跳到正文
实时
#多模态
11月14日周六
  5. 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。

11月13日周五
  2. IT之家 · AI65

    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。

  8. Hugging Face Daily Papers

    Duo：一个用于全双工交互的互惠世界模型

    Duo v1 引入互惠世界模型（RWM），通过自回归推理、同步注意力和双重推演蒸馏联合建模意图与现实，实现实时全双工音视频交互。该模型持续感知音视频输入的同时实时响应用户，将智能与物理现实视为同等基础构成世界，支持对话、共享对象、重塑虚拟场景等交互，首批模型已开源。

  9. 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。

  11. 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。

  14. vLLM Blog60

    vLLM 在发布首日支持 Thinking Machines 的 Inkling 2 Small

    vLLM 在 Inkling 2 Small 发布首日提供支持。该模型是文本与视觉输入的多模态 MoE，总参数 594B、激活参数 17B，上下文最长 1M tokens，并自带 DSpark 推测解码器。

    推荐理由: 原文给出了 vLLM 对 Inkling 2 Small 的 Day-0 支持细节与多项内核优化，读者可据此了解该模型的部署路径与吞吐表现。

  17. Hacker News · 300+ 热帖

    Gemini 4 Hydrogen 发布：为日常编码和智能体工作流带来前沿智能与效率

    Gemini 4 Hydrogen 发布，在默认高推理层级将 Artificial Analysis Intelligence Index 分数提升至 51（Argon 为 50，最高可达 54），任务执行速度通常优于同类模型。

    同一件事 · 3 家
  18. TechCrunch · AI

    Google 推出 Gemini 4 Hydrogen 模型提升搜索复杂问题理解能力

    Google 通过新发布的 Gemini 4 Hydrogen 模型改进搜索复杂问题理解能力，该模型比前代快 2.5 倍且成本更低。Hydrogen 在多步骤任务中排名 Agent Arena 第 5，支持低至 xhigh 四档推理，并在一个基准上超越更强大的 Gemini 4 Argon。

    同一件事 · 3 家
  19. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，在默认 high 思考档位下 Artificial Analysis 智能指数为 51，高于 Argon 的 50，xhigh 档位可达 54

    同一件事 · 3 家

    推荐理由: 官方给出Hydrogen与Carbon、Argon的分工定位，以及多模型编排在成本与速度上的实测差异。

  21. Databricks Blog

    Block 公司如何用 Buzz 和 Unity Gateway 协同 AI 智能体

    Block 公司推出 Buzz 开源协作空间，让员工与 AI 智能体在共享工作区互动。通过 Databricks Unity Gateway，用户可访问 OpenAI、Anthropic、Google 等前沿模型及开源模型（原文未提具体数量），实验不同智能体框架组合。员工能创建 AI 智能体并选择模型（如包含 Goose 轻量版），实现多人协作开发、分析等任务。

11月12日周四
  1. IBM Research Blog

    IBM Research 解释什么是自旋量子比特

    IBM Research 正在研究两种量子计算硬件架构，其中自旋量子比特架构通过控制电子自旋状态编码信息。自旋量子比特利用量子点结构（如硅-锗异质结构）捕获单个电子，通过电压脉冲控制其自旋方向（上或下）代表 0 或 1。这种架构具有高门保真度、可扩展性、相对较快的速度和简单的控制信号（仅需电压脉冲），但当前 qubit 数量少于超导量子比特，且面临均匀性和制造良率等挑战。

  2. 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。

  4. OpenRouter Blog

    OpenRouter 如何构建自纠正的本地化系统

    OpenRouter 现支持简体中文、西班牙语、日语和韩语等 8 种语言，本地化功能已进入 Beta 测试。其系统通过每日检测代码中变更的字符串，使用 GPT-6.1 Sol 进行翻译，再经代码检查和第二模型验证，实现自纠正。当翻译失败时，系统会附带原因重新尝试，错误会被记录为规则或测试用例。整个流程在 OpenRouter 内运行，翻译数据存储于代码侧 Git 仓库。

  5. Latent Space

    Google 发布 Gemini Decision 1 生产决策模型

    谷歌发布了校准的多模态决策模型Gemini Decision 1，支持单次分类，可处理最多1000个问题，输入成本为每百万tokens 0.10美元，端到端延迟约200毫秒。在7项基准测试中，Gemini Decision 1在5项上优于Anthropic的Jevolution，但独立评测结果较混合，整体决策指数得分为66。

    同一件事 · 7 家
  6. 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。

  8. IT之家 · AI

    谷歌推出 Gemini Decisions API 快速多模态决策，基于 Gemini Decision 1 模型

    谷歌推出 Gemini Decisions API，由 Gemini Decision 1 模型驱动，可在一次处理中对文本、图像、视频和 PDF 内容进行至多 1000 项判断、选择和评估，延迟 150-250 毫秒，输入价格每 100 万 Tokens 0.10 美元。

    同一件事 · 7 家