新品发布会上推出 N1 及 Pro 系列 AI 眼镜，N1 标准套装 2899 元起。全系搭载三芯异构算力平台与 5000 万像素影像系统，采用双电池可换电设计。Pro 版新增高精度眼动交互、虹膜核验支付及全天候健康监测功能，可采集心率血氧等指标并提供 AI 健康解读。
The Decoder同新闻AI 评分7878 Meta 发布前沿模型 Muse Wonder 系列，性能跻身第一梯队但成本显著上升
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，其中 Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得分为 56，较前代 Muse Spark 1.3 显著提升。
Import AIAI 评分4242 Import AI 476：HSS基准揭示GPT-6 Astra视觉推理短板及AI太空竞赛
Elorian与Scale AI发布Humanity’s Sixth Sense (HSS)基准，测试模型对隐含视觉信息的直觉推理能力。最强AI系统GPT-6 Astra仅获53.6 pass@1，远低于人类93.1基线，且GLM-5.3-flash等开源模型表现更差。此外，文章探讨AI加速太空工业化带来的复合优势风险，以及P-Zero Research的TasteVal基准显示AI科研品味提升。