MiniMax M3.1 Flash 以 2-bit GGUF 壓縮至 143.9GB,提供 91.5% 的 token 一致率,降低自託管記憶體門檻。
#多模態
RSS 訂閱#多模態
RSS
MiniMax (official)@MiniMax_AI品質評分6161Apple Newsroom品質評分3939 Siri AI 開放更多語言使用
Siri AI 現在以測試版形式支援英文、法文、日文、韓文、葡萄牙文和西班牙文,使用者需要配合支援的語言,以及能使用 Apple Intelligence 的裝置。它目前不適用於歐盟的 iOS、iPadOS 和 watchOS,也不提供給未滿 13 歲的使用者。部分功能每天有使用上限,日後可能會收費提供更多使用額度。
OpenAI Developers@OpenAIDevs品質評分4242GPT-6.1 Terra 也將加入 API 與 Codex。 使用 Terra 建構能解讀影像、導航軟體並執行操作的應用程式與代理。以較低成本獲得快速電腦使用,適合高量工作流程。
thehype.@thehypedotnews品質評分6363Hugging Face Transformers Releases精選品質評分8080 Hugging Face Transformers v5.21.0 發布新模型與功能
Hugging Face Transformers v5.21.0 釋出,新增多款模型與功能,為開發者帶來更豐富的多模態與語音處理選擇。
推薦理由:新版本提供多種文件與語音模型,涵蓋 OCR、視覺檢索與 TTS,讓開發者能快速整合多模態功能,並享受最新的量化與 FP8 加速最佳化。
Apple Machine Learning Research品質評分6262 GHARP:基於大規模重建先驗的即時高斯頭部動畫
GHARP 是一種從少量輸入影像與表情訊號即時生成 3D 頭部動畫的方法。 - 兩階段設計:離線身份建模與線上動畫推理,實現高品質與低延遲。 - 高斯表示:將多視角輸入壓縮為固定大小的高斯表示,降低計算量。
The Decoder品質評分7070 Nvidia 開源 Flora:機器人影片標註成本低 125 倍於 GPT‑6 Astra
Flora 是 Nvidia 開源的機器人影片標註引擎,宣稱每小時標註成本僅 72 分,遠低於 GPT‑6 Astra 的 88.50 美元。 - 成本:Flora 估計 0.72 美元/小時,GPT‑6 Astra 約 88.49 美元/小時,摺合 125 倍成本差距。
The Decoder品質評分5757 Block 發布全音訊訓練的語音 AI 模型 Dessa
Block 推出全音訊訓練的語音 AI 模型 Dessa,能即時捕捉情緒、諷刺與停頓。 - 核心特性:直接處理音訊、支援全雙工通話、即時情緒識別。 - 部署方式:可在 MacBook Pro M4 Max 本地執行,訓練使用單一 NVIDIA GB200 NVL72。 - 可用性:尚未公開,正邀請 AI 安全研究者進行測試。
Latent Space品質評分5858 Kimi 3.1 Pro 以 2.8T 大模型突破 Fable 5.1,推出 2–3 倍速高效 API
Kimi 3.1 Pro 是一款 2.8 T 引數的多模態混合專家模型,公開權重預告將於 11 月 4 日發布。\n- 模型規模:2.8 T 總引數、104 B 活躍引數,1 M 上下文視窗。
OpenAI Developers@OpenAIDevs品質評分3939使用 Decisions API,將近即時決策加入工作流程,現在已正式開放。 建立更快速、成本更低的應用程式與AI 助理,能夠分類文字與影像、評估輸入,並在不產生完整模型回應的情況下決定下一步行動。
thehype.@thehypedotnews品質評分6666Moonshot 推出 Kimi K3.1 Pro,開放權重且比 K3 低 33%。此版本擁有 2.8T 總引數、104B 活躍引數(MoE)、1M 上下文長度,支援多模態。
The Decoder品質評分7474 中國 AI 模型 Kimi K3.1 Pro 逼近 Anthropic 的 Claude Opus 5.5
Kimi K3.1 Pro 是 Moonshot AI 推出的最新推理模型,於 Artificial Analysis Intelligence Index 取得 55 分,排名第四,僅落後於 Anthropic Claude Opus 5.5、Claude Sonnet 5.5 與 Muse Wonder Full。
Google Research精選品質評分8282 Google 研發基礎模型推進結核篩檢前線
**Google 研究團隊推出 MedGemma 多模態模型與 MedSigLIP 影像語言模型,並將其應用於結核病篩檢,實現在離線環境下快速診斷,已在多國醫療機構部署。
推薦理由:本篇闡述 Google 釋出的 MedGemma 多模態模型與 MedSigLIP 影像語言對接,可在離線環境下進行 TB 篩檢與診斷,為全球醫療資源不足地區提供可擴充的 AI 解決方案。
OpenCode@opencode品質評分4141Hacker News (official RSS)品質評分7676 Kimi K3.1 Pro 與 K3.1 Pro Highspeed 推出
Kimi K3.1 Pro 與 K3.1 Pro Highspeed 於 2026 年 10 月正式推出,提供 1 百萬 token 上下文、3T 引數,並以 2‑3 倍速度提升互動體驗。
Hacker News (official RSS)品質評分7373 Kimi K3.1 Pro 與 K3.1 Pro Highspeed 推出
Kimi K3.1 Pro 與 K3.1 Pro Highspeed 於 Kimi Code 正式推出,提供 3T 引數、1M 上下文視窗,並以高速版提升 2–3 倍輸出速度。
Kimi.ai (@Kimi_Moonshot)@Kimi_Moonshot精選品質評分8080 推薦理由:Kimi K3.1 Pro 展示 3T 引數、1M token 上下文及多模態能力,對需要全專案編碼與 3D 建模的開發者具有重要參考價值。
SiliconFlow@SiliconFlowAI品質評分6363MiniMax-M3.1-Flash 於 SiliconFlow 平臺上正式開放權重,推出更強大代理功能與更快推理速度。 - 代理程式設計:在 DeepSWE v1.1 上取得 73.7% 的成績。
Hugging Face Diffusers Releases精選品質評分8484 Diffusers 0.42.0 釋出 FLUX.3、Fibo 2.0、Kandinsky 6 等多款模型
Diffusers 0.42.0 釋出多款新模型與功能,包括 FLUX.3、Fibo 2.0、Kandinsky 6、SANA‑WM、RFD4‑Proteína 以及 Qwen‑Image 2.1。
推薦理由:本次釋出新增 FLUX.3、Fibo 2.0、Kandinsky 6 等多款高效影像生成模型,並支援硬體加速與模組化工作流程,對開發者快速部署多模態應用具有重要參考價值。
ollama release品質評分5454 NVIDIA Nemotron 3.5 Bolt E4B 版 v0.40.10 發布
Nemotron 3.5 Bolt E4B 是 NVIDIA 基於 Gemma 4 的視覺語言模型,支援 128K token 上下文,具備 DFlash 針對推測解碼的功能。
888Embody品質評分3636 每日論文雷達|2026‑10‑23 具身智慧研究精選
summary_zh: 本日從 Hugging Face 與 arXiv 蒐集 1,469 篇跨領域論文,經篩選後挑出 60 篇具身智慧(Embodied Intelligence)研究。
Hacker News (official RSS)品質評分5454 Fable 5.1 如何在圖片中隱藏訊息?
Fable 5.1 能透過高度、顏色、形狀等視覺特徵在 SVG 影像中編碼訊息,並且同一模型能在不見 SVG 原始碼的情況下從截圖還原訊息。\n- 編碼方式:主要使用物件高度、星座位置、顏色深淺等,對應英文字母或語言符號。
Hacker News (official RSS)品質評分4949 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。
Hugging Face Blog精選品質評分8080 OlmoEarth v1.3 發布:全行星預計算衛星嵌入模型與瀏覽器探索器
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。
OpenAI News品質評分5050 Uber 全體員工啟用 ChatGPT Work(OpenAI)
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。
Latent Space品質評分3636 你是團隊 — Moshi 創辦人 Anekha Sokhal
summary_zh: Anekha Sokhal,Moshi 的 CEO,說她打造了一個「Bloomberg、Claude 與 Netflix 的後裔」——一個能把市場資訊連結到交易者投資組合的推薦引擎。
888Embody品質評分4545 每日論文雷達|2026‑10‑22:具身智慧前沿研究
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 Blog精選品質評分8484 NVIDIA Cosmos 開啟新工具,協助訓練、評估與部署世界模型
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。
higgsfield_ai@higgsfield_ai品質評分5454 The Register · AI & ML品質評分3636 Opposable 讓你更懶:用 AI 點選手機螢幕點燃代幣
summary_zh: Opposable 讓 AI 代替你在 Android 手機上點選、滑動、輸入,並透過同伴電腦控制 iPhone,省去手動操作的麻煩。
Google Research精選品質評分7777 AI輔助超音波為前線產科護理賦能
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。
The Decoder品質評分6868 Inception 推出 Mercury 3 擴散式語言模型,速度四至八倍,領先 GPT‑6 Luna 與 Claude Haiku 5.5
Mercury 3 是 Inception 推出的擴散式語言模型,宣稱在多項基準上領先 GPT‑6 Luna 與 Claude Haiku 5.5,且速度為前者的四至八倍。
ElevenLabs Official Blog品質評分5555 Eleven Realtime Translation:即時多語音翻譯模型正式推出
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 Blog精選品質評分7878 NVIDIA 推出多領域開源模型,擴大歐洲產業自主智慧
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。
Hacker News (official RSS)品質評分4444 **title_zh:** AI 影像生成實用指南:從擴散模型到智慧代理
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。
Hugging Face Blog品質評分6767 NVIDIA Cosmos3-H-Dreams:以生成式模擬帶來臨床手術互動體驗
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。
Hugging Face Blog精選品質評分8282 Hugging Face 推出 TorchTPU:PyTorch 原生支援 TPU
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。
Ethan Mollick (One Useful Thing)品質評分4040 **title_zh:** AI 30 個月的指數增長(圖表)
summary_zh: AI 進展在過去 30 個月內以指數速度加速,從 GPT‑4 時期的 4 分鐘任務到 2026 年 4 月的 17 小時工作量,且成本已降至每題 0.04 美分。
Hacker News (official RSS)品質評分4545 Show HN: Penmentor – Claude 用彩筆標註你的手寫數學,像老師一樣
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。
Hacker News (official RSS)品質評分4545 Launch HN:Respan(YC W24)– 以外掛為核心的開源 Rust AI 閘道器
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。