Opus 5.5 创作史诗编年片《中华文明史》的提示词方案
Opus 5.5 给出史诗编年片《中华文明史》的创作提示词，方案为写代码逐帧渲染后用 ffmpeg 合成。配乐采用五声调式，乐器从骨笛、编钟演进至管弦，BPM 随年代加快，画面在宣纸白描与玄底泥金两种画风间交替，并搭配书法关键词、线稿和朝代 HUD。
#多模态
#多模态
今日 16 条公众号：宝玉AIAI 评分4343
AWS Machine Learning BlogAI 评分3939 如何在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
Amazon SageMaker HyperPod 结合开源 RL 框架 SkyRL，可对 Qwen3-VL-8B 视觉语言模型开展 GRPO 多模态强化学习训练。
MIT Technology Review · AIAI 评分6060 美国五角大楼申请 3030 万美元开发 AI 测谎系统 Polygraph+
美国国防部预算申请提出未来 5 年投入 3030 万美元，由 DCSA 推进 Polygraph+ 或 Polygraph Next，用 AI、机器学习评分算法和非接触式 standoff sensing 改造联邦测谎与可信度评估技术。
公众号：小林codingAI 评分7272 OpenAI GPT-6 Sol 上线，作者实测对比 GPT-6 Astra 的生成效果与额度消耗
OpenAI 上线 GPT-6 Sol，并将推出 GPT-6 Luna；作者称 Sol 面向日常高强度任务，API 价格为 GPT-6 Astra 的五分之一，Luna 价格低于 DeepSeek V4.1 Flash 的闲时非缓存价。
Google ResearchAI 评分5757 Google Research 提出长视频连贯生成多智能体框架 Co-Director、CANVAS、A²RD 与 VQQA
Google Research 发布面向连贯长视频生成的研究套件，包含将在 COLM 2026 发表的 Co-Director、将在 EMNLP 2026 发表的 CANVAS，以及 A²RD 和 VQQA。
Krea@krea_aiAI 评分4747在 Krea Agent 中推出自定义应用。 构建按你想要的方式工作的创意工具。角色工作室、3D 查看器、动效。只需描述这个应用。 了解更多 + 示例见下方 👇
Google DeepMind精选AI 评分7171 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，为 Gemini 3.8 Live 增加近实时视频数字人形象，并已在 Gemini Enterprise 中可用。
推荐理由：官方说明了实时数字人、异步工具调用、97 种语言和企业版可用性，便于评估其在客服与交互式引导中的接入方式。
公众号：欧巴聊AIAI 评分7272 Opus 5.5 实测：编码生成游戏、动画与 3D 场景表现评测
作者实测 Anthropic Opus 5.5，认为其具备 Fable 5.1 的性能且价格更低，输入和输出分别为每百万 Token 4 美元和 20 美元，较 Opus 5 降价 20%，缓存读取成本降低 60%，官方称输出速度提升 30% 以上。
Hugging Face BlogAI 评分5757 Liquid AI 发布 LFM2.5-VL-DSpark 实验性视觉语言草稿模型
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过推测解码在不改变输出质量的前提下提升推理速度。草稿模型约 280M 参数，使部署参数量增加 8.9%；端侧解码最高加速 3.13x，H100 最高加速 2.66x，端到端最高提升分别为 2.62x 和 2.27x。
Ars Technica · AIAI 评分6868 Meta 发布无摄像头 Ray-Ban 眼镜并推进 Muse AI 助手落地眼镜端
Meta 发布一款无摄像头、仅通过音频交互的 Ray-Ban 眼镜，并推出多款新镜框和更便宜的 Meta 眼镜系列；Muse 助手将很快登陆其眼镜。Meta 还发布售价 1300 美元、明年春季上市的新型 VR 眼镜，重量比 Quest 3 轻 5 倍。
Latent SpaceAI 评分2727 Meta Connect 2026：Muse 眼镜、语音、视频与 Charm
Meta 在 Connect 2026 上展示个人智能体 Muse 的语音、实时视频、Muse Mail、Mac 电脑操作和 1,500+ 应用连接器，并宣布其将登陆全部 Meta 眼镜。
公众号：宝玉AIAI 评分2828 用 Opus 5.5 重做牛来版《桃花源记》v2.0
作者使用本地 Claude Code 搭配 Opus 5.5 重做了牛来版《桃花源记》v2.0，项目仍基于 three.js 实现。此次并非单次提示词生成，而是经过多次反复打磨，并让模型搜索免费 3D 模型以避免从头建模，效果较此前用 GPT-6 Astra 制作的版本有所提升。
AWS Machine Learning BlogAI 评分5757 AWS 教程：用 Strands Agents 构建可自然语言问答的智能体视频分析方案
AWS 介绍了一套基于 Strands Agents SDK、Amazon Bedrock、Amazon Rekognition 和 Amazon Transcribe 的智能体视频问答架构，由 AI 智能体在运行时决定调用转录、视觉分析或 Amazon Bedrock Data Automation。
Latent SpaceAI 评分5050 Radical Numerics CEO Eric Nguyen：生物安全正在成为 AI 军备竞赛
Radical Numerics 联合创始人兼 CEO Eric Nguyen 在 Latent Space 访谈中表示，基因组语言模型正在提升生物能力，也让生物安全进入攻防竞赛，防御方目前处于落后位置。
Runway@runwaymlAI 评分1818
elsewhere：文章（RSS）AI 评分6262 千问办公发布企业上下文与 QwenNote A2，推进企业内 Agent 协作
千问办公在云栖期间发布企业上下文、QwenNote A2 和协作功能，试图把企业分散在群聊、文档、知识库中的信息连接并压缩成 Agent 可用的结构化上下文。QwenNote A2 由钉钉 A1 录音卡片升级而来，默认不录音，音频在云端完成 ASR 转写后删除；企业上下文还依赖面向全模态理解的 Qwen3.8-Omni-Flash。
Latent Space精选AI 评分8686 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 和 Luna
Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，称多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并已成为 Claude Code 和 Claude 应用默认模型。
推荐理由：汇总了 Claude Opus 5.5 与 GPT-6 Sol、Luna 的定价、基准和实际使用反馈，可用于比较同日模型更新的成本与能力取舍。
NVIDIA BlogAI 评分4343 NVIDIA 与合作伙伴在新加坡 AI Day 展示东南亚 AI 进展
NVIDIA 在新加坡 AI Day 上与合作伙伴展示东南亚地区 AI 部署进展，重点推动公共部门从试点走向生产。新加坡 HTX 将使用 Nemotron 3 Super 与 Nemotron 3 Nano Omni 研究公共安全 AI，多国企业和机构也基于 Nemotron、NeMo、Cosmos 等开发本地化模型与智能体应用。
Latent Space精选AI 评分7777 小米发布 MiMo-V2.6-Pro 1T-A42B 开放权重全模态模型，RL 训练约耗 $3M
小米发布 MiMo-V2.6 系列原生全模态模型，其中 MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数，Artificial Analysis Intelligence Index 得分为 46。
推荐理由：汇总了 MiMo-V2.6-Pro 的参数、成本、开放内容和 RL 训练细节，可用来理解开放权重模型逼近前沿能力的路径。
elsewhere：文章（RSS）AI 评分7070 阶跃 Step 5 Preview 实测：金融与数据可视化表现突出，游戏资产和长上下文仍有短板
阶跃星辰发布 Step 5 Preview，总参数量 600B、激活参数 27B，支持视觉输入，官方称单任务成本为 Claude Opus 5 的 1/8，并宣称在 Artificial Analysis 上进入全球开源前三。
公众号：数字生命卡兹克精选AI 评分8585 小米 MiMo V2.6 发布并全面开源，作者实测认为其兼顾性能、价格与速度
小米发布 MiMo V2.6，包含 Pro、Flash 和 Pro-UltraSpeed 三个版本，Pro 与 Flash 模型权重已在 Hugging Face 开源。
推荐理由：文章把 MiMo V2.6 与同日发布的 Grok 4.7 放在性能、价格和速度维度对比，并给出作者实际工作流迁移经验。
elsewhere：文章（RSS）AI 评分5858 华超神控完成2亿元Pre-A轮融资，云启资本与红杉中国联合领投
非侵入AI脑机接口公司华超神控完成2亿元人民币Pre-A轮融资，由云启资本与红杉中国联合领投，成立至今累计融资近3亿元。资金将用于产品研发、核心人才引进、临床研究推进和AI基础设施建设。公司以低强度经颅聚焦超声写脑、fUS/EEG/fMRI/PET多模态读脑和AI神经解码形成闭环，布局科研、临床、科技三条产品线，闭环超声脑机系统计划在27年Q1进入临床。
NVIDIA BlogAI 评分5252 NVIDIA Halos 推出面向物理 AI 规模化部署的全栈安全系统
NVIDIA 发布 Halos，称其为面向物理 AI 的全栈安全系统，覆盖硬件、操作系统与中间件、AI 模型、仿真验证和部署生命周期。
公众号：欧巴聊AIAI 评分7575 阶跃星辰 Step 5 Preview 实测：多模态、编码与办公任务表现及成本解析
阶跃星辰 Step 5 Preview 被实测验证可完成多模态生成、网页复刻、代码修复和办公文档任务，并以较低单任务成本进入 Artificial Analysis 开源模型前列。
elsewhere：文章（RSS）AI 评分4242 百曜科技联合《麻省理工科技评论》发布 AIVC 深度研究报告
百曜科技联合《麻省理工科技评论》中国团队发布 AIVC 技术趋势、产业生态与应用前景研究报告，将 AIVC 定义为 AI 时代生命科学的新型基础设施。报告梳理了 AIVC 技术路线与产业格局，提出模型竞争转向泛化能力、私有数据成为关键要素、干湿闭环成为产业化门槛三大趋势。百曜科技今年 6 月发布基于 LLM-JEPA 架构的 AURA CellOS，并布局数据工厂与干湿闭环。
公众号：小林codingAI 评分7575 阶跃 Step 5 Preview 发布并完成首批实测
阶跃发布旗舰模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、每个 Token 激活 27B 参数，支持 1M Token 上下文窗口和视觉输入。
公众号：AI异类弗兰克AI 评分5757 形界智能发布 Genesis-1.0 视频双工模型，支持 24 小时持续互动
形界智能发布视频双工模型 Genesis-1.0，主打开放环境中的实时、持续角色互动和世界状态维护。模型将 Genesis-1.0-Brain 与感知渲染层解耦，Brain 负责语言风格和 MCP 调用，视频双工层负责感知用户与渲染动作、表情；官方称端到端画面延迟最佳 1.2 秒，最大稳定生成时长 24 小时，定价为 0.003 美元每秒。
公众号：宝玉AIAI 评分6767 用 GPT 6 Astra 与 Codex 制作 3D 版《桃花源记》并附可复用提示词
作者用 ChatGPT Pro 中的 GPT 6 Astra 将《桃花源记》制作成可交互的 3D 网页，成品按全文拆成 20 幕，支持连贯体验、逐章慢读和原文白话切换，地址为 https://s.baoyu.io/files/peach-blossom-land-v2/index.html。
公众号：赛文乔伊AI 评分5858 Violoop 推出自进化桌面 Agent 硬件，Kickstarter 20 小时筹款破 100 万美元
Violoop 推出通过 HDMI 抓取画面、USB 模拟键鼠的桌面 Agent 硬件，并宣布完成亿级天使及 Pre-A 轮融资。设备内置 26TOPS 端侧算力芯片，采用端云分工，围绕长期记忆、工作方法论沉淀和个人化 Post-training 形成三层自进化。
elsewhere：文章（RSS）AI 评分4343 我在 AI 艺术黑客松用 subagent 改编《The Album》做实时互动游戏，却没能成功开屏
作者在超级发电站主办的 AI 艺术黑客松上，基于麦浚龙与谢安琪的概念专辑《The Album》制作了一款 2.5d 等距视角实时互动游戏 demo。游戏由剧本、独立 subagent 演员、导演程序和预制美术资产构成，玩家可自由输入与角色互动并推动剧情走向不同方向。受 token、服务器限制，demo 目前仅能有限开放，需邀请码体验。
elsewhere：文章（RSS）AI 评分5454 对话深朴智能首席科学家王家伟：通用大模型之外，具身智能仍需快速动作模型
深朴智能首席科学家王家伟在播客访谈中表示，通用大模型会承担更多理解与规划，但机器人在杯子打滑等动态场景中仍需毫秒级反应的 Action Foundation Model。
Google ResearchAI 评分5050 Google Research 用生成式 UI 帮助教师创建交互式学习内容
Google Research 发布实验，让教育工作者借助生成式 UI（GenUI）动态生成定制化、有引导的教育模拟交互内容。该研究基于 2024 年发布的教育微调生成式 AI 模型系列 LearnLM，并同步开放 30 多个面向中学物理、化学、生物和数学 STEM 学科的英文示例库，内容由 AI 生成并经教师审核。
公众号：AI异类弗兰克AI 评分4545 Violoop 桌面 Agent 完成亿级融资，Kickstarter 上线 20 小时筹款破百万美元
Violoop 桌面 Agent 产品完成亿级融资，在 Kickstarter 上线 20 小时筹款突破 100 万美元，一天出头获近 2000 位支持者。该硬件通过 HDMI 采集屏幕、USB 模拟键鼠接入现有电脑，让 AI 像人一样看屏操作，无需软件开放 API。产品端侧具备 26TOPS 算力，配独立安全芯片，发送、支付等不可逆操作须按实体按键确认。
公众号：赛文乔伊AI 评分5252 实测 Doubao-Seed-2.1-pro-0915：用 Coding Agent 搭建火星度假村全栈项目
作者实测 Doubao-Seed-2.1-pro-0915，围绕火星度假村完成 SpaceX 风格官网、深空航行页、Three.js 3D 火星车游戏、全息指挥中心和 Olympus Mart 电商系统五个案例。
公众号：苍何AI 评分6262 实测豆包 Seed-2.1-pro：复刻桌面换装视频并制作 3D 吃豆人小游戏
作者实测豆包 Seed-2.1-pro 的多模态 Coding 能力，先用其解析爆款桌面换装视频的分镜、人物和服装细节，再配合 Doubao-Seedance-2.5 生成并多轮优化视频。
elsewhere：文章（RSS）AI 评分4747 对话深朴智能首席科学家王家伟：24 岁从大模型转向具身智能
24 岁的深朴智能（Simple AI）首席科学家王家伟从大模型前沿转向具身智能，认为通用大模型负责理解与规划，机器人仍需快速反应的动作模型。深朴智能布局 HiFi-UMI 数据、具身基础模型、Agentic OS 与本体，开源 2,000 小时数据，模型已出现一定 Zero-shot 泛化。播客还围绕 GPT-6 Astra、GEN-1.5、π0.7 等前沿工作展开讨论。
NVIDIA BlogAI 评分4545 曼彻斯特大学利用 NVIDIA Earth-2 预测英国全境空气污染
曼彻斯特大学与 NVIDIA 合作，基于 Earth-2 CorrDiff 和 StormCast 生成式模型构建英国全境空气污染预测模型，分辨率达 2-3 平方公里。模型在搭载 5,448 颗 GH200 的 Isambard-AI 超算上以单节点训练两天完成，推理可在桌面级 DGX Spark 上运行。团队计划开源训练数据与工作流，未来支持政策情景模拟、医疗预警及智能体交互查询。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率与高复杂度多步推理任务。
推荐理由：官方同时给出两款实时语音模型的定位、基准成绩与 API、企业版和消费端开放路径，便于判断语音智能体落地选择。
公众号：苍何AI 评分5353 用 GPT-6 与 Hyper3D MCP 制作 3D 个人网站的实操教程
作者用 Codex、GPT-6 Astra 和 Hyper3D MCP 搭建了可探索的 3D 个人网站「苍何的小宇宙」，并分享完整制作流程。教程覆盖在 Codex 中配置 Hyper3D MCP、通过 Rodin 生成 GLB 模型、批量制作小精灵与建筑资产，以及用 BANG 拆件后在 Blender 中绑定骨骼和制作行走动画。
NVIDIA BlogAI 评分4747 费城儿童医院如何用 NVIDIA 开源 AI 加速儿童心脏建模与护理
费城儿童医院基于 NVIDIA 联合创立的开源医学影像框架 MONAI，将 CT、MRI 和 3D 超声图像在数秒内生成精确心脏模型，原本需熟练研究人员 4 小时的流程已可用于常规临床。其还借助 NVIDIA Warp 与开源物理引擎 Newton，把心脏器械模拟从最长 4 小时缩短至近实时；美国已有 20 多家儿童医院开展心脏建模项目。