跳到正文

#多模态

今日 16 条
10月3日周六
  4. Hacker News：AI 热帖59

    Sidekins 发布面向 Apple silicon Mac 的桌面陪伴式 AI 智能体

    Sidekins 发布可在 Mac 菜单栏运行的陪伴式 AI 智能体，支持圈选屏幕内容提问、分步引导操作、在屏幕上讲解题目，并可自主完成调研后带回报告和来源。它还能访问好友的 Sidekins、传递语音消息、与好友的智能体分工制定计划；发送消息、付款和删除等离开本机的操作需用户确认。

  5. elvis42

    Kled V3 可让实验室指定所需数据，并在 72 小时内向 500,000+ 名自愿加入的贡献者部署采集任务。它提供覆盖图像、视频、音频、文本和标注的 108 个可配置模板，贡献者按说明用手机采集数据。该流程可把模型失败点转化为采集任务，再用真实世界新样本训练和评估，形成更紧密的反馈闭环。

    引用Kled AI@useKled

    This is Kled V3. We've solved data collection for artificial general intelligence. Any consumer dataset that can exist, can now be collected from physical reality in under 72 hours. All powered by the largest and most comprehensive data application layer on the planet. (Thread)

10月2日周五
  2. IT之家（RSS）49

    Meta 公布雷朋 Display 眼镜 2026 年下半年大型更新：改进导航与通知，新增 Hologram 虚拟化身

    Meta 公布雷朋 Display 眼镜 2026 年下半年大型更新，涵盖导航、通知、视频通话等功能。导航将结合眼前实景进行语音提示，并新增骑行和公共交通模式，用户还可自主控制通知显示。Hologram 虚拟化身将于今年晚些时候向美国 Early Access 用户推送，首批支持 WhatsApp 视频通话。

  7. The Decoder73

    Black Forest Labs 发布 Flux 3 Image，支持不改动其余画面的多步编辑

    Black Forest Labs 发布 Flux 3 模型家族的图像模型 Flux 3 Image，主打多步编辑时不改变图像其他区域，并覆盖文生图、图生图、文字渲染和照片级写实。用户可用边界框构图，加入最多 10 张参考图，输出最高 4K；免费 demo 已上线，API 访问在 10 月 8 日前半价。企业可授权商用权重并在自有基础设施运行和微调，开放权重版本预计未来几周推出。

  8. IT之家（RSS）62

    OpenAI 为 ChatGPT 购物功能新增虚拟试穿与 Favorites 收藏

    OpenAI 升级 ChatGPT 购物功能，新增虚拟试穿和 Favorites 收藏两项能力。用户可在支持的服饰、配饰商品页点击 Try on，上传自拍或拍摄新照片，由 ChatGPT 生成穿着效果图；该体验大致依托 ChatGPT Images 2.5，可改善光照、材质细节和人物特征保留。收藏商品会保存至 ChatGPT Library，支持文件夹分类，虚拟试穿图片也可与购物记录一起保存。

  10. Latent Space64

    Pi 1.0 与 Pi Durable 发布，AINews 汇总 Gemini 4 Argon、GPT-6.1 Sol 和 FLUX 3 动态

    Earendil 的 Pi 1.0 与 Pi Durable 登上 HN 首页；Pi 1.0 新增 Codemode、MCP 原生支持、虚拟模型扩展、延迟工具加载、anthropic 模型缓存预热和会话中系统消息，Pi Durable 则用 TypeScript 重写并外置状态组件，支持检查点崩溃恢复、可插拔存储、并行分支对话、扩展、上下文压缩、多人状态同步和运行时代码热更新。

  17. Aravind Srinivas68

    Perplexity 开源多模态决策模型 pplx-decider-27b，并通过新的 Decisions API 提供 pplx-decider-v1-27b。该模型针对固定答案集合输出概率分布而非文本，价格为 $0.04/million input tokens，输出 token 免费；官方称其在 11 项决策基准、7,210 行固定测试集上的总体准确率为 85.71%。

    引用Perplexity Developers@perplexitydevs

    Introducing the Perplexity Decisions API. It's powered by pplx-decider-v1-27b, our multimodal decision model trained to output a probability distribution over a fixed set of answers instead of text. It costs $0.04/million input tokens and scores 85.71% across benchmarks.

  19. Rohan Paul65

    Tavus 推出 Human Interaction Model Griffin，称其是首个通过视频图灵测试的模型。引用内容显示，48% 与 Griffin 实时对话的人认为它是真实人类，而此前系统通过率低于 3%；Tavus 还称 Griffin 在 NVIDIA 的全双工 AI 视频基准中排名第一。作者 Rohan Paul 转发并提示首个视频 0:24 处可看到模型自然说出“I'm AI”。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  21. Hacker News：AI 热帖39

    Vectary 在同一协作画布中用 AI 加速 2D、3D 与 AR 创意构思

    Vectary 推出面向设计任务的 AI 协作画布，支持在同一画布中进行 2D、3D 与 AR 创意构思。用户可通过预设提取和应用材质、将草图或基础 3D 模型转为照片级视觉、从 2D 生成 3D、替换物体、调整灯光、提取姿势及清空室内空间。Vectary 还可按团队流程创建自定义预设，团队自建与管理预设功能即将推出。

  23. elvis49

    这太令人惊叹了！面对面对话正是 AI 界面的发展方向。 @tavus 给了我 Griffin 的早期体验资格，这是一个视频转视频模型，在你说话时会观察和倾听。 它可以打断你、接受被打断，并对你房间里正在发生的事情做出反应。 在 NVIDIA 的 Video Full-Duplex Benchmark 上，它在生成项获得 3.83 分（满分 5 分），而真人的得分为 3.92。 值得查看下方的所有细节。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  24. 🚨 AI News | TestingCatalog57

    Tavus 推出最新 video-to-video 模型 Griffin 的研究预览版，面向实时面对面对话，可在对话中观察和倾听，并在他人说话中途打断或有人入镜时回应。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  25. Aravind Srinivas59

    Perplexity CEO Aravind Srinivas 宣布开源多模态决策模型 pplx-decider-v1-27b，并通过 Decisions API 提供服务。该模型输出固定答案集合上的概率分布而非文本，输入价格为 $0.04/million tokens，在 11 项决策基准的 7,210 行固定面板上总体准确率为 85.71%，高于 Jev 的 84.51%。

    引用Perplexity Developers@perplexitydevs

    Introducing the Perplexity Decisions API. It's powered by pplx-decider-v1-27b, our multimodal decision model trained to output a probability distribution over a fixed set of answers instead of text. It costs $0.04/million input tokens and scores 85.71% across benchmarks.

  29. Rohan Paul60

    Tavus 推出人类交互模型 Griffin，称其通过视频图灵测试，48% 与其实时对话的人认为它是真人，此前系统通过率低于 3%。在 NVIDIA 面对面 AI 榜单中，真人得分为 3.92/5，Griffin 得分为 3.83/5，次优系统为 2.80/5。Griffin 将听、思考、说话和动画生成整合在一个系统中，可读取面部、语气和话语，并在用户仍在说话时作出反应。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

  34. 公众号：小林coding72

    GPT-6.1 Sol 实测：编码与多模态生成效果逼近 GPT-6 Astra

    小林coding 实测新上线的 GPT-6.1 Sol，认为其在 DeepSWE v1.1 软件工程测试和多项生成场景中已接近 GPT-6 Astra。GPT-6.1 Sol 每百万 token 常规输入价格为 2 美元、输出为 10 美元，缓存输入为 0.1 美元；作者用 SVG、3D 建模、动效、视频、游戏和 Web 网页测试，称其整体可替代 GPT-6 Sol 作为日常主力。