White Circle 研究：DALL·E 3、Nano Banana 2 等图像模型可被 RISE 方法绕过安全过滤生成裸露图像
White Circle 在预印本中提出 RISE 攻击方法，用公开模型绕过 DALL·E 3、Google Nano Banana 2 和 GPT-Image-2 的安全过滤生成露骨图像。
AI 评分58
AI 评分 58 / 100
#多模态模型
#多模态模型
今日 3 条Ars Technica · AI AIbase 爱诗科技香港办公室落地数码港，携实时世界模型 PixVerse R2 建"AI 视频枢纽"
爱诗科技（AIsphere）香港办公室在数码港开幕，同步启动"数智香港·爱诗 AI 百业共创计划"，并与其域创新、香港理工大学等签署合作。现场亮相的 PixVerse R2 被称全球首个具 Scaling 能力的通用实时世界模型，可对画面声音实时生成与交互建模，用户用自然语言即时改变角色状态、环境与剧情分支。
AI 评分42
AI 评分 42 / 100
量子位精选 面壁智能开源 MiniCPM-V 4.7：35B-A3B MoE 模型约 3G 内存即可在 iPhone 断网运行
面壁智能与 OpenBMB 开源 MiniCPM-V 4.7，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、安卓设备上断网运行。
AI 评分78
AI 评分 78 / 100
AIbase Higgsfield 接入 GPT-6 Astra，AI 视频时长上限从 1 分钟提升到 10 分钟
OpenAI 与 AI 视频生成平台 Higgsfield 合作，把 AI 生成视频的时长上限从 1 分钟提升到 10 分钟，支撑这次跃升的是 Higgsfield 接入的 GPT-6 Astra。
AI 评分58
AI 评分 58 / 100
AIbase精选 谷歌 Argon 模型向全球开发者开放，输入 Token 定价 2 美元起
谷歌宣布旗舰模型 Argon 正式向全球开发者和企业客户开放，此前仅通过 Fairwind 计划向部分可信网络防御人员提供测试访问。
AI 评分62
AI 评分 62 / 100
北京智源研究院精选 Meta 发布 Muse Wonder 与 Muse Wonder Full 两款模型，编程与长任务基准反超 Opus 5.5 和 GPT-6 Astra
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，官方称其为迄今最强模型，在 Artificial Analysis 智能指数上 Full 得 56 分、Wonder 得 52 分，较六周前的 Muse Spark 1.3 提升 8 分。
AI 评分72
AI 评分 72 / 100
Apple Machine Learning Research精选 Apple 首次从零预训练三模态掩码扩散模型，3B 规模覆盖文本、T2I 与 T2S
Apple 研究团队首次从零预训练三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上统一训练，并系统分析多模态缩放规律、模态混合比例、噪声调度与批大小影响。
AI 评分72
AI 评分 72 / 100
Readhub 日报 OpenAI 计划将 Sora 移交卡岑伯格初创公司，转做专业影视工具
OpenAI 正与杰弗里・卡岑伯格、Sora 前研究负责人比尔・皮布尔斯等创立的隐身初创公司谈判，计划把停运的 Sora 模型移交该公司，改造为面向影视制作方的专业工具重新推向市场。
AI 评分31
AI 评分 31 / 100
IEEE Access 预印本 LDSNet：面向低光照显著目标检测的轻量动态尺度网络
LDSNet 是一个轻量动态尺度网络，用于低光照显著目标检测，针对弱光下语义线索退化、背景干扰和尺度变化问题，不依赖图像增强、直接适应光照相关的特征变化。原文仅给出方法动机与定位，未披露参数量、精度或速度等量化结果。 brief: no
AI 评分38
AI 评分 38 / 100
cnBeta Facebook 推出“你的算法”功能，允许用户用自然语言定制内容推荐
Meta 为 Facebook 上线“你的算法”功能，用户可用自然语言直接描述兴趣，推荐系统据此即时调整内容。该功能依托大语言模型理解用户表达的兴趣、背景与意图，并同步更新每条内容旁的三点菜单，新增可自述原因的反馈机制。Meta 称反馈在同一次使用中即可生效，推荐从行为猜测转向直接理解用户表达。 brief: yes
AI 评分42
AI 评分 42 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 4 Argon 机器人模型，ERQA 基准纯推理得分 87%
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在测试 3D 物理空间问题理解与求解的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过所有其他前沿模型。
AI 评分88
AI 评分 88 / 100
The Verge Epic 对未公布 Disney 游戏转向“AI 加速开发”，原定 3 月发售延期
Epic Games 对一款未公布的 Disney 射击游戏下达“AI-first”指令，要求开发者更多使用 Anthropic 的 Claude 等工具，游戏因此从原定 3 月发售窗口延期。
AI 评分38
AI 评分 38 / 100
金十数据 苹果本周二发布智能家居中枢，并与LG联合开发门锁摄像头等安防设备
苹果将于当地时间本周二（10月13日）在纽约发布以AI为核心的新一代智能家居设备，主打约6英寸方形屏的智能家居中枢（代号J490/J491），同时更新HomePod mini和Apple TV 4K。
AI 评分58
AI 评分 58 / 100
AIbase Epic 要求迪士尼合作射击游戏"AI 优先"：代码不再手敲，2027 发售无限延期
Epic Games 正要求一款未公开的漫威与《星球大战》IP 合作射击游戏全面转向 AI 核心开发，用 Anthropic 的 Claude 等工具直接编写代码、美术交由完整 AI 工作流生成，人类团队退居指导与审核。
AI 评分34
AI 评分 34 / 100
北京智源研究院 AgentWorld 基准评测：最强模型团队仅完成 52% 协作任务
OpenAgents 联合哥伦比亚大学、宾夕法尼亚大学等机构构建了多智能体协作评测基准 AgentWorld，在 100 个人工设计任务及 100 个增强变体上评测 Gemini 3 Flash、Claude Haiku 4.5、GPT-5 Mini 和 DeepSeek R1-70B。
AI 评分42
AI 评分 42 / 100
钛媒体 腾讯推出 Hy 翻译 APP：背靠混元 Hy-MT2 大模型，支持 33 种语言互译
腾讯推出 Hy 翻译 APP，背靠混元 Hy-MT2 大模型，在美国、日本、韩国等 12 个国家地区上线，支持 33 种语言互译，并额外覆盖粤语、藏语、蒙古语、哈萨克语和维吾尔语 5 种中国少数民族语言及方言。该应用支持按学术、商务、口语等场景切换翻译风格及自定义指令，离线本地模型包需占用超 1 GB 存储，可覆盖全部 33 种语言，但暂不支持同传功能。 brief: yes
AI 评分40
AI 评分 40 / 100
Hacker News 灯泡计算机：用投影与计算机视觉替代智能眼镜的环境计算方案
设计师提出名为 Lightbulb Computer 的推测性设备，将投影仪与计算机视觉结合成灯泡形态，可拧入爱迪生灯座或装入便携灯座，通过语音和指向交互在真实空间投影信息。原型已实现厨房计时器、地图协作、智能家居指向控制、环境信息板等场景，视频均为真实原型拍摄，无 AI 生成或特效。作者认为消费级产品尚需时日，但投影技术进步与隐私保护方案（端侧处理、硬件防偷拍）让这一方向值得推进。
AI 评分36
AI 评分 36 / 100
TechCrunch · AI Apple 以反向收购式招聘引进个性化播客初创公司 Huxe 团队与技术
Apple 向欧盟委员会披露，已同意向 Huxe AI 部分员工发出聘用邀约，并获得 Huxe 知识产权的非独家授权，属反向收购式招聘。Huxe 由曾参与 NotebookLM（后更名 Gemini Notebook）AI 生成播客功能的开发者创立，已于 5 月 21 日宣布关停应用并删除用户数据。文件未说明获聘人员及 Apple 后续计划。 brief: yes
AI 评分38
AI 评分 38 / 100
北京智源研究院精选 Google 发布生图模型 Nano Banana 2.1：4K 直出、中文渲染提升、API 降价
Google 发布新一代生图模型 Nano Banana 2.1，围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性全面升级，支持 4K 直出。据 Arena 评测，其在文本转图像、多图像编辑和单张图像编辑三项上平均提升约 61.7 分，其中文本转图像排名第四、比上一代提升 80 分，仅次于 GPT。
AI 评分71
AI 评分 71 / 100
界面新闻 Brain-IT 可根据脑活动重建所见图像，解码新受试者仅需约一小时
以色列魏茨曼科学研究所开发出 AI 模型 Brain-IT，可根据人类观看图像时的 fMRI 数据重建图像内容，学习解码新受试者脑活动仅需约一小时，远少于现有方法通常所需的数十小时扫描数据。
AI 评分50
AI 评分 50 / 100
量子位精选 Google 发布生图模型 Nano Banana 2.1：支持 4K 直出，中文渲染明显进步
Google 发布新一代生图模型 Nano Banana 2.1，围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级，支持 4K 直出。据 Arena 评测，其在文本转图像、多图像编辑和单张图像编辑三项上平均提升约 61.7 分，文本转图像排名第四、仅次于 GPT。
AI 评分71
AI 评分 71 / 100
cnBeta精选 魏茨曼研究所 Brain-IT 模型凭 fMRI 脑扫描重建人眼所见图像
以色列魏茨曼科学研究所教授 Michal Irani 团队开发出 AI 模型 Brain-IT，可通过分析 fMRI 数据重建受试者观看图像时的视觉画面。团队用"反向翻译"模型根据图片预测大脑活动以扩充训练数据，称该模型在还原图像内容和细节上优于此前模型，且只需一小时脑部扫描数据即可学会"读取"一个新的人。
AI 评分62
AI 评分 62 / 100
财联社电报 以色列团队开发 Brain-IT 模型，可通过 fMRI 数据重建受试者所见画面
以色列魏茨曼科学研究所教授 Michal Irani 团队开发出 AI 模型 Brain-IT，能通过分析功能性磁共振成像（fMRI）数据，重建受试者观看图像时的视觉画面。 brief: no
AI 评分40
AI 评分 40 / 100
北京智源研究院 图像生成模型调优新思路：让解码器"提前适应"生成器的潜变量
多伦多大学等团队提出"生成感知重建"（GAR）方法，指出重建指标好不代表生成质量高，原因是解码器在重建与生成时接收的潜变量分布存在差距。基于此提出的GAR-FID在噪声水平0.8时与无引导生成gFID的Spearman相关系数达0.99，并可通过"解码器适配"仅微调解码器权重提升生成质量，iMF-B/2的gFID从16.58降至12.21，且不增加推理计算。 brief: yes
AI 评分31
AI 评分 31 / 100
AIbase 千问首款 AI 耳机亮相 NBA 中国赛，10 月 13 日发布
千问首款 AI 耳夹式耳机在澳门 NBA 中国赛亮相，结合 Bose 调音与千问 AI 助理能力，支持面对面翻译、AI 听记和语音办事。同场展出的 N1 系列 AI 眼镜支持第一视角拍摄与物品识别，N1 Pro 还搭载眼动追踪和虹膜核身支付。新品已在淘宝、京东千问官方旗舰店开放预约，计划 10 月 13 日正式发布并发售。 brief: yes
AI 评分40
AI 评分 40 / 100
界面新闻 网宿科技3亿元投资Sand.ai，押注AI短剧背后的视频生成模型
网宿科技拟以3亿元自有资金认购视频生成模型公司Sand.ai的A+轮优先股，交易完成后持股4.3963%，按此推算Sand.ai投后估值约68亿元。Sand.ai由Swin Transformer共同一作曹越创立，8月开源全球首个千亿参数MoE视频生成模型，旗下VidMuse上线两个月年化收入突破千万美元。
AI 评分42
AI 评分 42 / 100
C114 通信网 苹果投资 Huxe：前 Google NotebookLM 团队创立的 AI 音频初创公司
苹果与 AI 音频初创公司 Huxe 达成人才引进与技术许可协议，这是今年公开披露的第 4 笔苹果 AI 相关交易。苹果可向 Huxe 特定员工发出聘用邀请，并获得其知识产权非独占许可，属于"收购式招聘"而非收购公司。Huxe 由 3 名前 Google NotebookLM 团队成员创立，曾完成 460 万美元融资，已于 2026 年 5 月关闭。 brief: yes
AI 评分38
AI 评分 38 / 100
AIbase精选 Cloudflare 发布开源决策模型 Clef-omni，原生支持音频与视频输入
Cloudflare 正式发布开放权重决策模型 Clef-omni，在 Clef 系列基础上首次新增音频和完整视频的原生输入处理能力，模型权重已在 Hugging Face 开源。
AI 评分62
AI 评分 62 / 100
AIbase精选 Cloudflare 发布开放权重决策模型 Clef-omni，新增音视频多模态输入
Cloudflare 于 10 月 9 日发布开放权重决策模型 Clef-omni，在原有文本与图像能力基础上新增对音频和完整视频格式的支持，可通过单次 API 调用同时处理多模态内容。
AI 评分60
AI 评分 60 / 100
AIbase精选 Claude 协助天体物理学家绘出首张完整紫外全天图，含 1.19 亿颗恒星
天体物理学家在 Anthropic 旗下大模型 Claude 协助下，绘制出人类历史上首张完整紫外全天图，包含 1.19 亿颗恒星。约三分之一天区由 Claude 依托过往多波段天文观测数据推算补全，填补了过去 50 年因紫外巡天望远镜刻意避开银河亮区等原因留下的空白。
AI 评分62
AI 评分 62 / 100
北京智源研究院 Nature Medicine 论文：基于 Gemma 3 的开放式医疗视觉-语言模型 MedGemma
研究人员在 Nature Medicine 发表论文，提出基于 Gemma 3 构建的开放式医疗视觉-语言基础模型 MedGemma，包含 4B、27B 多模态模型和 27B 纯文本模型，以及 4 亿参数的医学视觉编码器 MedSigLIP。
AI 评分54
AI 评分 54 / 100
北京智源研究院 智源团队提出 OFAntibody：从单抗设计到双抗联合生成的全原子框架
英灵殿科技团队提出 OFAntibody 全原子生成框架，可统一支持单抗与 tandem VHH、diabody、CODV-like 等多种构型双抗设计，通过结合臂感知的多热点路由机制同时生成两个结合臂的 CDR 及连接区域。
AI 评分34
AI 评分 34 / 100
北京智源研究院 墨尔本大学等发布多会话语音记忆基准 VoxMem，15 个音频大模型 32K 下无一超 40%
墨尔本大学与新南威尔士大学联合团队提出多会话语音记忆基准 VoxMem，用「声学证据×记忆操作」二维分类法覆盖 15 种考察组合，含 3,196 个评测实例、34,743 个语音会话（约 177 小时）。对 15 个音频大模型的评测显示，32K 历史长度下无一整体准确率超过 40%，追踪语气变化和背景声变化的平均准确率仅为 3.4% 与 1.2%。 brief: yes
AI 评分38
AI 评分 38 / 100
36kr 快讯 亮亮视野110余台AR眼镜为WTTC全球峰会提供实时翻译
10月7日至9日在马耳他举行的WTTC第26届全球峰会上，亮亮视野研发的110余台AR眼镜承担多场重要会议实时翻译，参会者通过眼前字幕理解发言，无需传统同传耳机。该系统服务了年度会员大会、MembersCircle及峰会主会场，此前曾在2026北京文化论坛完成300台眼镜大规模组网应用。 brief: yes
AI 评分38
AI 评分 38 / 100
北京智源研究院精选 何恺明团队发布多模态视觉原生 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
AI 评分66
AI 评分 66 / 100
AIbase精选 生数科技发布视频生成模型 Vidu Q4 预览版，最高支持 4K 输出
生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4Preview，在生成质量、多模态参考和画面精度上升级。该模型支持图生视频与参考生视频，最多输入 3 段参考音频和 15 张参考图，最高支持 2K 与 4K 分辨率输出、10bit 色深，单次最长生成 16 秒视频。官方提供 540P 至 4K 多种规格，首发优惠价 0.09 元/秒起。
AI 评分62
AI 评分 62 / 100
AIbase 生数科技发布视频生成模型 Vidu Q4 Preview，支持 4K 输出与多图多音频参考
生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview，面向影视创作、AI 短剧及广告营销场景。该模型支持 2K 与 4K 高分辨率输出、10bit 色深，单次最长生成 16 秒视频，并支持最多 15 张参考图和 3 段参考音频，提升人物、场景、道具参考与角色音色一致性，同时优化动态运镜、切镜及复杂镜头衔接。
AI 评分58
AI 评分 58 / 100
The Verge · AI Nikon 显微视频大赛冠军因使用生成式 AI 被取消资格
Nikon 取消其 Small World in Motion 显微视频大赛原第一名作品资格，认定该视频违反生成式 AI 相关比赛规则。该作品由 Dr. Ning Xu 提交，其本人在 LinkedIn 承认使用无监督神经网络方法进行 AI 辅助后处理，视频已被移除，Nguyen Nam Nhat 的作品递补第一。Nikon 表示将重新审视未来赛事的规则与评审流程。
AI 评分40
AI 评分 40 / 100
cnBeta 尼康 Small World in Motion 显微摄影冠军因使用 AI 被取消资格
尼康取消研究人员徐宁（Ning Xu）在 Small World in Motion 显微摄影竞赛中的第一名资格，因其作品违反生成式 AI 使用规定。徐宁在领英承认使用无监督神经网络对超分辨率光学成像重建的灰度图像进行后处理，以区分并呈现特定结构。
AI 评分48
AI 评分 48 / 100
Cloudflare Blog精选 Cloudflare 发布 Clef-omni 多模态决策模型，Clef 提速、Clef-flash 降价
Cloudflare 发布 Clef-omni，在文本、图像之外新增音频（wav/mp3）与视频（mp4/webm）输入，单次 API 调用即可跨模态打分，同时 Clef 提速、Clef-flash 降价。
AI 评分71
AI 评分 71 / 100