YouTube Music 上线 AI 生成音乐标注体系
YouTube Music 周三宣布推出新的标注系统，在播放器页面显示歌曲是否由生成式 AI 创作，标注也扩展到 YouTube 主应用，点击可查看 AI 在创作中的具体作用。
#多模态
#多模态
今日 3 条TechCrunch · AIAI 评分5353 Simon WillisonAI 评分5353 llm-gemini 0.35 支持 Gemini 4 Argon，实测 SVG 与基准成本
Simon Willison 为 llm-gemini 0.35 加入对 Gemini 4 Argon 的支持，该模型今日通过 Gemini API 及其 100 美元/月订阅计划开放。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，首发价每百万 input token 2 美元、output token 10 美元，缓存 input 降价 95%。
推荐理由：官方给出 Argon 的定价、1M token 窗口和多项落地案例，读者可据此判断其在长程编码与科研任务上的定位。
雷峰网AI 评分2424 爱诗科技香港办公室正式开幕，落地数码港共建香港AI枢纽
爱诗科技（AIsphere）香港办公室在香港数码港正式开幕，定位为辐射本地企业、政府机构、高校及创作者的AI枢纽，并启动「数智香港·爱诗AI百业共创计划」。开幕现场展示了近期发布的全球首个具备Scaling能力的通用实时世界模型PixVerse R2，支持以自然语言指令实时修改角色状态与叙事分支。公司旗下PixVerse及「拍我AI」覆盖全球177个国家和地区，累计注册用户超1.7亿。
钛媒体AI 评分3636 抖音2026美好奇妙夜：字节AI全军团亮相，世界模型登台
抖音2026美好奇妙夜把字节尚未发布的世界模型搬上舞台，影视飓风Tim用一句话生成可实时互动的三维空间；胡彦斌则与Trae社区创作者用AI Coding做出激光琴弦。晚会大量舞台视觉由Seedance等视频模型辅助生成，Seedance 2.5的动作迁移功能让杨丽萍身后的AI孔雀实时同步起舞。
NVIDIA BlogAI 评分2727 欧洲多城部署 NVIDIA 加速的 AI 智能体提升城市运营效率
EMEA 地区多个城市与软件伙伴正基于 NVIDIA 加速计算、Cosmos 和 Nemotron 开放模型及 Metropolis VSS Blueprint 构建物理 AI 智能体与数字孪生，用于维护预测、城市规划和公共服务。
Latent SpaceAI 评分6767 AI Engineer NYC 大会：Gemini 4 Argon 正式发布与多项评测汇总
AI Engineer NYC 大会次日约两万人参与，Latent Space 汇总了当周 AI 动态。Google 的 Gemini 4 Argon 面向编程、知识工作、企业流程和网络防御全局开放，API 入门价 $2/$10 每百万 token，Artificial Analysis 称 11 月 30 日后将涨至 $4/$20。
Simon WillisonAI 评分7373 Meta AI 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta AI 发布新模型 Muse Wonder 与 Muse Wonder Full，称其为当前最强模型；Artificial Analysis 对 Muse Wonder（Max）的评分与 GPT-6.1 Sol 相当。
TechCrunch · AIAI 评分3131 Flox Intelligence 用 AI 让野生动物远离火车、机场和公路
Flox Intelligence 开发出基于边缘设备的野生动物驱离系统：运动传感器唤醒摄像头，端侧模型识别动物种类后播放对应声音驱赶，并变化响应避免动物产生习惯化。该公司从 KTH 分拆，目前约 150 台设备部署在北美、欧洲和澳大利亚的机场、公路铁路走廊等场景，已累计融资约 500 万美元，正启动 1000 万美元 A 轮，预计 2026 年底营收约 150 万美元。
The Verge · AIAI 评分4040 Mia Goth 代表称 Instagram 放任 AI 生成假图传播"令人无法理解"
Mia Goth 的代表 Christine Tripicchio 向 The Verge 表示，Instagram 上一个带蓝标认证的粉丝账号 miagoth_ 发布了 AI 生成的 Goth 假图，团队已多次投诉要求删除。该账号拥有超百万粉丝，假图被 OK!、People 等媒体当真图报道后广泛扩散，截至周二上午该账号已从 Instagram 消失。
钛媒体AI 评分5555 AI闯入好莱坞：Utopai 如何改写百年规则
钛媒体长文梳理了 AI 原生影视公司 Utopai 在 2026 年 MIPCOM 登台主演讲并官宣与韩国 CJ ENM Studios 合作，安东尼奥·班德拉斯同日宣布出演其 AI 介入的院线片《Cortés》。
钛媒体AI 评分7474 Meta 发布 Muse Wonder，首次对标前沿模型并全面转向付费
10 月 12 日，Meta 发布 Muse Wonder（内部代号 Watermelon），这是 Alexandr Wang 领导的超级智能实验室第二代模型，也是 Meta 首次宣称对标前沿模型，称在编程、金融、法律任务上可比肩 ChatGPT 和 Claude，部分基准超过 Claude Opus 5.5、Fable 5.1 和 GPT-6 Astra。
雷峰网AI 评分3434 其域创新以 62 亿个高斯、150 亿个点云建成全球最大空地一体 3D 高斯模型“闽宁镇”
其域创新（XGRIDS）用 18.6 万张航拍与地面影像、150 亿个雷达点云，在 23.5 平方公里上训练出含 62 亿个高斯椭球的连续 3D 高斯模型“数字闽宁镇”，重建误差优于 2cm。
钛媒体AI 评分2929 AI批量造星，真人明星还有何价值？
今年前8个月全国上线微短剧43万部，其中AI剧占比超过九成，段宴、方桃子、Yuri尤栗等虚拟角色正沿真人明星路径被批量运营，方桃子账号30天吸粉超40万、商单报价追平千万粉丝级真人博主。AI替代的是标准化内容生产环节，但真人明星真实的人生轨迹、不可预料的人性和线下互动仍难被复刻，明星概念或将因此分层。
Import AIAI 评分3030 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Import AI 476 期聚焦三项研究：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，含 522 道题、288 张图片和 234 段短视频，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
钛媒体AI 评分4040 杨立昆新模型 H-JEPA：反对 Agent，反对 RSI
杨立昆提出分层联合嵌入预测架构 H-JEPA，将多个 JEPA 逐层堆叠，各层在不同时间跨度上预测状态。Visual AntMaze 任务中，单层 LeWM 成功率仅 18%，三层 H-JEPA 达 73%。该架构不用奖励、不用重建，主张向上增加抽象层级而非增加步数，与当前 Agent 和 RSI 路线相反。
The DecoderAI 评分6262 Odyssey 公开发布世界模型 Odyssey-3 研究预览版
美国加州 AI 公司 Odyssey 推出世界模型 Odyssey-3 的公开研究预览版，用户可从文本提示生成可实时探索的交互式环境，开发者可申请 API 接入。
钛媒体AI 评分3939 抱歉，AI眼镜目前仍是个“鸡肋”
AI眼镜出货量高增，但仍缺乏不可替代的核心需求。Counterpoint Research数据显示，2026年上半年全球AI眼镜出货量同比增长263%，其中无显示屏产品占约96%出货份额；Security.org调查中，52%的智能眼镜拥有者看重免手持视频拍摄，选择AI助手的仅40%。文章认为，AI眼镜必须翻越硬件重量、语音交互局限与持续感知隐私三座大山，从概念演示走向日常刚需。
钛媒体AI 评分3535 腾讯推出 Hy 翻译 APP：背靠混元 Hy-MT2，支持 33 种语言互译
腾讯在中秋节前推出 Hy 翻译 APP，背靠混元 Hy-MT2 大模型，已在美国、日本、韩国等 12 个国家和地区上线，主打文字、语音、拍照翻译，支持 33 种语言互译。该应用额外覆盖粤语、藏语、蒙古语、哈萨克语和维吾尔语 5 种中国少数民族语言及方言，并支持语气风格切换和自定义指令。离线方面只下一个包即可覆盖全量 33 种语言，但需占用 1 GB 以上存储空间，目前尚不支持同传功能。
钛媒体AI 评分2626 【数智周报】特朗普政府要求AI公司发生安全事件后立即上报；华为与高通达成广泛专利许可协议；月之暗面据悉即将完成IPO前融资，估值将达500亿美元
Anthropic发布Claude Haiku 5.5，每百万Token输入/输出价格0.10/0.50美元（≤100k tokens），较Haiku 4.5平均降本约75%，OSWorld得分从15.7%升至72.4%，为首款支持可调节性能设置的Haiku模型。
钛媒体AI 评分3737 梅卡曼德上市后首份财报：邵天兰给行业降温，但公司也需证明自己
梅卡曼德以101.7港元发行价上市，超额认购3835倍，但上市首日破发。创始人邵天兰公开发文批评行业靠关联交易制造收入、没有PMF便急于上市。2026年上半年公司收入2.37亿元，其中91.1%来自3D相机业务，Mech-GPT与Mech-Hand预计2026年末规模推出。
雷峰网AI 评分5959 豆包工作新增创作画布功能并接入豆包2.1 Lite模型
豆包工作近期推出创作画布功能，并新增轻量级豆包2.1 Lite模型。画布功能面向复杂创作任务，将素材、设计方案与创作成果集中到同一页面，用户可在一张无限画布上完成各步骤，图片生成后仍可继续修改文字、配色和布局，该功能同时接入全新图片模型Seedream 5.0 Flash，相关Agent可从理解需求、规划方案直到生成图片、视频和成套设计。
Hugging Face BlogAI 评分4949 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，这是一个 1.6B 参数的语音识别模型，重点支持阿联酋方言阿拉伯语，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用同一套权重。
OpenAI NewsAI 评分1212 Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像与电影级视频广告。
雷峰网AI 评分6464 云栖大会观察：阿里下一代 Qwen 与多模态模型路线
雷峰网在云栖大会现场梳理了阿里大模型下一阶段路线：Qwen4 系列即将到来，Qwen4.5 和 Qwen5 计划迈向 5T—10T 参数，而 Qwen3.8 参数为 2.4T、Qwen2.5 旗舰为 72B。
雷峰网AI 评分3232 前腾讯混元视觉大模型负责人胡瀚创业：聚焦多模态，目标估值数亿美金
前腾讯混元视觉大模型算法中心负责人胡瀚的创业项目聚焦多模态，计划融资数千万美元，目标估值达数亿美金，远识资本担任本轮融资 FA。过去一个月已有多家投资机构与其接触，商业化路径上他提出模型未来可出售给大型科技公司，例如 DeepSeek。
爱范儿AI 评分6262 实测 Vidu Q4 Preview：0.09 元/秒的视频模型能演出人物反应吗
爱范儿提前获得生数科技 Vidu Q4 Preview 的访问权限，把它当作试镜演员，用《沙丘》《喜剧之王》《黑神话：悟空》等片段测试人物反应、复杂运镜和特效与场景的交互。
雷峰网AI 评分4343 中科院香港 CAIR 发布多模态临床智能体 CARES 4.0，刘宏斌谈医疗 AI 商业化
中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）在第四届香港具身智能医疗科技论坛上发布 CARES 4.0 多模态临床智能体系统，依托 Harness 智能体框架与自研 CT、核磁、超声、内镜、脑电多模态医疗基座，从 3.0 的问答工具升级为可自主完成科室报表、全流程辅助诊断和医学科研分析的智能体，已在多家三甲医院落地验证。
雷峰网AI 评分3030 研究了1933篇 IROS 论文，我们看到了机器人学的六项新变化
IROS 2026 共 1933 篇论文进入正式议程，多标签统计显示 Robot Learning / Embodied AI 约 809 篇、Navigation / Planning 564 篇、Perception / Vision 556 篇、Humanoid / Legged 约 213 篇，VLA 相关约 82 篇。
钛媒体AI 评分5050 90后接管国产大模型：刘大一恒、陈宇森、罗福莉、周畅、姚顺雨各掌一摊
2026年9月，阿里确认1993年出生的刘大一恒负责Qwen预训练，1992年出生的陈宇森以千问办公CEO身份首次亮相；小米同期晋升1995年出生的罗福莉至22级，其负责的MiMo-V2.6-Pro在Artificial Analysis以46分位列全球开源权重模型第一。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，把文本、图像、音频、视频统一映射到同一嵌入空间，基于 Gemma 4 架构，参数 740M，采用 Apache 2.0 许可，面向端侧推理。
推荐理由：官方给出参数量、模块化设计与存储压缩细节，读者可据此判断端侧多模态检索的落地成本。
The DecoderAI 评分6363 Google 推出 Playground，用文本输入生成游戏
Google 发布浏览器端 AI 平台 Playground，美国成年人用文本输入即可创建游戏，无需编程，可反复与 AI 调整规则、物理、角色和环境并即时测试。
TechCrunch · AIAI 评分6464 Google 上线新 SynthID 网站，可识别 AI 生成的图像、视频和音频
Google 上线新网站，任何人都可以借此验证一张图片、一段视频或一段音频是否由 AI 生成。此前该工具只开放给部分记者、媒体从业者和研究人员测试，如今面向所有人开放，支持 JPG、PNG、GIF、MP4、MOV、WEBM、WAV、MP3 等图像、视频和音频格式。
Ars Technica · AIAI 评分6565 Google 推出改进版 SynthID 检测器，已全球开放使用
Google 宣布其 SynthID 检测器现在支持所有合作伙伴的水印，并已通过新网站 SynthID.com 向所有人开放使用，不再需要借助 Gemini 查询。
钛媒体AI 评分3838 谁在捧杀 Utopai X？后训练模式下的估值争议
美国评测机构 Artificial Analysis 的文生视频榜单显示，Utopai X 以 1150 分位列全球第二、仅次于 Wan 3.0，但榜单标注其"based on MiniMax H3"，即对 MiniMax H3 后训练而非从零自研。
雷峰网AI 评分4242 Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，为榜单唯一 AI 3D 公司
Meshy 入选 a16z 首份"消费级 AI 应用月收入 Top 50"榜单，位列第 31 名，是榜单上唯一的 AI 3D 公司，与 OpenAI、Anthropic、Canva 等共同上榜。
The DecoderAI 评分7070 Google 发布图像模型 Nano Banana 2.1，价格约为上代一半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，并称其在各方面均有提升。价格约为上一代的一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分。
The DecoderAI 评分6464 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，参数量 740M。Google 称其在多模态嵌入基准上超越参数量最高达其两倍的竞品，在 Massive Text Embedding Benchmark（Code）上得分 78.68，比前代 68.76 提升近 10 分。
Simon WillisonAI 评分2828 Claude Opus 5.5 能否作曲？Simon Willison 用文本格式音乐实验测试
Simon Willison 让 Claude Opus 5.5 设计简单的文本音乐格式并构建可播放的 artifact，要求达到《猴岛小英雄》原版配乐水准，结果意外地更贴近猴岛主题且质量相当不错。他推测文本模型作曲能力可能像近几个月出现的 3D 图形能力一样是新增技能，但是否为全新能力仍需用其他新旧模型做实验确认。
TechCrunch · AIAI 评分7272 Mistral 发布 1T 参数新模型 Mistral Large 4
法国 AI 实验室 Mistral AI 发布 1T 参数大模型 Mistral Large 4，绰号 Le Chonk，定位为闭源与中国开源模型之外的欧洲方案。