Full Value Dan@fullvaluedan来源AI 评分5858#多模态
- Full Value Dan@fullvaluedan来源AI 评分5858
知乎 · AI 游戏文章来源AI 评分5555 米哈游项目组联手清北高材生，开源 游戏 操作 AI 模型：字节也做过
结硬寨，打呆仗。 文/托马斯之颅&王丹 10月22日晚，GitHub突然出现了一个挂着米哈游、清华大学、中国科学院大学和香港大学Logo的开源项目，大标题赫然写着Scaling in Games，这把大家吓了一跳——难道米哈游悄悄搞了个大动作？ 葡萄君仔细查看了项目介绍，发现事情倒是没那么大。根据论文作者信息，这大概率是崩坏项目 AI 研发团队（miHoYo Honkai AI R&D Team）中的几位实习生联合发布的研究成果，未必是米哈游公司层面的战略级研究项目。论文目…
두디 Doodi@doodi_dev来源精选AI 评分7171推荐理由：推文列出了一套把单张照片转成带音效 3D 场景的 Claude 技能及其依赖条件，可作为关卡原型工具选型的参考。
Scenario 官方更新一手来源AI 评分2626 新模型：FLUX.3 Max 图生视频、关键帧生视频与文本
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…
IGN 中国 · 游戏行业动态来源精选AI 评分8585 谷歌AI独立通关了《我的世界》
总共花了27小时 Updated: 2026年10月20日 10:11 谷歌研究人员发表论文称，4个谷歌Gemini 4 Argon AI智能体刚刚在没有任何人类协助的情况下通关了《我的世界》。它们花了27个多小时击败末影龙，据信这是全球首次。 当然，这可不是跑到末影龙面前射几箭那么简单。在《我的世界》中，玩家要前往末地并击败末影龙，必须先完成一连串考验。 玩家得先收集末影珍珠、末地烛，合成末影之眼，再去寻找要塞并解开谜题。这需要刷取不少资源，还得从《我的世界》的基础工具起…
推荐理由：论文给出多智能体在长时程任务中的协作、分工与失败恢复细节，可观察自主智能体的实际边界。
知乎 · AI 游戏文章来源精选AI 评分8888 何恺明团队VISTA：给 AI 一套“视觉外骨骼”，让Opus 5玩 游戏 从40.68分直冲满分
玩一款没有教程的新游戏，难点常常是逐步摸清规则：点过哪里，画面发生了什么变化，刚才不起眼的标记，是否后来才显出作用。对于多模态智能体，这也意味着一项能力：需要时，能够重新查看已经见过的画面。 最近，MIT 何恺明团队提出的 VISTA，将这种“回头看”的能力做成了模型与环境之间的交互框架。它保留原始视觉记录，让模型自行选择回看时间、画面区域和细节尺度。在 ARC-AGI-3 的 25 个公开游戏上，搭配 Claude Opus 5.0 和 GPT-5.6 Sol 的系统都完…
推荐理由：逐级消融实验拆开了视觉记忆、主动检视与像素读取各自的得分贡献，可看清框架收益来自哪一层。
📅 ThursdAI - live 8:30am every Thu@thursdai_pod来源AI 评分1818
游戏客栈x爆款时代一手来源AI 评分1515 《阴阳师》十周年典藏皮肤返场，重回iOS畅销周榜
《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。
Scenario 官方更新一手来源AI 评分3232 新模型：OmniHuman 2、Meshy T2.5、Krea 3 及更多
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…
触乐 · 游戏文化与开发访谈来源AI 评分4242 触乐本周行业大事：小鸟播报！《塞尔达传说：时之笛》重制版公开新预告，育碧拟关闭“特技摩托”系列开发工作室
大家好，我叫李苹果，是一只小太阳鹦鹉。我的人类室友是触乐的编辑，她用一片苹果“贿赂”了我，让我帮她写本周的游戏行业大事。 游戏是什么？室友说，人类捧着手机、对着电脑戳戳点点时就是玩游戏，就像我玩球和荡秋千一样。 说起来，最近天气渐渐转凉，那些会发光的板子倒是越来越暖和了。我经常飞过去蹲在上面暖暖脚，人类总把我挪到一边，嘴里还嘀咕着什么“怎么又这么烫了”、“真得换电脑了吧”……真是不解鸟意！ “果果，你还在说什么，不是答应了要帮我干活的吗？” 哎呀，差点忘了正事。接下来，就由…
Latent Space来源AI 评分3030 Latent Space 试播新节目 High Taste Testers，首期盘点 Muse Spark Open 等 AI 动态
Latent Space 试播新节目 High Taste Testers 第 1 期，以旧金山午餐闲聊的形式盘点 10 月 15-16 日的 AI 动态。Meta 开源 MoE 模型 Muse Spark Open，816B 总参数、42B 激活，1M 上下文，Artificial Analysis 智能指数 39，为美国开源权重模型最高分。
量子位 · AI技术与应用来源AI 评分7171 刚刚，Gemini 4终于来了：谷歌重回御三家，API限时半价
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-10-16 13:04:59 来源： 量子位 谷歌就是季节性气候模型公司 henry 发自 凹非寺 量子位 | 公众号 QbitAI 要我说，谷歌就是季节性气候模型公司，天气凉了，旗舰也就熟了。 刚刚，Gemini 4 Argon正式面向…
TechCrunch · AI来源AI 评分3535 Elorian 首个 AI 模型 Glimpse 希望用图像推理，而不只是关于图像推理
Elorian 周五发布首个模型 Glimpse，TechCrunch 获悉，其以研究预览提供 API，可反复查看图像与视频帧。公司称输入 0.60 美元/百万 token、输出 3 美元/百万 token，评测称其在科学图表推理和短视频字幕上超过 GPT-6 Astra。
Hugging Face Blog一手来源精选AI 评分6161 Granite Switch 4.1 发布：聊天、决策与语音转写共用一个端点
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。
Hugging Face Blog一手来源精选AI 评分8181 Meta 发布开源权重多模态混合专家模型 Muse Spark Open
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。
Scenario 官方更新一手来源AI 评分1818 P-Video 2 Pro Reference 支持视频和音频引导
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。
Manish Kumar Shah@manishkumar_dev来源AI 评分2222
NVIDIA ACE一手来源AI 评分2626 NVIDIA Nemotron 3.5 Super VL 以多模态推理赋能专业智能体
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
Scenario 官方更新一手来源AI 评分5858 新模型：Mirelo SFX 2.0 文本转音频、视频转音频与视频转视频
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…
触乐 · 游戏文化与开发访谈来源AI 评分6060 米哈游生活模拟游戏终测，有了最有活人感的AI
“眠土豆来啦？一起听故事。” 这里是《星布谷地》星空街市的咖啡馆。我刚推门进入，老板娘娜洛便热情地叫出我的名字，接着她又转身继续回应吧台前的玩家：“后面发生了什么事？” 客人正在给娜洛讲恐龙如何与灵长文明相互交替的故事。新客人不断加入，“野咖啡”变得更加热闹，新话题也不停蹦出，娜洛总能迅速回应。期间，她随口说起一名玩家常点的咖啡，转身问我：“还是点之前的火山灰翼吗？” 娜洛还记得我第一次点的咖啡 我有些惊讶，她竟然还记得我几天前点的咖啡，而且这还是一对多的对话场景。 这是《…
Google DeepMind一手来源精选AI 评分6969 Gemini 4 Argon：专为解决你最棘手的问题而打造
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。
AIHOT · AI行业动来源AI 评分5454 Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型
Google Blog：AI · 2026-10-14 00:00 · 22 小时前 精选 AI 评分 88 Gemini 4 Argon: Built to solve your hardest problems AI 导读 Google 发布 Gemini 4 Argon，面向开发者、企业、科学家和消费者全球开放，可经 Gemini API、AI Studio、Google Antigravity。 推荐理由 官方发布带来定价、1M token 上下文、基准成绩和多领域…
Latent Space来源AI 评分4949 Meta 发布 Muse Wonder 与 Muse Wonder Full：MSL 的 Claude 5.5 级前沿模型
Meta Superintelligence Labs（MSL）发布 Muse Wonder 与 Muse Wonder Full，后者在 Artificial Analysis 的 Intelligence Index v4.3 得 56，Wonder 得 52。
量子位 · AI技术与应用来源AI 评分6565 何恺明团队发布多模态Harness框架
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-10-11 16:59:06 来源： 量子位 多模态模型的视觉原生Harness，来了！ henry 发自 凹非寺 量子位 | 公众号 QbitAI 多模态模型的视觉原生Harness，来了！ 最近，何恺明团队在最新论文《VISTA: A…
Techmeme@Techmeme来源AI 评分5454arXiv · AI游戏论文一手来源AI 评分3636 LeCuration：一个微型世界模型作为数据策展多功能工具
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…
World Labs · 空间智能与世界模型一手来源精选AI 评分6464 Atlas：面向空间智能的世界模型
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。
decart · 交互世界模型一手来源AI 评分5858 Lucy 2.5：提升实时 AI 的标准
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…
World Labs · 空间智能与世界模型一手来源AI 评分4242 世界模型的功能分类法
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…
nunu.ai · 游戏测试智能体来源AI 评分6262 认识 William：在真实设备上测试游戏与应用程序的最佳 AI 智能体
向 William 问好 👋在真实设备上测试游戏和应用的最佳 AI 智能体。William 旨在解决一个问题：人们每天要花费无数小时在手机上点按按钮、对移动游戏进行试玩测试、跨应用开展调研，以及做其他没人愿意做的手动工作。我们认为这是一个值得解决的问题。我们打造了 William，以一种自然得多的方式，把这项工作从你的肩上卸下来。那么，William 是什么？William 是由 nunu.ai（也就是我们！）打造的 AI 智能体，它能像人一样操作真实设备（手机和 PC）。…
网易伏羲 · 游戏行业动态一手来源AI 评分1414 人工智能之模型与理论：驱动智能涌现的核心引擎
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 · 游戏智能体一手来源精选AI 评分6262 超参数科技发布游戏智能体COTA，由大模型驱动并可达百毫秒级响应
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。