Microsoft AI News精选同一件事 · 2 家6767微软 AI 发布图像编辑模型 MAI Image 2.7，以预览版上线，在 Arena Edit 排第 3、在 Artificial Analysis 图像编辑榜排第 2，微软 AI 因此成为第 2 名实验室。
推荐理由: 微软公布 MAI Image 2.7 在两个图像编辑榜单的排名，并给出相对上一代在 10 类用例上的提升幅度。
Hugging Face Daily Papers6565AV-FABLE 引入一个用于长视频稀疏篡改的音频视觉基准，表明冻结的音频视觉大语言模型的感知特征包含最佳通过分离时间解码器而非语言输出恢复的取证证据。长视频中的局部 AI 篡改通常影响其他内容真实的短暂事件，使视频级分类不足以进行取证分析。
量子位6666OXR开源模型在OmniDocBench、olmOCR-Bench和DocParsingBench三项基准测试中全部登顶，完整解析速度超过PaddleOCR-VL-1.6和MinerU2.5-Pro
量子位6262Hi3D V1.0模型生成效果优于GPT-6 Astra，是首个可商用2048³超高精度国产自研AI 3D模型，基于约200万个筛选3D资产训练，多视图保真度0.75、细节丰富度0.841排名第一，已开源代码并支持在线Demo。
IT之家 · AI苹果 iOS 27.2 系统加入 SynthID 功能，为图乐园生成图像及部分智能编辑图片添加隐藏式水印。SynthID 是谷歌开发的 AI 内容识别技术，在像素层面嵌入水印标记 AI 图片，不影响图片质量且能抵御后期处理。用户需访问 SynthID Detector 网站，在“照片”App 中使用“扩展”和“重新构图”处理的图像均显示为 AI 生成。
LangChain Deep Agents releasesLangChain Deep Agents 的 deepagents-code==0.2.2 版本发布，包含安全与性能改进。新增 GPT-6.1 Terra 支持、选中文本输入至聊天、插件更新检测等功能；修复项目 .env 文件设置信任值、终端 UI 链接限制、Git 选项限制等 Bug；通过重用父进程上下文、优化服务器启动流程、精简转录渲染等提升性能，推荐尽快升级。
Apple Machine Learning ResearchGHARP 方法通过少量输入图像和表情信号实时动画化 3D 人头，分为离线的身份阶段（构建几何与外观表示）和运行时的动画阶段（预测表情残差）。该方法在预训练重建模型的语义结构潜在空间中执行动画，使表情变化空间受限，实现高效残差预测，并在 Ava-256 基准上达到 SOTA 质量，A100 GPU 速度提升 13 倍、高斯数量减少 8 倍。
PyTorch Blog3434Nemotron 3.5 在 Google Pixel 11 上使用 ExecuTorch 和 SME2 实现了最高的流式语音识别准确率，最高可达 11.7% WER（使用 1,120 ms 音频块和 QC8W 精度），比 FP32 快 3.5 倍，但延迟增加；较短的音频块（如 80 ms）可以降低延迟，但准确率降至 15.2% WER。
Artificial Analysis Articles6565Claude Opus 5.5 在 Code2Video-AA 的五项指标上均领先，每项任务成本差异达 300 倍，所有模型视频渲染率至少 96%。
IT之家 · AI6060即梦 AI 短剧工作室上线，提供自研剧本模型 DreamScript（支持多题材生成、爆款诊断、10 万字长篇解析）、图片模型 Anycook（支持差异化人物设定、多风格场景搭建）和分镜模型 DreamShot（双模式创作、3D 导演台动态预演）。
IT之家 · AI6565爱尔兰利默里克大学研究显示，189 位知识工作者在虚拟办公室实验中更信任拟人 AI 智能体，但女性化虚拟同事获得的“薪酬”显著低于男性化同事。三位虚拟同事（文本窗口、机器人、拟人形象 Johanna/Johan）中，拟人形象获最高评分，但 Johanna 与 Johan 信任度无显著差异。
Hugging Face Daily Papers3131Omni-Woodpecker 是一种无需训练的框架，通过识别模态冲突并重平衡隐藏表示来减少全模态大模型的跨模态幻觉，在 CMM 和 AVHBench 上将 Qwen2.5-Omni-7B 提升了 12.9 和 8.6 分，并在四个通用 OLLM 推理基准上持续提升 0.67-2.25 分，代码开源。
Simon Willison6565Simon Willison 开发了一个名为 Seam Cutter 的工具，可创建图像的水平或垂直切割线并滑动两侧，实现从图像中间裁剪部分区域。该工具旨在解决在用 Tailor 将多张截图拼接成长图时，需要裁剪中间特定部分（如删除无关提示词）的需求。
IT之家 · AI6565网友“QAQLeonard”为索尼 A7C II 制作了定制固件，直接解锁 FL2、FL3 胶片模式，支持导入外部 LUT、富士 NC、理光 GR 直出色调及创意外观、电子快门声音、竖屏显示等，A7C II Tools 已推出 3.0 版本，是首个拥有正式图形界面的版本。
TechCrunch · AI3535Grok 发布了与 Wonder Studios 合作、由导演 Dev Walker 执导的 AI 生成《奥德赛》七分钟剧集，为该系列的首集。该视频采用实用特效，但缺乏艺术性、灵感或人情味，背景故事冗长，角色台词生硬，与克里斯托弗·诺兰版本相比显得空洞，观众难以产生共鸣。
IT之家 · AI6060腾讯 WorkBuddy 已接入模型 Kimi-K3.1-Pro，该模型为 3 万亿级参数，支持 100 万上下文，在代码、3D 创作、金融研究等能力上表现突出。
IT之家 · AI英伟达 RTX Remix 升级至 1.6 版本，实验性支持《我的世界》Java 版游戏路径追踪，A 卡性能提升约 20%。新版本引入 DLSS 5 3D 引导神经渲染、最高 6 倍多帧生成、原生 Windows on ARM 支持，并升级 ComfyUI 2.0 资源管线。
IT之家 · AI6565OptiScaler MOD 社区将 AMD FSR 4.1.2 神经网络超分辨率模型移植至 Intel Arc 显卡，借助 XMX 矩阵加速核心实现硬件加速。在 Intel Arc A770 上测试显示，FSR 4.1.2 Lite 平均帧率 101.5 FPS，超分耗时 0.75 毫秒，与原生 XeSS SR 性能接近。
Hugging Face Daily Papers2727FilmFlow将自然语言或视频指令转化为3D场景的可执行相机轨迹，通过导演、解释器、侦察兵和评论家等专用智能体实现，在CinemaBench数据集上表现最佳。
MarkTechPost5858Kyutai 发布 CADRE，开源因果扩散表示自动编码器专为交互式世界模型设计，将行动延迟降至 230 ms 以下。CADRE 包含 7 个自动编码器，每个约 476M 参数加 86M 冻结的 DINOv3 ViT-B/16，世界模型为 1.2B 参数，视频分辨率为 288×512，帧率为 20 fps，在 1 H100 上运行。
IT之家 · AI5555华为 Mate 90 系列手机上线全新睿影 XMAGE 影像服务，图库升级支持 AI 一键成片及 3D 动态照片功能。
Simon Willison5555Claude Opus 5.5 High 通过提示词在几秒内用 canvas 元素和模拟画笔将照片快速绘制成版本。
SemiAnalysis亚马逊 Trainium 通过原生 PyTorch 训练体验的重大改进，显著提升其在训练领域的竞争力。Trainium3 支持标准 PyTorch API，无需 XLA 标记即可将大部分 PyTorch 代码迁移至 .to("neuron")，但 BF16 训练体验尚未完善。SemiAnalysis 工程团队测试显示其性能接近 CUDA 生态，但仍有改进空间。
量子位精选7272模思智能与 OpenMOSS 团队开源发布 5B 参数生图模型 MOSS-Image，上线 4 天在海外社区收获 130 万次下载，GitHub 获 1.4k Stars 并登顶 Hugging Face 文生图趋势榜。
推荐理由: 文章给出模型参数规模、文字渲染与布局控制的具体评测数字，可据此判断开源生图模型在设计类任务上的位置。
Hugging Face BlogHugging Face 发布 torch-neuronx 模型支持查询 Space，检测 AWS Trainium 兼容性。该 Space 支持查询 Hugging Face Hub 上 175B 参数规模的主流模型（如 Qwen3-0.6B）是否能在 Trainium 上无修改运行，并提供运行脚本。
The Decoder同一件事 · 3 家Canva 发布了其首款自研图像生成模型 Canva Craft，称其性能可与来自 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。Canva Research 团队从零开始训练该模型，主要依赖数百万个设计模板而非照片，支持 55 种语言的文本渲染，可在 30 多种宽高比下生成高达 2K 分辨率的图像，并通过 Magic Layers 实现结果的可编辑分层。
各家口径不同：TechCrunch 表示模型支持 30 种宽高比；The Verge 提及“超过 30”种宽高比；The Decoder 指定 30 多种宽高比。
Hugging Face Daily Papers6565LayerEditor 融合指令引导图像编辑与可重用 RGBA 层生成，通过联合 token 建模和编辑先验蒸馏实现精确局部操作和层重用。
Hugging Face Daily Papers同一件事 · 2 家WeVisOne-VL 通过结构化 token 预测统一对象级和像素级视觉感知，支持检测、定位、计数、OCR、分割和 matting 等任务，采用轻量级像素解码器和多阶段训练，在 30 项以上基准测试中表现领先，并保持对不存在对象的稳健拒绝。
各家口径不同：Hugging Face Daily Papers 表示使用轻量级像素解码器；MarkTechPost 提到 9.6M 参数解码器。
Hugging Face Daily Papers7575GAFU 框架通过将生成端视觉表示压缩为紧凑的 G token，提升统一多模态模型的细粒度视觉理解能力，支持任务条件检索。在 VStar-Bench、OmniSpatial 和 VSR-Bench 上，GAFU 相比相同数据的 SFT 基线模型最大相对提升达 20.00%、17.94% 和 8.62%。
腾讯混元 · Hugging Face 新模型腾讯混元发布 WeVisOne-VL-2B 模型，基于 Qwen3-VL 构建，集成 9.5M 参数像素解码器，支持目标级感知（开放词汇目标检测、指向定位、计数、指向和 OCR）与像素级感知（指向分割和可提示 alpha 摩擦），适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。
腾讯混元 · Hugging Face 新模型腾讯混元发布 WeVisOne-VL-4B 模型，基于 Qwen3-VL 构建，集成 9.6M 参数像素解码器，支持目标级感知（开放词汇目标检测、指向定位、计数、指向和 OCR）与像素级感知（指向分割和可提示 alpha 摩擦），适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。
36氪 · AI6565昆仑万维旗下 AI 视频创作平台 SkyProduction 接入可灵 AI 视频生成模型 Kling 4.0，后者是可灵推出的新一代原生多模态 AI 视频创作大模型，在视听表现、创作可控性、叙事连贯性及多元内容生成等方面实现升级。
Hugging Face Daily Papers6565Code2Video-Compass 基准包含 2,104 个任务，覆盖文本、图像和视频输入的代码视频生成，评估 15 个 MLLM 在 T2V、I2V 和 V2V 场景下的表现，发现顶尖模型在复杂动态和状态依赖任务中生成高质量视频仍面临挑战。
Hugging Face Daily Papers7575LaLa-World是一种语言条件潜在世界模型，通过结合模拟、机器人和视频数据实现高效的模型预测规划和策略初始化。该模型采用视频生成模型的语言条件接口，使JEPA风格的潜在世界模型（LWMs）能够跨不同领域和数据源学习。
36氪 · AI6565赤子城科技旗下TopTop与世界模型公司Viggle合作推出AI 3D互动小游戏“Slap Showdown”，支持上传照片生成个性化3D角色参与对战。游戏调用Viggle自研JST-2世界模型，该模型已覆盖全球多地，Viggle认为这是世界模型的“GPT-2时刻”。此次合作是世界模型在游戏社交场景的应用探索。
Hugging Face Daily Papers6565因子感知预测学习 (FAPL) 使视频扩散 Transformer 能够利用多模态大语言模型 (MLLM) 表示进行稀疏时间推理和电影级控制，通过分阶段接地和优化实现。FAPL 在三个电影级视频生成任务（稀疏到视频、因子感知编辑和多镜头生成）上始终优于基线，验证了其在 MLLM 特征使用、时间控制和因子协调方面的贡献。
IT之家 · AI7070Super Medo 制作的《血源诅咒》非官方 PC 移植版在 RTX 4070 显卡上通过支持 NVIDIA DLSS 帧生成技术，实现 1080p 分辨率下稳定突破 220 FPS，性能约为原版主机的 7 倍以上；原生 4K 分辨率启用 DLAA 后平均帧率约 40 FPS，开启 DLSS 3 帧生成后质量模式超 100 FPS，性能模式约 130 FPS。
Hugging Face Daily Papers6565Policy-Mask 学习一种预算感知的扩散时步、网络块和通道选择策略，为判别性视觉任务提取紧凑且任务最优的特征。在冻结的扩散模型中选择中间特征用于判别任务很复杂，因为有用信号分布在去噪轨迹、网络深度和通道中。
36氪 · AI6565深圳艾普梦光学科技（APOM）旗下智能眼镜品牌L'Atitude 52°N面向旅行和户外场景推出AI智能墨镜，众筹累计金额近40万美元，首款眼镜标价$399起，预计2026年备货量约2万副。产品核心体验集中于第一视角影像、实时翻译和AI导览，搭载1200万像素摄像头模组和专用AI影像芯片。
vLLM Blog5858vLLM 在 NVIDIA Blackwell、Rubin 和 AMD MI350 系列显卡上为 MiniMax-M3.1-Flash 提供零日支持，在智能体工作负载上表现优异。
