Google、三星等品牌推出搭載 Gemini 的 AI 智慧眼鏡,12 月 10 日在美國及南韓上市
Google攜手三星、Gentle Monster 與 Warby Parker 推出搭載 Gemini 的 AI 智慧眼鏡,預計 12 月 10 日率先在美國及南韓上市,首波不包括臺灣。
Google攜手三星、Gentle Monster 與 Warby Parker 推出搭載 Gemini 的 AI 智慧眼鏡,預計 12 月 10 日率先在美國及南韓上市,首波不包括臺灣。
推薦理由:Google 以 3D 水上飛機展示 Gemini 4 Hydrogen 上線後的創作案例,呈現其在 Gemini App、Antigravity 與 Google AI Studio 的應用情境。
Microsoft 發布七款 MAI 模型,涵蓋推理、程式碼、影像生成、語音轉錄與語音生成,並規劃透過自家平臺及外部服務提供。
Nvidia 研究團隊發表 Déjà View,這個 1.17 億引數模型可從不同角度拍攝的照片重建 3D 場景與相機位置,並在五項基準測試中匹敵或超越引數量多出 8 至 10 倍的模型。
Samsung 首款智慧眼鏡將於 12 月 10 日在美國開賣,搭載 Gemini,可翻譯選單、提供方向指引,並回答使用者對眼前事物的提問。
我們很榮幸以 Tripo H3.1 支援 Runway 全新的 3D 功能。將文字或圖片轉換為細緻的 3D 模型,並直接放進你的創作流程中。 迫不及待想看看社群會用這項功能創作出什麼。
LineSight 是作者打造的製造品檢查示範,結合 OpenCV 與 Claude,輸出缺陷判斷、位置與嚴重程度,並由人工檢查員做最後決定。
vLLM 已提供 Inkling-2-Small 的 Day-0 支援,這款 500B MoE 模型可接收文字與圖片輸入,並產生文字回應。
Apple Foundation Models framework 擴充為可透過同一套 Swift API 使用端側與伺服器模型,並新增 Dynamic Profiles、Evaluations framework 與 fm 命令列工具。
推薦理由:框架將端側與伺服器模型整合至同一套 Swift API,並加入可切換模型與工具的 Dynamic Profiles,呈現應用程式整合方式的變化。
vLLM 在 Inkling 2 Small 推出首日即提供支援,涵蓋模型服務、LoRA 與 DSpark 推測解碼,並針對推論效能進行最佳化。
Gemini Decisions API 以 Gemini Decision 1 進入決策模型領域,提供是非判斷、選項選擇與依標準評分三類結構化決策任務。
Google Gemini 4 Hydrogen 正式推出,定位為快速、低成本的通用模型,並在 Artificial Analysis Intelligence Index 的預設 high 層級以 51 分超越較大型的 Gemini 4 Argon(50 分)。
推薦理由:Hydrogen 在不同思考層級呈現明顯的成本與分數差異,並與 Argon、其他模型及多項基準比較,便於評估日常工作所需的取捨。
推薦理由:這次更新同時涉及問題理解、視覺化呈現與子題搜尋,呈現 Gemini 4 Hydrogen 在 Google Search 中的三項變化。
Google DeepMind 推出 Gemini 4 Hydrogen,主打日常程式開發與 AI 助理工作流程,並即日起向開發者、企業及一般使用者推出。
推薦理由:Hydrogen 以 Terminal-Bench、SWE-bench 與多模態工作基準呈現速度和任務表現,並提供不同思考層級與定價,方便比較工作流程取捨。
Google DeepMind 發布 Gemini 4 Hydrogen,這款模型主打快速執行日常編碼與AI 助理工作流,並自即日起向開發者、企業及一般使用者開放。
推薦理由:Hydrogen 定位為快速執行模型,並提供與 Carbon、Argon 協作的工作流及多項基準比較,可看出它在 Gemini 4 模型組閤中的分工。
Artificial Analysis 評測 Gemini 4 Hydrogen,其 xhigh 推理的智慧指數為 54,較 Claude Sonnet 5.5(max)和 GPT-6.1 Sol(max)低 1 分,成本約為 Claude Sonnet 5.5(max)的 32%。
推薦理由:評測同時比較不同推理級別的智慧指數、任務成本與基準表現,可用來瞭解 Gemini 4 Hydrogen 在能力和成本之間的取捨。
World Labs 宣佈向所有人開放 Atlas,並提供應用與 API 端點,讓使用者建立 3D 世界並產出關鍵影格、影片片段或 3D Gaussian splats。
推薦理由:Atlas 同時提供應用與 API 端點,並可輸出關鍵影格、影片片段或 3D Gaussian splats,呈現其支援的創作形式。
Google 公開 Gemini 4 Hydrogen 模型卡,說明這款模型面向日常程式開發與 AI 助理工作流程,並列出評測結果、適用情境與安全評估。
推薦理由:模型卡整理了 Gemini 4 Hydrogen 的評測表現、適用工作流程與安全門檻,可用來瞭解其能力定位及已揭露的限制。
Google 的 Gemini 4 Hydrogen 現已透過 Vercel AI Gateway 提供,接替 Gemini 3.8 Flash,在維持相同延遲級別的同時,提升 AI 助理程式設計、知識工作與工具使用能力。 能力變化:可處理較長的工程任務,並以較少的 AI 助理步驟產出研究更充分的檔案、試算表與簡報;也更能遵循系統指令、格式要求和任務範圍,並在長對話中更可靠地協調工具。 推理與依據:視覺推理和技術問題解決能力有所提升,可支援多模態工作流程;更強的 grounding 可減少搜尋回答中的無依據說法,以及程式設計報告中虛構的工具或測試結果。 使用方式:在最新版本的 Vercel CLI 執行設定,並於 AI 助理中選擇 google/gemini-4-hydrogen,即可在 Claude Code、Codex、Cursor 等工具中使用;也可透過模型 playground 試用。 AI Gateway 服務:提供統一 API,可呼叫模型、追蹤用量與成本,並設定重試、故障轉移及效能最佳化。服務包含自訂報表、Zero Data Retention 支援、API 金鑰預算與路由規則;依照模型供應商定價,不加價,也不對推論收取平臺費用,包含 Bring Your Own Key(BYOK)請求。
推薦理由:評測比較 Gemini 4 Hydrogen 在推理、視覺理解與終端工作上的表現及成本,呈現不同推理設定下的取捨。
Google 推出 Gemini 4 Hydrogen,主打日常程式開發與 AI 助理工作流程,並開始向開發者、企業與一般使用者全球推出。
推薦理由:Gemini 4 Hydrogen 與 Carbon、Argon 分工協作的設計,搭配 Terminal-Bench 的速度與配額資料,呈現多模型工作流程的效率取捨。
AvatarSay 作者比較多款可免費試用或一次付費的瀏覽器工具,評測生成虛構角色並製作對嘴影片的流程、等待時間與工程取捨。 - 工具比較:AvatarSay 不接受照片上傳,只能用文字生成虛構頭像;一次性點數包 $9.90 起,點數不會過期。
Google 與 Samsung 宣佈,攜手 Warby Parker 和 Gentle Monster 設計的首批 Android XR 智慧眼鏡已開放預購,並將於 12 月 10 日起在部分市場出貨。
Manga Translator 的影像處理流程會偵測文字與對話方塊、清除原文,再將翻譯排回漫畫頁面,讓版面保留漫畫閱讀感。 - 清字方式:依純色紙面、覆在影像上的白邊文字,以及漸層或影像背景分別處理,並避免改動文字區域以外的畫面。
A2UI 1.0 貨幣AI 助理可透過 Strands Agents 與 Amazon Nova 在 AWS 上執行,並以生成式介面呈現匯率資訊;文章逐步說明本機建置、部署與測試流程。
esp32-intake 以 MiniCPM-V 4.7 35B-A3B辨識餐點照片並估算熱量,串接 iOS App 與圓形 ESP32 顯示器,呈現每日攝取進度。
EUROPA consortium 說明如何運用 PyTorch 與 TorchTitan,在 JUPITER 超級電腦上將約 1T 引數的 MoE 預訓練吞吐量提升至每張 GPU 約 1,300 tokens/s。
推薦理由:文章拆解了 PyTorch 與 TorchTitan 在共享超級電腦上的多項訓練調校,並以吞吐量變化呈現通訊、記憶體與計算重疊的影響。
斑馬智慧 CTO 司羅在高通歐洲汽車峰會表示,端側多模態模型 AutoOmni 2.0-23B-A3B 的座艙表現優於 Gemma4-26B-A4B,多模態座艙能力提升 12%。
中研院發展 Taiwan GBA 與 G-YOLO,補足大型視覺語言模型(VLM)在理解人類行為及物件關係上的不足,讓 AI 從辨識影像內容進一步分析事件與環境。
Hugging Face Diffusers 0.43.0 新增五種模組化模型整合,涵蓋影像生成與編輯、影音生成、語音驅動動畫及世界模擬。具體包括 MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V 1.0 和 PAN 2。
推薦理由:Diffusers 0.43.0 將五種生成與模擬模型整合為模組化流程,並補上平行化、注意力後端及 LoRA 等工程改進,呈現其應用範圍與部署變化。
DeepSeek-V4.1-Flash-1017 在一次 60 頁 PDF 測試中,正確回答了檔案文字與表格的 20 題,但無法從 PDF 文書處理流程讀取只存在於點陣圖表中的數值。
Gev 透過行為克隆學習根據 Doom 畫面選擇控制動作,並在維持英文問答能力的同時,於 deathmatch 測試中提升擊殺數。 - 視覺輸入:模型每隔 4 個 game tic 選擇一次 18 種控制組合之一;輸入包含目前畫面及兩個歷史畫面,分別編碼為 512 個視覺 token。