三款 Black Forest Labs FLUX.3 Max 模型可根据文本提示、静帧或多张关键帧生成最长 20 秒、带原生音频的视频。视频FLUX.3 Max Image to Video：将静帧图像动画化为带原生音频的视频。你可以选择提供最后一帧来设定最终构图。输出最长 20 秒，分辨率为 720p 或 1080p。FLUX.3 Max Keyframes to Video：最多可将 10 张图像固定到特定帧位置，以引导运动。该模型生成 5 至 20 秒、720p 或…
《阴阳师》十周年庆长尾效应持续，上周预估iOS周收入189.3万美元，重回iOS中国大陆地区游戏畅销周榜。10月新版本开放新SSR咲耶，星谕秘境等7个系列14款典藏皮肤限时返场且可用魂玉直接购买。《三国志·战略版》借七周年余热预估周收入273.3万美元，排名大幅提升。
六个新模型涵盖图像生成与编辑、带音频的视频、从视频中提取 alpha 遮罩以及干净的 3D 网格。图像生成与编辑Krea 3：根据文本生成 1K 或 2K 分辨率的高质量图像。当图像质量是首要考虑时，选择 Berry 变体；若追求速度，则选择 Jam 变体。Krea 3 Edit：根据文本指令编辑或组合最多八张图像。可设置可选的高推理级别，用于规划复杂编辑并保持未编辑区域不变。输出为 1K 或 2K 分辨率。视频Minimax H3 Fast：根据文本、首尾帧图像或多模态参…
Granite Switch 4.1 的 8B 和 30B 模型发布，可在单一托管端点中切换聊天、决策和语音转文本任务。
推荐理由：原文给出决策、语音转写与聊天共用一个端点的配置，读者可据此评估多任务模型在 GPU 显存上的取舍。
Meta 发布开源权重多模态混合专家模型 Muse Spark Open。该模型总参数约 816B、每 token 激活约 42B，上下文最长 1M tokens，支持文本、图像、音频和视频输入并输出文本。
推荐理由：原文给出总参数、激活参数、上下文长度和多模态输入规格，并附部署与微调路径，适合评估其作为开源编码智能体的可用性。
来自 Pruna AI 的 P-Video 2 Pro Reference 可生成 5 至 15 秒、480p 或 768p 的视频。它接收文本提示，并利用你的参考图像、视频和音频来引导输出。使用现有媒体来指导生成。上传一张图像、一段源视频或一条音轨，以塑造最终片段。模型会将这些输入与你的提示一并处理，从而对结果实现更紧密的控制。
常驻智能体正在承担更长、更复杂的企业工作流。单个请求可能涉及阅读文档、跨来源核对信息……常驻智能体正在承担更长、更复杂的企业工作流。单个请求可能涉及阅读文档、跨来源核对信息、遵循公司政策以及调用多个工具。NVIDIA Nemotron 3.5 Super VL 是一款面向这些专业化工作流的开放、可定制多模态模型。其 120B 参数混合专家（MoE）架构激活 12B……来源
三个全新的 Mirelo SFX 2.0 模型可根据文本提示生成自定义音效，或直接从视频构建同步音轨。音频与音乐Mirelo SFX 2.0 文本转音频：根据文本提示生成音效。你可以控制时长，并在每次运行中生成多个变体。Mirelo SFX 2.0 视频转音频：生成与视频同步的音轨，并以音频轨道的形式返回。该模型会创建与画面动作相匹配的音效，并可选保留语音。Mirelo SFX 2.0 视频转视频：为视频添加同步音轨，并返回带声音的视频。输出包含同步音效，以及可选的语音保留…
Oct 13, 2026| 我们正为开发者、企业、科学家和消费者提供访问我们最新前沿模型的权限。 您的浏览器不支持音频元素。 收听文章 [[duration]] 分钟此内容由 Google AI 生成。生成式 AI 是实验性的。 本文 专为解决您最棘手的问题而打造 解决复杂工程任务
推荐理由：官方给出多领域基准、工程案例和 API 价格，读者可据此判断其在编码、科研与安全任务中的可用性。
许多物理 AI 的应用运行在有限或封闭的物理世界中，由一组有限的物理定律支配物体行为。例如，在仓库中工作的机器人以及在电子游戏中移动的代理。为了更好地组织、筛选和整理物理 AI 应用的数据，我们提出了一种以各个数据集的独特场景和物理定律为中心的新方法。我们训练了 LeCuration，一个小型世界模型，旨在作为独立的大型下游模型的数据整理工具。为了构建该模型，我们选择 LeWorldModel（LeWM）作为我们的潜在编码器和预测器，并添加了一个扩散 Transformer…
世界模型能够生成、重建并模拟任何可能的世界。 它们理解世界如何呈现、如何运作、如何演化， 从而让我们能够为创意用户渲染想象中的世界， 高保真地模拟真实世界，并帮助机器人规划行动。 在 World Labs，我们构建这些通用世界模型，以追求空间智能。今天，我们正式发布 Atlas，我们的下一代世界模型。 Atlas 是一个全模态模型，我们从零开始预训练，使其能够原生处理 文本、图像、视频和 3D。 它是一个多模态自回归扩散 Transformer： 所有输入都被整合到一个共享…
推荐理由：Atlas 将世界生成、3D 重建与时空仿真统一进单一多模态架构，基准测试中在两项关键任务上均超过专用模型。
2026年7月16日更高质量的编辑、具备物理感知的视觉特效、更强的时间一致性，以及更低的延迟，全部以 30 FPS 实时生成。Lucy 2.5 将实时 AI 编辑推向了前所未有的高度。Lucy 不只是一款更高质量的视频生成模型，更是一个实时系统，能够以 30 FPS 和 1080p 分辨率、近乎零延迟地改变视觉世界。每一帧都实时生成，持续响应运动、光照和不断变化的场景，从不依赖预先渲染的视频。借助 Lucy 2.5，用户可以在视频仍处于实时流式传输状态时，无缝替换角色、更…
世界并非由文字构成在一篇先前的文章中，我们曾论证空间智能是AI的下一个前沿，而世界模型是通往它的道路。在这里，World Labs团队和我想要再深入一层：在众多当前正在构建并被冠以"世界模型"之称的事物中，哪些功能组件真正构成了这种能力——而各自又分别用于什么？语言模型赋予了机器对概念、词汇和推理的非凡掌控力，但物理世界，无论是虚拟的还是真实的，运行在不同的基底之上。语言模型学习的是文本的统计结构，而世界模型学习的是空间与时间的统计结构：光线如何落在一个表面上，一个花园在从…
人工智能之模型与理论：驱动智能涌现的核心引擎 一、引言：智能背后的思想脉络 当我们谈论人工智能时，那些令人惊叹的图像生成、流畅的对话交互和精准的预测决策，都非凭空产生。它们背后，站着一系列深邃的数学模型与理论基础，正是这些理论与模型的演进与突破，构成了人工智能从概念走向现实、从简单走向强大的核心驱动力量。理解人工智能的模型与理论，并非仅是技术专家的专利，更是我们洞察科技发展趋势、把握未来创新方向的关键。它揭示了机器如何学习、如何理解、如何进行决策的内在逻辑。从浅显的线性回归…
超参数科技发布自研游戏智能体COTA，称其为首个完全由大语言模型驱动、具备思维可解释性且实机表现达到真人高分玩家水平的游戏智能体产品。COTA以Qwen3-VL-8B-Thinking为基座，采用指挥官与行动专员双系统分层架构，响应时间最快可缩减至100ms。超参数科技已在官网开启COTA预约体验通道。
推荐理由：文中给出双系统分层架构和SFT、GRPO、DPO训练流程，可了解大模型如何满足实时游戏的时延要求。