IT之家 · AI5858华为麒麟9050系列新马良GPU、AI ISP情报公开：实装二代硬件光追，首次实现2亿像素融合拍照
华为麒麟 9050 系列搭载第四代 GPU 微架构，性能提升 40%、功耗降低 45%，二代硬件光追性能提升 78%，支持 BVH、FERT、AO 硬加速单元；新一代 AI ISP 集成像素专用 NPU，首次实现 2 亿像素融合拍照，支持 4K60 视频处理、18EV 高动态视频及全链路 BT.2020 广色域。
实时
#图像生成
- IT之家 · AI5858
Hugging Face Daily PapersTest-Time Baking (TTB) 发布：用于高效渲染解码器仅大视图合成模型的策略
Test-Time Baking (TTB) 策略通过将交叉视图注意力中的全局场景信息烘焙到轻量级 MLP，在保持 Test-Time Training 效率的同时提升了大视图合成模型（LVSMs）新视角解码的保真度，在多个基准测试中实现了高达 23 倍的渲染速度提升且质量与当前最优技术相当。
- IT之家 · AI6262
llama.cpp 1.0.0 发布：支持超 150 种模型架构，本地运行大模型能力大幅提升
llama.cpp 1.0.0版本发布，支持超150种模型架构，通过主版本号标记API/ABI不兼容变化；ggml底层引擎增强，支持多硬件后端动态加载，本地部署大模型性能提升。
AWS Machine Learning Blog3434在 Amazon SageMaker JumpStart 上部署 OpenFold3：预测生物分子结构
OpenFold3-preview 可在 Amazon SageMaker JumpStart 上部署，该开源生物分子结构预测模型由 OpenFold Consortium 和哥伦比亚大学的 AlQuraishi Lab 开发，支持蛋白质、DNA、RNA、小分子配体及其复合物的 3D 结构预测。
- AWS Machine Learning Blog
在 Amazon Bedrock 上使用 NVIDIA NeMo Switchyard 为 Claude Code 和 OpenAI Codex CLI 等编码智能体路由模型请求
开发者使用 Claude Code 和 OpenAI Codex CLI 等编码智能体时，需按任务而非单次调用付费，因此模型路由应基于每项任务的成本。NVIDIA NeMo Switchyard 是一个开源库，可帮助 AI 智能体选择处理每个请求的模型，支持 Stage 和 Random 两种路由策略。
NVIDIA Technical Blog5555使用 NVIDIA cuPhoton 运行 GPU 加速黑洞干涉测量
使用 NVIDIA cuPhoton 可实现黑洞干涉测量，M87* 的观测环仅 42 微弧秒。黑洞本身不发光，望远镜捕捉到事件视界外炽热气体的射电发射，黑洞的强引力弯曲光路形成亮环，NVIDIA cuPhoton 通过 GPU 加速相关计算。
- Hugging Face Daily Papers
Open Vision Banana：一个完全开源的生成式视觉感知方案
Open Vision Banana (OVB) 开源了 Open Vision Banana 的数据、权重、代码和实现细节，其基于 4B 和 9B 参数的开权重大模型及 2.1M-3.8M 训练对，在 Cityscapes 上超越 Vision Banana 实现 73.9 vs 69.9 mIoU 的零样本性能，并可与最先进的仿射不变深度估计器媲美。
- IT之家 · AI6565
索尼宣布 PS5 超分技术 QSSR 即将登陆《漫威蜘蛛侠 2》等游戏
索尼宣布 PS5 超分技术 QSSR 即将登陆《漫威蜘蛛侠 2》、《控制：共振》、《THE FINALS》、《ARC Raiders》等作品，相关游戏更新将在未来几周内推出。QSSR 基于 PS5 Pro 的 PSSR 架构开发，能提升输出画面的清晰度，呈现更清晰细节、干净边缘和稳定画面。只需少量调整，旧游戏即可适配 QSSR。
- IT之家 · AI
DeepSeek 发布全家桶应用 API
DeepSeek 开放全家桶应用 API，开发者可通过参数调用深度思考搜索、文件输入等对话功能，语音及相关底层能力也开放独立接口，支持单独或组合调用，实现 1:1 复刻 DeepSeek App。V4.1-Flash 模型（deepseek-flash）支持联网搜索、深度思考搜索、文件输入、阅读链接等能力，并收取相关工具调用费用。
- IT之家 · AI6565
Gentle Monster 和 Warby Parker 将于下月推出搭载高通 AR1 芯片、接入谷歌 Gemini 的 Android XR 智能眼镜
Gentle Monster 和 Warby Parker 将于 12 月 10 日推出首款 Android XR 智能眼镜，均搭载高通 Snapdragon AR1 Gen 1 芯片、配备 1,200 万像素摄像头，接入谷歌 Gemini 实现实时翻译、逐向导航等功能，Gentle Monster 起售价 449 美元，Warby Parker 起售价 395 美元。
蚂蚁 inclusionAI · Hugging Face 新模型inclusionAI/Duo-1.2-causal-base 发布：一个用于全双工交互的多模态世界模型
inclusionAI 发布 Duo 1.2 causal-base 模型，这是一个用于实时音视频交互的全双工多模态世界模型，包含改进的生成质量，模型权重可在 Hugging Face 下载。
- 蚂蚁 inclusionAI · Hugging Face 新模型
inclusionAI/Duo-1.0-distill 发布：一个用于全双工交互的多模态世界模型
inclusionAI 发布 Duo-1.0-distill，一个用于实时音视频交互的全双工多模态世界模型，包含四步蒸馏的 Realization 权重，需与 causal-base 套件叠加使用。
- Hugging Face Daily Papers
BirdDreams：联合视角与 BEV 视频生成实现合理、反应式驾驶世界模型
BirdDreams 联合生成视角视频和鸟瞰视频（BEV），使场景布局成为预测未来的部分，通过 BEV 提供车辆位置和运动的俯视图，减少遮挡，而视角视频保留场景细节。在 PhysicalAI-AV 和 nuScenes 上，BirdDreams 比先前的驾驶世界模型更忠实地遵循输入的自身轨迹，并生成更合理的自身运动，无需 HD 地图或车辆状态输入。
Latent SpaceArtCraft 公司开源 Photoshop 替代品 PhotoCraft 并计划重构互联网
ArtCraft 公司开源了 AI 构建、基于 Rust 的 Photoshop 替代品 PhotoCraft，该软件与 Photoshop 功能相似度达 60%（GitHub 数据为 46% 专业准备度），并计划开源 Adobe Acrobat 的克隆版 PdfCraft。
Hacker News · 300+ 热帖 ZigZag：一个开源视觉刺绣编辑器，支持 AI 智能体协作创作
ZigZag 是一个用 Rust 编写的视觉刺绣编辑器，支持 MCP 协议让 AI 智能体可协作设计，能将 SVG 转为刺绣针迹，并导出 PES、DST 等多种格式，兼容 Brother Skitch (PP1) 并支持蓝牙传输，提供 Tatami、Satin、Stitch 等多种刺绣类型和规划功能，支持 Mac 和 Windows 平台下载使用。
- 蚂蚁 inclusionAI · Hugging Face 新模型
inclusionAI/SingVL_S1_4B_GGUF 发布 SingVL-4B GGUF 多模态决策模型
SingVL-4B GGUF 是基于 Qwen3.5 的 4B 参数多模态决策模型 Sing VL S1 的 GGUF 版本，可对文本或 JSON 及最多四张图像回答命名问题，并使用完整前向传递评分选项，在 Text 评测中得分为 69.76，Vision 评测中得分为 73.94。模型使用 llama.cpp 适配器，默认上下文容量为 4096 token，支持文本和图像输入。
- IT之家 · AI6565
上海海思推出 CS6286 图像传感器，将车载哨兵系统续航延长至 7 天以上。
上海海思推出800万像素图像传感器CS6286，采用“感算存一体”架构，具备感侧高精度智能分析、低功耗预录与全场景高动态成像技术，将车载哨兵系统续航延长至7天以上，支持4K@30fps HDR视频录制，AI引擎等效算力50GOPS@int8，人形目标检测准确率达95%以上。
OpenRouter BlogRAG 中的重排序：如何用重排序器修复糟糕的检索结果
当 RAG 应用在文档中存在正确信息却给出错误答案时，通常是因为检索环节出错。向量搜索虽能找到相关主题的片段，但常因近似匹配而失效，例如在询问 Growth 计划时错误地调用了 Enterprise 计划的桶限制。
vLLM BlogDeepSeek-V4.1-Flash 在 NVIDIA Vera Rubin NVL72 上实现 58 倍吞吐量提升
DeepSeek-V4.1-Flash 在单台 NVIDIA Vera Rubin NVL72 机架中实现每 GPU 1.7M tokens/s 的服务能力，单个用户达 387 tokens/s，较 GB300 NVL72 提升 58 倍。
Google Developers BlogGemini 和 Z3 联合捕捉 Go 代码中模糊测试遗漏的 Bug
Gemini 4 Argon 将 Go 代码的 panic 路径转化为 Z3 约束规则，配合 Z3 检查触发条件，配合 go test 重放触发字节，在 1 分钟内定位 3 个植入的解析器 Bug 并发现 3 个 skill-lint 潜在 Bug。该流程比 go test -fuzz 更高效，能找到模糊测试遗漏的边界检查错误。
TechCrunch · AI6565Phota Labs 应用将日常照片转为专业级影像
Phota Labs 应用通过 AI 将日常照片转为专业级影像，同时保留照片真实性。该应用专注于修复拍摄本身的问题，而非增强已不佳的照片。用户可选择不同摄影风格进行 AI 转换，并使用个性化技术学习用户身份以保持照片真实性，应用内嵌不可见水印以标识 AI 编辑内容，目前以免费模式推出以积累用户基础。
PyTorch Blog5050Helion 内部编译时启发式算法优化内核性能
Helion 通过编译时启发式算法分析内核 IR 和数据流，无需慢速自动调优即可选择快速设置，将内核分类为矩阵乘法、归约或逐点操作，并选择块大小、warp 和阶段，实现近乎自动调优的速度。
- AWS Machine Learning Blog5858
Amazon Bedrock Managed Knowledge Base 实现细粒度访问控制
Amazon Bedrock Managed Knowledge Base 通过在 AgentCore Gateway 工具层注入用户上下文并验证 JWT，结合知识库的 ACL 意识功能，实现企业 AI 代理的细粒度访问控制。
量子位精选同一件事 · 3 家8282MiniMax开源图像模型H3-Image：原生4K、支持16张参考图
MiniMax开源图像模型H3-Image支持原生4K（4096×4096像素）生成，最多可输入16张参考图。作者实测其能根据产品外观图推演正交三视图和机械爆炸图，并在人脸毛孔、雀斑等细节上减少塑料感。API价格为主流竞品的50%到70%，首周16MP请求再打五折。
- 量子位
银河智学小鹿爱学发布：用双核技术架构支持规模化因材施教。
银河智学发布AI教育产品小鹿爱学，采用豆包大模型与自研智能学习引擎双核架构，通过分析学生作答记录实现学情诊断，并开发学情诊断、能力测评、学习难度匹配和任务规划功能。学生端智能体推荐学习任务并说明依据，教师端智能体提炼学生表现供个性化指导参考。产品已服务超500所学校，覆盖24省，通过人机共育模式支持教师调整教学策略。
- PyTorch Blog
EUROPA 联盟在 JUPITER 超级计算机上使用 PyTorch 和 TorchTitan 训练 1T 参数 MoE 模型
EUROPA联盟在JUPITER超级计算机上使用PyTorch和TorchTitan成功训练了参数量达951.9B的MoE模型，将单GPU的吞吐量从90提升至约1,300 tokens/s，使用了384个NVIDIA GH200 GPU。
- IT之家 · AI6565
荣耀 700 系列手机全系配备新一代绿洲护眼屏，首发旗舰同款长焦增距镜，提供“4K 电影感 Live 照片”
荣耀 700 系列手机全系配备 1.5K 分辨率、3840Hz 零风险调光的新一代绿洲护眼屏，搭载全链路干眼守护方案；首发旗舰同款长焦增距镜，提供 5000 万像素电影感潜望长焦支持 3.5 倍光学变焦；打造“4K 电影感 Live 照片”功能，支持 1500+ 种定制化护眼建议。
- IT之家 · AI
Apex Compute 推出 ANR 跨平台 AI 渲染技术测试版，挑战英伟达 DLSS
Apex Compute推出的ANR跨平台AI渲染技术测试版，包含AI帧生成、超分辨率和光线重建功能，兼容英伟达、AMD、英特尔显卡及Steam Deck，目前仅AI帧生成功能开放测试。
- Hugging Face Daily Papers6565
One Table Benchmark 推出：通用表格模型在生成、插补和预测任务中的基准测试
One Table Benchmark 测试了 46 种模型在 56 个数据集上的表格生成、插补和预测能力，发现这些任务共享条件信息但保真度和目标交互不同，固定模型在效用和保真度间存在权衡，冻结的基础模型在预测和数值插补方面表现突出，表明统一表格模型有潜力提升分类重建和联合采样。
36氪 · AI通芯智能创始核心技术团队创业AGI架构芯片，获清华系等基金数亿投资
通芯智能成立半年完成数亿元种子轮及天使轮融资，创始团队平均芯片从业经验超20年。公司以朱松纯教授提出的CUV认知架构为基础，设计支持向量、张量计算及物理智能的原生芯片，首款定位高性价比推理芯片，端侧对标英伟达Thor系列，云端对标B300系列，计划12月初展开FPGA原型验证。资金将用于芯片流片前的核心架构设计及研发。
Hacker News · 300+ 热帖同一件事 · 2 家6565 Gemini 等 AI 智能体通过分析 NASA LiDAR 数据发现墨西哥未被记录的玛雅遗址
Gemini、ChatGPT、Claude 和 Grok 等智能体通过分析 NASA LiDAR 数据在墨西哥发现未被官方记录的玛雅遗址，耗时不到 72 小时完成从灵感到政府正式回复的全过程。该遗址位于丛林中的山顶，包含广场、金字塔和庭院等结构，智能体通过图像分析识别并提交报告给墨西哥国家人类学与历史研究所 INAH，后者确认该地点尚未注册（后经查证该遗址已由人类学家绘制）。
同一件事 · 2 家各家口径不同：Hacker News称AI智能体包括Gemini、ChatGPT、Claude和Grok；AI热帖只提到Google SWE。
- OpenRouter Blog
如何使用OpenRouter基准测试LLM
在 OpenRouter 上运行相同任务，对比 GPT-6.1 Sol 在 60 项合成任务中通过 180/180 次测试，DeepSeek 成本最低通过 157/180 次，但与公开排名相关性低（Spearman 相关系数 0.109）。需检查任务重复次数、答案数量和账单验证。
- IT之家 · AI6565
富士 X-T6 相机据传搭载全新 4000 万像素传感器
富士 X-T6 相机据传将搭载全新 4000 万像素 CMOS 传感器，并配备 X-Processor 6 处理器以提升数据吞吐速度及支持新一代深度学习 AI 自动对焦。相机预计将采用全新 NP-W255 电池，容量最高提升 16%。
- Hugging Face Daily Papers6565
MACaQ：一种快速、模型无关的校准量化方法
MACaQ 是一种 MXFP4 W4A4 的后训练量化方法，通过在线激活变换和 Hessian 感知细化独立量化每个线性层，在语言和扩散模型中减少成本同时保持准确性。MACaQ 在 Qwen3-32B 上 vLLM 实现仅增加 2.3% 的端到端开销，比 DuQuant++ 和 MR-GPTQ 的困惑度更低，并在 11 倍更短的量化时间内达到 Llama-3-8B 的最佳困惑度。
- AWS Machine Learning Blog3838
AWS Generative AI Innovation Center 提供 23 件生产级可复用资产加速生成式 AI 交付
AWS Generative AI Innovation Center 提供 23 件生产级可复用资产，包含 RAG 管道、文档处理器等，可缩短开发时间至数周，DoorDash、Lyft 和 Ricoh 等公司使用后实现测试能力提升 50 倍、工程时耗减少 90%、部署周期从数月压缩至数周。这些资产已通过安全审查并支持持续维护，解决了因缺乏单一事实源、质量信号和复用文化导致的重复开发问题。
Apple Machine Learning Research状态空间模型（SSMs）的门控机制：记忆与情境学习研究
状态空间模型（SSMs）在情境学习和精确检索任务上落后于 Transformer，其门控机制导致其先学习记忆解决方案，延迟或阻止正确情境学习解决方案的收敛，但门控机制对改善长序列泛化有益。
Hugging Face Blog3838Hugging Face 博客：多向量嵌入模型的 Token Pooling 感知训练
Hugging Face 博客介绍了多向量嵌入模型的 Token Pooling 感知训练方法，通过 HierarchicalTokenPooling 将相似 token 嵌入合并以压缩存储。
- IT之家 · AI6565
Xbox版《GTA 6》预载文件出现AMD FSR 4.1线索，首发未必支持
数据挖掘者在 Xbox 版《GTA 6》预载文件中发现名为 amd_fidelityfx_loader_xbox.dll 和 amd_fidelityfx_upscaler_xbox.dll 的库文件，与微软 FSR 4.1 Xbox GDK 示例项目术语一致，暗示游戏可能采用最新超分辨率技术；但开发者 Rockstar 尚未确认，该技术或于发售后通过更新加入。
- IT之家 · AI同一件事 · 2 家
Adobe 公布四项 AI 实验项目：照片秒变 3D 场景，还能通过聊天设计 AI 角色
Adobe 公布四项 AI 实验项目：Project Screen Test 通过对话设计 AI 角色；Project Sight Span 将照片转为可探索 3D 场景；Project Sound Bender 实现视频音效自由调整；Project Rinse Repeat 自动复制编辑操作。
The Verge · AI同一件事 · 2 家Adobe 实验性 AI 工具：让照片可探索、AI 角色会对话、编辑如复制粘贴
Adobe 推出实验性 AI 工具 Project Screen Test，通过对话设计 AI 角色并生成试镜动画；Project Sight Span 将照片转为可探索的 3D 环境；Project Sound Bender 允许用户像调色轮一样定制音效；Project Rinse Repeat 可复制编辑自动应用于同图其他对象
