匿名模型Space Bunny登顶OpenRouter双榜,Coding实测全记录
匿名模型Space Bunny在几天内冲上OpenRouter和OpenCode调用日榜第一,作者用OpenRouter API接入DeepSeek Harness实测了4个coding任务。
匿名模型Space Bunny在几天内冲上OpenRouter和OpenCode调用日榜第一,作者用OpenRouter API接入DeepSeek Harness实测了4个coding任务。
TechCrunch 记者在 Synthesia 纽约新办公室体验定制自己的交互式数字分身,这是 Synthesia 首次为记者(也是除 Voica 外首次为任何人)制作数字分身。
Epoch AI 的家具组装基准(FAB)用三件宜家家具的组装照片,让模型对照说明书找出故意设置的错误。
Matt Wolfe 的 AI 周报汇总了本周多条动态,包括 Claude Opus 5.5、GPT-6 Sol 与 Luna、Grok 4.7、Gemini 3.8 Live Avatar 与 Gemini 3.8 Flash TTS,以及一款新 AI 模型类型。
Meta 在 Meta Connect 上把智能眼镜摆满全场,并首次展示尚未发布的纯音频智能眼镜:配 6 个麦克风、无摄像头、无法录制周围环境,重量明显轻于其他智能眼镜。该眼镜将接入 Meta 个人智能体系统 Muse,可语音下指令完成发邮件、念待办等任务,但该集成尚未向公众开放。Meta 同时试戴了面向听障人士的音频眼镜,研发约五年,售价 150 美元,而多数助听器价格可高达 1600 美元。
5 个可直接上手的 ChatGPT 提示词,分别对应 5 项新功能:用 GPT-6 升级版 computer use 在 Blender 中搭建数字立体场景,用 GPT Image 2.5 只重设计房间一角并保留其余部分。
Anthropic 与 OpenAI 同日发布 Opus 5.5 和 GPT-6 Sol(含 Luna),Meta 在 Meta Connect 推出 Muse 系列硬件,包括自带 5G 的 AI 玩具 Muse Charm。
PrismML 在高通骁龙峰会上展示了 1-bit Bonsai LLM,可在基于 Snapdragon AR1 Gen 1 平台的 AI 智能眼镜上本地运行。该版本为 20 亿参数、面向视觉与语言调优的模型,可将大模型压缩 4 倍并保留标准基准上几乎全部性能,用户可实时询问所看到的物体。目前尚无搭载 PrismML 的智能眼镜发布。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话,即日起在 Gemini Enterprise 上线。
选题角度:官方给出多语言实时对话演示和酒店入住工具调用案例,适合录屏实测口型同步与后台调用工具时的对话连贯度。
Meta 在 Meta Connect 2026 上扩展了其 AI 智能体 Muse,新增实时视频通话与可定制头像、专属邮箱地址,以及控制 Mac 应用的能力。
诺因(Knowin)9月24日发布面向通用具身智能的生成式学习架构GLOW技术报告,核心是让机器人通过人类一次完整操作学会任务并跨物体、跨环境、跨任务复用。
海信在 9 月 23 日秋季新品发布会上推出 RGB-Mini LED 电视 E7S Pro+,覆盖 75、85、100 英寸三个尺寸,100 英寸版拥有 7560 控色分区、100% BT.2020 色域和 △E<0.7 色准。
Meta 在年度 Connect 大会上公布个人 AI 智能体 Muse 的一系列新能力,包括可实时视频通话的数字分身、接入 Meta 智能眼镜、在 Mac 上代用户操作任意应用,以及为 Muse 分配独立邮箱地址。
Meta 在 Connect 2026 大会上发布首款无摄像头 AI 眼镜 Ray-Ban Meta Audio,由 EssilorLuxottica 设计,起售价 349 美元,10 月 13 日开启预售。
这份 ChatGPT 2026 完整教程覆盖免费版与付费版功能,重点讲解思考模式、模型选择器、记忆与自定义指令,以及用 Projects 组织工作。教程还演示了 ChatGPT Work 中 AI 智能体交付报告与文档、ChatGPT 6 中 Astra 模型的数据分析,以及 ChatGPT Skills、插件、图像生成与编辑、深度研究、ChatGPT Sites 和智能体等功能。
Google Beam 正式扩展至美国、加拿大、英国、法国、德国和日本六国,由 18 家渠道合作伙伴支持部署,旗舰硬件为 HP Dimension with Google Beam。
Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型,前者可用文字提示词从零设计音色,定义角色、口音和声音特征,两者均支持 100 多种语言并可为每句台词添加舞台指示。
选题角度:作者用预设音色加风格提示词实测了柏林口音英语,可复现这段提示词并对比官方样片与背景杂音问题。
YouTube 正在为创作者推出新的 AI 工具。YouTube Studio 中的故事助手会分析脚本和粗剪,结合频道历史表现,就节奏、结构和叙事给出修改建议;创作者可同时 A/B 测试最多三个剪辑版本并撤下表现差的版本。
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,即日起在 Gemini API 和 Google AI Studio 上线,Flash-Lite 版同步进入 Google Vids。
选题角度:原文给出两款 TTS 模型的开放入口、2000+ 音色库和 30 秒声音复刻能力,适合上手实测同一段脚本的语音生成效果。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色设计与逐句表演指导,后者面向高并发、低成本的配音与语音智能体场景。
选题角度:官方给出 AI Studio 音频 playground 入口和 30 秒样本复刻声音的流程,适合录屏实测从提示词造声到双人剧本逐句导演的完整玩法。
YouTube 在 Made On YouTube 年度活动上宣布为 YouTube Studio 推出多项 AI 新功能,包括将 AI 问答功能 Ask Studio 扩展到 iOS 和 Android。
invideo 借助 GPT‑6 Astra 更精准地规划剪辑,将色彩校正与调色效率提升 3 倍,并在一天内生成 50 个自定义特效。
小米正式推出MiMo-V2.6-Flash、MiMo-V2.6-Pro及Pro的UltraSpeed版本,Pro在Artificial Analysis智能指数取得46分,超过Kimi K3和Qwen3.8 Max。
选题角度:作者用孪生素数可视化、3D地震台、PPT和视频模仿四个实测案例展示MiMo-V2.6-Pro的编码与审美能力,适合挑其中一个案例录屏复现并对比成本。
通义千问发布 Qwen-Audio-3.1,ASR、TTS 与 Realtime 全面升级,并新增 TTS-Next 和 ASR-Next 两个模型,共五个模型覆盖理解、生成、交互与创作。
选题角度:官方放出五个音频模型和最高95%的降价,适合逐项实测ASR去口水词、TTS-Next一次生成音效与背景音的效果。
斑马智能在云栖大会发布全模态端侧大模型 AutoOmni 2.0-23B-A3B,采用 MoE 架构,普通任务能力堪比 10 倍参数量云模型,复杂任务处理能力达其 80%-90%。该模型已合作国内外 10 家芯片企业,支持 8 路以上多任务并发,大模型推理加速 5-6 倍,量化保真度超 99%,运行内存占用减少 50% 以上。
爱诗科技上线全新实时世界模型 PixVerse R2,把视觉、动作、音频、时序和控制信号统一进一套可扩展的因果建模框架,主打实时性与通用能力同时成立。R2 相比上一代 R1 增加了互动影游、实时数字人等玩法,用户可用 WASD 控制视角、用 Prompt 改写角色动作和剧情走向。
影眸Hyper3D上线Agentic Mode,让Agent参与输入整理、参考图分析和建模路径选择,生成的Low-poly N-GONS模型可继续做参数化调整、动画预设和材质增强。
Curious Refuge 测试了一套混合电影制作流程,把实拍素材与 AI 结合,将简单的灰模镜头转换成全新的环境。视频给出完整流程演示,配套的书面拆解和提示词发布在 curiousrefuge.com 的博客页面。
选题角度:原文给出把实拍灰模镜头转成全新环境的混合制作流程,适合拆解步骤并对比灰模与成片效果。
阿里在云栖大会集中发布全模态模型矩阵,包括开始自己训练自己的 Qwen3.8-Max、提前放出下一代架构的 Qwen3.8-Flash、开辟思考分区的 Qwen3.8-Omni,以及已投入训练的 Qwen4,参数规模瞄准 5万亿~10万亿。
商汤科技正式发布生图模型 SenseNova U1 Pro,可在商汤小浣熊平台使用,API 已向企业客户开放。作者在 SenseNova Studio 实测其多轮局部修改能力,把海报中“桂花拿铁 28元”改为 26元、替换主标题、改杯身底色,连续三轮修改后画面其余部分未发生变化。
9月22日云栖大会上,阿里公布大模型系列进展,Qwen LLM项目负责人刘大一恒表示Qwen4.5、Qwen5参数规模计划迈向5到10T,Qwen4正采用全新架构训练。
阿里在2026云栖大会公布大模型最新进展,基于下一代架构的Qwen4已投入训练,Qwen4.5、Qwen5稳步推进,未来参数规模将扩展至5到10万亿。
Dreamina 推出 Seedance 系列新功能,画布改版并加入可自动规划拍摄的 AI 智能体、Elements 素材库和生成侧 Skills,MiniMax H3、GPT Image 2 与 Nano Banana Pro 也已接入画布。
选题角度:原文给出 Seedance 2.5 Preview 的 480p 草稿到 1080 重渲染流程,适合实测同一镜头低分辨率试稿再出成片的画质与成本差异。
字节跳动推出 AI 短剧与视频制作平台 Dramagic,覆盖从剧本分析、角色创建到分镜和视频预览的全流程,支持多用户同时协作并内置一致性检查。该平台通过字节跳动企业平台 BytePlus 销售,可在线申请使用。
ElevenLabs 增长负责人 Luke Harries 与 ElevenCreative 的 Aneri Amin 在直播工作坊中演示了用 Flows 从两张产品图生成完整竖版广告,涵盖图像、配音和音乐,全程几分钟内完成。
ElevenLabs 在 ElevenCreative 中发布 Studio 4.0,这款 AI 原生视频编辑器可在同一项目内直接生成视频、图像、语音、音乐和音效,并完成剪辑、字幕与导出。
选题角度:官方给出 Studio 4.0 的完整入口和生成、剪辑、字幕、配乐一体化流程,适合录屏演示从提示词生成镜头到导出的全流程。
长三角安全人工智能安徽省实验室在合肥举办的第一届中国网络空间安全大会(CCSC 2026)人工智能安全与应用治理论坛上发布星界、星驭、星鉴三大AI安全解决方案,分别覆盖大模型内容安全、智能体应用安全与AIGC内容可信传播。实验室主任刘俊华称,其大模型安全防护平台2025年已落地25个私有化项目,2026年日均调用次数突破数亿次。
比亚迪发布AI超级智能体「迪迪虾」,首搭腾势N8L纯电车型,基于璇玑架构2.0将智能座舱升级为AI OS,支持端云协同与多模态感知。迪迪虾已接入十余个生态合作伙伴智能体,并与飞猪、高德、支付宝等首发酒店、导航、生活等场景智能体。腾势D9、N8L闪充版、Z9GT、N9闪充版也将陆续开启OTA推送。
帕洛阿尔托初创公司 ScrollEd 打造了一款应用,可将任意文本文件(包括枯燥的 PDF 或教科书)转成类似 Instagram Reels 或 TikTok 的信息流,内容以 AI 生成的视频、音频、文本或互动测验呈现。
腾讯混元语音团队与多所高校研究者提出 Gander,一个能一边实时对话一边在后台处理复杂任务的 AI 模型,同时接收语音、图像和文本。它把工作拆成负责实时对话的“小脑”和负责推理与复杂任务的“大脑”,大脑可换成 Codex 或 Claude Code 等智能体系统而无需重新训练对话模型,测试中由 OpenAI GPT-5.6 系列的一个未指明模型担任该角色。