#多模态

推荐理由：来自IT之家 AI的《谷歌推出最强世界模型 Genie 4：一句话创造可交互虚拟世界，首次实现音视频同步生成》。重点看模型能力与工程、文化创意、产品发布。摘要提到：IT之家 10 月 28 日消息，谷歌 DeepMind 于周二推出了最新的世界模型 Genie 4，目前处于研究预览阶段。这款最新模型能够生成迄今为止拟真度最高、可交互的虚拟世界，用户可以在模拟运行的过程中输入提示词来修改场景。该模型还能生成和虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。 IT之家注意到，就在 Genie 4 发布的数月之前，AI 视频初创公司 Runway 推出了自家第二款世界模型 GWM Worlds 2，这是一款可交互运行的模型，能够对用户输入做出动态响应，同时支持音频生成。与此同时，世界模型赛道开始出现整合趋势。李飞飞（Fei-Fei Li）创立的世界实验室（World Labs）被 AMD 收购，亚马逊正在洽谈收购 Decart，而 Rivian 刚刚收购了 Third Dimension，以此在内部搭建仿真能力，用于自动驾驶测试。 推出 Genie 4，是谷歌为在竞争激烈的赛道中保持领先...

推荐理由：来自IT之家 AI的《苹果 Apple 创作坊新增 AI 功能和更多创意工具，11 月免费更新上线》。重点看智能体工作流、文化创意、产品发布。摘要提到：IT之家 10 月 27 日消息，苹果公司今日宣布为 Apple 创作坊带来重大更新，为创作者带来专业级工具。Mac 版 Final Cut Pro 现内置 MotionVFX，集成视觉特效、插件、转场、模板和运动图形工具等功能。同时 Pixelmator Pro、Keynote 讲演、Pages 文稿和 Numbers 表格推出多项全新 AI 功能 Beta。 Apple 创作坊将于今年 11 月以免费更新的形式通过 App Store 推出。 视频工作流 IT之家了解到，Mac 与 iPad 版 Final Cut Pro 为视频剪辑师、内容创作者和电影工作者提供了一系列新功能。Mac 版 FCP 现在将 MotionVFX 直接整合进 App， 剪辑师可使用数千种元素，包括模板、图形、标题字和转场 ，以及转描、跟踪和校色工具。剪辑师还可直接在 Final Cut Pro 里访问内容库，无需离开当前工作流，便可取用 Appl...

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《腾讯混元同声传译大模型 Hy-SimulMT 开源，响应时间仅 3 秒超人类译员》。重点看模型能力与工程、评测与基准、开源生态。摘要提到：IT之家 10 月 26 日消息，腾讯混元同声传译大模型 Hy-SimulMT 今日发布并开源，具备低时延、高准确率的特点，支持中英语言之间语音到语音实时翻译 —— 说话人的音频可以实时输入到 Hy-SimulMT 模型中，模型会边听边译，实时给出译文和语音，并支持实时音色克隆，可以高度还原说话人声音和语气。该模型在腾讯 Hy 翻译 App 首发， 免费提供服务体验 。 IT之家从官方介绍获悉，低时延是模型的一大亮点，混元同声传译大模型 Hy-SimulMT 的响应时间 实测在 3 秒左右 ，人类专业译员平均水平在 4-5 秒。测评结果显示，该模型的翻译效果超过了市面上主流的开源同传模型，甚至超过大部分的商用同传 API。 官方称，在业界常用的长音频开源评测集 RealSI 上，Hy-SimulMT 展示出了较好的同传翻译效果，见下图： 横轴里的 StreamLAAL 表示同传翻译的延迟指标，反映的模型输出翻译结果相比输入音频的...

推荐理由：来自IT之家 AI的《消息称腾讯绿泡泡短剧小程序月活过亿，10 月首周周活环比增长 44.1%》。重点看产品发布。摘要提到：IT之家 10 月 26 日消息，据界面新闻消息，QuestMobile 数据显示，截至今年 8 月， 腾讯绿泡泡短剧小程序月活跃用户规模已过亿级 ， 达 1.43 亿 。10 月首周周活跃用户达 8968 万，较 9 月首周提升 44.1%。自 7 月正式更名以来，该产品周活跃用户规模约三个月内逼近 9000 万。 DataEye 监测数据显示，10 月 1 日至 7 日绿泡泡短剧累计投放素材 4.3 万组，日均投放量较节前一周增长 57%，内容供给与投放投入同步加码。 从增长驱动来看，原“短剧”小程序入口的全面接替，与微信生态流量支持为绿泡泡带来直接增量。依托微信生态的分发，拥有 6 亿日活用户的视频号是其中关键一环；另一方面，绿泡泡持续扩充内容供给，覆盖真人剧、AI 剧、动漫剧等品类。 据IT之家此前报道 ，“绿泡泡短剧”是腾讯开发的微信小程序。该产品界面分为“免费剧场”“刷一刷”和“我的”三部分。“免费剧场”下设“AI ...

推荐理由：来自极客公园的《Kimi 发布 K3.1 Pro，加量降价挑战 Opus 5.5》。重点看模型能力与工程、产品发布。摘要提到：作者｜宇航猿 编辑｜靖宇 10 月 23 日上午，Kimi 官方在 X 和视频号上发了一段 24 秒的视频。 画面里是一台复古风格的老式电脑，屏幕上开着 Kimi Code，终端里一行行地写着 Three.js 代码，在生成一个复杂的 3D 场景。眼尖的网友很快在左上角的模型栏里找到了答案——「Model: Kimi K3.1」。 Kimi 官方发布的 K3.1 预热视频｜图片来源：X @Kimi_Moonshot 用一台老古董般的机器，跑一段今天最前沿的 3D 代码，这个反差本身就是月之暗面想说的话。 十几个小时后，10 月 24 日零点刚过，卡着程序员节，Kimi K3.1 Pro 正式上线，同步推出的还有一个速度快 2 到 3 倍的 Highspeed 版本。官方承诺，完整模型权重将在 11 月 4 日前放出。 距离上一代 K3 发布，过去了三个多月。这三个月里，月之暗面经历的事情，比大多数公司一年...

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《网络安全研究员称三星电视利用 AI 录制音频、截屏投放广告》。重点看模型能力与工程。摘要提到：IT之家 10 月 25 日消息，据科技媒体 Tom's Hardware 今天报道，网络安全研究员 log4j 近日发现，自己家里的三星电视，推送出来的广告“精准得让人后背发凉”。随后他发现，这款电视的 Tizen 操作系统能够详细记录用户遥测信息、音频、屏幕截图等， 意图改善定向广告投放 。 log4j 表示，他逆向这台 2025 款三星电视后发现，其系统之所以运行迟缓，可能是因为后台程序对用户数据进行了大量处理，包含音频、屏幕截图和广告标识符 AID。某些地方甚至还存在卷积神经网络（IT之家注：CNN），也就是一种 AI 模型，分析用户观看了哪些视频、跳过什么广告，以及视频的播放速度。 同时， 即使电视没有配备麦克风 ， 系统也会寻找其他设备录制音频 。例如它可以自动寻找连接到电视的条形音箱、蓝牙设备，利用这些设备的麦克风进行录音。 Hugging Face 工程师 ngxson 则表示，他使用 Flipper Zero ...

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《消息称字节跳动 AI 短剧产品内部整合：小云雀并入即梦，仍保留独立入口》。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 10 月 24 日消息，据 36 氪今日报道，字节跳动内部近期完成了一次业务整合，AI 短剧创作平台小云雀并入智能创作平台即梦，产品仍保留独立入口。 此次调整以资源整合为主，即梦已经接入小云雀的短剧相关能力。调整后，小云雀的运营由即梦运营和市场负责人陈欣然负责，产品团队没有变化。 小云雀和即梦均出自字节剪映团队。小云雀定位为一站式 AI 内容创作平台，今年 3 月上线短剧 Agent，支持上传最多 10 万字剧本、一键生成视频成片，搭载了字节自研的 Seedance 2.0 模型，在短剧、漫剧的标准化生产场景中具备从剧本解析到分镜生成的完整流程能力。 即梦 AI 于 2024 年 5 月推出，最初覆盖文生图、文生视频等生成能力，此后逐步向智能画布、首尾帧控制等偏专业创作的 Agent 编辑工具延伸，用户群体覆盖普通创作者与专业设计师。 IT之家注意到，两者在功能上存在重叠：都能在平台内完成“从生成到成片”的全流程，与剪...

推荐理由：来自IT之家 AI的《消息称 R 星将于本月底至下月初为媒体机构发放《GTA6》评测版本，游戏评分将于 11 月 18 日解禁》。重点看评测与基准、产品发布。摘要提到：IT之家 10 月 24 日消息，消息源 BlackBate 在 ResetEra 论坛发文，透露 R 星将于 10 月最后一周或 11 月初向媒体机构发送《GTA6》游戏评测副本，届时，媒体评测人员将拥有约两至三周的时间探索游戏中的 Leonida 开放世界。游戏全球媒体评分预计将在 11 月 18 日解禁。 具体来看，本作 Metacritic 评分预计将在美国东部时间 11 月 18 日早上 6:00 至 7:00 左右上线。不过，部分媒体网站或 YouTube 频道可能需要等到 11 月 19 日游戏发售当天，也就是欧洲中部时间 6:01、美国东部时间 0:01 左右，才能发布相关内容。 目前尚不清楚，为何部分媒体需要延迟发布评测。一种猜测认为，Rockstar 可能希望先让文字评测建立起相对完整的媒体评价，再逐步开放视频内容，以避免包含剧情剧透的画面过早流出。随着游戏在 Xbox 和 PlayStation 平台正式解...

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...

推荐理由：请对照Simon Willison原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《央视新闻谈 AI 魔改视频和二创区别：问题关键在“魔”，消解经典的同时也伤害文化根本》。重点看文化创意。摘要提到：IT之家 10 月 24 日消息，据央视新闻今早报道，日前，部分重点网络视听平台公布了“AI 魔改”视频专项治理工作 9 月的处置情况， 共清理违规视频近 13000 条、处置违规账号 30 余个 。 央视新闻在报道中谈及了 AI 魔改视频和二创区别，称“AI 魔改”问题不在 AI 也不在二创，关键在“魔”： 优秀的“二创”作品基于对原著的了解与喜爱。经过观众和时间检验，融入大众文化，拥有忠实拥趸，既映射特定时代的精神面貌，也承载读者和观众的集体记忆。 “AI 魔改”视频则是“辣眼睛”“毁童年”，消解经典的同时，经典承载的精神也会被人渐渐轻视，伤害文化根本。在法律层面，“AI 魔改”视频还可能涉及多种侵权问题。 据IT之家了解，为进一步巩固治理成果，自 2026 年 2 月 1 日起，“AI 魔改”视频治理工作通过常态化、制度化长效机制持续开展。 广电总局督导各主要网络视听平台进一步深化落实主体责任，加强日常排查，重点清理基于四...

推荐理由：来自IT之家 AI的《谷歌 YouTube、Chrome 推进 AV2 支持，压缩效率较 AV1 提升近 30%》。重点看产品发布。摘要提到：IT之家 10 月 23 日消息，开放媒体联盟（AOMedia）当地时间 10 月 22 日宣布，下一代视频编码标准 AV2 正在浏览器、流媒体平台及开发工具等领域加速推进。 谷歌已展示 Chrome 浏览器播放 AV2 视频的能力，并确认 YouTube 网页版计划最早于 2027 年初开始提供 AV2 视频。 AV2 标准于 2026 年 6 月正式发布，在压缩效率方面较 AV1 提升约 30%，能够在相同码率下提供更高画质，或在维持相近画质的情况下减少带宽占用。 IT之家注：AV2 依然采用免版税的开放标准路线，由谷歌、亚马逊、苹果、英特尔、Meta、Netflix、三星、腾讯等头部企业参与开发。 谷歌已展示 Chrome 中 AV2 视频播放能力，而 YouTube 工程总监 Des Keane 则表示，YouTube 希望通过开放编码格式，在减少播放中断的同时提供更好的画质，并利用 AV2 的多视频能力支持新的观看体验...

推荐理由：来自IT之家 AI的《富士胶片、GE 医疗等五方携手，合作开发 2nm 医疗影像低功耗 AI 推理芯片》。重点看模型能力与工程。摘要提到：IT之家 10 月 23 日消息，LSTC 日本尖端半导体技术中心、北海道大学、富士胶片、GE 医疗、imec 五方当地时间本月 20 日宣布承接日本 NEDO 项目委托， 共同开发基于 2nm 工艺的医疗影像低功耗 AI 推理芯片 。 该芯片的设计应用场景包括： 对光子计数 CT 提供的海量数据进行高速重构与分解，实现“实时影像诊断支持”； 将超声影像与 CT / MRI 影像实时叠加，实现“实时诊疗支持”； 从术中显微镜影像里实时识别手术器具、解剖结构、出血，实现“实时手术支持”。 图源：Pexels 合作各方计划先行在 IBM 的 Spyre 加速器上进行开发优化工作，此后再迁移到实际芯片上。其开发目标是 提供现有 GPU 5 倍以上的图像处理速度和 10 倍以上的能效 ，并在北海道大学附属医院进行临床应用。

推荐理由：来自IT之家 AI的《月之暗面公布 Kimi K3.1 预热视频，发布日期暂未官宣》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 23 日消息，Kimi 官方账号今天发布了一段 24 秒的预热视频，画面中一台老式电脑正在运行 Kimi Code，左上角模型栏显示“Model：Kimi K3.1”。结合此前一系列痕迹，无不预示着 K3.1 即将发布，开发者社区已就此展开讨论。 最早的迹象是在今年 9 月，多名开发者注意到月之暗面 API 平台的后台模型注册表中出现了“kimi-k3-1”标识，表明该模型标识通过了接口探测并可调用。同日，Kimi 官方开放平台也出现了 K3.1 或 K3 11111 模型的预告，支持 1M tokens 上下文窗口。 10 月 19 日凌晨，SGLang 仓库中出现了一条标题为“Kimi-K3.1 support for the K3 chat encoder”的提交，为实验性路由组件增加了 K3.1 的对话编码适配，附带 107 个测试用例。 据智猩猩整理，K3 原本接受 low、high、max 三档思...

推荐理由：来自IT之家 AI的《不录屏的 Recall：微软测试 Pantheon 新 AI 应用，定位 Win11 的“第二大脑”》。重点看产品发布。摘要提到：IT之家 10 月 23 日消息，科技媒体 Windows Latest 今天（10 月 23 日）发布博文，报道称 微软正低调测试一款适用于 Windows 11 系统的 AI 应用，内部开发代号为 Project Pantheon，测试版本名称为 Context Vault，可视为“回顾”（Recall）功能的不录屏版本。 “回顾”功能在上线后因为会自动截取屏幕而引发巨大隐私争议，而这款 Context Vault 应用为了规避该隐私风险，只保存用户主动选择的内容，更接近一个可检索、可向 AI 提问的“第二大脑”。IT之家附上相关图片如下： Project Pantheon 对比 Windows Recall 用户可将网页、文件、截图、复制文本、音频和视频保存为“记忆”，并按主题归入收藏集。应用内建的聊天功能可对这些资料提问，例如总结某个收藏集、梳理近期工作内容，或基于资料起草内容。 Context Vault（Projec...

推荐理由：来自IT之家 AI的《RTX 4070 测试帧率翻 7 倍：非官方 PC 移植《血源诅咒》游戏 1080P 突破 220 FPS》。重点看评测与基准、产品发布。摘要提到：IT之家 10 月 23 日消息，科技媒体 Wccftech 昨日（10 月 22 日）发布博文，报道称 FromSoftware 经典动作角色扮演游戏《血源诅咒》（Bloodborne）在 PC 平台迎来一次民间技术突破， 在 RTX 4070 显卡上实现 1080p 下稳定突破 220 帧，性能约为原版主机的 7 倍以上。 IT之家附上演示视频如下： FromSoftware 的经典动作游戏《血源诅咒》仅登陆 PlayStation 4 游戏主机，官方至今未推出 PC 版、重制版或次世代移植版。不过 Super Medo 制作的社区非官方 PC 移植版迎来重要突破，通过支持 NVIDIA DLSS 帧生成技术，让这款 2015 年发售的“魂系”名作在 PC 上获得了远超原版主机的流畅表现。 据 MxBenchmarkPC 公布的测试视频，在 RTX 4070 显卡上测试，原生 4K 分辨率并启用 DLAA 后，平均帧率约为 ...

推荐理由：来自IT之家 AI的《让你安心用 AI 网购 / 订票 / 点外卖：1Password 推出智能体密码授权功能》。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 10 月 23 日消息，密码管理服务商 1Password 昨日（10 月 22 日）发布博文，宣布推出 1Password for Agents 平台， 让个人 AI 智能体全程不接触、不存储用户的密码或验证码情况下，代用户完成网站登录。 IT之家附上官方介绍视频如下： 该功能面向个人及家庭版用户推出，首批支持 Meta Muse、OpenAI ChatGPT Work 与 Dots、Anthropic Claude Duet、Grok Bot 及 Town 等主流 AI 智能体。 官方表示随着 AI 智能体逐步承担订餐、购物、订票、整理资料等任务，账号登录成为其执行任务的关键环节。但若直接把密码交给智能体，用户将面临凭据被模型记忆、泄露或滥用的风险。 1Password 的新方案试图在“授权 AI 办事”与“守住密码安全”之间建立一道隔离层。具体流程为：在 AI 智能体遇到登录页面后，会先通过独有的数字密钥向 1P...

推荐理由：来自IT之家 AI的《OpenAI 宣布全面开放决策 API：基于 GPT‑6 Luna，每百万 token 输入 0.1 美元》。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 10 月 23 日消息，当地时间 10 月 22 日，OpenAI 宣布全面开放决策 API（Decisions API）。 据介绍， 该 API 基于 GPT‑6 Luna 构建 ，将 Luna 的模型智能聚焦于具有限定答案（bounded answers）的问题，协助应用程序与智能体基于文本、图像及结构化输入做出准实时决策 —— 其响应速度比通过 Responses API 调用 GPT‑6 Luna 提升了高达 10 倍 。 定价方面，决策 API 输入每百万 token 收费 0.1 美元 （IT之家注：现汇率约合 0.67 元人民币） ，命中缓存的输入每百万 token 收费 0.01 美元 （现汇率约合 0.067 元人民币） 。该 API 仅按输入 Token 计费，输出 Token 免费。在整个 OpenAI，团队正在将决策 API 应用于产品和业务工作流。 OpenAI 表示，自公测以来，该功能新增了...

推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。

推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。

推荐理由：来自IT之家 AI的《科大讯飞首发星火语音基座大模型 SparkAudio 1.0：中英文任意切换、说话人实时识别，输入法里就能用》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 22 日消息，在今日下午的科大讯飞全球 1024 开发者节活动中， 科大讯飞宣布首发星火语音基座大模型 SparkAudio 1.0 。 SparkAudio 1.0 集成了 机器翻译、语音识别、语义理解 等能力，显著提升了基础语音能力。 模型宣称在实时说话人分离、环境理解、音频理解、情绪识别等方面“表现卓越”，推动人工智能向物理世界应用迈进。 官方通过一段电影片段的分析，展示了模型对声音内容、背景、说话人性别等的精准识别能力，以及场景判断的准确性。 SparkAudio 1.0 已在 讯飞输入法 16.0 、讯飞听见、讯飞办公本、讯飞翻译机全面上线，支持中英文任意切换、说话人实时识别。 IT之家注意到，科大讯飞还发布了一个“ 讯飞 AI 录音环 ”硬件设备，搭载 4 + 1 环麦阵列、Wi-Fi 6 传输，宣称综合识别准确率超 96%，进行 2 小时的录音转写仅需 2 分钟。

推荐理由：来自IT之家 AI的《24 小时为你在线打工：Anthropic 推出 Claude Duet AI 智能体，迎战 Meta 和 OpenAI》。重点看智能体工作流。摘要提到：IT之家 10 月 22 日消息，Anthropic 昨日（10 月 21 日）宣布以研究预览版形式，推出全新应用 Claude Duet， 定位为可主动工作的 AI 智能体（agent），加入由 Meta 的 Muse、以及 OpenAI 的 Dots 领衔的“全天候主动型 AI 助理”大战。 技能方面，该应用会每天整理跨应用的重要事项、主动提醒需要处理的问题，并在用户离开后继续在后台完成被委托的任务。IT之家附上演示视频如下： Claude Duet 基于 Claude Opus 5.5 构建，提供 iOS、Android 独立应用及 claude.ai 网页版。首批面向美国 Pro 和 Max 订阅用户开放候补名单；预览阶段与 Claude 其他功能共享套餐用量限制。 不同于普通聊天机器人，Claude Duet 拥有独立虚拟机和浏览器，可在用户设备关闭时持续运行。用户可用文字或语音下达任务，例如安排会议、整理未读邮件、追...

推荐理由：来自IT之家 AI的《腾讯云宣布元宝搜索对外开放：已构建千亿级索引规模，定价每千次 14 元起》。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 10 月 21 日消息，腾讯云 10 月 20 日宣布， 元宝搜索 正式通过腾讯云对外开放。 腾讯云介绍称，过去一年，元宝持续打磨搜索体验与效率，整合全网公开资源和腾讯优质内容，将大模型技术应用于内容收录、理解与检索全链路，构建面向大模型和 Agent 的搜索引擎。 目前， 元宝搜索构建了千亿级的索引规模，日均调用量达数亿次 ，全面支撑了 WorkBuddy、ima、腾讯金融科技、腾讯视频等 50 多个核心业务的搜索服务。 WorkBuddy：检索技术文档、官方 API 等一手资料，减少工具调用和模型轮次 ima：结合知识库与公网信息，有效信源召回量提升约 10% 腾讯视频：支持根据剧情、模糊描述找片，信息覆盖度扩展 20% 腾讯金融科技：一周上线金融搜索能力，大幅降低开发和运维成本 元宝搜索结合全网公开资源与腾讯内容生态，接入金融、医疗、法律、出行等 13 个垂直行业的 157 个信源 ，包括申万宏源、携程、飞常准、...

推荐理由：来自IT之家 AI的《微软优化 Win11 文件管理器 OneDrive 右键菜单：统一 AI 访问入口》。重点看多模态。摘要提到：IT之家 10 月 21 日消息，在 MC1515940 公告中，微软宣布将于下月（2026 年 11 月）中旬开始，优化 Windows 11 文件管理器里的“OneDrive”右键菜单， 调整部分 Copilot 关联的 AI 操作选项。 科技媒体 NeoWin 指出，当前 Windows 11 用户在文件管理器中右键点击某个文件，在 OneDrive 的二级目录下会看到包括“摘要”、“创建常见问题解答”、“比较文件”、“提问”、“解释图像”、“比较图像”和“提取文本”等 Copilot 操作选项，但这些选项功能又和一级目录的“Ask Copilot”存在一些重叠。 而根据公告内容，微软计划将这些 Copilot 操作统一收纳到“Ask Copilot”入口，但依然保留相关功能，用户仍然可以通过右键菜单中的“Ask Copilot”、鼠标悬停在项目上时出现的 Copilot 按钮，或者 OneDrive 活动中心中的 Cop...

推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

推荐理由：请对照Simon Willison原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《OpenXR 标准新增“空间容器”特性：支持 XR 应用在场景中多任务运行，可取得类似苹果 visionOS 体验》。重点看多模态。摘要提到：IT之家 10 月 20 日消息，负责推动 OpenXR 标准发展的 Khronos Group 宣布推出一项名为“空间容器”（Spatial Containers）特性，其由系统统一管理，允许应用在其中展示 XR 内容，工作方式类似于传统桌面操作系统中的应用窗口。 根据 Khronos Group 展示的演示视频，“空间容器”支持两种运行模式：一种是用于多任务操作的“有界”模式，允许应用在空间环境中与其他内容并行显示；另一种则是“沉浸式”模式，应用可以占据整个视野。借助这一机制，开发者能够更灵活地控制应用在 XR 环境中的呈现方式。 外媒 Road to VR 表示，这一设计与苹果 visionOS 交互逻辑功能颇为相似，用户可以在空间环境中随意运行多个应用，相比之下，其竞品 Meta Quest 目前的多任务能力仍存在一定限制，用户一次只能运行一个空间应用。 Khronos Group 称，目前“空间容器”特性已完成批准并正...

推荐理由：来自极客公园的《设计师的第一个 Personal Agent，可能就是 Lovart 2.0 的 Arti 了》。重点看智能体工作流、文化创意。摘要提到：2025 年，Lovart 作为全球首款设计 Agent 开始出现在各大设计师社区。第一次用 AI 能力把整个设计流程串联起来。从最初的设计思路、到最终图片或视频的设计物料，终于被完整的放到一块画布上完成。 随着在生成能力和指令遵循程度上的进步，AI 越发能够满足人们现实世界的真实需求，muse 此时带起关于 personal agent 的讨论显得恰逢其时。AI 在能力上已经具备了可观的解决问题的能力，下一步就是如何个性化的解决「我」的问题，以及更主动的解决问题。 放到设计里，Personal Agent 带来了一些新的想象力。比如一套物料做完，下一个项目还会来。设计师喜欢什么配色、哪些版式已被否过，总不能每次开工都重新交代，那它能否持续性的理解设计师的风格变化？又或者设计前期调研、每周做一批物料这些日常的重复性工作，能不能也交代一次，让 AI 往后按时做？ 这些事决定了，眼下 AI 能把设计这件事推动到什么地步。 设计体系里...

推荐理由：来自IT之家 AI的《粉丝用 AI 基于虚幻引擎 5.8 重制《恶霸鲁尼》，Mac 上 1080P 能跑 45 帧》。重点看多模态、文化创意。摘要提到：IT之家 10 月 20 日消息，尽管官方一直没有推出续作，但《恶霸鲁尼》（Bully）多年来热度居高不下。之所以迟迟没有新作问世，只是因为 Rockstar 一直忙于其他系列项目。不过开发团队清楚这款作品人气很高，此前曾将其列为工作室史上最受欢迎的四款游戏之一。 多年来，不断有传闻称 Take-Two 计划以重制或高清复刻的形式重启该 IP，但粉丝们已经等得失去耐心，开始自己动手制作《恶霸鲁尼》重制版，以现代游戏标准重新构想这个 IP。现在有一位专注的爱好者，正借助 AI 工具从零开始，制作虚幻引擎 5 版《恶霸鲁尼》。 IT之家注意到，推特用户 @ashen_one 透露，他正在基于虚幻引擎 5.8 重制《恶霸鲁尼》，并将项目描述为非官方、非商用、仍在开发中的粉丝项目，开发过程“借助 AI 辅助，全程公开”。一段将近 3 分钟的演示视频，完整展示了这款重制项目的效果。 Ashen 说明，即便全力以赴，他个人或许永远无法独立完...

推荐理由：来自IT之家 AI的《蚂蚁百灵开源 Ming-3.0 语音系列模型，覆盖语音合成、音频理解与对话、语音识别》。重点看智能体工作流、模型能力与工程、开源生态。摘要提到：IT之家 10 月 20 日消息，蚂蚁百灵今日宣布开源 Ming-3.0 语音系列，分别提供语音合成、音频理解与对话、语音识别三个系列，共五款模型。开发者可以按任务选择，也可以将不同能力组合进自己的工作流。 Ming-3.0-tts 系列的 Voice Design 可以用文字描述目标音色，同时也支持参考音频的音色设定。更具特色的是，创作者可以用导演模式说明台词的表演方式，描述情绪如何变化、哪些词需要重读，以及节奏应如何处理。 在蚂蚁，从阿福 App 的主对话与语音通话，到医生音色克隆、小虎智能办公，Ming-3.0-tts 已进入多类业务。它既可以独立承担配音，也可以与 Ming-3.0-asr-tiny 组合，连接语音输入和回答播报两个环节。 Ming-3.0-audio-flash / tiny 支持直接对长音频的转写、总结和观点分析等复杂理解，并进行结构化输出。相对传统的先语音识别逐字稿再分析的过程，能保留对话中的情绪、...

推荐理由：来自极客公园的《DeepSeek 新模型登顶开源模型榜首；国内 55% 算力用于视频和短剧？豆包发言人辟谣；微信发起公众号小说改编微短剧激励｜极客早知道》。重点看模型能力与工程、评测与基准、开源生态。摘要提到：DeepSeek 新模型登顶 Code Arena WebDev 开源模型榜首 10 月 19 日，AI 模型评测平台 Arena 宣布，DeepSeek-V4.1-Flash-1017（Max）超过 Kimi K3（Max），成为 Code Arena: WebDev 榜单排名最高的开源模型。 截至目前，DeepSeek-V4.1-Flash-1017 在该榜单上得分为 1670 分，超过了Kimi K3（Max）、Mimo-V2.6 Flash等开源模型，也超过了Muse Spark 1.3（Max）、Claude Opus 5（High）、Grok 4.7（xHigh）等闭源模型，仅落后 GPT-6 Sol（Max）12 分。 该模型于 10 月 17 日推出，在软件工程能力 DeepSWE v1.1 测试中，其得分超GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5等模型，单项任务平均费用较上一版...

推荐理由：来自IT之家 AI的《新 AI 工具问世：仅凭一张面部照片即可预测癌症患者生存几率》。重点看模型能力与工程。摘要提到：IT之家 10 月 20 日消息，据彭博社报道，研究人员开发出一款人工智能工具，仅凭一张面部照片就能预测癌症患者的生存几率。该工具可以补充医生的临床经验判断，有望为治疗方案的制定提供参考，在医疗资料不足的场景下尤其有价值。 这个新模型经过训练，既可以估算人的年龄，也能针对癌症患者预测生存情况。研究团队使用超过 4000 万张人脸图像，以及 3 万多名癌症患者的照片完成模型训练，其中不少患者已经离世。发表在《柳叶刀 · 数字健康》期刊上的这项研究显示，该工具会为患者生成风险评分，分数最高的患者更有可能在 90 天内死亡。 科研人员表示，这类研究成果尚属首次。麻省总医院布莱根癌症研究所放射肿瘤医师、论文作者之一雷蒙德 · 马克（Raymond Mak）称，医生在受训时就会通过患者的外貌状态评估病情，但医生“通常很难准确预估临终患者的剩余生存期”。 马克在采访中说：“我们认为借助人工智能，仅靠一张面部照片，就能捕捉到人体的部分生理储备...

推荐理由：来自IT之家 AI的《日本演员工会发布 AI 语音使用准则，龙珠悟空配音演员怒批 AI 盗用其声音》。重点看文化创意、产品发布。摘要提到：IT之家 10 月 20 日消息，随着生成式 AI 给各行各业创作者带来越来越多的困扰，日本配音演员正在寻找属于自己的方式，抵制他人未经授权使用他们的声音。上周，代表日本配音演员的工会发布了一份 AI 使用相关准则，不少配音演员也讲述了这项技术给他们个人与职业带来的困境。 IT之家注意到，多年来，日本配音演员一直在抵制未经许可盗用自身声音的行为。2024 年，一批配音演员联合成立组织，抗议 AI 声音的滥用，他们特别指出，相关领域缺少版权法律保护。曾为《进击的巨人》《电锯人》《游戏王》配音的津田健次郎（Kenjiro Tsuda），甚至就社交媒体大量使用其声音的视频起诉了 TikTok，不过在相关视频下架后，这起案件被驳回。部分配音演员支持搭建机制，在获得授权的前提下，将 AI 用于复刻表演者声音的私人场景，但日本配音演员群体对这项技术的主流看法是： 它会窃取自己的劳动成果，抢走未来的工作机会。 在周四的新闻发布会上，日本演员协...

推荐理由：来自IT之家 AI的《古尔曼：苹果正研发室内摄像头，依靠 AI 分析环境》。重点看产品发布。摘要提到：IT之家 10 月 19 日消息，彭博社记者马克 · 古尔曼在最新一期《Power On》通讯中提到，苹果正在研发一款室内摄像头，内部代号 J450， 可利用 AI 分析周围环境 。 IT之家了解到，这款摄像头拥有低帧率传感器和红外传感器，支持人脸识别等技术，以识别人员或宠物。用户将收到周围环境的文字描述，而非视频画面。 该产品的核心设计理念似乎与隐私保护有关 ，无法录制家里的私密场景。 古尔曼认为，这款摄像头预计将在明年某个时候推出。同时，该产品并不属于 10 月 13 日公布的 Home Collection 系列配件。 此外，苹果可能还会观察 Home Collection 系列产品的销售情况，再决定是否推出自有品牌智能家居硬件。

推荐理由：来自IT之家 AI的《国产 AI 历史模拟新游《崇祯模拟器 Demo》上架 Steam，免费试玩》。重点看模型能力与工程。摘要提到：IT之家 10 月 19 日消息，个人开发者 ZHANG HANLIANG 制作的国产历史策略模拟游戏《崇祯模拟器 Demo》现已登陆 Steam 平台开启试玩，完整支持简体中文界面、字幕与音频。IT之家附游戏商品页（ https://store.steampowered.com/app/5121940/ ）。 崇祯十七年，大明风雨飘摇 —— 李自成揭竿西北，后金铁骑叩关辽东，国库空虚、党争不休、天灾连年。你将扮演大明最后一位皇帝崇祯，在这盘注定败局的棋上落子：批阅奏疏、平衡朝堂、调度钱粮、任免文武。每一位大臣都由 AI 驱动，会揣摩圣意、结党营私、阳奉阴违。你的每一道旨意都在改写历史 —— 是重蹈煤山自缢的覆辙，还是力挽狂澜、再造大明？ 该作核心特色为 AI 大模型驱动玩法： 所有大臣 NPC 对话、奏疏文本与剧情走向均由大语言模型实时生成，每位角色会对玩家决策做出独特即时的反应，每局体验各不相同 玩家需要在朝堂平衡势力，处理...