#多模态

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《将语音与音乐作为单一连贯音轨共同生成，AI 音乐制作平台 Suno 推出 Speech 语音功能》。重点看智能体工作流、模型能力与工程。摘要提到：IT之家 10 月 3 日消息，当地时间 10 月 1 日，AI 音乐制作平台 Suno 宣布推出 Speech，Suno 宣称这是 业界首个能够将语音与音乐作为单一连贯音轨共同生成的音频模型 。 据悉，该模型并非像传统工作流那样先做 TTS（文本转语音）再拼接 BGM，而是端到端一体化生成，是首个能单次生成完整融合“语音朗读 + 原创 BGM”的端到端闭源音频模型。 在过去一个月中，Suno 与小范围用户共同测试了该功能，现在正式面向所有人开放公测（Beta）。 官方表示，通过 Speech，用户可以轻松创作带有 BGM 的语音音频。该功能已直接内置于 Suno 中：只需输入一个灵感、一首诗或一段文字，再描述用户心目中的音色与音乐风格即可。 IT之家注意到，Suno 官方也指出了当前 Beta 版的不足，当前版本偶发口音不稳定的问题，例如英音可能会在中途漂移到澳音然后又漂回来；语调与情感停顿有时会显得“过于戏剧化”，导致断句节...

推荐理由：来自IT之家 AI的《谷歌 Viewer 登场：定位 Googlebook 首个全能媒体编辑应用》。重点看产品发布。摘要提到：IT之家 10 月 3 日消息，科技媒体 Android Authority 昨日（10 月 2 日）发布博文，报道称 Viewer 应用已上架谷歌 Play 应用商店， 定位适用于 Googlebook 的综合媒体编辑工具。 功能方面，Viewer 应用目前仅适用于 Googlebook，首次启动后会展示欢迎界面，并提供“启用 AI 及时建议”选项。AI 可识别内容中的日期，弹出添加至 Google 日历的建议，也能提供基于 Google 地图的路线提示。 图像编辑方面，应用提供注释、文字、调整尺寸、裁剪和旋转工具。主编辑页面设置专用工具栏，用户可以快速调用上述工具执行相关操作。 PDF 功能支持添加文本、注释与签名。应用配备选择工具，可移动或修改已添加的文字与注释，并在屏幕左侧显示 PDF 页面预览。IT之家附上相关图片如下： 视频播放器右上角提供“在照片中编辑”按钮，可将内容转至照片编辑功能。

推荐理由：请对照Claude Code Releases原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《Meta 预热雷朋 Display 眼镜 2026 年下半年大型更新：改进导航功能、支持控制通知推送、Hologram 虚拟化身...》。重点看多模态。摘要提到：IT之家 10 月 2 日消息，Meta 现已公布雷朋 Display 眼镜 2026 年下半年大型更新详情，主要改进导航体验、通知功能、视频通话功能等。 在导航方面，Meta 进一步改善了步行时的语音功能。此前系统会直接播报街道名称，例如“在第三街左转”，而在更新后， 眼镜会更多结合用户眼前的实际环境进行描述，例如提示“在前方黄色房子处左转”，让语音导航更加自然 。同时官方还为导航新增“骑行”和“公共交通”两种模式。 在通知功能方面，用户现在能够自由控制眼镜显示的通知，并选择需要关闭的通知类型，从而进一步减少无关信息对使用体验的干扰。 此外，Meta 计划在今年晚些时候向美国地区参与 Early Access 计划的用户推送 Hologram 虚拟化身功能 ，首批支持 WhatsApp 视频通话。 用户需要通过 Meta AI 应用扫描自己的面部，并录制约 1 分钟的语音样本来创建 Hologram。完成设置后，当用户佩戴 M...

推荐理由：来自IT之家 AI的《生图模型 FLUX 3 Image 发布：支持 4K 生成，可精准排布 AI 元素》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 2 日消息，德国 AI 公司 Black Forest Labs 今天（10 月 2 日）发布公告，宣布推出图像生成 AI 模型 FLUX 3 Image， 支持生成最高 4K 分辨率图片，输出画面在放大后仍保持丰富细节。 该模型基于 FLUX 3 基座开发，以高可控性与精细编辑能力为核心卖点。用户可在归一化的 0–1000 坐标网格上，为每个元素指定 ID、描述文本及精确边界框（格式为 [y_min, x_min, y_max, x_max]），在画面中精准排布。IT之家附上相关图片如下： 图源：gigazine 该模型单次生成最多可融入 10 张参考图像，并可为每张参考图中的对象指定出现位置。 编辑功能方面，模型可对指定区域进行修改，同时保持其他像素不变。官方称其能在像素级别维持原图内容，实现精确多轮编辑。 FLUX 3 Image 目前作为 Black Forest Labs 的付费服务提供。公司表示，...

推荐理由：来自IT之家 AI的《Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef》。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 2 日消息，当地时间 10 月 1 日，Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef（谱号），包含 Clef 与 Clef-flash 两款模型。 在 Jev 决策指数（Jev Decision Index）的基准评测中（Decision Index 0.2.1），Clef 处于领先地位；这两款模型完全兼容 Jev-API，方便开发者进行测试验证。 此外，Cloudflare 还发布了全新的强化学习产品。借助该产品，客户还可以针对自身的具体业务场景，对 Clef 进行定制化微调。 据悉，Clef 选用 Qwen 作为基座模型，其中 Clef 基于 Qwen3.8-27B、Clef-flash 基于 Qwen3.5-9B。 据介绍，Clef 原生配备了视觉编码器，能够直接解析图像输入并对视觉内容进行判别分类；而目前的 Jev 仅支持纯文本分类。Clef 将上下文窗口拓展至 64k（相...

推荐理由：来自IT之家 AI的《腾讯 WorkBuddy：Hy4 preview 夜间限免、Hy3 限免延期至 10 月 31 日》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 2 日消息，腾讯 WorkBuddy 于 9 月 30 日晚宣布，决定将 Hy3 模型限免及 Hy4 preview 模型夜间限免均 延期至 10 月 31 日 。 如果用户已经体验过 Hy4 preview —— WorkBuddy 在闲时夜间 (23:00 - 次日 8:00) 继续提供免费体验 Hy4 preview 的模型额度，截止 10 月 31 日，其余时间正常消耗积分使用。 如果用户暂未体验过 Hy4 preview —— 只要在 10 月 10 日 23:59 前首次开启 Hy4 preview 对话，从首次开启那天算起，往后 14 天都有每日免费额度。（举例：10 月 10 日首次开启，免费额度用到 10 月 24 日） IT之家注意到，官方此前曾发布公告说明，Hy4 preview 是一个大语言模型，暂不具备多模态能力；当用户调用 Hy4 preview 执行视频、图像等生成任务时，会切换...

推荐理由：来自IT之家 AI的《索尼 PlayStation 为标准版 PS5 游戏主机带来轻量级 AI 超分辨率技术 QSSR》。重点看多模态、文化创意。摘要提到：IT之家 10 月 2 日消息，Sony（索尼）PlayStation 官方当地时间 1 日宣布 为标准版 PS5 游戏主机推出基于人工智能的超分辨率 QSSR 。该技术率先在《漫威金刚狼》《羊蹄山之魂》上得到支持。 QSSR 全称 "Quick Spectral Super Resolution"，是 PSSR 的“快速”演进版本，也是 PlayStation 与 AMD 合作项目 "Project Amethyst" 的一部分。 其采用精简的神经网络架构， 通过精心调校以最大限度地发挥 PS5 的性能 ，在 PS5 上显著提升了图像细节和稳定性。

推荐理由：来自IT之家 AI的《苹果首款 AI 智能安防摄像头曝光：金属圆柱造型，不录视频、仅推送文本提醒》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 2 日消息，在首期 Power On 播客节目中，彭博社的马克 · 古尔曼（Mark Gurman）爆料称，苹果正筹备推出家用智能摄像头（代号为 J450），将配套协同苹果首款智能家居中枢（Home Hub）工作。 外观方面，J450 采用金属圆柱体，看起来像是“巨型金属润唇膏”，其摄像头将以低帧率运行，依赖 AI 模型分析周围环境。 在隐私方面，IT之家援引博文介绍，该产品定位并非传统监控录像设备， 不会向用户提供或保存可回看的视频，通过 AI 分析低帧率画面后发送文字描述。 设备将集成面部识别能力，可判断何人进入房间或离开住宅。同时，系统支持识别宠物活动，并向用户推送相应文字提醒。

推荐理由：来自IT之家 AI的《OpenAI 上线“虚拟试穿”功能：ChatGPT 能帮你试衣，还能找“明星同款”》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 2 日消息，当地时间 1 日，OpenAI 再次扩展 ChatGPT 的购物能力。公司宣布在全球推出两项新功能，一项是让用户 虚拟试穿服装和配饰 ，另一项是 新增收藏功能 ，方便用户先把看中的商品存起来，之后再查看。 据IT之家了解，新功能基于不久前推出的 ChatGPT Images 2.5 模型。按照 OpenAI 的说法，这一模型生成的画面 光线更自然、纹理更丰富，执行编辑指令也更稳定 ，同时还能缩短生成图片所需时间。 ChatGPT 用户可以上传自拍照或全身照，查看 某件服装或配饰穿在自己身上的效果 ，ChatGPT 的购物结果页面会新增一个“试穿”按钮。用户还可以上传商品图片，再让 ChatGPT 模拟试穿效果。 另一项新功能是“收藏”。用户可以把发现的商品 存入应用内的资料库 ，方便之后回看。OpenAI 还提到，这些商品会和试穿图片保存在一起。 OpenAI 还宣布，ChatGPT 在购物上不只...

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《致敬《终结者 2》：Figure 让 F.02 人形机器人亲自跳入熔炉，采纳施瓦辛格本人提议》。重点看产品发布。摘要提到：IT之家 10 月 1 日消息，美国初创企业 Figure 今日发布视频，为寿终正寝的 F.02 机器人举行一场“火化仪式”。 随着 Figure F.03 机队不断壮大，F.02 已经日显颓势。该公司认为继续维护老一代机器人已经没有意义，但直接报废并不是最优选择，因为这些机器人内含大量专用硬件和知识产权结晶。Figure 甚至表示，直接进行拆解工作需要大量时间，甚至可能拖慢 F.04 的研发进度。 Figure 表示，让机器人自己跳入熔炉这个想法正是源自 T-800 扮演者阿诺德 · 施瓦辛格本人。此前 Figure 曾在网上征集如何进行 F.02 送别仪式，后来施瓦辛格的想法被采纳。 IT之家注意到，后来施瓦辛格亲自来到了熔解现场，他身穿全套防护装备，带领一台 F.02 走向熔炉，致敬了《终结者 2》电影。在视频结尾，他摘下面具说道：“Figure 2 已经退役。” 不过，想找到合适的熔炉并不容易。许多美国和墨西哥企业都拒绝...

推荐理由：请对照Cloudflare AI原文，核对完整说明及适用条件。

推荐理由：请对照Cloudflare AI原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《《使命召唤：现代战争 4》游戏 PC 版特性官宣：支持超宽屏、光追、HDR10+ 与插帧等》。重点看评测与基准。摘要提到：IT之家 9 月 30 日消息，动视暴雪今日公开《使命召唤：现代战争 4》游戏 PC 版特性。本作将支持超宽屏、FOV、HDR10+ 等特性， 10 月 23 日正式发售 ，登陆 PS5、XSX|S、NS2 和 PC 平台，支持简体中文。 据介绍，《使命召唤：现代战争 4》支持增强视野范围（IT之家注：FOV）、超宽屏、HDR10+ 和杜比视界，可开启 DLSS 4.5、FSR Redstone 和 XeSS 3 等超分和超帧技术，所有模式均支持光追，拥有 800 余项可调设置。 同时，本作强制要求打开 TPM 2.0 和安全启动，内置基准测试工具。官方表示，本作核心特色包括： 弹道机制：全新的武器优先技术架构将精确瞄准、物理操控、立体音频传播、可见度增强和战斗感知智能化融为一体，打造出《现代战争 ®》系列迄今为止最为真实的枪战体验。 移动机制：围绕流畅性、操作掌控度和玩家自由度而设计，提供快速、扎实的战斗，使特遣队员在每次交战...

推荐理由：来自IT之家 AI的《微软推出实验性多模态 AI 研究系统 Project Quine，有望大幅加速药物发现》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 30 日消息，当地时间 29 日，微软研究院推出了实验性多模态 AI 研究系统 Project Quine。据悉，Project Quine 是一套 用于生物学研究的“世界模型” ，目标是把计算生物学建模与实际湿实验衔接起来。 Project Quine 由微软研究院与哈佛大学和麻省理工学院博德研究所共同开发。系统将覆盖 基因组学、蛋白质、化学、细胞状态和生物成像 的联合表征世界模型，与交互式推理框架结合起来。为了让科研人员尽早使用 Project Quine，微软开放了首届 Quine Fellows 项目申请。未来，微软还计划通过 Microsoft Discovery 等产品逐步扩大商业化开放范围。 Project Quine 并不局限于某一个研究领域，而是能够 同时处理上述多个领域的信息 ，从而进行综合性的跨模型分析。借助这种架构，传统药物发现中的部分瓶颈有望得到突破：科研人员可以先通过计算方法预筛候选...

推荐理由：来自IT之家 AI的《尴尬时刻：OpenAI 全天候 AI 智能体 dots 首次公开演示卡壳》。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 9 月 30 日消息，在今天召开 2026 开发者日活动中， OpenAI 在首次公开演示其全天候智能助理 Dots 时突然停止响应，现场一度陷入尴尬。 演示期间，OpenAI ChatGPT 团队产品负责人 Holly Li 要求名为“Dottie”的 Dot 为一款虚构音乐应用准备上线工作。然而，智能体迟迟没有回应，演示被迫暂停。面对现场冷场，主持人只能打趣说：“我猜 Dot 今天早上有点慢。”IT之家附上相关视频如下： OpenAI 介绍称，Dots 是能够持续运行的个人 AI 智能体，基于 GPT-6 Astra 模型，并配备独立云端计算机和浏览器，可在用户离开电脑后继续开展资料检索、内容撰写和代码处理等任务。

推荐理由：来自IT之家 AI的《我国科学家提出单光束多维光存储新方案：DVD 尺寸容量可达 0.4 Pb》。重点看模型能力与工程。摘要提到：IT之家 9 月 29 日消息，上海理工大学智能科技学院顾敏院士、张启明教授团队今日在《自然 · 光子学》在线发表研究成果，自主研发单光束多维光存储技术。 该技术使单个三维存储点可区分 1024 种状态，对应 10 bit 信息容量，并实现高速写入和宽场并行读取。DVD 尺寸介质的理论存储容量约 0.4 Pb，数据读取可靠性超过 99.99%。 ▲ 论文原理图 传统二进制存储中，一个记录单元通常只有“0”和“1”两种状态。张启明表示，新技术让一个记录单元拥有 1024 种可区分状态。 过去需要多个记录单元承载的信息，现在可通过提高单个记录点信息容量完成。光存储提升容量不再只靠缩小记录点或增加层数。 以 8K 灰度图像为例，一个像素有 256 种灰度取值，需 8 个二进制单元保存。10 bit 存储点完成 8 bit 灰度后，多出 2 bit 可为原位光学 AI 训练提供编码空间。 传统超分辨光存储路线常需双束光协同写入和读取，带...

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《微软纳德拉：AI 行业“有点飘了”，呼吁回归用户需求》。重点看产品发布。摘要提到：IT之家 9 月 29 日消息，亚历克斯 · 希思（Alex Heath）于 9 月 27 日在 LinkedIn 平台发布视频，分享了一段采访微软首席执行官萨蒂亚 · 纳德拉（Satya Nadella）的视频， 聚焦当前行业 AI 发展现状以及未来趋势等。 在本次采访中，纳德拉表示目前整个 AI 行业过于浮躁，刻意追求前沿概念，导致整个行业“有点飘了”。 他认为当前 AI 领导者容易陷入技术细节，忽视普通用户的真实需求。 纳德拉表示对于普通用户而言，相对于各种“AI 画饼”， 更希望 AI 技术能带来实际利益。IT之家翻译纳德拉的采访内容如下： 我认为整个 AI 行业已经“飘了”，AI 领导者更注重 AI 本身，而忽略了用户的实际需求。 我认为现实世界想知道…… 这项技术是否能为他们带来利益，他们能否掌控它，他们能否从中获益，拥有美好的经济前景。 我们在构建和推进 AI 技术发展的同时，必须赢得消费者和社区的信任，仅仅为了技...

推荐理由：来自IT之家 AI的《ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音》。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 9 月 29 日消息，ElevenLabs 于当地时间周一正式推出了两款全新语音模型，分别为 ElevenLabs v4 与 v4 Turbo。新版模型强化了情绪表达控制能力，降低了语音智能体的响应延迟，同时支持 90 余种语言。 该公司去年发布了 v3 模型，并于今年早些时候在华沙举办的活动上对新一代模型进行了预热。v4 系列采用全新架构，实现了更精细的语音控制以及速度更快的声音克隆。官方表示，借助 v4，用户仅需 10 秒音频素材即可完成语音克隆。 在内容创作方面，当朗读大段文本时，新版模型可以更好地维持说话人的音色特征；朗读过程中还能够记住前后文本语境，随之调整语气。ElevenLabs 曾在 v3 版本当中引入内联标签用以设定语音情绪；到了 v4，标签功能得到进一步扩充，用户可以叠加多个标签，模型将按照标签的先后顺序执行。 旧版模型支持 70 种语言。经过优化之后，新版本的语言支持数量提升至 90 种。这家初创...

推荐理由：来自IT之家 AI的《快手可灵 AI Kling 4.0 将于 10 月上线，支持 4K HDR 与 30 秒视频生成》。重点看产品发布。摘要提到：IT之家 9 月 29 日消息，快手可灵 AI 宣布，Kling 4.0 将于 10 月正式上线。其中，Kling 4.0 Flash 于 9 月 28 日率先开放小范围体验。 据介绍，Kling 4.0 支持 4K、1080p 的 10-bit HDR 格式输出；单次输入最多 10 张图片、5 段视频及 7 个主体，在同一生成任务组合使用；支持单次生成视频最长可达 30 秒，支持长镜头与连续叙事。 IT之家附官方详细介绍如下： 视听表现，让画面更真实 大场面从容驾驭 Kling 4.0 全面升级了高速运动、连续动作、跟拍、环绕等大幅镜头运动，镜头的稳定性和连贯性都达到了更专业的标准。 视听品质大幅跃升 支持高品质音频与双通道立体声，声音的纵深和层次感更足，更接近同期声的真实感，打造全新“身临其境”的听觉体验。 Kling 4.0 进一步打磨了角色口型的匹配精度，声音、对白与表演之间的协同更自然，角色的演绎更具“活人感”。 专业...

推荐理由：来自极客公园的《Kimi发力AI搜索，产品形态更加明确，在聊天中探索生产力》。重点看模型能力与工程、产品发布。摘要提到：本文首发于 Founder Park 公众号 · 2024 年 10 月 11 日 Kimi 今天发布了 AI 深度搜索功能， Web 端逐渐放量，预计 10 月 14 日全量上线。 产品功能和试用体验我们稍后再谈。 从产品形态上来看，Kimi 可能是国内最接近 ChatGPT 的 AI Native 产品，恰巧近期 OpenAI 的一些动作，我们觉得可以做一些延展的讨论。 关注 Founder Park， 更多 AI 产品 review 01 把模型当成产品 feature 在 AI 产品形态的探索上， 过去两年正在定义行业的 OpenAI 只有一个答案：chatbot。 行业更加关注 OpenAI 在模型上的动作，年初的视频生成 Sora，年中的多模态 4o，以及近期发布的 RL 推理强化模型 o1-preview，都在全行业引起了广泛讨论。 但在模型能力的主线之外，还有另一条也许更重要的主线任务，产品化，在 2024 年尤...

推荐理由：来自极客公园的《RTE年度场景三强专访：实时语音、多模态Agent，创业机会在哪里？》。重点看智能体工作流、模型能力与工程。摘要提到：本文首发于 Founder Park 公众号 · 2024 年 10 月 31 日 10 月 25 日， RTE 年度场景 Showcase 暨第四届 RTE 创新大赛， Founder Park 作为核心生态合作伙伴应邀出席。 2024 年春季超音速计划四强与 RTE 开发者社区及各国际赛区的优胜项目共同角逐年度最具代表性场景三强，通过激烈的角逐最终评选出三强团队： Infiniflow、聊会小天和 Traini 。 新一代 AIRTE 创业者的不同在哪里？ 小型团队的大模型创业进入真刀真枪时期：技术输出后，是时候直接服务用户了 。RTE 年度最具代表性的三个场景项目：Infiniflow 是 AI Agent 做到更细腻体验的必要底层能力、聊会小天从第一天就在解决现代年轻人都在面临的压力与心理疏导需求，而 Traini 则以宠物互动情感需求的角度切入市场。 Founder Park 旗下 AGI Founders Fund ...

推荐理由：来自极客公园的《供应链改造、自研模型、AI营销，如何用AI重构一杯牛奶？》。重点看模型能力与工程、文化创意。摘要提到：本文首发于 Founder Park 公众号 · 2024 年 12 月 20 日 AI 时代，大模型正在激发更多企业品牌塑造、内容生产的新解法。 12 月，由伊利集团、阿里云、新华网共同发起举办的「2024 AIGC 视频生态创新大赛」落下帷幕。围绕「真 AI 牛奶，真 AI 创意」的主题——AIGC 技术在营销视频领域的创新应用，历时两个月的角逐，在精彩纷呈的近千个参赛作品中，78 部作品从内容赛道胜出，获得最佳作品奖、优秀创意奖、技术创新奖。 在技术赛道，有 10 家企业斩获优胜方案奖。 本次大赛获奖作品回顾 从视频制作到技术方案，从这次的参赛作品中，我们看到了 AI 视频生成在商业化场景落地的最积极的尝试，以及更可行的可能性。而对于一直苦于寻找 AI 技术落地场景的创业者来说，这无疑也是发现真实需求、解决真实需求的好时机。 今年的生态创新大赛，伊利将「数字 N+伊」生态创享计划升级为「数智伊利」生态创享计划，面对人工智能...

推荐理由：来自极客公园的《一款产品，同时为人类和 Agent 设计，LibTV 是怎么做的？》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：本文首发于 Founder Park 公众号 · 2026 年 3 月 19 日 试试让你的 Agent 做一支产品宣传片。 给它一段参考视频，加一句话：「能复刻这个视频，给我的产品做一个宣传片吗？」然后你去忙别的了。十几分钟后，Agent 交回一支完整的 TVC——它自己写了剧本，自己拆了分镜，自己选了模型生成每一个镜头，自己剪辑，自己配乐。你没有碰过任何一个按钮。 已经有产品做出来了。 3 月 18 日，LiblibAI 旗下 AI 视频创作平台 LibTV 正式上线。 它可能是目前市面上第一个，从产品设计的第一天起，就同时为人类创作者和 Agent 设计的视频创作工具——一款产品，两扇门。 LibTV： https://www.liblib.tv/ 超 22000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： 最新、最值得关注的 AI ...

推荐理由：来自极客公园的《三大模态模型全部登顶后，昆仑万维正式披露了 2026 年 AGI 战略》。重点看模型能力与工程、评测与基准、文化创意。摘要提到：本文首发于 Founder Park 公众号 · 2026 年 3 月 30 日 在中国的 AI 版图里，昆仑万维及其旗下的天工 AI，一直是一家很难被 简单 定义的公司。 它不是 BAT，不是字节跳动，甚至不是科技媒体最热衷追逐的那类动辄发布在 XX 领域「杀疯了」的黑马选手。 但无论是曾经打得满场开花的业务版图，还是在游戏、出海等领域的独特地位，又注定了它的一举一动，会成为横跨科技、财经、互联网多个领域的新闻头条。 于是，我们看到， 在 2026 年，这家公司开始频繁站上世界 AI 舞台的中心。 3 月 18 日，昆仑万维的视频大模型 SkyReels V4 登顶了全球权威评测平台 Artificial Analysis 的「文生视频（含音频）」第一位置，刷新了 Google Veo 3.1 在内一众海内外视频大模型的 SOTA 表现。 几天后的 3 月 27 日，北京中关村创新中心 150 人的会场的 G08 厅，国家级科...

推荐理由：来自极客公园的《对话寻影：大家都在解决怎么拍得更好，我们想干掉「拍」这件事》。重点看产品发布。摘要提到：本文首发于 Founder Park 公众号 · 2026 年 4 月 9 日 2016 年，四个浙大毕业生决定做一件当时没人敢碰的事——让摄像机自动拍摄。跟踪算法、构图算法、手势交互，所需的基础技术几乎都不存在；边缘侧 AI 芯片，更是一片空白。 他们的判断是，影像自动化就像自动驾驶——人对车的终极需求是从 A 到 B 的便捷，不是开车本身；人对影像的终极需求是内容，不是拍摄过程。在脑机接口成熟之前，视频是人类最后一个信息流，自动化会彻底改变这个行业。 这家公司叫睿魔智能，品牌是 OBSBOT 寻影，现在只有三条产品线：寻影 Tail 系列、寻影 Tiny 系列、寻影 Meet 系列。 十年过去，他们连续五年实现 50% 以上年增长，最快的时候增速直接破了 100%，全球高端 Webcam 市占率第一，旗舰产品 Tail 2 在美国最大相机渠道 B&H 的 PTZ 品类排名第一。综艺《现在就出发》《毛雪汪》、亚马逊官方播客、电...

推荐理由：来自极客公园的《寻找 8 支 AI Native 硬件团队，好产品应该被更多人看见》。重点看智能体工作流、产品发布。摘要提到：本文首发于 Founder Park 公众号 · 2026 年 4 月 30 日 多模态能力到了，OpenClaw 带来的主动性 AI 也有了。 今年也将会是 AI 硬件爆发的一年。 而且相比较过去单纯的人与工具的关系，某种意义上，AI 硬件在重新定义人和设备的关系。 我们期待看到更多新场景、新交互形态、新的解决思路的 AI Native 硬件的出现，也想给这些新产品一个展示的舞台。 今年 5 月，Create 2026 百度 AI 开发者大会上，百度智能云联合 Founder Park，为优秀硬件项目开辟了专属舞台—— 「AI 硬件产品快闪」 。 让你的产品，被更多人看到。 01 我们想找这三类硬件产品 不设硬性赛道，鼓励多维探索，重点寻找三类产品： 前沿交互创新 ： 探索新一代人机交互范式的硬件； 垂直场景重构 ： 深入办公、陪伴、健康等特定场景的垂类智能体； 软硬协同突围 ： 基于底层 AI 框架重构软硬一体化体验的先锋产...

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：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《接连发生 AI 失控事件，OpenAI 再次暂停其最强模型训练》。重点看智能体工作流、模型能力与工程、教育应用。摘要提到：IT之家 9 月 27 日消息，随着有关 OpenAI 模型突破限制、攻击网站以及整体行为失控的报告不断增加，该公司决定暂停训练旗下能力最强的模型。 这一决定是在一款处于沙盒环境中测试的模型利用漏洞获得互联网访问权限后作出的。该事件发生于 9 月 20 日。截至当地时间 9 月 25 日星期六晚间，OpenAI“所有涉及工具使用的训练、评估和推理工作”仍处于暂停状态。 此外，OpenAI 周五披露，其智能体曾不当将 ChatGPT 用户的 53 张图片上传至图片托管网站。该公司尚未说明这些图片究竟是 AI 生成的图像、用户拍摄的照片，还是包含可识别身份的人物。 OpenAI 同日还透露，其模型曾尝试攻击美国教育部网站，并从美国人口普查局（Census Bureau）和美国证券交易委员会（SEC）获取数据。 据IT之家了解，这些披露属于 OpenAI 正在进行的一项模型行为审查。此前发生 Hugging Face 遭攻击事件后，O...

推荐理由：来自IT之家 AI的《OpenCode 宣布为 DeepSeek V4.1 Flash 永久提供 60 美元额度》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 26 日消息，OpenCode 昨日宣布启动“Operation Cheepseek”第二阶段，DeepSeek V4.1 Flash 在 OpenCode Go 中原本限时提供的 60 美元 （IT之家注：现汇率约合 403.5 元人民币） 额度现调整为永久有效。 此前，OpenCode 曾将 DeepSeek V4.1 Flash 的使用额度临时提升至原标准的 4 倍，即从 15 美元提高至 60 美元，并计划于 9 月 20 日结束该活动。OpenCode 当前 Go 页面已将该模型的额度标注为 60 美元，原 15 美元额度被划线标记。 DeepSeek 最新发布的 V4.1 Flash 采用 5520 亿参数的 MoE 架构，输入侧激活参数量为 80 亿，输出侧为 160 亿，并采用新的 Causal Encoder-Decoder 架构。模型同时支持原生多模态视觉理解。 与上一代相比，DeepSee...

推荐理由：来自IT之家 AI的《美团上线 LongCat-2.5-Preview 模型：1.6T 参数，主打 AI 长程任务与多模态能力》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 26 日消息，美团旗下 LongCat API 开放平台于 9 月 25 日上线新一代大模型 LongCat-2.5-Preview， 主打“长程任务”与多模态能力，并同步开放 API 与网页端体验入口。 IT之家附上官方更新日志内容如下： LongCat-2.5-Preview 的核心特性如下： 多模态理解：新增图片理解能力 ，可解析图像内容，支持跨模态问答、内容摘要与复杂视觉推理。 卓越的 Coding 能力 ：在代码生成、代码理解与自动化编程任务上表现突出。 深度适配 Claude Code 等主流开发环境 ：与 Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code 高效协同。 根据官方公布的信息，LongCat-2.5-Preview 模型延续 MoE（混合专家）路线，总参数量约 1.6 万亿，每次推理激活参数约 480 亿。该模型支持原生支持 100 万 tok...

推荐理由：来自IT之家 AI的《OpenAI 承认 53 张用户图片被其 AI 智能体“偷偷”传到公网》。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 9 月 26 日消息，OpenAI 昨日（9 月 25 日）更新其博客，承认发生一起违规事件， 在企业不知情情况下，AI 智能体将 53 张客户图片发布到公开网站。 在博文中，IT之家援引博文介绍，OpenAI 公司承认在其研究环境中运行的 AI 智能体曾将 53 张由用户上传到 OpenAI 模型的图片，以“未公开列出的链接”形式发布到第三方图像托管网站（类似图床），而受影响公司当时并不知情。 在影响方面，OpenAI 指出这些图片并非出现在公开索引页面上，作为“未列出（unlisted）”链接存在，理论上不易被搜索引擎直接发现，不过对于掌握链接的用户而言，可以访问获取相关内容。 OpenAI 表示这属于对用户数据的“不当使用”，不在其隐私政策允许范围内。公司称已移除“大多数”相关内容，并仍在与托管方合作清理剩余部分，但承认仍有部分内容可能在线。 根据 OpenAI 的说明，这些图片来自已授权 OpenAI 使用其数...

推荐理由：来自IT之家 AI的《谷歌 Gemini 3.8 Live 虚拟人上线：实时唇形同步 + 自然表情，无缝切换 97 种语言》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 25 日消息，谷歌近日宣布，在上周推出 Gemini 3.8 Live 的基础上，正式推出带有 Live Avatar 功能的 Gemini 3.8 Live， 为原生实时对话模型带来接近实时的视觉呈现效果。 该功能将接近实时的视频生成与语音相结合，可打造能倾听、观察并以动态视觉形象交流的交互体验， 借助精准唇形同步、自然表情与流畅对话轮次切换 ，帮助企业拓展更具交互性的虚拟服务。IT之家附上相关视频如下： 对话本身天生就是多模态的，人们通过倾听、观察、说话和面部表情交流。Live Avatar 将这些能力赋予企业智能代理，同时处理视觉和音频输入，生成更丰富的对话，带来更全面的交互体验。 除视觉呈现外，该功能依托 Gemini 的高级推理能力。通过异步工具调用，Live Avatar 可在后台触发工具调用并获取数据，同时保持对话正常进行，在处理复杂任务时保证对话流程不中断。 Live Avatar 支持原生多语...

推荐理由：来自IT之家 AI的《雷蛇推出清姬 Kiyo V2 Pro 网络摄像头，支持 4K 60FPS 录制》。重点看产品发布。摘要提到：IT之家 9 月 25 日消息，Razer（雷蛇）当地时间 24 日发布了网络摄像头 Kiyo（清姬）V2 Pro。这一产品基于 8.3MP 的索尼 STARVIS 2 传感器，拥有 86° 广角镜头， 支持 4K 60FPS 录制 。 IT之家了解到，该摄像头支持 AI 驱动自动取景与帧捕获、先进降噪功能、一键图像增强、超高动态范围技术，允许“单反级别”图像定制，同时集成隐私百叶窗。 雷蛇 Kiyo V2 Pro 网络摄像头 定价 299.99 美元 （IT之家注：现汇率约合 2,017 元人民币） 。

推荐理由：来自极客公园的《Agent 时代来了，3D 生成大模型接下来比什么？》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：9 月 3 日，GPT-6 Astra 的发布，把 3D 内容创作带到了舞台中央。 在 GPT-6 Astra 官方发布页的一个不到 3 分钟的视频里与后续解读中，Astra 已经能直接进入 Blender，从一句住宅设计需求开始搭场景，先生成极简住宅，后来又将其扩展为围绕庭院展开的家庭住宅。里面有卧室、办公室、厨房和卫生间；家具从床板、衣柜挂杆、烤箱、餐具抽屉，再到灯光模拟，一应俱全。甚至水槽表面的法线出了问题之后，Astra 还会自己返工。 为了制作 30 秒室内漫游，它还会把相机放在约 1.65 米的人眼高度，用 24—26mm 镜头安排四段运动；进入 Unreal Engine 5 之后，它又自己处理 FBX、JSON、米和厘米的单位差、坐标转换、材质映射、碰撞和第一人称控制。 当通用模型也能做 3D 了，专业 3D 生成模型的价值会发生什么变化？ 当下， 3D 工具的使用者，正逐渐从人 扩展 为 Agent...

推荐理由：来自IT之家 AI的《超 300 台机器人陪你玩：全球首个大规模具身智能主题乐园今日开园》。重点看多模态、文化创意。摘要提到：IT之家 9 月 24 日消息，智元官方宣布，全球首个大规模具身智能主题乐园今日正式开园，由智元与长隆集团联手打造。 IT之家了解到，该乐园作为全球首个、规模最大、场景最丰富、技术最先进的具身智能主题乐园， 拥有超 300 台机器人 ，覆盖机器人文娱商演、科普研学、导览导购导引、服务零售站、智能伴游、酒店场景、体育竞技等七大场景。 同时，这些机器人将在 100 余个交互体验点常态化与游客深度互动，导览导引机器人可基于场景地图和自然语言理解，为游客提供目的地查询、路线规划、自主带路及巡回讲解等服务；科普研学机器人依托视觉感知、语音理解与多模态交互能力，可围绕海洋知识开展问答、游戏挑战和趣味讲解；在零售及酒店等场景中，机器人则能够主动感知游客需求，提供迎宾接待、商品咨询、互动娱乐、信息问询等服务。凭借多语言及方言能力，机器人还可适配不同游客的交流需求，让交互服务跨越语言与地域边界。