AI圈报
文章系统

AI 情报文章归档

浏览 AI圈报 已保存的 38003 条 AI 情报文章，覆盖模型、产品、行业、论文、教程与观点方法六大分类。

已收录文章38003
正式分类6
精选内容4751

全部文章

第 776 / 951 页 · 每页 40 条

产品发布 / 更新普通
Runway Ruby 新增 ACES 色彩空间导出功能
Runway 官方宣布 ACES 现已在 Runway Ruby 中可用。用户可导出 scene-referred 的 half-float EXR 序列，支持 ACEScg 1.3 和 2.0，可直接接入现有工作流。
信息来源：X：Runway (@runwayml)
产品发布 / 更新普通
OpenClaw v2026.8.2（又称 OpenClaw 2.0.1）发布，重点修复多个破坏性 bug
OpenClaw 发布 v2026.8.2（又称 OpenClaw 2.0.1），主要修复多处更新导致的破坏性 bug，并就这些 bug 带来的困扰向用户致歉。release 详情见 https://github.com/openclaw/openclaw/releases/tag/v2026.8.2。
信息来源：X：OpenClaw (@openclaw)
产品发布 / 更新普通
Gemini API 推出 Agentic Video，长视频处理 token 消耗最多降低 88%
Google 的 Logan Kilpatrick 宣布 Gemini API 推出 Agentic Video，一种处理长视频的新方式，可将 token 消耗最多降低 88% 并提升质量。该功能可在 API 中按单个视频控制，已随 3.7 Flash 等最新模型提供；图中显示 LVBench 准确率从 85.1% 提至 88.6%，LVBench token 节省 88.0%。
信息来源：X：Logan Kilpatrick (@OfficialLoganK) · Gemini
模型发布 / 更新普通
Meta 发布实时语音感知模型 Muse Voice Transcribe
Meta 推出 Muse Voice Transcribe，为 MSL 首个实时音频感知模型，今日开始推送，自适应延迟下最终转写词错率低至 3.1%。该模型以 80ms 分块处理音频，在单一流式模型内原生处理说话人分离和端点检测，可自行判断何时输出文字、说话人何时切换；通过 Meta Model API、Meta AI for Mac 和 Muse Code 提供。
信息来源：X：Rohan Paul (@rohanpaul_ai) · Llama
论文研究普通
Closing Cost-Quality Gap in Document VLMs: Difficulty-Aware Data Curation and Quality-Adjusted Deployment Economics
Extracting structured fields from hundreds of millions of documents annually remains costly in regulated industries: bespoke OCR cascades cover only a fraction of workflows, privacy rules preclude external models, and existing open-source …
信息来源：arXiv
论文研究普通
Scaling Near-Optimal SFT-RL Annotation Budget Allocation from Small to Large LLMs
How to divide a fixed annotation budget between supervised fine-tuning (SFT) and reinforcement learning (RL) during LLM post-training remains an open problem. Existing work characterizes only broad trends (e.g., SFT dominates in low-data r…
信息来源：arXiv
论文研究普通
From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix
Data-residency constraints force enterprises to self-host LLMs, but continuous adoption of newer models without decommissioning their predecessors expands the serving fleet, fragmenting a finite GPU pool. We consolidate traffic from over 2…
信息来源：arXiv
产品发布 / 更新普通
Google 推出提示词驱动的图像创作工具 Google Pics，将集成进 Workspace
Google 发布图像创作与编辑工具 Google Pics，由 Nano Banana 图像生成模型驱动，将在未来几周内面向大多数 Workspace 客户及 Google AI Pro 或 Ultra 订阅用户推出。
信息来源：TechCrunch：AI（RSS）
产品发布 / 更新普通
Gemini 3.7 Flash 借智能体视频理解能力准确数清鼓掌次数
Google AI Developers 演示 Gemini 3.7 Flash 使用新的 agentic video understanding 能力准确数出视频中每一次鼓掌。默认静态处理以固定 1 FPS 摄取视频，拍手这类瞬间动作容易被完全漏掉或与打响指、点击混淆，新能力可自动按需调整处理速度来识别快速动作。
信息来源：X：Google AI for Developers (@googleaidevs) · Gemini
模型发布 / 更新普通
Anthropic Claude Fable 5.1 与 Mythos 5.1 即将发布
Claude Fable 5.1 正在为即将到来的发布做准备，引用消息称将很快官宣。Anthropic 已更新支持页，涉及 Messages API 处理 thought blocks 的方式变更以防止蒸馏，Fable 5.1 与 Mythos 5.1 均预计近期推出。
信息来源：X：Testing Catalog (@testingcatalog) · Claude
论文研究普通
Selective Agent Guidance via Entropy: Learning Autonomous Policies from Imperfect VLM Teachers
Vision-Language Models (VLMs) provide useful priors for interactive decision-making, but using them directly as policies is expensive and brittle: they must be queried at every step, do not improve from environment interaction, and can rep…
信息来源：arXiv
论文研究普通
论文探究 On-Policy 蒸馏是否真在蒸馏，提出无需监督的 OPSA 方法
信息来源：X：AK (@_akhaliq)
模型发布 / 更新普通
Claude Fable 5.1 与 Mythos 5.1 出现在 Claude Code 2.1.257 模型目录中
据 @synthwavedd，Claude Fable 5.1 和 Mythos 5.1 已被添加到即将发布的 Claude Code 2.1.257 中，作者推测 Fable 5.1 可能于当天官宣。截图显示新增 claude-fable-5-1 和 claude-mythos-5-1 目录条目，knowledge cutoff 为 2026 年 6 月，1M 上下文，默认输出 64k、最大 128k，fable 别名默认从 claude-fable-5 切换到 clau…
信息来源：X：Kim (@kimmonismus) · Claude
模型发布 / 更新普通
Meta 推出 Muse Voice Transcribe 实时语音转写模型
信息来源：X：Alexandr Wang（Scale AI 创始人/Meta 首席 AI 官） (@alexandr_wang)
论文研究普通
From Confusion to Clarity: Confusion-Aware Retrieval and Knowledge Injection for Text Classification
Large language models (LLMs) struggle to classify text into taxonomies with many semantically similar labels, as the distinctions are domain-specific and not captured by pre-training. To handle large label spaces, a common approach retriev…
信息来源：arXiv
模型发布 / 更新普通
World Labs 发布多模态世界模型 Atlas
World Labs 发布从零训练的多模态世界模型 Atlas。模型可生成具有像素级相机控制能力的图像和视频帧，从单张输入图像重建大型场景，通过重帧视频模拟时空，并从一张或多张输入图像原生输出 3D 空间，还能将多张带位姿的图像合成一致的三维世界。作者称其为迄今最好的相机条件世界模型，可能应用于 VFX 到机器人等多个方向。
信息来源：X：Fei-Fei Li (@drfeifei, World Labs)
论文研究普通
A systematic Approach to constructing a Chance-and-Risk Matrix for Semiconductor Supply Chains
Semiconductor supply chains face escalating risks from geopolitical tensions, geographic concentration, and rapid technological shifts, yet no scalable system continuously extracts, structures, and prioritizes risk intelligence from public…
信息来源：arXiv
产品发布 / 更新普通
Google DeepMind 为最新 Gemini 模型带来智能体视频理解能力
Google DeepMind 宣布为最新 Gemini 模型引入智能体视频理解能力。模型现在能以更高准确率分析视频，同时最多减少 88% 的 token 消耗。
信息来源：X：Google DeepMind (@GoogleDeepMind) · Gemini
模型发布 / 更新普通
Claude Fable 5.1 出现在官方支持文档中，发布临近
Claude Fable 5.1 已出现在官方支持文档中，作者判断发布临近。文档截图显示，Fable 5.1 将调整 Messages API 对 thinking blocks 的处理方式以防蒸馏，多轮对话中新 API 账户将不能再编辑思考块周边的 messages、tools 或 system prompt。
信息来源：X：Kim (@kimmonismus) · Claude
模型发布 / 更新普通
Meta 发布实时音频感知模型 Muse Voice Transcribe
Meta Superintelligence Labs 发布 Muse Voice Transcribe，称其为首个实时音频感知模型。模型支持实时流式 ASR、20+ 说话人的 diarization 和 endpointing，多语言且可无缝 code-switching，可通过语言、关键词和上下文偏置提升准确率。该模型在 Artificial Analysis 的流式语音转文本和公开 diarization 基准上排名第一。
信息来源：X：AI at Meta (@AIatMeta)
模型发布 / 更新普通
Meta 发布 Muse Voice Transcribe 语音转写模型并开放 API
Meta（MSL）的 Muse Voice Transcribe 模型上线 Meta models API，主打流式语音转文字 SOTA，训练覆盖 70+ 语言。该模型已用于 Meta 桌面应用的听写和 Muse Code 语音输入，API 提供零数据保留档位，详见 research.meta.ai/blog/introducing-muse-voice-transcribe。
信息来源：X：Testing Catalog (@testingcatalog)
论文研究普通
H3-World: Turning Language Understanding into World Control
We present H3-World, an efficient framework that turns the 33B MiniMax-H3 video generator into an interactive world model. Our key finding is that, as large video generators become more capable, language is emerging as a natural interface …
信息来源：arXiv
论文研究普通
Gradient-Update Mismatch: Rethinking Conflict-Free Training of Physics-Informed Neural Networks
Training Physics-Informed Neural Networks (PINNs) requires jointly optimizing physics residual and initial/boundary condition loss terms, which often induce conflicting gradients. Gradient surgery methods mitigate this issue by constructin…
信息来源：arXiv
论文研究普通
Retrieved but not ranked: surface-form bias in structural retrieval, from mathematics to agent trajectories
We evaluate embedding retrieval where surface form and meaning are pulled apart on purpose: retrieving items that share underlying structure but not wording, in two unrelated domains under one protocol, competition mathematics (MathNet-Ret…
信息来源：arXiv
论文研究普通
BS: Take the Hint - Interactive Multitracer PET/CT Lesion Segmentation with a Scribble-Conditioned ResEnc U-Net
Automated lesion segmentation in whole-body PET/CT is complicated by the variety of physiological tracer uptake patterns and by the differing appearance of lesions across tracers. The autoPET/CT V challenge addresses this by making segment…
信息来源：arXiv
教程 / 实战普通
Render MCP Apps in your own host in 5 minutes
In January, MCP Apps (SEP-1865) became the first official extension to the Model Context Protocol,...
信息来源：DEV Community
产品发布 / 更新普通
谷歌为 Gemini Flash 系列模型推出智能体视频理解功能，成本最高降 66%、Token 消耗最高降 88%
谷歌在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型中推出智能体视频理解（agentic video understanding）功能，替代按固定帧率读取视频的静态处理方式，让模型在视觉帧、音频和转录文本中动态搜索和检查目标片段。
信息来源：IT之家（RSS） · Gemini
模型发布 / 更新普通
Muse Voice Transcribe is MSL's first real-time audio perception model -- rolling out today. SOTA in …
Mark Zuckerberg 宣布 Muse Voice Transcribe 于当日推出，是 MSL 的首个实时音频感知模型。该模型在流式语音转文字上达到 SOTA，并在单一模型内原生支持说话人分离（speaker diarization）和端点检测（endpointing）。
信息来源：X：Mark Zuckerberg (@finkd)
观点 / 方法普通
Dex Horthy 发布 AI That Works 第 72 期：面向可扩展软件的 Code Mode
HumanLayer 的 Dex Horthy 发布直播节目 AI That Works 第 72 期，主题为面向可扩展软件的 Code Mode，直播链接为 https://x.com/i/broadcasts/1wxWjlpWEvmJQ。正文仅包含节目标题与链接，未提供更多细节。
信息来源：X：Dex Horthy（HumanLayer）(@dexhorthy)
产品发布 / 更新精选
Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
信息来源：Google DeepMind：Blog（RSS） · Gemini
模型发布 / 更新普通
Visko 发布 Orbis 1.0 实时可引导视频生成模型
Visko 发布首个 Live Model「Orbis 1.0」，一个实时、可引导的视频生成模型，可实时流式生成持续进行的世界，具备持久记忆、交互性和基于物理的无限长度生成。
信息来源：X：Rohan Paul (@rohanpaul_ai)
教程 / 实战普通
On-Policy Distillation Works Better Without the Teacher
A new Purdue paper analyzed teacher supervision in on-policy distillation. The teacher scores are mostly noise, and a fixed negative penalty beats a full teacher model on AIME24.
信息来源：DEV Community
教程 / 实战普通
OpenAI 解析 Basis、Clay、Exa 如何把工作流变成 AI 原生运营能力
OpenAI 发布文章，介绍 Basis、Clay 和 Exa Labs 用 Agent 承接员工入职、账户管理和开发者集成的工作流。Basis 把入职从 2 小时缩短到 30 分钟，Clay 的子智能体每天夜间更新各账户上下文，为销售省下约 1 小时邮件分拣，Exa 用 Codex 监控集成机会并创建 PR、跑测试。文章还给出企业从试点到规模化的六步方法。
信息来源：OpenAI：官网动态（RSS · 排除企业/客户案例） · OpenAI
产品发布 / 更新普通
OpenAI 将 ChatGPT Health 与 Epic 电子病历集成，供临床医生导入患者数据
OpenAI 宣布将 ChatGPT Health 与 Epic 的电子病历系统集成，Epic 存有超过 3.25 亿患者的数据，临床医生可导入预约记录、化验结果、用药和专科文档并汇总、查看病史和准备就诊；部分部署可在病历界面内直接调用 ChatGPT 做就诊前复习和临床时间线。
信息来源：TechCrunch：AI（RSS） · OpenAI / ChatGPT
教程 / 实战普通
Designing a BYOK AI Architecture for a Commercial Framer Template
I Built an AI-Enabled Framer Template Without Owning the Buyer’s AI Most AI-enabled websites hide an...
信息来源：DEV Community
观点 / 方法普通
Grok 4.6 在 LatchBio 独立生物安全基准中排名居首
作者转述 LatchBio 对主流 AI 模型的生物安全基准测试结果，称 Grok 4.6 整体表现最强，在全部参测前沿模型中排名第一，是唯一在安全性和有用性两项均超过 50% 的模型。
信息来源：X：cb_doge (@cb_doge) · GPT / Claude / Grok
教程 / 实战普通
Google Antigravity 系列教程 Part 2：用 generate_image 工具自动化图像生成
这篇是 Google 团队 Elevating Antigravity Agent Skills 五部曲的第二部分，讲解如何在 agent skill 中使用 generate_image 工具，把结构化提示词合成与原生图像生成结合，让 agent 产出符合开发者规范的图像。
信息来源：Google AI：DEV 作者专属（RSS）
观点 / 方法普通
Google DeepMind 新任负责人 Koray Kavukcuoglu 称站在前沿是唯一要紧的事
Google DeepMind 负责人 Koray Kavukcuoglu 回应外界质疑，称"除了站在前沿，没有别的对我们重要的事"，并承认 Google 当前模型略低于前沿但具备团队、资源和全栈能力来缩小差距。
信息来源：The Decoder：AI News（RSS） · Gemini
观点 / 方法普通
Yuchen Jin 谈 OpenAI 的 GPU 从过剩疑虑变成对抗 Anthropic 编码优势的底牌
Yuchen Jin 发推称自己曾认为 OpenAI 过度采购 GPU，随后 Anthropic 主导了编码市场，如今这些 GPU 成为 OpenAI 的超能力。他认为是不断重置、快速追赶，并把编码市场推向双寡头格局。推文引用了 @thsottiaux 的 merch 周边提问。
信息来源：X：Yuchen Jin (@Yuchenj_UW) · OpenAI / Claude
产品发布 / 更新普通
Meta 内部项目 Hatch 将以 Muse 之名发布并开放候补名单
Meta 内部代号 Project Hatch 的超级应用将以 Muse 之名发布，上线时采用候补名单（waitlist）形式。被引用内容称 Muse 是对标 ChatGPT 和 Claude 协作类产品的竞品，截图页面显示其定位为个人 AI 智能体，用户可加入候补名单等待开放。
信息来源：X：Testing Catalog (@testingcatalog) · ChatGPT / Claude