#多模态

推荐理由：来自IT之家 AI的《松下与谷歌合作，共同打造家庭安防解决方案》。重点看多模态。摘要提到：IT之家 10 月 12 日消息，Panasonic（松下）当地时间本月 6 日宣布与 Google（谷歌）达成合作协议：双方将结合松下在可视对讲和监控领域的专业技术、谷歌在 GenAI 与云方面的优势 共同开发新一代家庭安防解决方案 。 松下在新闻稿中坦诚，日本入室盗窃犯罪近年来手段日益复杂、暴力程度逐步上升，家庭安防需求快速增长。而 现有的安防解决方案无法做到有的放矢 ，为住户带来了不必要的“垃圾”信息处理负担。 松下和谷歌将围绕以下四个主题开展联合开发： 利用基于人工智能的视频分析技术，通过高精度识别可疑行为和异常事件，实现高级异常检测 根据家庭成员构成和生活方式，通过定制化的通知和推荐，优化用户个性化体验 通过云集成实现简单直观的用户体验，从而降低运营负担 通过软件更新和云人工智能的进步带来的功能增强，持续演进，从而创造长期价值

推荐理由：来自IT之家 AI的《马斯克回应“中国分马”：14 亿人里肯定有像我的，想请他一起上台跳舞》。重点看多模态。摘要提到：IT之家 10 月 12 日消息，当地时间 10 月 10 日，美国企业家、亿万富翁埃隆 · 马斯克在 X Takeover 活动中，针对走红网络的“中国版马斯克”（马一龙）相关视频作出回应，“中国 14 亿人口中，肯定有人长得像我”。 马斯克还表示，他希望那个人是真的，但大概率不是真的。如果真的有长相相似的“中国版马斯克”， 自己想邀请他上台一同跳舞 。 综合IT之家此前报道，2021 年 12 月，马一龙因短视频形象与马斯克非常相似，被网友称为“中国版马斯克”，在 TikTok 等平台积累了不少粉丝。2022 年 5 月，马斯克在推特回应网友对比照片，表示想见面，马一龙微博回应表达仰慕。 2022 年 5 月， 马一龙微博账号因违反社区公约被禁言 ，有网友质疑其视频使用 AI 换脸技术，证据包括摘眼镜瞬间的破绽及早期照片与马斯克无相似性，但其本人并未承认。目前马一龙相关账号已解禁。

推荐理由：来自IT之家 AI的《神舟二十三乘组出差日常更新：空间科学实（试）验与在轨训练稳步推进》。重点看模型能力与工程。摘要提到：IT之家 10 月 11 日消息，据中国载人航天工程办公室，上周，神二十三乘组在轨喜迎国庆，空间站内各项工作稳步推进。 神舟二十三乘组航天员朱杨柱、张志远、黎家盈，目前继续在中国空间站值守，空间站内各项工作稳步推进。 空间科学实（试）验与在轨训练稳步推进。国家太空实验室内，微重力物理科学等领域实验稳步推进。上周，乘组按计划完成了 高温材料实验柜内实验样品更换与处置工作 。交会对接训练是航天员在轨期间的专业技术训练之一，乘组利用元认知训练系统完成了不同初始条件下的图像辨识训练。 空间站组合体平台照料常态化有序开展。在空间站组合体平台照料方面，乘组常态化开展 再生生保系统设备检查维护 ，完成站内药品清点，以及物资整理与环境清洁等多项工作。 IT之家注意到，三名航天员 积极进行运动锻炼 ，使用骨丢失对抗仪、神经肌肉刺激仪等设备对抗失重生理效应。

推荐理由：请对照量子位原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《Qwen-Image-2.1 Pro 和 Turbo API 上线千问 AI 平台，将图像生成与编辑能力接入应用》。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 11 日消息，千问 AI 平台今日宣布，Qwen-Image-2.1 Pro 和 Turbo API 现已正式上线千问 AI 平台。开发者可以通过 API 将 图像生成与编辑能力接入应用 ，无需自行部署模型、管理推理环境，即可围绕设计、电商、内容创作等场景搭建自己的工作流。与此同时，Qwen-Image-2.1-Turbo 模型权重同步开放。 现在，用户可以在千问 AI 平台查看 Qwen-Image-2.1 Pro 和 Turbo 的模型信息与接入说明，根据业务需求选择、测试和集成。 对于创作工具，API 可以成为从文字构思到视觉呈现的入口；对于电商和营销应用，可以围绕商品素材、场景创作和海报设计组织工作流；对于已有图片的精修与再创作，则可以通过编辑指令继续调整内容。从生成到编辑，开发者可以把这些能力融入自己的产品，让用户在熟悉的界面中完成创作。 Qwen-Image-2.1 模型最多支持 10 张参考图输...

推荐理由：来自IT之家 AI的《Cloudflare 推出开放权重决策 AI 模型 Clef-omni，新增支持音频 / 视频输入》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 10 日消息，Cloudflare 昨日（10 月 9 日）发布公告， 宣布推出开放权重决策模型 Clef-omni，支持单次 API 调用处理文本、图像、音频和视频等。 定位方面， 该模型在此前 Clef 系列模型基础上 ，扩展支持多模态输入，模型权重已在 Hugging Face 开放。 多模态支持方面，此前的 Clef 支持文本、图像及从视频中抽取的连续画面（把视频按时间抽取成一张张静态图像，再把这些图像按顺序作为输入交给模型），而 Clef-omni 新增音频和完整视频输入，支持 wav、mp3、mp4 和 webm 格式。 Cloudflare 称，开发者无需另行搭建语音转写及音视频拆分流程，可用一个模型处理多种输入。 Cloudflare 称，Clef-omni 基于 Qwen3-Omni-30B-A3B-Instruct 构建，并保留其主要理解能力。模型面向结构化决策任务，不生成常规文本输出。公...

推荐理由：来自IT之家 AI的《华为 Pura X View 阔直板手机获鸿蒙 HarmonyOS 7.0.0.109 SP10 升级，支持多人互助通信共享功能》。重点看模型能力与工程。摘要提到：IT之家 10 月 10 日消息，华为今日面向 Pura X View 手机率先推送了鸿蒙 HarmonyOS 7.0.0.109 SP10 版本升级，包体大小约 4.83GB。新版本带来了多人互助通信共享、熄屏循迹导航等功能。 IT之家附华为 Pura X View 阔直板手机此次更新内容如下： 多设备协同 通信共享功能再升级， 手机与搭载 HarmonyOS 7 的手机、平板、鸿蒙电脑之间支持多人互助通信共享 ，通过碰一碰或者登录同一华为账号共享网络建立互助网络，在移动网络信号弱或网络负载大等场景下可获得更快、更稳的网络体验。 桌面和个性化 系统熄屏显示新增熄屏循迹导航功能，开启后，可在熄屏显示界面显示“地图”等部分应用循迹导航信息（设置 > 桌面和个性化 > 熄屏显示设置 > 熄屏循迹导航）。 小艺 优化多模态基础大模型推理速度，进一步提升天气摘要、小艺帮接、文本润色等智能功能的使用体验（温馨提醒：由于涉及到大模型更新，本...

推荐理由：来自IT之家 AI的《数毛社：索尼 PS5 超分技术 QSSR 存适配挑战，旧作游戏支持范围仍待确认》。重点看产品发布。摘要提到：IT之家 10 月 10 日消息，数毛社（Digital Foundry）昨日（10 月 9 日）发布视频， 指出适用于 PlayStation 5 标准版的 AI 超分技术 QSSR 能否适配已发售游戏，仍受 SDK 版本限制。 IT之家曾于 10 月 2 日报道，索尼面向标准版 PlayStation 5 游戏主机，推出快速光谱超分辨率（Quick Spectral Super Resolution，QSSR），和索尼 PlayStation 5 Pro 上使用的 PSSR 类似，可以提升输出画面的清晰度。 索尼互动娱乐（SIE）图形研发首席工程师 Daniel Craig 此前称，只需少量调整，旧游戏就能适配 QSSR。不过数毛社的 Richard Leadbetter 随后提出，目前 QSSR 的适配挑战主要在于旧游戏是否必须升级 SDK，以及它能否像 PSSR 一样通过统一机制启用。 Leadbetter 认为如果 Q...

推荐理由：来自IT之家 AI的《生数科技发布视频生成模型 Vidu Q4 Preview 预览版本，支持 2K、4K 输出》。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 10 日消息，生数科技现已发布全新一代视频生成旗舰模型预览版本 Vidu Q4 Preview，最多支持 3 段参考音频、15 张参考图与 2K、4K 输出。 IT之家获悉，Vidu Q4 目前支持图生视频和参考生视频。图生视频可根据图片和文字描述生成视频；参考生视频可结合多张参考图片和音频生成视频。 Vidu Q4 Preview 最多支持 3 段参考音频 ，通过声音参考，让角色音色更加统一；最多支持 15 张参考图 ，让人物、场景、道具等创意要素拥有更充分的视觉参考。 据介绍，Vidu Q4 Preview 进一步 提升动态运镜、切镜与复杂镜头衔接 ；支持 2K、4K 输出，10bit 色深；单次最长可生成 16 秒的视频；适合 AI 短剧、广告营销、社交互动和影视创作等场景。 Vidu Q4 Preview 首发优惠价 0.09 元 / 秒起 ，支持 540P、720P、1080P、2K、4K 多种规格...

推荐理由：来自IT之家 AI的《豆包工作上新：支持画布功能，模型再更新》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 9 日消息，豆包工作今日宣布任务模式新增画布功能，复杂任务操作更方便，交互体验更好，随时查看对比，快速编辑调整，还支持全新图片模型 Seedream 5.0 Flash。 IT之家从官方介绍获悉，豆包 2.1 Lite 模型已上线豆包工作，更省额度，更快交付，多模态综合能力领先，可以很好地满足文档撰写、表格处理、PPT 制作等高频场景。 支持无限画布，随时查看整理 。将素材、方案和创作成果铺在同一张画布上，随时查看、对比和整理，从一个想法延展出更多可能。 逐步编辑设计，复杂任务操作更快捷 。生成之后，继续调整文字、配色与布局。从整体风格到局部细节，快速改出你想要的效果。 全新图片模型，更多创作选择 。支持全新图片模型 Seedream 5.0 Flash，为生图创作带来更多选择，轻松探索不同风格与视觉表达。

推荐理由：来自IT之家 AI的《Anthropic Claude 现已支持数据仪表板与解释性动画功能》。重点看模型能力与工程。摘要提到：IT之家 10 月 9 日消息，Anthropic 当地时间昨日宣布 Claude 人工智能现已支持 Dashboards 数据仪表板、Motion 解释性动画两项新的功能。 Claude Dashboards ：连接至公司的数据平台后，用户仅需用自然语言提出问题，Claude 便会构建会自动更新的数据监控仪表板。 Claude Motion ：Claude 可将用户提供的文字、图表、形状、图像动画化为一段短片。该功能没有调用视频生成模型，所以没有生成的画面。用户后续可通过剪辑软件对生成的动画进行编辑。 这 两项功能均处于测试状态 ，Claude Dashboards 向所有付费套餐用户开放、Claude Motion 则对 Team 和 Enterprise 用户开放。

推荐理由：来自IT之家 AI的《66.1 分登顶：Odyssey-3 基础世界模型登场，AI 开始理解真实世界》。重点看模型能力与工程、评测与基准、产品发布。摘要提到：IT之家 10 月 9 日消息，Odyssey 昨日（10 月 8 日）发布博文， 宣布推出 Odyssey-3 系列基础世界模型，其 Odyssey-3 Pro 在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分，创该榜单最高纪录。 IT之家注：基础世界模型（Foundation World Model）是指从大量视觉观测中学习物理、动态与因果关系的通用 AI 模型。它可预测物体如何移动、交互及情境如何随时间演变，并用于模拟环境或训练机器人、车辆等系统的控制策略。 Physics-IQ Verified 是由 Anates Labs 与 DeepMind 联合开发的物理行为基准测试。它要求模型续写真实物理实验视频，并将预测结果与实际结果比较，覆盖流体动力学、光学、固体力学、磁学和热力学。 模型方面，Odyssey-3 系列基础世界模型分为标准版和 Pro 版本，标准版本平衡物理精度与生成成本；而...

推荐理由：来自IT之家 AI的《Liquid AI 开源 d1 系列决策模型：单次判断仅 8 毫秒，支持图像输入》。重点看模型能力与工程、开源生态、产品发布。摘要提到：IT之家 10 月 9 日消息，Liquid AI 于 10 月 7 日发布博文，宣布推出 d1 系列两款开放权重决策模型：d1-3B 支持 31.2 亿参数的文本与图像判断， d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。 IT之家援引博文介绍， 在 Jev 模型 9 月推出爆火后 ， OpenAI 等公司也相继推出类似的决策模型 ，而 Liquid AI 是加入该战局的新成员，本次推出的 d1-3B 与 d1-omni-600M 已在 Hugging Face 公开，用户可下载、微调并部署。 d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，支持文本与图像输入。该模型在 Decision Index v0.2.1 公开测试集获得 48.57 分，Liquid AI 称其领先所有 10B 以下模型。 d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 ...

推荐理由：请对照量子位原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《苦 Adobe 高价订阅久矣？四人团队借 AI 开发免费开源“平替”ArtCraft 套件》。重点看文化创意、开源生态、产品发布。摘要提到：IT之家 10 月 9 日消息，多年来，无论是插画师、摄影师，还是设计师和视频剪辑师，都很难摆脱 Adobe 的控制。 Adobe 旗下的 Creative Suite 软件套装长期因订阅费用高昂而饱受诟病。在后来更名为 Creative Cloud 的过程中，软件也 失去了真正的离线使用能力 。高昂的订阅费和对软件的依赖，让艺术家及其他创意工作者长期难以摆脱 Adobe。 尽管不少企业曾试图挑战 Adobe，但始终难以撼动 Creative Cloud 的市场地位。当地时间 8 日，据外媒 Futurism 报道，改变局面的，是美国佐治亚州亚特兰大的一个四人团队： 借助 AI 生成代码 ，开发出一套 Adobe 软件的替代产品 ArtCraft。 这套产品 免费且开源 ，旗下多款应用与 Adobe 的经典编辑软件十分相似。其中，PhotoCraft 对标 Photoshop，号称“一款你早就知道怎么用的开源图像编辑器”；Lig...

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《微软确认 Win11 Copilot+ PC 品牌未消亡：全球每月本地 AI 推理超 2 万亿次，每年出货数千万台》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 8 日消息，科技媒体 Windows Latest 今天（10 月 8 日）发布博文，报道称在太平洋时间 10 月 7 日上午 10 点（北京时间 10 月 8 日凌晨 1 点）在美国旧金山举办的发布会中， 微软确认 Copilot+ PC（国内称 Windows 11 AI+ PC）并未消亡，每年出货量“达数千万台”。 IT之家附上相关视频如下： 在本次活动中，微软 Windows 与设备业务负责人帕万 · 达武卢里（Pavan Davuluri）确认，微软并未放弃 Copilot+ PC 品牌， 并表示目前超过 40% 的商用笔记本电脑为 Copilot+ PC。 达武卢里表示这些设备每年出货量达数千万台，每月本地推理次数超过 2 万亿次，覆盖搜索、图像处理和视频通话等场景。 功能方面，达武卢里表示将通过混合智能（hybrid intelligence），进一步增强 Copilot+ PC 的能力，提供以...

推荐理由：来自IT之家 AI的《马斯克：Grok Bot 不再只认自家模型，按用户任务择优用 Claude 等最佳 AI》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 8 日消息，全球首富埃隆 · 马斯克（Elon Musk）昨日（10 月 7 日）在 X 平台发布重要说明，宣布旗下 Grok Bot 不再局限于 SpaceXAI 自研的 Grok 系列模型， 将根据具体任务自动选择“最好的后端模型”。 马斯克在推文中展望未来，表示 Grok Bot 将会根据用户任务，调用包括 Claude Opus 5.5、Midjourney、Suno 以及其他领先 API，系统将以“最有可能给用户最佳结果”为标准进行选择。IT之家附上相关截图如下： 在技术策略方面，Grok Bot 将从“以自研 / 自有模型为主”转向“任务导向的多模型混合架构”，在实际执行文本、图像、音频等任务时候，未来可以调用表现更强的第三方 API。 Grok Bot 是 SpaceXAI 推出的“常驻型 AI 同事”：它不只是回答问题的聊天机器人，能在一台云端电脑上登录你常用的网站和应用、执行多步骤任务，并在...

推荐理由：来自IT之家 AI的《微软重构 Copilot 图标：升级动态交互语言，可表达思考、规划与检索》。重点看产品发布。摘要提到：IT之家 10 月 8 日消息，微软设计（Microsoft Design）博客于 10 月 5 日发布博文， 介绍了新版 Copilot 图标的设计过程，将原有静态标识重构为由两个方形组成的动态系统。 新版 Copilot 图标由两个独立方形构成，二者可改变位置并共同形成完整轮廓。关于本次调整原因，微软设计团队表示 Copilot 的使用方式持续变化，原有静态图标难以传递处理状态，因此团队希望让图标参与产品交互。 新版图标以矩形作为基础形态，设计团队测试了不同的比例、角度与间距，最终保留两种既能独立识别、又能组合成整体的形式。IT之家附上相关视频如下： 颜色方面，Copilot 图标继续沿用原有渐变关系。颜色可沿曲线变化，在两个形态之间移动并形成层次。设计团队还在屏幕、印刷品及实体材料上测试了不同配色方案。 动态交互方面，微软建立了统一的动态语言，3 种动作均由两个形态相互移动完成，随后重新组合为一个整体： 第一种动作用于表示...

推荐理由：来自IT之家 AI的《Rust 实现渐进渲染：谷歌官宣 Chrome 155 浏览器支持解码 JPEG XL 图片格式》。重点看产品发布。摘要提到：IT之家 10 月 8 日消息，谷歌开发者博客于 10 月 6 日发布博文， 宣布在谷歌 Chrome 155 浏览器中，解码支持 JPEG XL (.jxl) 图片格式。 官方介绍称 JPEG XL 是一种新一代图片格式，旨在满足现代 Web 开发者和摄影师的需求。与 JPEG 相比，它可提供 30-50% 的压缩率，支持无损压缩、内置 HDR 支持、无损 JPEG 转码等。 谷歌开发者团队建议用户同时尝试 AVIF 和 JPEG XL。其中 AVIF 凭借极高的压缩效率、丰富的功能集和广泛的浏览器支持，适合“带宽敏感、加载速度关键、图片数量大”的场景；而 JPEG XL 最适合用于高保真或无损压缩，尤其是摄影图像，或者需要细粒度渐进式解码的情况。 此前 Firefox 浏览器展示的效果图片 谷歌团队还分享了一段视频，介绍了 JPEG XL 的渐进式解码，示例图像完整文件为 146.7 KB，下载数 kB 后，用户已可辨认图像...

推荐理由：来自IT之家 AI的《周活超 12 亿用户：OpenAI ChatGPT 升级 GPT-6 模型，互动式 AI 教你打麻将》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 8 日消息，OpenAI 今天（10 月 8 日）在 X 平台发布推文，宣布面向所有 ChatGPT 用户， 推出 GPT-6 系列模型以及智能（Intelligent UI）。 OpenAI 的 ChatGPT 全球每周活跃用户数量超过 12 亿 ，不过此前停留在 GPT-5.6 系列。OpenAI 过去几个月陆续发布 GPT-6 Astra、GPT-6 Sol 和 Luna 模型，此前仅供 ChatGPT Work 和 Codex 使用。 OpenAI 同时推出智能用户界面，借助智能用户界面，GPT-6 能够根据用户的问题，灵活组合文本、图像和交互元素来生成回复。回复内容可包含图表和图形以辅助解释概念，同时还支持可点击的按钮、表单及其他交互式组件。 在其中一个示例中，用户可以通过智能用户界面来学习如何打麻将，官方表示：“通过互动式视觉效果探索各种想法，这些效果会随着你的学习、尝试和发现而做出相应反应。”I...

推荐理由：来自IT之家 AI的《纳德拉：Agent 365、Microsoft IQ 和 Copilot 将成为微软 AI 布局的关键支点》。重点看智能体工作流、产品发布。摘要提到：IT之家 10 月 8 日消息，太平洋时间 10 月 7 日上午 10 点（北京时间 10 月 8 日凌晨 1 点）在美国旧金山举办发布会上，微软首席执行官萨蒂亚 · 纳德拉（Satya Nadella）表示， 微软正尝试将“前沿生态系统”的三大理念带入 Windows。 这三大支柱分别是信任、智能，以及“融入人类抱负的 AI”（AI in the flow of human ambition）。纳德拉说：“今天的思路是，如何将这三项理念带入 Windows。我们将采用 Agent 365、Microsoft IQ 和 Copilot。”他将这三项产品和能力称为微软的“关键支点”。 IT之家附上相关图片如下： 图源：直播视频截图 科技媒体 The Verge 解读认为，微软希望 Windows 不仅作为运行 AI 应用的平台，也成为连接 AI 智能体、企业级信息与 Copilot 助手的核心入口。

推荐理由：来自IT之家 AI的《谷歌 SynthID 面向全球用户开放，可检测 AI 生成内容》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 7 日消息，谷歌公司昨天宣布，其 AI 生成内容检测网站 SynthID 已面向全球用户开放，用户可使用该产品检测图片、视频或音频是否由 AI 生成。 据介绍，该网站使用 SynthID 识别媒体内容是否由 AI 生成。作为参考， 谷歌 2023 年推出 SynthID ，这是一种嵌入在 Nano Banana、Veo 和 Lyria 模型的隐形水印。除此之外， OpenAI、英伟达和 Kakao 也支持该工具 。 谷歌已经将 SynthID 验证功能集成到 Gemini 应用和 Google Chrome 中。谷歌表示，目前用户每天发起的内容验证请求已经达到 100 万次。不过需要注意的是，该工具的检测结果并非 100% 准确。

推荐理由：来自IT之家 AI的《豆包登陆华为鸿蒙电脑端，首版本搭载 2.1 Turbo / Pro 模型》。重点看智能体工作流、模型能力与工程、文化创意。摘要提到：IT之家 10 月 7 日消息，据用户反馈， 豆包 App 已正式登陆华为鸿蒙电脑端 ，用户可在应用市场直接搜索下载。 据介绍， 豆包鸿蒙电脑端 App 首版本搭载豆包 2.1 Turbo 和豆包 2.1 Pro 模型 ，支持对话 / 工作随心切换，并上线了深入研究、PPT 生成、帮我写作、图像生成、云盘等核心能力，覆盖工作、学术研究、资料管理、自动化任务、创意设计等场景。 华为官方透露，豆包也是位列鸿蒙电脑用户心愿单 TOP1 的应用。 据IT之家此前报道， 今年 6 月，字节跳动在火山引擎官网上线了豆包 Seed 2.1 系列模型 ，包括 Pro 和 Turbo 版本，Seed-Evolving 模型也进行了迭代。 Doubao-Seed-2.1 是面向 Coding 和 Agent 时代打造的新一代大模型，提供 Pro 和 Turbo 两个版本，分别面向高复杂度任务探索和规模化生产场景。相较上一代版本，Seed 2.1 在...

推荐理由：请对照量子位原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《谷歌推出全新 macOS 应用 AI Edge Foresight，支持离线记录会议纪要》。重点看模型能力与工程。摘要提到：IT之家 10 月 7 日消息，谷歌现已推出全新 macOS 应用 AI Edge Foresight，向苹果用户展示 EmbeddingGemma 2 端侧多模态模型的实力。这款应用可以帮助用户处理线上、线下会议笔记， 支持完全离线运行 。 据介绍，这款应用采用 EmbeddingGemma 2 模型，它可以调用 Mac 的麦克风和系统音频，自动结合用户的笔记，整理出润色的线上、线下会议纪要。 同时，这款应用还支持实时问答功能，用户可以使用会议内容和其他知识库，向 AI 询问各种问题。 IT之家注意到， 这款应用兼容 Apple 芯片的 Mac 计算机 ，用户可免费下载。 参考： https://developers.google.com/edge/foresight

推荐理由：来自IT之家 AI的《谷歌 AI 图像模型 Nano Banana 2.1 发布，提升视觉设计、蒙版编辑、主体一致性》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 7 日消息，谷歌于今日正式发布了 Nano Banana 2.1，这是该公司 AI 图像生成与编辑模型的升级版本。谷歌强调，新版 Nano Banana 2.1 实现了全方位提升，在视觉设计、基于蒙版的图像编辑以及主体一致性这几方面的进步尤为突出。 今年早些时候，谷歌推出了 Nano Banana 2，也被称作 Gemini 3.1 Flash Image。Nano Banana 2 在拥有谷歌 Flash 系列模型高速特性的同时，实现了与 Nano Banana Pro 同级别的出图质量。谷歌还把多项原本属于 Pro 版本的功能下放至这款定位更低的模型，包括现实世界知识库、文字渲染效果优化，还有角色与物体的一致性表现提升。 IT之家注意到，Nano Banana 2.1 在原有能力的基础之上，主要在三大方向做出改进： 视觉设计：Nano Banana 2.1 可以生成构图效果更佳、完成度更高的视觉素材。 蒙...

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：请对照Google DeepMind原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《宣称“欧美最强开源模型”：Mistral AI 发布 Mistral Large 4 公开预览版，月底开放权重》。重点看模型能力与工程、开源生态、产品发布。摘要提到：IT之家 10 月 6 日消息，当地时间 10 月 6 日，法国公司 Mistral AI 正式推出 Mistral Large 4 模型的公开预览版（Public Preview），简称 ML4，代号 le Chonk。 即日起，用户可以在 Mistral Studio 上体验预览版 API，模型权重将于本月底正式开放下载。 目前，官方正联合顶尖网络安全机构、受信任的合作伙伴及政府监管部门，在真实业务环境中对模型展开红队测试（Red-Teaming）。相关合作方将获得该模型的专项测试访问权限；该测试版本适当放宽了内容安全审查策略，并强化了网络安全攻防技术能力。 ML4 是一款拥有 1 万亿总参数、490 亿激活参数的原生多模态模型，Mistral 称其实测表现不仅足以媲美全球顶尖的开源模型， 更大幅领先于欧美开发的所有开放权重模型 。 在网络安全、金融与法律等关键企业级工作负载中，该模型在所有开源模型中均达到了 SOTA。 在...

推荐理由：来自IT之家 AI的《12GB 显存显卡跑 125B Qwen3.8 模型：Strata 登场，单张 RTX 5070 跑出 94 词元 / 秒》。重点看模型能力与工程、开源生态。摘要提到：IT之家 10 月 6 日消息，科技媒体 gigazine 今天（10 月 6 日）报道，报道称开发者 Niko1221 开源推出 Strata 引擎， 可以在 12GB 及以上显存的消费级显卡上，运行量化的 Qwen3.8-Flash-Next 模型（1250 亿参数）。 IT之家注： Qwen3.8-Flash-Next 模型是阿里巴巴 Qwen 团队于 2026 年 8 月推出的多模态混合专家（MoE）模型的压缩版本 ，配有 125B 参数，另含 51B 参数的 n-gram 嵌入表，原生支持 262K token 上下文长度。 Strata 为了降低显存占用，主要采用两项关键技术：其一是将 MoE（混合专家）模型整体载入 RAM，仅将高频使用的专家模型载入 VRAM。其二使用轻量模型进行投机解码，预测下一 Token 以加速推理过程。 硬件要求方面，运行 Qwen3.8-Flash-Next 需满足最低配置：12GB 以...

推荐理由：来自IT之家 AI的《任天堂《超级马力欧兄弟：惊奇》游戏被原生移植到 Windows，无需模拟器几乎完美运行》。重点看开源生态、产品发布。摘要提到：IT之家 10 月 6 日消息，开发者 Belmante 上周展示了 任天堂《超级马力欧兄弟：惊奇》的原生 Windows 移植版 。 在未使用模拟器的情况下，RTX 3050 笔记本运行《超级马力欧兄弟：惊奇》的帧率达到 约 60 帧 ，几乎可以完美运行，只是偶尔存在轻微的图形故障和帧率下降。 该项目使用重新编译的 C++ 代码和 NVN 到 Vulkan 的转换层，并计划进一步优化、集成 GPU 测试， 开发者还计划开源当前的私有代码库 ，包括重编译器、NVN → Vulkan 层以及 NVN 文档。 Belmante 此前发布过类似的视频，展示了这款游戏在 macOS 系统的 M1 Mac 中运行，但那个移植版本存在一些重大问题。Belmante 透露， 该项目的快速发展得益于 AI 的协助 。 Belmante 还公布了后续计划，打算进一步优化该移植版， 并在核显（确切地说是英特尔 UHD 770）上进行测试 。根据开发...

推荐理由：来自IT之家 AI的《华硕推出 XG32UQDS 显示器：31.5" UHD 180Hz QD-OLED 面板》。重点看多模态、文化创意。摘要提到：IT之家 10 月 6 日消息，华硕 (ASUS) 近日推出了显示器新品 ROG Strix OLED XG32UQDS。这一型号基于 32"(31.5") 的 UHD (3840×2160) 180Hz QD-OLED 面板，覆盖 BlackShield 低反抗刮镀膜。 XG32UQDS 采用了相对平价的 QD-OLED 面板 ， SDR 亮度 250nits 、 HDR 峰值亮度 450nits ；灰阶 (GtG) 响应时间 0.03ms；色域 99% DCI-P3，色偏（平均值）ΔE＜2；提供 1 个 DisplayPort 1.4、2 个 HDMI 2.1 (FRL)、1 个 3.5mm 音频输出插孔。 该显示器集成 Neo 近距离传感器；支架允许俯仰、倾斜、高度调节，兼容 VESA 壁挂规范；支持动态准星、动态暗影增强、AI Visual 三项 ROG 游戏 AI 技术。

推荐理由：来自IT之家 AI的《圆刚推出 AI 降噪麦克风 A113，工作温度范围达 -25℃ 至 +60℃》。重点看多模态。摘要提到：IT之家 10 月 5 日消息，圆刚 (AVerMedia) 近日推出了 AIClear Mic (A113) 麦克风。这一型号面向工业应用， 工作温度范围达 -25℃ 至 +60℃ 、 存放温度范围达 -40℃ 至 +85℃ 。 AIClear Mic 支持人工智能驱动的降噪功能 ，可为边缘应用清除音频环境中的环境噪声， 使语音识别准确率提升 60% 以上 。而在声纹认证场景中，该功能也能提高身份验证的准确性。 这款 A113 麦克风 支持免驱动即插即用 、 USB-C 一线连 ，还提供了一对 3.5mm 音频插孔。

推荐理由：来自IT之家 AI的《Linux 7.3-rc6 发布：Torvalds 称进入“AI 新常态”，稳定版预计 10 月中旬发布》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 5 日消息，Linus Torvalds 于当地时间 10 月 4 日发布了 Linux 7.3-rc6 测试版。相比前一周较为特殊的代码变更统计，本周整体恢复正常，驱动修复重新占据大头。 不过，Torvalds 也特别提到，随着 AI 和大语言模型（LLM）的参与，这种“AI 新常态”已经成为当前 Linux 内核开发周期的一部分。 Torvalds 表示，本周没有出现异常情况，代码变更统计已经回到“约一半来自驱动修复”的常见状态。驱动侧涉及 GPU、网络、USB、TTY、IIO、音频等多个子系统，整体呈现出较为分散的修复特征。 他同时指出，本次提交数量也处于正常范围，只不过这是新的“AI normal”—— 大量小型错误路径处理修复正在进入内核代码树。此前几个 Linux 7.3 测试版本同样出现了较多由 AI / LLM 发现问题或辅助生成的补丁，导致整个开发周期的修复活动明显更加活跃。 除了驱动修复外...

推荐理由：来自极客公园的《Jev 之后，中国团队开始深挖 AI 的「直觉层」》。重点看模型能力与工程、评测与基准、文化创意。摘要提到：作者｜桦林舞王 编辑｜靖宇 9 月 15 日，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布了 Jev。这款模型不写一个字，只做判断。 两周之后，整个行业都在做同一件事。OpenAI 在开发者日上推出 Decisions API，Cloudflare 在 10 月 1 日开源了 Clef，亚马逊也放出了 Strands Decider。 国内同样没闲着，上海人工智能实验室开源了多模态决策模型 Intern-Decision。 9 月 30 日，一家成立不到五个月的上海公司 StartLux（原点星辉）发布了开源的 StartLux-Decision，并宣称在公开评测中超过 Jev。 一个新品类在两周内从「首发」走到「群战」，这种速度在大模型行业也不多见。 而 StartLux 背后的掌舵人，是盛大网络联合创始人陈大年。 被 Jev 点燃的「直觉」 要理解这轮热潮，得先说清楚决策模型到底...

推荐理由：来自IT之家 AI的《OpenAI GPT-6 Astra 破解拿破仑 1809 年密信，揭示 217 年前军事部署》。重点看模型能力与工程、文化创意。摘要提到：IT之家 10 月 4 日消息，一名 AI 研究人员借助 OpenAI GPT-6 Astra 成功破解了一封拿破仑 · 波拿巴写于 1809 年的加密军事信件。这封信此前因密码本遗失，在过去 217 年里始终未能被完整解读。 该破解工作由 SentinelOne 员工、AI 工程师卡特 · 丘奇（Carter Church）完成。他表示，他使用 GPT-6 Astra 模型，从一张历史文献扫描图像开始，对信件进行文字识别和密码分析，整个过程约耗时 6 小时。 这封信写于 1809 年 3 月 16 日，当时奥地利正准备对法国开战。拿破仑致信自己的继子、意大利总督欧仁 · 德 · 博阿尔内（Eugène de Beauharnais），要求其通过加密信件向法国将领奥古斯特 · 德 · 马尔蒙（Auguste de Marmont）传递军事信息。现存文件开头包含一行普通法语，随后则是 24 行由数字、字母及自创符号组成的加密文本。...

推荐理由：来自IT之家 AI的《微软承认 Win11 26H2 更新后会导致部分游戏和应用崩溃，KB5124010 存在音频解码问题》。重点看开源生态。摘要提到：IT之家 10 月 4 日消息，微软已确认，2026 年 9 月的可选更新 KB5124010 会导致部分依赖系统内置 AC-3（杜比数字）音频解码的应用和游戏崩溃。 据 Windows Report 报道，该问题影响 Windows 11 24H2、25H2 和 26H2 三个版本，微软表示正在开发修复程序，计划通过未来的 Windows 更新推送。 根据微软官方文档的描述，该 Bug 的表现因应用行为而异：在某些情况下，应用可能根本无法启动，或在无警告的情况下突然关闭；在另一些情况下，应用在正常运行时，一旦执行播放音乐等涉及音频解码的操作，便会崩溃。受影响的应用程序类型涵盖游戏、媒体播放器和部分生产力工具。微软强调，大多数现代应用自带音频解码器，不依赖 Windows 的内置组件，因此不会受到影响。 BornCity 报道称，部分用户同时播放多个 MP3 文件时，触发了系统音频解码组件 msmpeg2ac3dec.dll 的...

推荐理由：来自IT之家 AI的《AI 自动识别后厨违规行为，浙江 19.5 万家外卖商家接入系统》。重点看多模态、政策/监管。摘要提到：IT之家 10 月 3 日消息，据央视财经今日报道，近日，杭州市萧山区开展网络餐饮专项整治集群执法行动，101 名执法人员共检查餐饮门店 216 家。 据介绍，2022 年 3 月 1 日起，《浙江省电子商务条例》施行。全省入网外卖商家必须以视频形式实时公开食品加工制作现场，在后厨装监控，实现“明厨亮灶”。画面同步上传监管平台与外卖平台，实现“互联网 + 明厨亮灶”监管模式。 消费者在商家订单页点击“明厨亮灶”，就能看后厨实时画面。摄像头覆盖烹调、切配等重点区域。50㎡以下小店，若 1 个摄像头能拍全重点区域，可只装 1 个；后厨有隔断或面积大于 50㎡，应增设。 AI 可自动识别后厨违规行为 ，将信息推送给监管人员，再由监管人员短信督促商家落实整改。比如，食用油禁止直接接触地面；垃圾桶必须加盖；纸浆蛋托不得堆放在地面、操作台或设备上；消毒后的餐饮具、直接入口容器工具要存放在专用密闭保洁设施内。 目前浙江省入驻有 19.5 万外...

推荐理由：来自IT之家 AI的《明基推出 AK900ST / AK800ST 投影仪，面向室内高尔夫运动》。重点看产品发布。摘要提到：IT之家 10 月 3 日消息，明基 (BenQ) 美国加州当地时间 1 日宣布推出 2 款面向室内高尔夫运动的投影仪设备，即 AK900ST 和 AK800ST。 这两款产品支持 4K UHD 分辨率、亮度可达 6000 ANSI 流明，色域覆盖 97% Rec.709， 能忠实再现真实高尔夫球场的细微细节和色彩变化 。 AK900ST 和 AK800ST 支持高尔夫模式 2.0，搭载基于帧的 AI 视频处理技术， 专门针对这项运动优化色彩、对比、细节 ，使得虚拟球场的纹理、反射、阳光、阴影更加自然，可反映周围植被的细微差别。 其支持自动屏幕适配 2.0、自动对焦、环境视觉增强，具备场景记忆功能，适配 5:4、3:2 等更多宽高比。