每個 AI 模型對人類的「爭議」觀點皆相同
summary_zh: 12 個 AI 模型在三次詢問下,對人類最具爭議的看法皆相同,重點強調人類更重視歸屬感而非真理。 - 共通主張:人類「更忠於歸屬感而非真理」,多個模型以不同措辭表達此觀點。
summary_zh: 12 個 AI 模型在三次詢問下,對人類最具爭議的看法皆相同,重點強調人類更重視歸屬感而非真理。 - 共通主張:人類「更忠於歸屬感而非真理」,多個模型以不同措辭表達此觀點。
OlmoEarth v1.3 以全行星 10 公尺解析度衛星嵌入模型與瀏覽器探索器,正式發布。 - 全行星嵌入:已預計算 2017-2025 年的 10m 畫素嵌入,提供 64- 和 128 維版本,總計約 150 TB/年。
推薦理由:提供全行星預計算嵌入與瀏覽器探索器,讓研究者可即時分析地表變化,省去 GPU 及微調成本。
summary_zh: Uber 全體員工啟用 ChatGPT Work,將此代理平臺推廣至超過 30,000 名員工,並整合 Google Drive、Gmail、Google Calendar、Slack 等日常工具。
summary_zh: - HyperDrone:一款專為四旋翼模擬而設的高效能渲染器,速度比目前最先進的批次四旋翼模擬器快 20 倍以上。其核心光線追蹤引擎 HyperLux 完全在 GPU 上執行,支援 Nvidia OptiX、Vulkan、Apple Metal、WebGPU,可同時輸出 RGB、深度、語意/實例分割、表面法向量與光學流。
NVIDIA Cosmos 於近日推出一系列新工具與藍圖,旨在加速世界模型的訓練、評估與部署。 - Cosmos Data Factory:提供多模態、跨感官資料標註、增強與評估的雲端原型,支援自動駕駛、工業檢測等多種場景。
推薦理由:NVIDIA Cosmos 透過新工具與藍圖,讓企業可快速生成多模態訓練資料,並大幅縮短自動駕駛測試週期。
Google Research 發布的研究顯示,AI 能夠在低資源環境下利用「盲掃描」超音波準確估算孕周,並與專業超音波師的結果相媲美。 - 準確度:在兩個不同地區(美國芝加哥與肯亞奈洛比)的臨床試驗中,AI 模型的平均絕對誤差(MAE)分別為 4.10 天 和 4.27 天,與專業操作的 4.48 天 相近。
推薦理由:此研究證明 AI 能在低資源環境下以簡易掃描方式準確估算孕周,為全球產科篩檢覆蓋率提升提供可落地方案。
Eleven Labs 釋出 Eleven Realtime Translation,一款即時多語音翻譯模型,支援超過 90 種語言。 - 核心特性:使用 Eleven v4 Turbo,低延遲且聲音一致,可選擇 17,500 種聲音或自建聲音克隆。
NVIDIA 近日發布一系列涵蓋語言、機器人、生物與量子計算的開源模型,為歐洲企業提供可本地化、可擴充套件的 AI 基礎。
推薦理由:NVIDIA 推出涵蓋語言、機器人、生物與量子領域的開源模型,讓開發者能以本地化資料快速構建專屬 AI 應用,顯著提升跨產業整合效率。
summary_zh: 作者提供一份實用指南,說明如何利用擴散模型與多模態代理進行 AI 影像生成,並示範從畫素藝術到商業海報的實際應用。 - 模型與成本: - Stable Diffusion 可在配備約 7GB GPU 的遊戲 PC 上執行。
NVIDIA推出Cosmos3-H-Dreams,提供即時生成手術場景 - 基礎模型:Cosmos3-H-Dreams 建立於 Cosmos-Predict2.5,並在 CMR Surgical Versius 平臺的臨床膽囊切除錄影上進行專門訓練。
TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層。 - 核心功能:新增 TPU 作為 PyTorch 後端,支援 eager 與 torch.compile,提供 Pallas kernels、分散式訓練。
推薦理由:TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層,提升開發效率與推理速度。
summary_zh: Penmentor 讓你在 xournal++ 手寫數學時,只要按一個鍵,Claude、Gemini 或 GPT 就能像老師一樣在螢幕上用彩筆標註你的筆記,並提供提示與動畫說明。
summary_zh: Respan 開發團隊發布了一個以外掛為核心的開源 Rust AI 閘道器,允許使用者在不改動核心的情況下,輕鬆新增提供者、協議與功能。
summary_zh: 本期《每日論文雷達》精選 18 篇具身智慧領域高價值研究,其中「Ropedia W0」突破跨本體動態操作,並「四足機器人解巨型魔方」展示足部操作新境界。
Amazon SageMaker JumpStart 於 2026 年上半年已新增 100+ 模型,涵蓋多模態、創意與高效模型,並提供一鍵部署與 Hugging Face 深度連結,顯著降低模型上線成本。
TorchNeuron 是 Hugging Face 推出的 PyTorch 外掛,為 AWS Trainium 提供原生後端。\n- 部署與訓練:可直接使用 Transformers、Accelerate、PEFT、TRL 等 HF 庫,支援 eager、torch.compile、FSDP、TP 等分散式 API。
Mercury 3 是目前最強大的擴散式 LLM,速度可達 1,068 tokens/s,並支援 1M token 上下文。 - 效能對比:在多項基準上優於 GPT‑6 Luna 與 Claude Haiku 5.5。
推薦理由:Mercury 3 以 diffusion 模型突破規模與速度,提供 1M 上下文及 1,068 tokens/s 的高效推論,對需要低延遲、長上下文的即時應用具備實際價值。
Pegasus 1.5 現已在 Amazon Bedrock 上線,為長影片提供時間標記式結構化資料與多模態提示功能。 - 功能亮點:支援 2 小時長影片、即時處理,並可從 S3 直接讀取或以 base64 內嵌傳送。
推薦理由:Pegasus 1.5 以時間標記與多模態提示提升影片分析效率,支援 2 小時長影片、即時處理,讀者可直接從 S3 讀取、支援 JSON 輸出,降低開發門檻,並可依此調整工作流程。
GenRecs Tokenization 讓 Meta 以 LLM 驅動的語義詞彙,將廣告、產品、頁面等專案以 token 形式表徵,提升推薦精準度。 - 提升轉換率:與 Meta 的 GEM 與 Adaptive Ranking Model 配合,實驗資料顯示提升 +0.35% 轉換率。
summary_zh: 我在 15 週內重新閱讀 175 款 AI 工具的使用條款,發現 60%(105/175) 的工具至少改變一次,影響創作者是否能合法商業化其輸出。
Clef 是一款 27B 的多模態決策模型,支援文字、JSON 與影像輸入,並可在本機或 Ollama 雲端執行。 - 模型基礎:從 Qwen3.8‑27B 微調,採用 Apache 2.0 授權。
vLLM v0.32.0 正式發布,包含 814 次提交與 363 位貢獻者的新功能。 - 新增 /v1/systemone 端點,可處理結構化決策與分數查詢,並支援 Cloudflare/clef-omni、LiquidAI/d1-3B、DiffusionGemma 等模型。
推薦理由:vLLM v0.32.0 引入多項高效推理最佳化與多模態支援,使用者可直接提升模型部署效能與功能擴充。
Granite Switch 4.1 透過整合決策、語音與聊天功能,提供單一端點多工能力。 - Granite‑Switch‑4.1‑8B / 30B:內建 Decision aLoRA、Guardian aLoRA 及 Granite‑Speech‑5.0‑Turbo‑CTC(OpenASR 榜首 ASR),可即時切換對話、決策與轉錄。
推薦理由:Granite Switch 4.1 透過整合決策、語音與聊天功能,提供單一端點多工能力,讀者可評估其在實務流程中的效益。
Meta Muse Spark Open 已於 Amazon SageMaker JumpStart 上線,可直接部署至 AWS 帳戶,支援 1M token 上下文與多模態輸入。
NVIDIA Nemotron 3.5 Super 與其緊湊版 Nemotron 3.5 Bolt 於 0.40.5 版正式發布,提供 1M token 上下文、工具呼叫及雲端決策模型支援。
推薦理由:此版本新增 1M token 上下文、工具呼叫等功能,適合需要大規模文件理解的場景。
Transformers 5.20.0 釋出,新增多模態模型並加強分散式推理與量化支援。 - Muse Spark Open:Meta 816B 引數,1,048,576 token 上下文,支援文字、影像、音訊、影片輸入,專為代理編碼任務設計,提供 BF16 / NVFP4 檢查點。
推薦理由:新版本提供多模態模型與高效分散式支援,開發者可直接整合至現有工作流程,並享受改進的量化與推理加速。
Meta 推出 Muse Spark Open,816B 引數的多模態混合專家模型,支援文字、影像、音訊與影片輸入,並具備程式設計與工具呼叫能力。 - 模型規模:總引數 816B,每個 token 活躍 42B,可使用 1M token 上下文視窗。
推薦理由:Meta公佈的 Muse Spark Open 816B 引數模型,支援多模態程式設計與長上下文,對開發者可直接整合,並提供多種推理與工具呼叫介面。
Muse Spark Open 在 Apple M5 Ultra Mac Studio 上實機部署,提供 816B 引數、1M token 上下文視窗的多模態推理能力。
Sygal 於本機即時將 PDF、掃描檔、網頁與 YouTube 連結轉為乾淨 Markdown 與結構化 JSON,無需訂閱。 - 價格:一次性 €25,無訂閱,提供 14 天免費試用。
FLUX.3 Image Klein 是 Black Forest Labs 推出的多功能影像生成模型,可在 Diffusers 直接使用。
推薦理由:模型提供多功能生成與佈局控制,可直接整合至 Diffusers 生態,適合快速原型與 LoRA 微調,且支援 FP8、NVFP4 量化與單檔案載入,提升部署靈活性。
MirrorMD 以面部照片提供無銷售壓力的 AI 第二意見,幫助使用者在決定整形治療前先了解哪些方案適合自己的臉型。 - 報告時效:兩張照片即可,3‑5 分鐘生成完整報告。
Apertus 1.5 於 2026 年 7 月 24 日在 Hugging Face 以 Apache 2.0 授權釋出,新增跨模態理解、四倍長上下文、思考模式及工具使用最佳化。
推薦理由:Apertus 1.5 以四倍上下文、跨模態能力及思考模式提升推理與工具使用,讀者可評估其在多模態任務與長文本推理中的應用潛力。
手機摺起來好收納,開啟後又能有更大的畫面,是 iPhone Duo 想解決的需求。Apple 推出這款可摺疊 iPhone,展開時內側螢幕比 iPhone 18 Pro Max 大 50%;摺起來時,外側螢幕是 5.4 吋,並採用雙電池設計。iPhone Duo 搭載 A20 Pro 與 iOS 27,也支援在畫面上並排顯示 Siri 和 Mail。Siri AI 會隨 iOS 27 以測試版推出,初期支援英文,且不會在歐盟首發。
推薦理由:iPhone Duo 把大螢幕與可摺疊機身結合,文中也交代了展開、摺起時的螢幕尺寸,以及 Siri AI 的推出限制。
北歐國家與 NVIDIA 合作,打造歐洲最具影響力的 AI 生態系,從創業熱潮到基礎設施建設,涵蓋多項實際案例。 - 創業環境:北歐人均超過 $1B 的創業公司,2026 年上半年募資 $2.8B,預計全年達 $5B。
Muse Spark Open 已於 Modal 平臺開放使用,具備 1M-token 上下文視窗、Agent 程式碼協作與多模態理解,並在 Terminal‑Bench 2.1 及 DeepSWE 1.1 上分別取得 76.4 與 60 分。
Meta Muse Spark Open 現已於 Together AI 正式上線,作為 Day 0 發表夥伴提供完整支援,專為長時間執行的AI 助理程式設計、電腦操作與多模態任務而設計。
推薦理由:原文給出模型核心能力與價格,讀者可據此評估是否將其整合至現有的長上下文或AI 助理工作流程中。