#多模态

推荐理由：来自IT之家 AI的《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》。重点看多模态。摘要提到：IT之家 11 月 11 日消息，每年举办的 Adobe MAX 大会上，Adobe 展示的最令人印象深刻的技术之一，往往是那些仍处于实验阶段、尚未正式推出的创新功能。今天，该公司公布了最新一批实验项目：它们能够将普通图片转换为可探索的 3D 场景，通过与 AI 角色对话来设计角色形象，还能让照片编辑变成简单的复制粘贴操作。 首先是非常奇特的 Project Screen Test 项目，其旨在让用户更轻松地创建 AI 生成角色，并将其应用于视频内容。 IT之家注意到，与传统方式不同，用户不再只是通过文字提示词描述角色应该如何说话、如何表现，而是可以直接与角色对话，在类似演员试镜的环境中对其进行指导。 使用时，用户首先需要描述角色的一些基本性格特征，例如“焦虑、害羞、笨拙”等，并为角色设置声音。声音可以从预设选项中选择，也可以通过文字提示词描述，或者上传一段音频样本，让 AI 以此为参考。 随后，用户可以像通过 FaceTime...

推荐理由：来自IT之家 AI的《马斯克旗下 Grok 被指生成儿童色情图像，xAI 面临多起集体诉讼》。重点看产品发布。摘要提到：IT之家 11 月 11 日消息，据彭博社报道，简 · 多伊（Jane Doe）已经多年没有想起过自己的初中毕业典礼，直到一名执法调查人员拿出当年庆祝活动的一张照片，开始向她询问相关情况。 照片中的她当时只有 14 岁，身穿黄色碎花连衣裙，面带笑容，双臂搭在几名朋友的肩膀上。其中一些朋友，她如今已经很少联系。 调查人员告诉她，照片中一名同学的成年哥哥，曾利用埃隆 · 马斯克（Elon Musk）旗下的人工智能聊天机器人 Grok，将这张原本再普通不过的照片篡改成儿童性虐待材料（CSAM）。生成的图片中，正值初二年级的简 · 多伊全身赤裸，以性挑逗姿势出现。这些图片随后被发布到了互联网上。 她在针对马斯克旗下生成式 AI 公司、Grok 开发商 xAI 提起的一起集体诉讼中，以简 · 多伊 5 号的身份参与案件。 简 · 多伊 5 号在一份诉状中写道：“目前根本无法确定，还有多少其他儿童性犯罪者可能已经持有简 · 多伊 5 号的儿...

推荐理由：来自IT之家 AI的《OpenAI 宣布 12 月 11 日停用 ChatGPT 旧版语音模式，全面转向 GPT-Live》。重点看模型能力与工程。摘要提到：IT之家 11 月 11 日消息，早在 2024 年，OpenAI 就推出了 Advanced Voice Mode（高级语音模式），让用户能够与 ChatGPT 进行更加自然的语音交流。最初的 Standard Voice Mode（标准语音模式）需要分别通过语音转文字、语言模型和文字转语音等模型完成交互，而 Advanced Voice Mode 可以直接处理和生成音频，因此响应速度更快，对话也更加自然。 不过，无论是标准语音模式还是高级语音模式，都采用轮流对话机制，即模型必须等用户说完之后才能作出回应。 今年 7 月，OpenAI 推出了新一代语音模型 GPT-Live，采用全双工架构，允许 ChatGPT 在倾听用户说话的同时进行语音回复，从而实现更加自然、流畅的交流。此外，GPT-Live 还能够处理复杂问题，并在不中断当前语音对话的情况下，将相关任务交由 OpenAI 旗下的前沿文本模型完成。 OpenAI 表示，自...

推荐理由：来自IT之家 AI的《开发者 AI 自制工具追踪室内异响，将声源锁定至约 40 厘米范围》。重点看产品发布。摘要提到：IT之家 11 月 11 日消息，软件开发者西蒙 · 威利森（Simon Willison）于 11 月 9 日发布博文，借助 AI 编程工具 Claude Code，开发名为 Beep Locator 的声音定位系统， 可以将声源锁定至约 40 厘米范围。 IT之家援引博文介绍，开发该 Beep Locator 系统的初衷，是威利森搬家后储物室堆积了较多尚未拆封的纸箱，而不时传来短促的“哔哔”电子声。由于鸣叫间隔较长，靠耳朵很难确定来源。于是他借助 Claude Code 编写程序， 让分散摆放的五台手机、平板和电脑通过网页调用麦克风，共同捕捉声音。 在技术实现方面，该系统主要比较同一声音抵达不同设备的时间差。开发过程中，自动测定设备相对位置的尝试精度不足，威利森便加入手动拖动地图图标、标注设备位置的功能。同时，程序利用快速傅里叶变换分析声音频率，从环境杂音中识别目标提示音，再借助一台设备发出的短音同步各端录音。 随着功能逐步...

推荐理由：来自IT之家 AI的《Nordic 推出支持边缘 AI 推理的 Wi-Fi SoC「nRF71」系列，待机功耗最高降低 1/20》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，Nordic Semiconductor（IT之家注：诺迪克半导体）现已推出 nRF71 系列 Wi-Fi SoC，该产品内置 NPU，可直接在芯片上执行 AI 推理。 据介绍，该系列芯片包含 nRF7120、nRF7120E 两种型号。前者支持双频 Wi-Fi 6，后者支持三频 Wi-Fi 6E，并搭载用于加速边缘 AI 推理的 Axon NPU。该系列芯片均支持低功耗蓝牙、Thread 和 Matter，并配备 4MB 片上非易失性存储器，以及 1MB 可供用户使用的内存。 同时，该系列产品拥有超低功耗特性。与 nRF70 相比，nRF71 的待机功耗最高降低 1/20。借助内置 NPU，设备可以直接在芯片上执行关键词检测、异常检测和图像分类等 AI 推理，无需额外配备 AI 处理器。

推荐理由：来自IT之家 AI的《Anthropic 发布 IPO 路演视频正式启动最高 643.5 亿美元募资计划，估值约在 1~1.4 万亿美元》。重点看产品发布。摘要提到：IT之家 11 月 11 日消息，当地时间 11 月 10 日，Anthropic 正式宣布启动首次公开募股（IPO）路演，并公布股票发行计划。 根据公告，Anthropic 此次拟发行 8.25 亿股 A 类普通股，发行价格区间为每股 70 至 78 美元。按照发行价上限计算，本次基础发行规模最高约为 643.5 亿美元 （IT之家注：现汇率约合 4,302.82 亿元人民币） 。 根据 Anthropic 官方披露的发行安排，此次发行的 8.25 亿股股票中，有 8.01351354 亿股由 Anthropic 自身发行，另外 2364.8646 万股由部分现有股东出售。Anthropic 不会从现有股东出售股票所得款项中获得收益。 此外，Anthropic 预计授予承销商一项为期 30 天的额外购股选择权，允许承销商额外购买最多 1.2375 亿股 A 类普通股。若该选择权全部行使，实际发行股份数量和募资规模还将进一步增加...

推荐理由：来自IT之家 AI的《谷歌联合 Artificial Analysis 推出 MKA 基准测试：Gemini 4 Carbon 多模态知识工作测试获第二，任务成本仅为第一名六分之一》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到：IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布联合 AI 模型评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA（Multimodal Knowledge Agent），用于评估 AI 智能体处理视觉复杂文件、完成现实世界知识工作任务的能力。 谷歌表示，其最新发布的 Gemini 4 Carbon 在该测试中取得了参测模型第二名的成绩，完成任务的平均成本仅为排名第一模型的约六分之一。 谷歌 DeepMind 高级产品经理 Rohan Doshi 和首席工程师 Ben Caine 介绍称，现有不少知识工作基准测试仅依赖文本即可完成，而现实工作往往涉及大量视觉信息。例如，建筑师需要交叉核对建筑蓝图，工程师需要分析工程示意图，专业人员还需要将不同来源的信息整理成演示文稿、报告和电子表格。 MKA 基准测试旨在评估 AI 智能体在这些复杂工作场景中的表现。谷歌与来自 10 个...

推荐理由：来自IT之家 AI的《号称行业首个具身全模态端到端交互大模型，智元发布 WITA-Omni》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 10 日消息，“智元 AGIBOT”公众号今天（10 日）晚间发文宣布，智元正式发布 WITA-Omni（硅光动语全模态大模型）。 根据官方介绍，该模型也是 行业首个具身全模态端到端交互大模型 。WITA-Omni 基于机器人本体感知数据深度训练，除了音视频输入输出，还新增支持 触觉、本体状态等输入 ，以及 机器人动作、表情等输出 ，让机器人第一次拥有为物理世界而生的“交互大脑”。 基于流式全双工架构，WITA-Omni 可做到 边听、边想、边应、边动、边做表情 ，减少传统串行处理中的等待。交互响应最快约 400 毫秒、平均约 600 毫秒，较业内平均水平快近 3 倍。 同时，全模态拒识让机器人交互 不再需要唤醒词，全程自然对话 。系统结合对话朝向、视频、音频、声纹、唇动、姿态、语义和上下文，决策当前发言是否需要回应。面对多人交谈或环境广播等干扰时，极大降低误触发，让机器人更懂“看场合”。 WITA-Omni...

推荐理由：来自IT之家 AI的《一张图能改 100 遍、直出透明背景，字节跳动发布新一代图像创作模型 Seedream 5.5》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 9 日消息，字节跳动 Seed 团队今日发布了新一代图像创作模型 Seedream 5.5 ，重点带来三项核心能力升级： 更稳定的多轮编辑： 实现非编辑区域的像素级保持，消除色彩偏移，降低连续修改中的细节丢失与画质衰减，支持围绕同一作品展开多达 100 轮的持续创作。 原生 RGBA 透明素材生成： 直接输出带 Alpha 通道的透明或半透明图像，精细处理轮廓边缘与透明区域，省去后期抠图修边，让生成元素可以作为独立素材进入后续设计流程。 质感更自然，文字更清晰： 进一步改善光照、材质与皮肤纹理表现，减少过度油亮、过曝，更贴近真实拍摄的成像质感。同时显著提升文字渲染能力，对复杂字形与密集小字的还原更加准确。 在图像的多轮编辑方面，Seedream 5.5 的指令遵循能力更强，对非编辑区域实现了像素级的保持。在实测中，模型以每一轮的结果作为下一轮输入， 连续完成上百轮修改后，指定编辑区域之外的主体特征、构图比例、...

推荐理由：来自IT之家 AI的《Shizuku AI 公布全双工模型 Shizuku-Duplex，为 AI 伴侣开发奠基》。重点看模型能力与工程。摘要提到：IT之家 11 月 9 日消息，日本人工智能实验室 Shizuku（雫）AI 当地时间昨日公布了其开发的 Shizuku-Duplex，宣称其是继 GPT-Live 后 第二个支持日语智能对话的全双工模型 ，无需完整询问即启动思考流程。 在日语方面，Shizuku-Duplex 拥有 6 个参测模型中最高的对话自然性， 响应质量仅次于 OpenAI 的 GPT-Live 。 Shizuku-Duplex 可分为处理对话的前台交互模型和可异步处理复杂请求的后台模型，辅以每 5min 一次的上下文压缩。其 以 80ms 为一交互“帧” ，支持音频、文本（模型独白）、动作 3 种输出方式。 基于 Shizuku-Duplex 的技术，Shizuku AI 正在开发始终倾听、响应用户感受、坦诚表达自身感受的伴侣式 AI 雫。 参考 https://shizuku.ai/en/blog/1/

推荐理由：来自IT之家 AI的《微软申请新专利：AI 实时修改直播说话内容并同步嘴型》。重点看智能体工作流、文化创意。摘要提到：IT之家 11 月 9 日消息，微软近日提交了一项专利申请，计划利用人工智能技术，在直播及其他实时视频节目中近乎实时地修改人物说出的内容。更特别的是，这项技术还能重新绘制说话者的嘴唇动作，让观众难以察觉原本说出的话已经被替换。 这项专利的编号为 US 2026/0341309 A1，名称为《利用人工智能近乎实时增强直播活动的视频或增强现实（AR）演示》（Near Real-Time Artificial Intelligence (AI) Enhancement of Video or Augmented Reality (AR) Presentations of Live Events）。 根据专利申请文件，该系统包含一个 AI 智能体，能够实时监听音频，并根据预设规则或观众个人资料（包括年龄、所讲语言和居住地），识别需要修改或删除的词语。 随后，生成式 AI 会在音频中替换这些词语，平滑处理每处修改前后的衔接，同时生成新的视...

推荐理由：来自极客公园的《具身智能，也到了 API 时刻？》。重点看模型能力与工程、产品发布。摘要提到：具身智能的 API 时刻意味着部分具身模型已经开始具备跨本体迁移、在一定范围内适应新任务的能力。 作者｜Li Yuan 编辑｜郑玄 具身智能，也到了 API 时刻？ 过去，想知道一个具身模型有多强，往往要看它在发布视频里完成了什么任务。不过，这条线正在松动。 就在近期，一些公司开始把另一种检验方式交到开发者手里：接上你自己的机器人，试着把你的任务做出来。 10 月，Physical Intelligence（PI）开放了模型 API 测试。开发者可以上传自己的机器人数据，在平台上微调模型，再通过云端推理驱动机器人。PI 表示，一家公司，用这套服务迭代了四天，让双臂机器人开始为自身的零部件去毛刺。 同月，Dream Labs 推出 Dream API，将机器人模型推理按作业时长计费，并提供面向开发者数据的模型微调服务。让机器人调用云端模型，正在成为一种可以试用、适配和购买的服务。 国内，11 月 3 日，原力灵机升级了 Dexma...

推荐理由：来自IT之家 AI的《日本富士电视台将在所有真人剧集制作中使用 AI，可省七至八成特效制作工序》。重点看模型能力与工程。摘要提到：IT之家 11 月 8 日消息，据日经亚洲当地时间 6 日报道，富士电视台计划从 2027 年 10 月起，将生成式 AI 应用于 所有真人电视剧的制作 ，大幅缩短制作周期。由此，富士电视台将成为日本首家全面引入 AI 参与节目制作的大型商业电视台。 富士电视台 每年制作 16 部电视剧 ，计划使用谷歌 AI 图像生成和编辑工具 Nano Banana。AI 制作工作将交给富士电视台 9 月成立的内部实验室 AI Sandbox，主要由东京制作公司 ANDENT 培训的 CG 设计师负责，开展 AI 技术的测试和应用实验。 AI 技术也被用于富士电视台播出中的医疗剧《救命病栋 24 小时》。第一集中， 一段手术切口流血的镜头就是由 AI 生成的 。以往制作类似场景，需要借助 视觉特效 ，或者使用真实液体模拟血液喷溅。 新技术的制作流程是先在本地环境中利用 事先拍摄的素材训练 AI ，再通过提示词生成符合剧情需要的画面。色调等细节...

推荐理由：来自IT之家 AI的《肉眼不可见：苹果 iOS 27.2 新增隐形水印，图像工具 AI 生图 / 修图均有迹可查》。重点看多模态。摘要提到：IT之家 11 月 7 日消息，苹果公司于 11 月 5 日更新官方支持文档，宣布从 iOS / iPadOS / macOS 27.2 等版本系统开始， 为部分 Apple Intelligence 图像工具引入 SynthID 隐形水印。 IT之家援引博文介绍，在涉及的图像工具方面，涵盖图乐园（Image Playground）和图像魔法棒（Image Wand），以及“照片”中的清理（Clean Up）、扩展（Extend）和空间重构（Spatial Reframing）功能。 值得注意的是，标记对象并不局限于完全由 AI 生成的图片。即使是用户实际拍摄的照片， 只要使用上述指定 AI 工具进行处理，也会加入 SynthID 水印。 苹果表示这些水印人眼无法察觉，也不会改变图像外观，但可以被 SynthID 检测器读取。要检查图像中是否存在水印，请在网页浏览器中访问 synthid.com 并上传图像，按照屏幕上的步骤操作...

推荐理由：来自IT之家 AI的《Planet AI 邀你“向地球提问”：超 10 年卫星影像变化，一句话就能查》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 7 日消息，美国卫星数据公司 Planet 于 11 月 5 日推出 Planet AI 应用， 结合大语言模型与超过十年的全球卫星影像档案，让用户使用自然语言搜索、观察和分析地球表面的变化。 IT之家附上演示视频如下： 产品目前可通过 ai.planet.com 免费使用，用户登录 Planet Insights 账号后，未来可使用更多高级功能。Planet 强调，所有 AI 结论均以可查看的原始卫星影像为依据，以降低“AI 幻觉”带来的误判风险。用户只需用日常语言描述问题，即可在全球范围内搜索目标地点、追踪其时间变化，并生成对比图或延时影像。 与需要专业 GIS 技能的传统遥感工具不同，Planet AI 采用“地图 + 聊天”界面。用户只需提出诸如“找出某地区新增建设用地”或“追踪某片森林的变化”等问题，AI 会解析需求，在覆盖全球的矢量地图和月度影像拼图中定位相关区域，并呈现可核验的卫星影像结果。 该...

推荐理由：来自IT之家 AI的《Pangram 正式发布其 AI 图像检测模型，准确率达 99.96%》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 6 日消息，Pangram Labs 是一家专注人工智能生成内容识别的 AI 实验室。其在本月 4 日正式发布了 Pangram Image 1.0 模型。该模型可通过热力图定位 AI 生成的内容。 Pangram Labs 利用 12 种前沿 AI 图像生成器，基于 100 张真实图片制作了一个 1200 张照片的测试数据集。 Pangram Image 1.0 模型在该测试中取得了 99.96% 的准确率 。 此外，Pangram Image 1.0 能很好地对抗压缩、缩放、人工添加修饰对检测能力的影响，同时在 256×256 分辨率下还有 96.4% 的准确度。 与 Pangram Image 1.0 一道面世的 还有 Pangram Image Flash 1.0 视频检测模型 。其在 DF26 数据集上的准确率达到 98.7%，领先第二名达 29 个百分点。 参考 https://www.pangr...

推荐理由：来自IT之家 AI的《Meta 给 AI 装上“脸”和“嗓子”：Muse 现在能视频聊天了》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 6 日消息，Meta 首席执行官马克 · 扎克伯格（Mark Zuckerberg）今天（11 月 6 日）在 Threads 社交平台上发布串文 ，宣布个人 AI 助手 Muse 正式上线实时语音对话与富有表现力的虚拟形象功能。 上述功能率先面向美国用户推送，覆盖移动端、网页端和 Mac 应用。用户点击应用右上角的电话图标，即可像打电话一样与 Muse 交谈，并可在其回答过程中随时打断。IT之家附上相关截图如下： 在技术支撑方面，本次更新主要由 Muse Realtime Voice 语音模型和 Muse Realtime Avatar 虚拟形象模型提供支持，前者会同时生成“说什么”和“怎么说”的信息；而后者基于同一数据流实时生成表情、口型和肢体动作，让声音与画面保持同步。 Meta 称，该系统可流式输出 448×768 分辨率、25 帧每秒的竖屏视频，从用户说完话到收到首个音视频响应的延迟约为 870 毫...

推荐理由：来自IT之家 AI的《蚂蚁百灵大模型 Ling 3.2 Flash 发布：三项基准超越 Claude Opus 5，前两周限时免费》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到：IT之家 11 月 6 日消息，蚂蚁百灵官方团队今日宣布推出原生多模态模型 Ling-3.2-flash，拥有 560B 总参数、25B 激活参数、1M 上下文窗口。 该模型从架构层面原生融合视觉与语言能力，支持图像、文本与视频输入，重点强化复杂视觉理解、多模态长程 Agent、3D 理解与交互、医疗多模态四大能力。 在蚂蚁官方公布的评测结果中，Ling-3.2-flash 在三项基准上超过 Anthropic Claude Opus 5（max）： OmniDocBench1.5 得分 92.21，对比 90.56； ZEROBench（Sub）得分 43.71，对比 39.52； Vision2Web 得分 85.86，对比 80.20。 在 DesignArena 图像转前端竞技场中，该模型以 1238 的 Elo 分数进入前十，与 Meta、DeepSeek 及 Anthropic 等竞品并列。 该模型重点强化四大能力：...

推荐理由：来自IT之家 AI的《AI 视频模型卷出新高度：谷歌 Gemini Omni 1.2 Flash 发布，原生 15 秒生成、较 1.1 降价 30%》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：IT之家 11 月 6 日消息，谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型，并在 Gemini API 与 Gemini for business 平台全面开放使用。 新版模型实现了 原生 15 秒视频生成 、多轮对话式编辑、更强的参考遵循能力，同时较 1.1 版本 降价 30% ，720p 视频生成价格为 每秒 0.07 美元 （IT之家注：现汇率约合 0.47 元人民币） 。 在 规模化降本 方面，新版工作流可先以 360p 或 720p 快速起草，通过后续编辑修正细节，无需重新生成整个片段，最后再将成品升级到 1080p 或 4K，进一步压缩使用成本。 在 片段长度 上，Gemini Omni 1.2 Flash 将原生支持的视频时长从 1.1 版本的 10 秒延长到最长 15 秒，并支持以 1 秒为单位，在 3 到 15 秒区间内自定义时长，可一次性完成完整故事、产品讲解或社交广告片段的生成。...

推荐理由：来自IT之家 AI的《嫌不够大气？消息称 Meta 不再使用水果命名 AI 模型》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 5 日消息，据 Business Insider 报道，Meta 不再打算用水果给 AI 模型命名了。一名知情人士透露，这家社交媒体巨头已在内部决定，今后不再以水果为 AI 模型取代号。 这一调整主要出于品牌定位方面的考虑。知情人士表示，以水果命名的代号与 Meta 雄心勃勃的 AI 发展目标并不相称。 Meta 最新 AI 模型 Wonder Full 的内部代号是“Watermelon”（西瓜）。Meta 称，这是该公司首款达到前沿水平的 AI 模型。此前，Meta 还曾通过发布西瓜照片为这款模型预热。 Meta 此前推出的语言模型和图像模型，内部代号分别为“Avocado”（牛油果）和“Mango”（芒果）。 上个月，Meta 首席执行官马克 · 扎克伯格（Mark Zuckerberg）和 AI 负责人亚历山大 · 王（Alexandr Wang）在播客节目《Cheeky Pint》中谈到这一命名方式...

推荐理由：请对照爱范儿原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《OpenAI 升级 ChatGPT 图片能力，支持直接生成和编辑 GIF 动画》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 5 日消息，据 The Verge 今日报道，ChatGPT 现在可以通过提示词或上传到人工智能聊天机器人的照片来创建 GIF。此次更新与 OpenAI 的新 Images 2.6 模型同步推出，允许用户调整 GIF 的动画速度，编辑单个帧，并与他人分享。 在此之前，ChatGPT 无法单步原生生成 GIF。公司分享的一个示例展示了 ChatGPT 如何根据“你能制作一只猫跳舞的 GIF 吗？”的提示生成 GIF，同时还提供切换播放速度和逐帧观看的选项。 OpenAI 表示，除了支持 GIF 制作外，Images 2.6 更新还使 ChatGPT 能够更快地生成图像。公司表示， 用户目前每周通过 ChatGPT 及其 API 生成超过 40 亿张图片 ，较其 9 月份报告的每周 30 亿张大幅增长。 IT之家从报道中获悉，Images 2.6 正在向所有 ChatGPT 和 Codex 用户推送，涵盖网页、桌...

推荐理由：来自IT之家 AI的《蓝牙 SIG 采纳“高数据吞吐量”标准：低功耗传输峰值速度提升 275% 至 7.5 Mbps，铺路无损无线音频》。重点看产品发布。摘要提到：IT之家 11 月 5 日消息，蓝牙技术联盟（Bluetooth SIG）昨日（11 月 4 日）发布公告， 宣布采纳“高数据吞吐量”（Bluetooth High Data Throughput，HDT）技术，并将其作为蓝牙核心规范 7.0 中的可选功能。 HDT 技术可以视为增强版蓝牙低功耗（Bluetooth LE），通过引入新的物理层（PHY），把最高比特率从 2 Mbps 提升到 7.5 Mbps，提速 275%，让设备能在同一蓝牙链路上更高效地承载更多数据。 IT之家援引博文介绍， 7.5 Mbps 是物理层峰值比特率，不等于用户实际可用吞吐量 ；实际速率会受距离、干扰、设备射频能力、协议开销和连接配置影响。 除了更高速度外，HDT 还具备更大容量（提升频谱效率）、更高能效（更快完成传输意味着射频模块可更早进入低功耗状态）以及更强可靠性（增强通信稳健性，在更复杂或干扰更多的环境中维持更稳定的连接表现）优势。 在应用场...

推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《苹果 Fitness+ 进军健身房：推出 4 周个性化力量训练计划》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 4 日消息，科技媒体 9to5Mac 今天（11 月 4 日）发布博文，报道称苹果 Fitness+ 推出 Gym Strength 力量训练功能，目前已开放测试。新功能面向健身房及居家训练场景， 根据用户的目标、经验、时间安排和可用器材，生成四周渐进式计划，并根据每周记录的训练次数与重量，调整下一周内容。 用户可选择训练日期和重点部位，每次安排 5 个或 7 个动作，预计分别耗时 20~30 分钟、45~60 分钟，实际时长取决于个人节奏。计划会推荐动作、组数、次数及重量，并提供教练示范视频，支持从三个角度查看动作。 据苹果介绍，该功能涵盖超过 350 个动作、适配 30 多类力量训练器材，最低只需配备哑铃。遇到器械被占用或更换场地时，用户可替换器材、选择相近动作，也能增加组数或跳过动作。 设备方面，该功能要求 iOS 27.3 或 iPadOS 27.3；搭配 watchOS 27.3，可在 Apple ...

推荐理由：来自IT之家 AI的《苹果 watchOS 27.3 首个开发者预览版 Beta 上线音频智能功能：支持全天谈话划重点 / 回顾 15 秒对话》。重点看产品发布。摘要提到：IT 之家 11 月 4 日消息，苹果公司今天（11 月 4 日）面向开发者，推送 watchOS 27.3 首个开发者测试版， 为 Apple Watch Series 12 和 Apple Watch Ultra 4 带来 Siri 回顾（Siri Recap）与 Live Rewind 两项音频智能功能。 在苹果官方支持页面上，显示上述两项功能适用于 Apple Watch Series 12 和 Apple Watch Ultra 4， 目前仅支持英语，且需要 Apple 智能和 Siri AI（Beta 版）。 IT 之家此前报道，Siri Recap 定位类似自动化的对话备忘录，通过“环境聆听”（ambient listening），从日常对话中记录概括性信息，帮助用户回顾可能遗漏的事项或重点。 而 Live Recap 可显示最近 15 秒实时对话的文字转录，方便用户快速回顾刚才说了什么。此外 Apple Watc...

推荐理由：来自IT之家 AI的《用 AI 教 AI 开车，百度 Apollo World 世界模型亮相》。重点看智能体工作流、模型能力与工程。摘要提到：IT之家 11 月 3 日消息，今天，在深圳举行的百度 AI Day·Apollo 专场上，百度 Apollo 首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World，并提出世界模型“2+3”判断标准。 Apollo World 可以生成一段相对真实的视频 让虚拟世界遵循现实规律、回应无人车的动作，并支持驾驶系统从起点出发，一路开到目的地 据IT之家了解，用于无人驾驶的 Apollo World 不仅要生成逼真的画面，还要准确推演现实世界如何变化。百度 Apollo 提出了世界模型“2+3”判断标准： “2”是基础门槛： 因果性：世界模型应当遵循时间的单向性，由过去决定未来，基于当前状态预测下一刻，而不是拼凑画面、反推过去。 交互性：能动态响应外部干预，注入动作影响未来世界状态。 “3”是进阶指标： 物理准确性：模拟的状态有多可靠，是否符合世界规律，学习获得的能力回到物理世界还能不能用。 持久性：持续运行的...

推荐理由：来自IT之家 AI的《男子用 AI 破解 AI 平台接口：400 多万个账号薅积分、偷算力卖钱，被判刑 3 年缓刑 3 年》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 3 日消息，据上海法治报 11 月 2 日报道，上海市首例利用 AI 伪造签名、盗用大模型算力案于近日宣判。 2025 年 12 月，有技术基础的宗某某自学调用 AI 平台 API 接口的“教程”后，动起了“薅羊毛”的念头。他盯上了一家人工智能企业运营的大模型聚合平台：用户登录后消耗积分，就能生成图片和视频，平台则要按次向上游模型厂商支付算力成本。 宗某某先用技术手段摸到了平台不对外开放的接口，随后自建了一个“中转网站”，对外低价售卖 AI 绘图、视频生成服务 —— 网站看起来是他的，实际后台使用的全是大模型聚合平台的付费算力，相当于把别人家的“电”偷偷接来卖钱。 此后平台多轮升级防护，都被他一一绕过，直到今年 3 月，被害公司发现后台数据异常后报案，宗某某被抓获归案。此时，他已非法调用平台接口 29 万余次， 靠转卖生成服务违法所得 3.4 万余元 。 该案中，宗某某的作案过程是一场“ 用 AI 攻破 AI...

推荐理由：来自IT之家 AI的《不占地方的桌面新选择，英特尔酷睿华硕无双 7X 台式机上手体验》。重点看多模态。摘要提到：最近双 11 期间，可能有很多上班族想给自己换一台工作用的电脑。不过对于每天跟文字和表格打交道的打工人来说，想要找到一台合适自己的设备其实也并不容易。笔记本便携，但屏幕小，长时间伏案，脖子和眼睛都容易抗议；传统台式机用着踏实，可那个大家伙往桌下一放，小半个活动空间就没了，小户型书房更是塞都塞不下。 其实不少人想要的，就是一台不占地方的主机，平时开着文档、算算表格，十几个网页轮着查资料，中午再刷刷网课和视频，都能稳稳当当跑下来，颜值最好还能跟家里的装修或者工位的风格搭得上。 说到这，小编想起之前在 7 月份，华硕推出了无双 7X 台式机，瞄准的就是这批用户。于是小编搞来了这款无双 7X 台式机（V501MV），黑色仿木纹配色，上手几天之后，现在就和大家分享一下它的实际体验感受，看看它到底能不能满足小伙伴们既要省空间、又要高效办公生产的要求。 一、性能体验 对于上班用的台式机，很多人最先关注的可能是它的性能够不够用。IT之家拿到的这...

推荐理由：来自极客公园的《DeepSeek，怎么就变成了一条「大肥鱼」》。重点看智能体工作流、产品发布。摘要提到：作者｜Moonshot 编辑｜靖宇 最近，B 站评论区闹起了「鱼灾」。 先是有人开了个「Claude 大小姐在运营」的账号，让 AI 负责选题、制作和运营。第二天，「DeepSeek 鲸鱼娘在运营」跟着上线，第一条视频播放量就超过了 200 万。 由于目前 DeepSeek 暂无生图功能，该账号形象还是由 GPT 绘制的。｜图源：Bilibili 网友纷纷效仿，给自己的 Agent 装上刷 B 站的工具，很快，科技区出现了一大群「XX 的大肥鱼」、「XX 小飞鲸」的 AI 账号，还喜欢在评论区互相艾特、互相捧场。还有人专门写了个「大肥鱼清除计划」插件，就为了屏蔽这些 AI 评论。 就这样，一个象征着人工智能探索和想象的蓝鲸 logo，一个原本以技术能力出圈的 AI，在用户的集体创作中，逐渐变成了穿女仆装、爱吃白饭、动不动就摸鱼、甚至有粉丝阵营的「大肥鱼」。 图源：梗鲸 而被网友安排上性格的，还不止 DeepSeek。豆包从名字到...

推荐理由：来自IT之家 AI的《阿里巴巴：苹果 Apple 智能国行用户可以自主选择是否开通千问集成功能》。重点看产品发布。摘要提到：IT之家 10 月 31 日消息，苹果今日（10 月 31 日）凌晨宣布 首批 Apple 智能功能即将在中国推出 ，并与阿里巴巴达成合作，在部分体验中接入千问。这是 Apple 智能自 2024 年发布以来，国行版本首次获得实质性落地进展。 根据阿里巴巴一同发布的公告， 中国用户可以在 Siri、写作工具及视觉智能中，直接调用千问的文本与图像理解、内容生成等能力 。这些功能将于 11 月 4 日起随最新的 iOS 开发者 Beta 版开放测试，并将于 12 月 iOS 27.3 正式发布时面向中国用户推出。 Siri 可以直接调用千问的知识，并在 Siri 中直接回复用户问答。通过 Siri，用户还能用自己选择的文档和照片，直接向千问提问。在任何问题、文档和图片发送给千问之前， 都会先征得用户同意 。 千问也已接入 Apple 的系统级写作工具中，为用户提供“千问创作”（Compose with Qwen）功能。“千问创作”可...

推荐理由：来自IT之家 AI的《苹果 Apple 智能国行版官宣落地：接入阿里千问，11 月 4 日随 iOS 开发者 Beta 版开放测试》。重点看产品发布。摘要提到：IT之家 10 月 31 日消息，苹果今日宣布首批 Apple 智能功能即将在中国推出，并与阿里巴巴达成合作，在部分体验中接入千问。这是 Apple 智能自 2024 年发布以来，国行版本首次获得实质性落地进展。 这一系列 Apple 智能功能将自 11 月 4 日起随最新的 iOS 开发者 Beta 版开放测试，并将于 12 月 iOS 27.3 正式发布时面向中国用户推出。其他平台的支持将在获得必要审批后推出。 根据苹果公布的信息，中国用户可直接在 Siri、写作工具和视觉智能中调用千问，覆盖文本与图像理解相关能力。 苹果用户登录千问账户，或通过“通过 Apple 登录”，即可在系统内访问千问，无需跳转至独立应用。阿里巴巴方面此前曾确认，千问的集成范围将延伸至 iOS、iPadOS、macOS 和 visionOS。 首批向中国用户开放的功能以基础高频场景为主。实时翻译集成在信息、FaceTime 通话和电话 App 中，并...

推荐理由：来自IT之家 AI的《Meta 悄悄推出穿搭应用 Style Sketch：AI 帮你搭衣服，还能虚拟试穿》。重点看产品发布。摘要提到：IT之家 10 月 30 日消息，Meta 悄悄推出了 AI 穿搭应用 Style Sketch，用户可以借助这款软件，利用自己已有的衣物搭配出穿搭方案。这款应用可以关联 Instagram，根据用户发布过的照片生成虚拟衣橱；用户也可以手动添加衣物，方式包括现场拍照、录制短视频或者上传相册里的图片。 之后 Style Sketch 会基于衣橱里的衣物，结合用户的风格偏好，推荐穿搭组合。应用介绍写道，用户还能在“和自己身形、肤色匹配的写实虚拟模特”身上试穿这套搭配。 这款应用目前已经在印度尼西亚、新加坡和泰国上线，支持 iOS 与安卓系统。目前还不清楚 Meta 是否打算在更多地区推出 Style Sketch。 市面上已经有不少 AI 应用可以帮用户把衣橱数字化、预览新搭配，Alta 这类初创产品就是其中的代表。就连谷歌相册也提供相关工具，用户可以把衣物照片做成数字衣橱，在里面构思穿搭。 想要在已有市场里竞争，Meta 大概率不...

推荐理由：来自IT之家 AI的《Liquid AI 发布 LFM3 模型家族，首批多款均基于 LFM3-1.7B-Base》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 28 日消息，人工智能实验室 Liquid AI 当地时间 27 日发布了 LFM3 模型家族。其基于全新的三混合层架构，在 22T 词元上预训练而成， 在保持高效的同时具备更为出色的表现 。 LFM3 的首批产品包括 LFM-1.7B（文本）、LFM3-VL-2B（视觉）、d1-2B（决策）、LFM3-Audio（音频）、LFM3-Omni-2B（全能）、d1-Omni-2B（全能决策），这些模型均基于 LFM3-1.7B-Base。 Liquid AI 表示，LFM-1.7B 拥有 256K 上下文窗口，其 在使用的参数减少 35% 的同时性能优于上代的 LFM2.5-2.6B 。 参考 https://www.liquid.ai/blog/lfm3

推荐理由：来自IT之家 AI的《国家广电总局：有线广播电视服务应实现开机看全屏直播功能，设置频道回看入口，不得播放开机广告》。重点看产品发布。摘要提到：IT之家 10 月 27 日消息，国家广播电视总局今日发布公告，《 有线广播电视运营服务管理规定 》（下称《规定》）已经 2026 年 10 月 23 日国家广播电视总局局务会议审议通过，现予公布，自 2026 年 11 月 27 日起施行。 《规定》要求有线广播电视运营服务提供者应当向社会公布所传送的基本收视频道目录。基本收视频道中应当包括国务院广播电视主管部门要求转播的广播电视节目和县级以上地方人民政府广播电视主管部门要求转播的经国务院广播电视主管部门批准的本地广播电视节目。 IT之家从《规定》了解到，有线广播电视运营服务提供者应当坚持直播优先原则， 实现开机看全屏直播功能，设置频道回看入口，不得播放开机广告 。智能电视机应支持优先呈现直播频道功能，提供便捷设置入口。 有线广播电视运营服务提供者应当向用户提供便捷设置入口， 方便用户自行选择开机进直播或者电视交互主页 。电视交互主页的页面、导航栏、状态栏、推荐位等内容应当符合...

推荐理由：来自IT之家 AI的《报告称豆包对抖音的引用权重飙升：每引用 3 条内容，就有 1 条来自抖音》。重点看产品发布。摘要提到：IT之家 10 月 27 日消息，据新榜智汇本月发布的报告， 豆包对抖音的引用权重从 5 月的 10.79% 飙升至 8 月的 31.8% ；百度在 6 月首次将B站和好看视频纳入信源库，且二者权重之和达到 12%。 报告称，视频不再是 AI 引用的“边缘补充”，而是正在成为“主力信源”。 IT之家从报告了解到，今年 6 月，抖音首次登顶豆包的引用权重名单，8 月达 31.8%，3 个月翻近 3 倍。 豆包每引用 3 条内容，就有 1 条来自抖音 。 报告提到，对于视频标题，主要看贴不贴合用户提问、有没有踩中关键词、还有最重要的语义相似度。 标题与提问词的语义相似度，和引用次数呈现明确的正相关 ： 抖音平均引用从最低档（2.29 次）到最高档（3.46 次），涨幅 51%； B站平均引用从 2.54 次到 3.67 次，涨幅 44%。B站整体引用水平更高，但抖音对语义相关性的敏感度更强（涨幅更大）。 此外， 关键词覆盖度是更强的...

推荐理由：来自IT之家 AI的《苹果 visionOS 27.2 正式版发布：增强 Siri AI 体验》。重点看产品发布。摘要提到：IT之家 10 月 27 日消息，苹果今日向 Vision Pro 用户推送了 visionOS 27.2 更新（内部版本号：24N120），本次更新距离上次发布正式版间隔 28 天。 需要注意的是，因苹果各区域节点服务器配置缓存问题，可能有些地方探测到升级更新的时间略有延迟，一般半小时内，不会太久。 Siri AI 更新（国内暂未上线） 新增语言：Siri AI 扩展支持法语、日语、韩语、葡萄牙语和西班牙语；此前仅支持英语。 应用数据排除：新增 Excluded Apps 设置，可选择哪些应用的数据不能被 Siri、搜索和系统建议访问，增强隐私控制。 更精细的文本操作：Siri 的回答支持选择并复制部分文本，而不必复制整段内容。 AI 图像与 FaceTime SynthID 水印识别：照片和 Image Playground 增加 SynthID 支持，可帮助识别由生成式 AI 工具创建或修改的图像。 FaceTime 无障...

推荐理由：来自IT之家 AI的《AI“专属保险”：全国首个人工智能应用风险综合保障方案正式发布》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 26 日消息，据央视财经报道，在近期结束的 2026 金融街论坛年会上， 全国首个人工智能应用风险综合保障方案正式发布。 通过保险产品分别对人工智能服务给第三方造成的损失，和人工智能供应方自身费用损失进行保障， 填补国内 AI 保险市场空白 。 IT之家注意到，AI 正在接管越来越多的事情：打电话、做客服、分析农产品价格、写文案剪视频。可一旦它“说错话”侵权，或者“算错账”造成损失，谁来负责？ 今年 9 月，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，明确了关键规则： 生成式 AI 侵权一般适用过错责任，“内容由 AI 生成”不能作为免责抗辩。 也就是说谁有过错谁担责，不能用一句“这是机器干的”甩锅，服务方哪怕只是提供了模型能力，如果没尽到注意义务，也可能要承担赔偿责任。 据介绍，这类保险保障的是 被保险人在提供生成式人工智能服务过程中，因过失或疏忽导致生成的内容 ，比如文本、图片、音频、视频等...

推荐理由：来自IT之家 AI的《Block 推出全双工 AI 语音模型 Dessa：真人感拉满，支持苹果 MacBook 本地运行》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 25 日消息，Twitter 联合创始人杰克 · 多尔西（Jack Dorsey）旗下的 Block 公司推出了一款全新语音模型 Dessa，支持本地运行，能模拟笑声、停顿、哽咽等情绪表达，听感高度拟人。官方介绍，Dessa 完全基于人类语音数据训练，训练过程仅使用了一组英伟达 GPU 机架。 Dessa 属于全双工模型，和 OpenAI 今年早些时候发布的 GPT-Live 一样，可以一边说话一边收听用户语音。主流语音模型一般需要搭配大语言模型来调取知识；Block 称，Dessa 自身的知识来源于其训练所用的对话数据。 Block 表示，现有语音 AI 体验经常生硬、违和，根源在于生成链路要先转成文本，再由文本驱动语音合成。ElevenLabs v4、Fish Audio Drama 3 等不少模型依靠语音标签来控制情绪。而这家多尔西的公司宣称，情绪表达是模型原生内置的，不过目前尚不清楚它底层是否仍然依靠...

推荐理由：来自IT之家 AI的《英特尔 CTO 称其与台积电制程技术差距小于 10%，但产能追赶仍需时间》。重点看评测与基准。摘要提到：IT之家 10 月 24 日消息，当地时间 10 月 22 日，Dwarkesh Patel 放出了一段针对英特尔首席技术官普什卡尔 · 拉纳德（Pushkar Ranade）的采访视频。 拉纳德表示，从制程技术角度来看，英特尔与台积电之间的差距已经缩小至几个百分点，但追赶台积电的制造规模仍将是一个缓慢的过程。他强调，相比单纯追求性能或芯片面积密度上的小幅领先，按时推进制程、提高良率并快速扩大产能更为重要。 他指出，台积电目前的晶圆制造规模明显大于英特尔，双方的竞争不仅涉及技术指标，还取决于能否稳定生产大量先进芯片。他表示，如果只讨论技术水平，英特尔已经接近台积电，但性能、功耗和面积密度等指标仍可能存在几个百分点的差距。 他认为，先进制程的竞争不能只看单项基准测试结果。当制程技术落后一整代时，差距可能相当明显；但当双方技术水平接近时，制造执行能力、良率以及产能爬坡速度就显得更加重要。 拉纳德指出，即使性能或面积密度存在几个百分点...