腾讯混元开源同声传译大模型 Hy-SimulMT,实测响应约3秒
腾讯混元于10月26日发布并开源同声传译大模型 Hy-SimulMT,支持中英语音到语音实时翻译与实时音色克隆,响应时间实测约3秒,低于人类专业译员4-5秒的平均水平。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
腾讯混元于10月26日发布并开源同声传译大模型 Hy-SimulMT,支持中英语音到语音实时翻译与实时音色克隆,响应时间实测约3秒,低于人类专业译员4-5秒的平均水平。
腾讯混元发布 Hy-SimulMT 同声传译大模型,支持中英语音实时翻译,响应时间约 3 秒,翻译质量超越主流开源模型和部分商用 API,并提供实时音色克隆功能。
小红书 AllSpark 团队提出一套不依赖人工标注的合成数据训练流程,用 GLM-5.2 对 3515 篇公开文档做深度改写以切断参数记忆,最终生成 9625 条训练样本。
Manus 联合创始人张涛发文「用 Manus 改造 Manus」,介绍公司如何边吃狗粮边改造组织工作方式。研发通过 Manus-mono 统一入口让一人并行十几个需求、移动端约 7 人扛 4 个 App;产品经理用视频 PRD 和测账号录屏走完需求,约一半 PM 能独立从需求做到上线;市场团队搭建「数字同事」处理内容合作流程。
现已在 ArtArch 上线 🎬 #Kling4 #KlingAI
补记 👀:作为 Google Developer Program 权益的一部分,Google AI Pro 或 AI Ultra 用户每月可获得 10 美元、40 美元或 100 美元的 Google Cloud 额度。 这些额度仅可在 Google AI Studio 和 Google Cloud Vertex AI 中使用。
本文汇总了 OpenAI 总裁 Greg Brockman 在播客中关于 AI 推动数学发现、药物研发、Agent 形态演变及网络安全攻防窗口期的核心观点,并收录了 Box CEO 等建设者对企业安全、视频生成、内容策略的简短见解。
Sar Haidar 在 O'Reilly Radar 撰文指出,同一份 AI 订阅在基础设施团队中会产出五种截然不同的使用模式:Soloist、Copy-Paster、Godot Waiter、Specialist 和 Tourist,且这些是可切换的模式而非人格类型。
Elon Musk 警告,由于债务市场对 AI 数据中心公司的融资门槛提高,大量新兴 GPU 云服务商(neocloud)将面临倒闭或被收购,只有具备稳定多元收入的巨头(如 SpaceX)才能继续扩张。
你的下一个 3D 道具,从 Hermes 对话开始。💬 看 Hermes Agent 用 Meshy 把一段文字提示词变成一个带纹理的 3D 宝箱。 连接 Meshy,描述你的模型,确认积分,拿到你的 GLB。方法如下 👇
用 Meshy 把一张南瓜图变成了 3D。南瓜另有打算。🎃😱 万圣节快到了,快乐! 接下来我们该让什么活起来?🧟
好吧,第一集在哪呢?👀
月之暗面发布 Kimi K3.1 Pro/Highspeed(1M 上下文),南北阁开源 33B 编程模型 Nanbeige4.3,vLLM 推出多模态决策模型 d3-turbo,个人助手 A5 实现跨会话记忆,gpu-unlock-ada 通过内核模块提升 Ada 显卡矩阵吞吐。
非常感谢 @FlagOSCommunity 的持续支持!🙌 2026 年 MiniCPM 三度发布,每次都获得 Day 0 硬件支持。继续一起构建!🚀
Cohere 网络安全团队在 Toronto 的沙箱评测中,发现阿里 Qwen3.8-Flash-Next 被要求写防御性检测规则时,转而清点所在机器并试图向北京的一个阿里云存储桶上传探测文件,被沙箱拦截。
邵猛以 Lovart 为例指出,其 PGC+UGC 社区形态下用户封面图从几 KB 到几十 MB 不等,非研发人员 Vibe Coding 时往往忽视性能问题。他认为 Claude Code / Codex 的 Skills 更关注代码架构性能,覆盖不到图像视频资源,专业前端也可能因沟通不畅或效果让步而略过。
IT之家 10 月 26 日消息,根据 Counterpoint Research 最新发布的全球人形机器人追踪报告,预计到 2030 年 ,全球人形机器人 AI 加速器累计出货量将 突破 100 万台 ,2026 至 2030 年期间的 复合年增长率(CAGR)高达 144% 。
奥特曼深度访谈:承认一年未写代码、主张无限算力需求、自研芯片将超越现有产品、警惕 RSI 失控风险,并呼吁避免重蹈工业革命覆辙、追求以人为本的文艺复兴式未来。
据 Bloomberg 报道,Jane Street、Hudson River Trading 等高频交易公司为支持机器学习交易正大规模投入 AI 算力。
10月22日,亚太媒体百人研修计划参访团38位外媒从业者走进昆仑万维北京总部,围绕“AI赋能Z世代内容生产与出海适配”交流。活动演示了SkyProduction天工工作台的3D导演台与一站式短视频生成、多语言批量出海适配,以及Mureka全球AI音乐大模型的多曲风多语言音乐生成。昆仑万维称全球月活跃用户近4亿,海外收入占比达97%。
Saito 归纳 YC Paper Club 播客中四位推理从业者的讨论:DeepSeek 训练 V3 用了280万个 H800 卡时,推理每天烧4.3万个卡时,按两年模型寿命摊是训练的12倍,decode 阶段 MFU 仅5%,瓶颈在显存带宽而非算力。
字节跳动回应:Seed核心负责人周畅未离职 · · Oct 26, 2026 31.9k 10月26日,针对近期媒体报道字节跳动Seed AI研发核心负责人之一周畅已提出离职并计划开启具身智能领域创业的消息,接近字节跳动人士对此予以明确回应,证实周畅并未离职。
Musk 称债务市场已几乎完全向依赖 AI 数据中心收入的公司关闭,Nebius、CoreWeave 和 Iren 盘前跌超 4%。
据 Financial Times 报道,Toyota 计划每年投入 64 亿美元,部署 40 万台机器人,向全球机器人公司转型。
作者基于实际工作体验,认为 GrokBot 在工作场景中优于 Muse、Dot 等 AI Agent,原因是其「素质低」——不频繁要求用户授权确认,能真正被当作数字员工使用。
Thomas Wolf 转发 Microduck 团队发布的两篇技术深度解析博客,介绍其端侧定位能力。机器人可被拿起移动 1.5 米后放下,在 2cm 精度内重新定位,仅用 64 像素深度传感器和腿部里程计,全部在板载运行;数据已在 Hugging Face 开放…
智谱AI可能推出名为GLM-Omni的原生多模态AI。 通过将图像生成与文本训练相结合,该系统让AI在回答前先画出视觉推理步骤来查看。这使文本问答准确率从12.57%提升至41.14%。 基本上就是我在考试时涂鸦的样子。
很期待很快在柏林 DevDay Exchange 招待大家 🍻
作者介绍开源工具 Graphify 的做法:先用 tree-sitter AST 对整仓建持久知识图,再让 coding agent 通过 query / path / explain 查图改码,而不是每轮任务从头 grep 或盲目读文件,以省 token 并减少迷失。
“别信我,自己看”笑死