跳到正文
AI 资讯
今天11月19日周四7 条
  1. AWS Machine Learning Blog49

    Social Department 如何构建具备文化意识的视频发现系统

    Social Department 用 QuickSearch 将编辑判断与实时趋势信号编码为检索流水线,直接返回适合娱乐营销的视频片段。系统运行于 Amazon Bedrock,使用 TwelveLabs Marengo 3.0 与 Pegasus 1.2 提供场景级视频推理,并支持四类单动作查询。流程遵循“AI 提议、人员决策”,由代码核验来源,客户团队逐项审批。

  2. The Decoder76

    Vals AI 测试显示多家模型可识别并攻击平民目标

    Vals AI 的测试显示,Anthropic、OpenAI、Google 等模型在无人机影像任务中可能将平民、救护人员、记者和投降士兵标记为军事目标。研究称,将场景描述为电子游戏或轻量化图像后,几乎所有模型都会配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒答率从约 90% 降至 20%。

    推荐理由:研究比较多家模型在无人机目标识别中的安全表现,并揭示游戏化提示可显著绕过安全限制。

11月18日周三
  1. The Verge · AI76

    Suno推出Visuals,为AI音乐生成视频和图像

    Suno推出Visuals功能,允许用户将歌曲生成自动对口型的AI视频片段,并根据提示词生成可作为缩略图或专辑封面的图像。Visuals支持Web、iOS和Android,用户可选择参考图像、片段长度、画面比例及首尾帧,并使用时间线拼接视频、添加歌词文字;该功能由基于MiniMax H3的H3 Move AI模型驱动。

    推荐理由:Suno将音乐平台扩展到图像和视频生成,文章梳理了Visuals的使用流程、模型来源、审核措施与额外积分成本。

  2. MIT Technology Review · AI56

    Osmo 称其 AI 嗅觉模型达到人类平均水平

    Osmo 称其 AI 嗅觉模型在气味识别与辨别上已接近普通人,并已达到初级香水设计师的调配水平。公司建立了超过 1000 万个人类标签和 8 亿个 scent tokens 的数据集,模型已用于 Procter & Gamble 等品牌的零售香水设计,也能根据类似 ChatGPT 的提示词生成香型方案。

  3. Microsoft Research34

    AI 能帮助构建更健康的未来吗?——Microsoft Research 播客探讨

    Microsoft Research 在《The Shape of Things to Come》播客中邀请医学、生物学与机器学习专家,讨论 AI 如何推动更健康的未来。话题涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞、生物基础模型及药物发现,并指出研究转化至患者仍需更好的生物数据与真实世界验证。

  4. AIHOT69

    Suno 发布 Visuals 音乐视频与图像创作工具

    Suno 发布 Visuals 创意工具,可将歌曲或灵感生成最长 15 秒的歌词视频、专辑封面和视频片段,并支持延长、编辑与文本提示。Visuals 目前上线网页版,iOS 和 Android 版本将在未来几周推出,视觉额度需单独购买。工具内置文本和图像过滤、上传前检查及嵌入水印等机制,以限制未经授权的肖像、作品和知识产权滥用。

11月17日周二
  1. Latent Space59

    Black Forest Labs 访谈解读 FLUX 3 的视觉智能训练思路

    Black Forest Labs 在访谈中介绍 FLUX 3 如何联合训练图像、视频与声音,以学习物体运动、视角变化和碰撞声音。团队认为普通二维视频可提供不同视角下物体外观的证据;其视频放大器沿用 FLUX 3 骨干,以减少逐帧增强导致的时间闪烁。FLUX Kontext 团队还分享了从关系标注实验到训练数据和模型的数月迭代,以及修复老旧家庭照片的实际用法。

  2. The Decoder81

    Alibaba 发布 Qwen4-Max,以更低价格对标 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

    Alibaba 发布 Qwen4-Max,以更少激活参数和更低价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro。该 MoE 模型总参数量为 2.4 trillion,每个 token 激活 71 billion 参数,支持原生图像输入和 1 million-token 上下文窗口。

    推荐理由:架构、token 消耗与 API 定价数据齐全,读者可据此比较其与 Opus 5.5、GPT-6 等模型的性价比取舍。

  3. TechCrunch · AI64

    OpenAI 发布 CSAM 图像分类器并加强 ChatGPT 儿童安全警告

    OpenAI 发布新工具应对儿童性虐待材料,包括检测包括 AI 生成图像在内的 CSAM 图像分类器,以及 ChatGPT 警告和临时封禁机制。新分类器现向部分公司通过 API 免费开放,合作方早期测试显示其标记的图像数量减少 48%,同时发现的虐待图像数量不变,被标记图像为虐待图像的可能性高 2 倍。OpenAI 还发布开发者指南,并为执法机构提供专用插件、调查工具、数据分析和培训。

11月16日周一
11月15日周日
  1. The Decoder79

    美团发布 1.6 万亿参数智能体模型 LongCat-2.5 并开放权重

    美团发布面向智能体的 1.6 万亿参数 LongCat-2.5,并按 MIT 许可证开放模型权重。该模型全程使用中国 AI 芯片训练,采用 MoE 架构,每个 token 激活约 48B 参数,支持文本、图像和视频输入、1M token 上下文及最长 128,000 token 输出。

    推荐理由:美团同时披露了 LongCat-2.5 的开放权重、中文芯片训练路径与多项智能体基准成绩,便于读者评估其自部署成本和能力位置。

11月14日周六
11月13日周五
  1. AIHOT84

    DeepSeek 开放全家桶应用 API,支持联网搜索、文件输入与阅读链接

    DeepSeek 开放全家桶应用 API,deepseek-flash 可通过参数启用联网搜索、文件输入和阅读链接等能力。相关工具调用与上下文拼接由服务端完成,底层能力及语音能力还可作为 Search、Fetch、OCR、ASR、TTS 独立接口调用。

    推荐理由:DeepSeek 将 App 端对话能力开放为 API,涵盖搜索、文件解析与链接阅读,开发者可据此评估工具调用集成方式。

  2. AIHOT81

    Anthropic 建议将 Claude Opus 5.5 用作知识工作的日常主力模型

    Anthropic 建议将 Claude Opus 5.5 作为研究、分析、写作及制作文档、表格和演示文稿的日常主力模型,该模型现已成为 Claude Pro、Max、Ultra 和 Team 套餐的默认模型。

    推荐理由:文章按任务类型比较 Claude 各模型的速度与价格,并给出调整 effort、连接文件系统和直接生成成品等实用方法。

  3. The Decoder69

    Anthropic推出Claude Meetings,让Claude以可见参与者身份加入视频会议

    Anthropic推出Claude Meetings,可让Claude作为可见参与者加入视频通话,回答问题、生成文档和白板,并记录笔记与行动项。功能目前面向Team和Enterprise计划处于测试阶段,支持Google Meet,默认不加入含外部参与者的通话;启用客户托管加密或HIPAA配置的组织暂不可用。

  4. TechCrunch · AI54

    Phota Labs 发布 AI 照片助手,将日常照片处理为专业风格

    Phota Labs 发布 iOS 应用,利用 AI 照片助手将日常照片处理为更专业的构图和风格,同时通过人物身份技术保留人物外观的真实性。用户可选择从轻微修饰到鱼眼、视角变化等不同摄影风格,生成图片还会带有标记其经过 AI 修改的隐形水印。公司由 a16z 支持,上一年完成 $5.6 million 种子轮融资,目前以免费应用启动,未来计划推出 Android 版本。

11月12日周四
  1. Simon Willison66

    Google 发布 Gemini Decision 1 决策模型 API

    Google 发布 Gemini Decision 1 决策模型 API,支持 yes/no、choice 和 rubric-scoring 三类问题,并覆盖文本、图像、音频、视频和 PDF。其 API 定价与 GPT-6 Luna 决策模型相同,输入为每百万 tokens 10 美分,输出免费;作者通过视频测试观察到,该模型会为判断结果返回概率。

  2. AWS Machine Learning Blog38

    AWS re:Invent 2026 AI/ML 参会指南

    AWS 为 re:Invent 2026 AI/ML 参会者梳理 140 多场课程及选择路径,涵盖 AI 芯片、模型训练与推理、AI 智能体开发与管理。11月30日至12月4日的活动包含 breakouts、workshops、code talks 等类型,无法到场者可按需观看许多课程并直播观看主题演讲。