Cloudflare 发布开放权重决策模型 Clef-omni，支持音频与视频输入
Cloudflare 于 10 月 9 日推出开放权重决策模型 Clef-omni，可在单次 API 调用中处理文本、图像、音频和视频，权重已在 Hugging Face 开放。
#多模态
#多模态
今日 11 条IT之家（RSS）AI 评分6767 Hacker News：AI 热帖AI 评分4444 Show HN：Kenerate——整合 AI 图像、视频与音乐模型的一体化工作空间
Kenerate 推出一体化 AI 创作工作空间，可在同一平台生成图像、视频、配音与音乐，并接入 Seedance、Kling、Wan、MiniMax、Nano Banana、GPT Image、Suno 等模型。
IT之家（RSS）AI 评分5555 Claude Science 协助绘制首张全天紫外线地图，约三分之一区域为模型估算
Anthropic 宣布 Claude Science 协助绘制首张完整全天紫外线地图，约三分之一区域由模型估算。地图以银河系中心为中央，合并 154 纳米远紫外线与 232 纳米近紫外线数据；团队整合 GALEX、Swift、FIMS / SPEAR 等任务数据，并统一校准仪器观测、分辨率和坐标。
IT之家（RSS）AI 评分3232 华为 Pura X View 获鸿蒙 HarmonyOS 7.0.0.109 SP10 升级，支持多人互助通信共享
华为今日向 Pura X View 阔直板手机推送鸿蒙 HarmonyOS 7.0.0.109 SP10 版本，升级包约 4.83GB。新版本支持与 HarmonyOS 7 手机、平板及鸿蒙电脑多人互助通信共享，并新增熄屏循迹导航，同时优化小艺多模态大模型推理速度、相机、游戏帧率与系统稳定性。
Hacker News：AI 热帖AI 评分5353 Autonomous Lamp 机器人台灯开售并更新语音、环境感知与快速推理能力
Autonomous Lamp 机器人台灯以 499 美元开售，原价 999 美元，页面称产品将于 11 月 30 日免费发货。
Hacker News：AI 热帖AI 评分4242 Show HN：Fruit Inspector——用 Nim 在旧 CPU 上实现 40 FPS 实时 YOLO 追踪
Fruit Inspector build 0.10.0 是基于 Nim 的传送带水果质检工具，在无独显的 Intel i5-11400 上推理约 100–130 FPS，相机预览约 30 FPS。
Hacker News：AI 热帖AI 评分6565 The Atlantic 实测 Trump 聊天机器人与 AI 选举误导风险
The Atlantic 报道，Brennan Center for Justice 研究人员在中期选举前测试主流 AI 聊天机器人的选举误导防护，多个聊天机器人仍生成虚假投票照片、政府文件和官员 deepfake 视频，并帮助优化宣传提示词。部分输出违反模型自身政策，甚至让其他领先模型难以辨别真伪；州和地方选举官员正试图跟上 AI 发展，研究者认为这暴露出技术演进与监管速度之间的差距。
IT之家（RSS）AI 评分5454 小米通知 MiMo-V2.5-Pro 与 MiMo-V2.5 下线，请求将迁移至 V2.6
小米发布 MiMo-V2.5-Pro、MiMo-V2.5 模型下线通知，建议用户迁移至已全面上线的 MiMo V2.6 系列。mimo-v2.5-pro 将替换为 mimo-v2.6-pro，mimo-v2.5 将替换为 mimo-v2.6-flash。
Hacker News：AI 热帖AI 评分5353 阶跃星辰 Step 5 Preview 登陆 Vercel AI Gateway
阶跃星辰旗舰模型 Step 5 Preview 已在 Vercel AI Gateway 上线，模型名为 stepfun/step-5-preview。该模型面向智能体编码、专业知识工作和金融分析，支持文本与图像输入，上下文窗口为 1M-token。
Hacker News：AI 热帖AI 评分4949 LocalMind：可在手机本地离线运行的隐私 AI 助手
LocalMind 是一款完全运行在手机 CPU/GPU 上的隐私 AI 助手，无需账号、云端 AI 与追踪，聊天、文档和笔记均只存储在设备本地，下载模型后可离线使用。
Hacker News：AI 热帖AI 评分6565 Arcadium 发布 LLM 技能，用对话生成可编辑 3D 房屋设计
Arcadium 发布一项 LLM 技能，让 ChatGPT、Claude、Gemini、Mistral、DeepSeek 等 AI 根据文字、户型图、照片和尺寸生成结构化 JSON 或 ZIP，再在浏览器中打开为可编辑的 3D 房屋设计。流程要求先确定墙体、门、窗和比例，再按需添加家具；JSON 限制为 5 MB，ZIP 限制为 25 MB，初始预览在本地完成，编辑或分享时才登录保存。
Hacker News：AI 热帖AI 评分6565 SpeakoFlow 开源语音听写与 AI 助手支持 Windows、macOS 和 Linux
SpeakoFlow 是一款免费、开源、默认本地运行的语音听写与 AI 助手，支持 Windows、macOS 和 Linux，可通过快捷键在任意应用中听写、提问和连续对话。
IT之家（RSS）AI 评分5656 豆包工作任务模式上线画布功能，并接入豆包 2.1 Lite 与 Seedream 5.0 Flash
豆包工作今日宣布任务模式新增画布功能，并上线豆包 2.1 Lite 模型、支持图片模型 Seedream 5.0 Flash。无限画布可集中查看、对比和整理素材、方案与创作成果，生成后还能继续调整文字、配色与布局。豆包 2.1 Lite 主打更省额度、更快交付，面向文档撰写、表格处理、PPT 制作等高频场景。
Hacker News：AI 热帖AI 评分5353 SpectroMood 开源实验发布：用 Cloudflare Clef 决策模型检测语音情绪
SpectroMood 是一个开源语音情绪检测实验，把语音转成标注图像、相对说话人平静基线的声学测量和情绪提示，再由 Cloudflare Clef 输出 angry、fearful、happy、sad、neutral 的概率。
IT之家（RSS）AI 评分2626 华为智能门锁 2 Pro 悦享版开售：支持 AI 3D 人脸识别 3.0，补贴到手价 2124.15 元
华为智能门锁 2 Pro 悦享版于 10 月 9 日 10:08 正式开售，建议零售价 2699 元，补贴到手价 2124.15 元。该门锁支持 AI 3D 人脸识别 3.0，解锁提速至 0.8 秒，较华为智能门锁 Pro 提速 50%，并配备 161° 智能猫眼与 10,000mAh 锂电池。
IT之家（RSS）AI 评分2929 小米智能摄像机 3 开售：500 万像素、6 种 AI 灵敏检测，首销 179 元
小米智能摄像机 3 今日开售，首销价 179 元，搭载 500 万像素 F1.6 光圈镜头并支持 3K 超清画质与红外夜视。新机配备双电机云台，支持水平 360°、垂直 109° 视角，提供 6 种 AI 灵敏检测、双向实时语音、延时摄影与双频 Wi-Fi6，并支持小米澎湃智联。
IT之家（RSS）AI 评分3737 极米记得 AI 显示眼镜 MemoMind One 开启超前预约：搭载蔡司定制镜片与哈曼联合调音
极米记得 AI 显示眼镜 MemoMind One 超前预约正式开启，搭载蔡司显示系列翎思镜片、哈曼联合调音及 Memo 记忆功能。该产品采用无摄像头隐私设计并获欧盟 EN18031 认证，支持双目显示、Harman Audio EFX、对话翻译演讲录音，综合续航 16 小时，搭载 Apple MFi 芯片，提供三种框型。
IT之家（RSS）AI 评分5555 Odyssey 发布 Odyssey-3 系列基础世界模型，Pro 版 Physics-IQ Verified 得分 66.1
Odyssey 于 10 月 8 日发布 Odyssey-3 系列基础世界模型，分为标准版和 Pro 版，Odyssey-3 Pro 在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分。
IT之家（RSS）AI 评分6767 Liquid AI 开源 d1 系列决策模型，d1-3B 单次判断最快 8 毫秒
Liquid AI 于 10 月 7 日推出 d1-3B 与 d1-omni-600M 两款开放权重决策模型，权重已在 Hugging Face 公开，可下载、微调并部署。
Hacker News：AI 热帖AI 评分6262 Nace 发布 Document Intelligence，面向 AI 智能体解析复杂文件
Nace 发布 Nace Document Intelligence，现已通过 Nace Console 和 API 提供，帮助 AI 智能体把复杂文件转为结构化且可溯源的信息。
Hacker News：AI 热帖AI 评分6262 Weizmann 科学研究所 Brain-IT 可从脑活动重建所见图像
Weizmann 科学研究所 Michal Irani 实验室开发的 Brain-IT 可根据人的脑活动重建其正在观看的图像，并将学习读取新对象所需的脑扫描时间从数十小时缩短到约 1 小时。
IT之家（RSS）AI 评分3333 PocketBook 公布 Verta、Verta Color 电子书阅读器与 InkPad Eo 2 电子笔记本
PocketBook 在 2026 德国法兰克福书展上公布 Verta、Verta Color 阅读器及 InkPad Eo 2 电子笔记本。两款 6" Verta 分别采用 Carta 1300 黑白面板和 Kaleido 3 彩色面板，售价 169 欧元、179 欧元，具备 IPX4 防水和最长 2 个月续航。
Hacker News：AI 热帖AI 评分5555 Nace.ai 发布 Document Intelligence 1.0，并推出 Drex 与 NDI 两类小模型 API
Nace.ai 发布 Document Intelligence 1.0，通过一个 API key 提供 Drex 决策模型和 NDI 文档智能，开发者可用 npm install nace-sdk 接入。
MIT Technology Review · AIAI 评分2828 圆桌对谈：与 AI 设计病毒的创造者对话
MIT Technology Review 资深 AI 记者 James O’Donnell 将于 10 月 16 日 18:30 BST 专访斯坦福大学博士生 Samuel King，探讨其用生成式 AI 提出微观病毒基因蓝图的研究。King 入选了 MIT Technology Review 35 岁以下创新者榜单。该研究尚非 AI 生成生命，但下一步可能朝此方向发展。
NVIDIA BlogAI 评分3535 NVIDIA Omniverse 如何借助前沿 AI 智能体把创意转化为仿真
NVIDIA 展示开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体，配合 Omniverse 库构建机器人、自动驾驶和数字孪生等仿真应用。
Databricks：Blog（RSS）AI 评分5252 Databricks 解析生物医学影像瓶颈：关键在数据而非模型
Databricks 提出生物医学影像 AI 的核心瓶颈不是模型，而是 DICOM 与病理切片等数据被锁在 PACS/VNA 中，难以查询、去标识、共享和跨机构复用。
Hacker News：AI 热帖AI 评分7575 Perplexity 发布 pplx-embed-v2-late 多模态晚交互嵌入模型
Perplexity 发布 pplx-embed-v2-late 晚交互嵌入模型系列，包含 0.6B 和 9B 两个版本，支持文本与图像检索并共享多向量嵌入空间。
Hacker News：AI 热帖AI 评分6969 Liquid AI 发布 3.12B 多模态决策模型 d1-3B
Liquid AI 发布基于 LFM2.5-VL-3B 的 3.12B 多模态决策模型 d1-3B，可接收文本、JSON、图像或混合状态，并在一次前向传播中返回带校准概率的类型化答案，output_tokens 为 0。
Hacker News：AI 热帖AI 评分6767 Rembrandt 发布：免费开源、完全本地运行的 Lightroom 替代照片编辑器
开发者 thesnarkitecht 发布免费开源照片编辑器 Rembrandt，支持 macOS、Windows 和 Linux，定位为本地运行的 Adobe Lightroom 替代方案。
The DecoderAI 评分7373 Claude 推出 Dashboards 与 Motion，可用文本生成实时仪表盘和动画讲解视频
Anthropic 为 Claude 推出 Dashboards 和 Motion 两项 beta 功能。
OpenAI NewsAI 评分3535 Pollo AI 借助 OpenAI 模型把创意转化为营销活动
初创公司 Pollo AI 基于 OpenAI 的 GPT‑5.6、GPT‑6 Astra 和 GPT‑Image‑2.5，通过 API 帮助创作者生成图像与电影感视频广告。其 Pollo Agent 可理解粗略创意并生成剧情、分镜和脚本，平台用户已超过 2600 万，用户选择或切换模型的时间减少逾 50%。
Hacker News：AI 热帖AI 评分4444 NSF 人机协作 AI 研究院（HAIC）获 2150 万美元资助，推进康复医疗人机协作
NSF AI Institute for Human-AI Cooperation（HAIC）由特拉华大学牵头，获美国国家科学基金会 2150 万美元、为期五年的资助，旨在将 AI 打造为可信赖的自适应协作伙伴。HAIC 融合 AI、机器人、数字孪生、多模态数据与伦理学，支持临床决策和个性化康复，覆盖中风、帕金森病等场景，并培养 AI 医疗人才。
Hacker News：AI 热帖AI 评分6868 阶跃星辰 Step 5 Preview 登陆 OpenRouter，支持 1M 上下文
阶跃星辰 Step 5 Preview 已出现在 OpenRouter，模型采用稀疏 MoE 架构，参数为 27B active / 600B total，上下文窗口 1,000,000 token，发布时间为 Oct 8, 2026。
TechCrunch · AIAI 评分6262 Google 发布本地优先的 AI 会议记录应用 Google AI Edge Foresight
Google 发布可完全离线运行的 Mac 会议记录应用 Google AI Edge Foresight，对标 AI 笔记工具 Granola。应用使用 740 million 参数的端侧 EmbeddingGemma 2 模型，支持分屏手写速记与 AI 笔记、会议转写，并可向 Gemma 4 助手提问。
Hacker News：AI 热帖AI 评分5757 纽约时报图解如何识别 Gemini 生成的 FedEx Office 假照片
纽约时报用一张 Google Gemini 生成的 FedEx Office 店内照片，演示当前 AI 图像在手部和大字上已较逼真，但仍可通过细节识别。文章列出透视线条混乱、提示词元素被过度放在画面中心、放大后小字乱码、挂绳与证件套未连接、标语语义错误、包装符号不合规和物体结构不合理等线索。
Hacker News：AI 热帖精选AI 评分8686 Google Cloud 发布面向工作的通用智能体 Gemini agent
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent，定位为单一通用工作智能体，可通过一个提示框和单一 API 回答问题、处理知识工作、生成图像和媒体、编写并运行代码。
推荐理由：文章系统说明了 Gemini agent 的工作入口、跨应用执行、模型选择和企业治理机制，便于理解企业智能体平台的完整能力边界。
Hacker News：AI 热帖AI 评分4545 Show HN：Quady3D，一个我找不到现成方案后自建的 AI 3D 工作流
Quady3D 是一个可在浏览器中把图片、文字、草图或多视角输入生成 3D 模型的 AI 工作流，支持预览并下载 GLB、OBJ、STL 等格式。邮箱验证后一次性赠送 40 credits，免费档含 500MB 存储、文件保留 7 天和 1 个活跃生成任务。
Hacker News：AI 热帖AI 评分6969 Opposable 发布面向 iPhone 和 Android 的手机 Computer Use 工具
Opposable 推出让 Claude Code、Codex、Cursor 或任意 MCP 客户端操作真实手机的工具，智能体可打开应用、读取屏幕、点击和输入。
IT之家（RSS）AI 评分4949 比亚迪大唐首次 OTA 开启推送：新增生态智能体服务、路面预瞄等功能
比亚迪大唐首次 OTA 开启推送，带来 28 项功能新增、19 项功能优化。本次更新新增路面预瞄、灵动掉头、全地形模式、生态智能体服务、车控智能体服务等功能，迪迪虾还新增“人设”“AI 空间”“技能”“记忆”功能，并接入千问大模型、豆包大模型等生态合作伙伴智能体。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分6565 Google 上线 SynthID Detector，用于识别带 SynthID 水印的 AI 生成媒体
Google 托管的 SynthID Detector 已开放使用，可上传图片、视频或音频检测其中是否存在 SynthID 数字水印。该技术由 Google DeepMind 创建，目前已被 Google、Nvidia、OpenAI 和 Kakao 的相关模型采用，但检测器不能识别未接入 SynthID 的模型生成内容。