Apertus 1.5 发布：8B 和 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0，新增图像和音频理解、可选思考模式、4 倍长的上下文窗口、更好的指令遵循和工具调用能力，权重于 2026 年 7 月 24 日以 Apache 2.0 协议发布在 Hugging Face。
#多模态
Hugging Face BlogAI 评分5252 公众号 · 新智元精选AI 评分7171 禾赛发布全球首款8K AI空间相机Kosmo One与三维世界数据引擎Kosmo
禾赛于10月14日发布三维世界数据引擎Kosmo与云平台Kosmo World，并推出全球首款集成8K影像系统的AI空间相机Kosmo One。Kosmo One把激光雷达、8K影像系统、一英寸大底CMOS和高精度IMU装进同一台设备，几何精度达毫米级，镜头最高采集8K、成片最高6K，普通室内100平米约15分钟扫完。
选题角度：禾赛发布Kosmo空间相机与Kosmo World云平台，可围绕皮克斯用它在园区扫描并接入RenderMan渲染的案例，做一次三维重建效果对比实测。
X · 歸藏AI 评分4242 JEV 1.14.0 更新：支持多模态，上下文提升至 262K
JEV 发布 1.14.0 大版本，正式支持多模态，官方称该模型原本就是多模态，只是首个版本未加入支持。新增 box 类型，模型可返回目标在图像中的位置；每次请求和每个回答的上下文均提升至 262K，多语言能力也明显改善。
X · Higgsfield精选AI 评分5858 Higgsfield 对比 Gemini 4 Argon 与 Claude Opus 5.5 的水墨风动画生成
Higgsfield 发布一段电影级动画对比，用同一段水墨风格奇幻序列测试 Gemini 4 Argon 与 Claude Opus 5.5 的角色动作和镜头调度表现。对比片段在 Higgsfield 上生成，官方附上了视频链接。
选题角度：官方放出 Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上生成水墨风动画的对比片段，适合逐帧对比角色动作与镜头调度差异。
X · HiggsfieldAI 评分3030 Gemini 4 Argon 与 Claude Opus 5.5 全息材质渲染对比：基于 Higgsfield 的交互式产品可视化
Gemini 4 Argon 与 Claude Opus 5.5 在全息材质渲染上展开对比，用于构建基于 Higgsfield 的交互式产品可视化。该演示将两款模型的渲染效果并置呈现，展示各自在全息材质表现上的差异。
X · HiggsfieldAI 评分3030 Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上模拟软糖蠕虫弹性与碰撞
Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上以软糖蠕虫为对象进行物理测试，模拟弹性与碰撞。该测试展示了两个模型在物理仿真任务上的表现对比。
Hugging Face Blog精选AI 评分8282 Meta 开源 Muse Spark Open：816B 多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，支持文本、图像、音频和视频输入，输出文本。
选题角度：原文给出 816B 开源多模态模型的完整部署与微调配方，适合上手实测它在本地跑智能体编码和多模态输入的效果。
X · Higgsfield精选AI 评分6060 Higgsfield 对比 Gemini 4 Argon 与 Claude Opus 5.5 的 3D 世界构建
Higgsfield 发布 Gemini 4 Argon 与 Claude Opus 5.5 在 3D 世界构建上的对比，展示了一个在 Higgsfield 上一次性生成的第三人称水下探索体验。原文未给出两者的具体表现差异或评测数据。
选题角度：官方放出 Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上一次性生成第三人称水下探索 3D 世界的对比，适合做同题效果对比。
X · HiggsfieldAI 评分4242 Gemini 4 Argon 与 Claude Opus 5.5 交互式 3D 模拟对比：基于 Higgsfield 的粒子运动与动态光照测试
一项基于 Higgsfield 的交互式 3D 模拟对比测试，比较了 Gemini 4 Argon 与 Claude Opus 5.5 在粒子运动和动态光照方面的表现。测试以粒子运动与动态光照为核心项目，用于对比两款模型生成交互式 3D 模拟的效果。
X · Bilawal SidhuAI 评分3838 用 Gemini 做视频推理：Opus 与 Astra 搭配多模态 Gemini 验证 3D 游戏与交互应用
开发者将 Opus 和 Astra 与多模态 Gemini 搭配用于视频推理任务，尤其适合需要实际试玩验证的视频、3D 游戏或交互应用。做法是让智能体录屏测试候选版本，再由 Gemini 担任评审，可发现截图难以捕捉的闪烁、z-fighting、UI 标签碰撞、音频不一致等问题。
X · AIWarper精选AI 评分5858 Mirelo SFX2.0 实测：上传视频无需提示词即可生成全部音效
作者对 Mirelo SFX2.0 进行实测，视频中所有音效均在没有提示词的情况下生成，只需上传视频并点击生成。该测试展示了无需提示词、直接由视频生成音效的使用方式。
选题角度：作者实测 Mirelo SFX2.0，只上传视频、不写提示词就生成全部音效，适合做无提示词音效生成的实测演示。
X · HiggsfieldAI 评分3232 Gemini 4 Argon 与 Claude Opus 5.5 在软体物理中的对比：基于 Higgsfield 的材质弹性模拟与形变测试
Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上进行了软体物理对比，测试内容为材质弹性模拟与形变。该测试由 Higgsfield 制作，用于比较两个模型在软体物理任务中的表现。
公众号 · 数字生命卡兹克精选AI 评分7878 开源 Skill Anatomy 实测：一句话让 AI 生成可交互原理科普视频
作者实测开源 Skill Anatomy，它能把抽象原理做成可运转、可交互的机械模型动画，核心设计理念是“物体本身就是解释”，安装只需让 Agent 安装 github.com/wheresryan22/anatomy。
选题角度：作者实测开源 Skill Anatomy 把机械表、显卡、TCP 三次握手做成可交互动画，并对比纯动画与配音讲解视频的差异，适合上手复现同一提示词看效果。
X · AKAI 评分2222 VideoJev System：面向视频理解与交互的统一模型论文发布
VideoJev System 是一个面向视频理解与交互的统一模型，相关论文已发布。该工作将视频理解与交互整合进单一模型框架，论文链接随发布一并公开。
Hacker News · AI 高分帖AI 评分4040 为什么 LLM 生成的鹈鹕长这样？
一项新基准 Design Creativity Bench 用 80 个开放式 UI 设计任务评测 16 个前沿模型，从原创性、创意跨度和合理性三个维度衡量设计创造力，最佳模型 OpenAI GPT-6 Astra 得分 65.5，人类设计师参考分为 92.3。团队同时公开了完整排行榜、方法论与可复现评测框架。
X · Charaspower精选AI 评分5858 Seedance 2.5 战马变风暴巨兽 VFX 提示词分享
作者分享了一段用 Seedance 2.5 生成战马变形特效的完整提示词，认为亮点不在马本身，而在变形逻辑：鬃毛变闪电、马蹄化为气流漩涡、身体部分转为半透明风暴物质，最后冲锋留下龙卷风轨迹。提示词还包含战场平原场景设定与史诗实拍 VFX 的运镜、光线描述。
选题角度：原文给出完整的 Seedance 2.5 变形特效提示词，可拆解战马到风暴巨兽的逐段变形逻辑做玩法教程。
公众号 · 智东西AI 评分3838 火山引擎联合体2.3亿元中标横店影视AI服务平台项目
东阳深空引擎与火山引擎联合体以2.3亿元中标横店影视AI服务平台建设项目，其中算力租赁资源报价0.27亿元，项目分3年、分阶段交付验收。项目以“横店影视大模型”为核心，要求预训练数据集不少于500亿Token，并打造7个垂类场景深度增强模型和20个专项场景增强模型。
公众号 · 硅星人ProAI 评分2020 ACC 2026 × Hyper3D Agent 创作挑战赛招募：3D 工具与游戏创作
ACC 2026 期间的「Hyper3D 造物实验室｜Agent 创作挑战赛」将于 10 月 21 日至 23 日在北京海淀公园举行，前两天每天招募 50—80 人，分别做 3D 应用工具和 3D 小游戏，第三天集中展示与颁奖。
量子位AI 评分4242 破晓智能发布全身全模态数据采集系统SeePhys Hub，目标2027年推出全模态世界模型
破晓智能联合天珑移动发布全身全模态数据采集系统SeePhys Hub，由四目头环、两个腕部手环、三个腰腿部动作追踪器和可选触觉手套组成，通过视觉、IMU、UWB融合恢复全身姿态并记录手部接触压力，同步精度不超过0.5毫秒。该设备瞄准其数据金字塔的中间层，兼顾规模化采集与更完整的交互记录。团队预计2027年推出全模态世界模型，优先在工业、餐饮零售等垂直场景开展应用验证，现阶段不造自有机器人本体。
公众号 · 差评X.PIN精选爆款AI 评分7878 谷歌正式上线 Gemini 4 Argon，输出上限拉到 100 万 Token
谷歌正式上线新旗舰 Gemini 4 Argon，在 100 万 Token 原生多模态输入基础上把单次最大输出上限从前代 6.4 万提升约 16 倍至 100 万 Token，输入输出共享同一上下文池。
选题角度：用同一提示词对比 Gemini 4 Argon 与 Claude 的生成成本与画面稳定性，原文给出 1.2 美元对 8 美元的具体差异。
Wes Roth精选AI 评分8080 Wes Roth 实测 Gemini 4 Argon：官方演示与自建游戏体验
Wes Roth 实测 Google 的 Gemini 4 Argon，体验了官方演示并自己动手做了游戏，认为这是一个能力强大但有些奇怪习惯的模型。他还探讨了该模型在机器人方面的能力，以及 Google 安全报告揭示的、模型推理中不再出现的捷径问题。
选题角度：作者亲测 Gemini 4 Argon 官方 demo 并自建游戏，可对比官方演示与自建效果，顺带聊机器人和安全发现。
X · AIWarperAI 评分2020 AI 辅助动漫制作流程已接近成熟，音效成最后短板
有观点认为 AI 辅助动漫制作流程在懂行的人手中已基本打通，产出接近工作室级质量。目前音效仍是最后一块待升级的短板，一旦音效水平跟上，整个流程就基本完备。
公众号 · 新智元精选AI 评分8585 谷歌发布 Gemini 4 Argon，主打物理推理与具身智能
谷歌发布通用物理推理模型 Gemini 4 Argon，官方称其打通机器人技术栈中的物理理解、代码生成与视觉语义推理，在具身推理基准 ERQA 上以纯推理拿下 87%。
选题角度：原文给出大量实测案例和与 Opus 5.5、GPT-6 Astra 的耗时成本对比，适合做上手实测加效果对比。
X · AIWarperAI 评分3838 OPUS 可直接插入新帧：用 sunburst 生成原本不存在的踢脸特写镜头
OPUS 能直接在视频中插入新帧，示例使用 sunburst 完成。原本不存在的"踢脸特写"镜头完全由 OPUS 凭空生成。
公众号 · 数字生命卡兹克精选AI 评分7171 实测 Gemini 4 Argon：跑分专业办公第一，但使用体验糟糕
作者自费升级 100 美元 Ultra 会员实测 Gemini 4 Argon，认为它难以冲击 Claude Opus 5.5 和 GPT-6 Astra 的地位。
选题角度：作者自费升级 Ultra 会员实测 Gemini 4 Argon，可拍成跑分与真实任务体验对比，重点讲额度消耗和前端输出翻车。
公众号 · 新智元精选AI 评分8888 谷歌 Gemini 4 Argon 全球上线，Pro 与 Ultra 用户可体验
谷歌发布新一代旗舰模型 Gemini 4 Argon，Pro 用户可在 Gemini 应用和搜索 AI 模式中体验，开发者可通过付费 API 在 AI Studio、Android Studio 调用，Ultra 用户还可在 AI Studio 和 Antigravity 中使用。
选题角度：官方给出19项基准中13项最高、百万token窗口首发价减半，适合做跑分与定价的横向对比解读。
Skill Leap AI精选AI 评分7474 Gemini 4 Argon 发布：12 个演示展示 Canvas 生成 3D 世界与游戏
Google 发布 Gemini 4 Argon，作者获得早期权限在 Gemini 应用中实测了 12 个演示，并给出每个演示的完整提示词。最大变化在 Canvas 能力，一句提示词即可生成完整 3D 世界、真实物理效果和可在应用内直接运行的可玩游戏，还能把杂乱文件整理成完整演示文稿，新 Tasks 功能可在用户离开时继续处理任务。
选题角度：作者拿到 Gemini 4 Argon 早期权限，用 12 个带完整提示词的演示展示 Canvas 生成 3D 世界和可玩游戏，适合照着提示词逐个复现。
量子位精选AI 评分7878 面壁开源 MiniCPM-V 4.7：35B MoE 模型断网在 iPhone 上跑，仅占 3G 内存
面壁智能和 OpenBMB 开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本，其中 35B-A3B 是 MiniCPM-V 系列首个 MoE 模型，约 3G 内存即可在 iOS、安卓设备上运行。
选题角度：断网状态下在 iPhone 上实测 35B MoE 多模态模型，从拿破仑行军图到家庭电费表逐题演示，适合录屏复现端侧跑大模型的效果。
X · Gemini精选AI 评分6262 Gemini 4 Argon 可将视频或摄像头画面变成可演奏合成器
Gemini 4 Argon 支持把视频或摄像头画面重新想象成可演奏的合成器。用户可在 Canvas 中生成交互式音频应用，设定风格后把摄像头当作乐器来演奏。
选题角度：官方演示把摄像头画面变成可演奏合成器，适合录屏实测在 Canvas 里生成音频应用并对着镜头演奏的效果。
X · CapCut 剪映AI 评分3636 CapCut CRE[AI]TE AI Festival 2026 全球大奖颁给 Cello Coelho 首部短片《Closet》
CapCut 剪映公布 2026 CRE[AI]TE AI Festival 全球大奖（Global Grand Prix）得主为 Cello Coelho，获奖作品是其首部短片《Closet》。该片此前已在 TIFF: The Market 展映。Cello 表示，如今借助 AI，他有勇气把脑海中的故事讲出来。
X · CapCut 剪映AI 评分5555 CapCut 与 Dreamina Seedance 2.5 制作 7 分钟定格动画《Closet》
CapCut 官方展示了一部名为《Closet》的 7 分钟定格动画短片，讲述一个男孩的想象力通过一件神秘家具打开传送门的故事。该片使用 CapCut Video Studio 和 Dreamina Seedance 2.5 制作，作者向创作者 Cello 致贺。
X · Justine Moore精选AI 评分6262 用 Gemini 4 Argon 为 36 年前的 SNES 游戏做新关卡
Justine Moore 用 Gemini 4 Argon 给一款 36 年前的 Super Nintendo 游戏创建了新关卡，模型直接修改原始汇编代码，做出了自定义甜甜圈店、新像素画、糖霜甜甜圈环、二段跳和循环 ragtime 配乐。她表示期待看到真正的 ROM 黑客做出更惊艳的东西。
选题角度：作者用 Gemini 4 Argon 改 36 年前 SNES 游戏的汇编代码，做出甜甜圈店新关卡，适合录屏展示从改代码到新像素画、双跳和循环配乐的全过程。
The Decoder精选AI 评分8585 Gemini 4 Argon 全球上线，成为 Google 最强前沿模型
Google 全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google Search 的 AI 模式访问。
选题角度：Gemini 4 Argon 全球上线，原文给出 API 入口、订阅档位差异和 3D 演示源码，适合上手实测同一任务在 Argon 与 Flash 档位下的效果差异。
X · CharaspowerAI 评分2222 30 秒一镜到底武士侧跟镜头提示词：四场景无缝转场
一段用于生成视频的提示词描述了一个 30 秒无剪辑侧跟镜头：镜头从左至右跟随一名武士持续向右行进，全程保持同一身份与剪影。0-8 秒为岩石战场，8-16 秒经战旗遮挡转入燃烧要塞，16-23 秒经烟雾转入雨中石桥，23-30 秒经石柱转入雪山口，各场景靠前景元素贴近镜头完成无缝转场。
X · Charaspower精选AI 评分6262 一条提示词用 Seedance 2.5 拍出 30 秒无剪辑武士长镜头
作者分享了一条用于 Seedance 2.5 的提示词，生成 30 秒、单一武士穿越四个环境的视频，全程没有可见剪辑点。转场都藏在前景的旗帜、烟雾、柱子和雪中，镜头始终跟随同一角色向前推进，作者称这是用前景遮挡伪造连续大片长镜头的示范。
选题角度：作者用一条提示词在 Seedance 2.5 里做出 30 秒无剪辑感武士长镜头，可拆解前景遮挡转场手法做玩法教程。
Hacker News · AI 高分帖精选AI 评分7878 Google 发布 Gemini 4 Argon 机器人模型
Google 发布面向机器人的 Gemini 4 Argon，官方称其在测试 3D 物理空间理解的 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，超过其他前沿模型。
选题角度：官方给出 Gemini 4 Argon 在 ERQA 拿 87% 和四类机器人提示词示例，适合挑一个 MuJoCo 场景做上手实测。
Matt Wolfe精选AI 评分7878 Matt Wolfe 实测 Gemini 4 Argon 并对比 Claude 与 ChatGPT
Matt Wolfe 上手测试了 Google 的 Gemini 4 Argon，覆盖编码游戏、3D 打印 Gary Busey、日程安排与研究任务等场景。他记录了哪些表现令人印象深刻、哪些环节卡住，并对比了 Google 与 Claude、ChatGPT 的差距，视频还涉及基准测试、百万 token 输出、Antigravity 与 Gemini App 更新以及定价和访问权限。
选题角度：作者上手实测 Gemini 4 Argon 的编码、3D 打印与机器人任务，并对比 Claude 和 ChatGPT，适合做实测效果对比。
公众号 · 夕小瑶科技说精选AI 评分8080 Gemini 4 Argon 正式上线 AI Studio 与 Vertex
Gemini 4 Argon 正式上线，已在 AI Studio、Vertex 可用。社区开发者晒出多项实测案例，包括用纯 SVG 矢量代码临摹初音未来（1500 多个独立矢量元素逐步叠加）、体素构建中国古典建筑群并支持昼夜切换、纯 CSS 绘制徕卡 M 系列相机正面，以及与 3.8 Flash 对比的琉璃机械孔雀。
选题角度：原文汇总了全球开发者用 Gemini 4 Argon 生成的 SVG 临摹、体素建筑、纯 CSS 相机等实测案例，适合做效果对比展示。
X · Justine Moore精选AI 评分6262 Gemini 4 Argon 零素材搭建 Apple 电脑互动博物馆
有人让 Gemini 4 Argon 做一个 Apple 电脑互动博物馆，全程没有提供任何图片或数据。它自行抓取 Mac 档案照片、写工具清洗图片、拉取 50 年规格数据，并搭出 3D Cover Flow 界面，UI 会随所处年代变形。
选题角度：作者只给一句提示词、不提供任何图片和数据，看 Gemini 4 Argon 自己抓图、清洗、拉参数并搭出随年代变形的 3D 界面，适合录屏复现这套玩法。
Theoretically Media精选AI 评分7878 实测 Gemini 4 Argon：一周内用它做了游戏、合成器和视频剪辑
Theoretically Media 提前一周把 Gemini 4 Argon 当作日常主力模型使用，并展示了多个实际产出。Gemini 4 Argon 已上线 AI Ultra 和每月 20 美元的 Pro 套餐，具备 1M 统一 token 上限和 Antigravity 中的 continuation protocol。
选题角度：作者用一周实测展示 Gemini 4 Argon 在 Godot 游戏、合成器、Skyrim 模组和 DaVinci Resolve 剪辑上的实际产出，适合做上手实测与效果对比。