商汤开源 SenseNova 6.8 Code2Video:用代码生成短视频
商汤发布并开源 SenseNova 6.8 Code2Video 轻量级模型,通过生成可执行代码来创作和渲染短视频。模型权重和 Skill 已在 Hugging Face 和 GitHub 开放下载,并附上每条演示视频的提示词与完整生成轨迹;官方称未来将探索视频编辑、动画和 3D 创建。
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。
商汤发布并开源 SenseNova 6.8 Code2Video 轻量级模型,通过生成可执行代码来创作和渲染短视频。模型权重和 Skill 已在 Hugging Face 和 GitHub 开放下载,并附上每条演示视频的提示词与完整生成轨迹;官方称未来将探索视频编辑、动画和 3D 创建。
DIFFUSPACE 推出了总参数 350 亿的开源混合专家扩散语言模型 Clover-35B-A3B-Preview,在智能体编程、通用基准及端侧部署中展现出超越同尺寸自回归模型的性能与生成速度。
面壁智能 OpenBMB 转发 @atomic_chat_hq 的实测演示:1.2GB 的 MiniCPM-OCR 1.0 在 M5 Max MacBook 上以每页约 4 秒的速度处理完 Anthropic S-1 全部 415 页,全程数据不离开本地。
OpenBMB 开源 MiniCPM-OCR 系列模型,把文档解析与 OCR 结果可靠性评估配套提供。MiniCPM-OCR 1.0 是 1.3B 参数的中英文文档解析模型,支持扫描页、拍照文档、倾斜和弯曲页面,可处理表格、公式、PDF 和关键信息抽取,并支持查看 Markdown 源码与预览解析结果;MiniCPM-OCR Jev 是独立模型…
今天,我们推出 Responses API 公开预览版,专为在 Mistral 上构建智能体而打造。 每次响应都会将模型的回答、推理过程和工具调用作为独立条目返回,让你的应用比使用 Chat Completions 更轻松地处理每一步。 它适用于 Mistral 托管的所有聊天模型,包括 Large 4。
OpenBMB 发布 Lookahead Expert Scheduling(LES)推理系统,用于在端侧运行 MiniCPM-V 4.7 的 35B-A3B MoE 模型。
报销工作行程本不该比行程本身还费时。 正因如此,Waymo for Business 现已接入 @tryramp,你的行程收据会自动匹配到对应扣款。 你的行程能自己搞定,现在收据也一样。
面壁智能开源了新一代 MiniCPM-OCR,引入首个 'Jev 版' 架构,通过 '读判分离' 机制将 1.3B 解析模型与 2B 独立质检模型结合,显著提升文档识别的可信度和自动化入库效率。
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏开发的拐点,他用 Claude Opus 5.5 以纯 vibe coding 方式做了四款自己真正爱玩的 HTML/JavaScript 浏览器游戏。
前 GitHub CEO 创办的 Entire 推出面向人和 Agent 协作写代码的 Git 托管平台,用 Trail 代替以 diff 为主的 PR 时间线,每次推送由评审 Agent 在沙箱打分并置顶关键信息。
Anthropic 的 Claude Code 团队通过实施七层检查、多 agent 投票的 AI review、基于风险的审批流程,以及将事故转化为评估数据,成功将代码合并效率提升了一倍,同时将回滚比例降低了四成。
私有基准测试往往显示开源模型落后更多,但私有基准的问题在于,你没有社区帮你压掉那些不可避免的 bug。私有还是开源才是最佳方案,我五五开。
Apple 更新 Creator Studio,沿三条路线推进:将 MotionVFX、Content Hub 素材、Logic 声音浏览等专业内容收进订阅权益。
Kling 4.0 刚刚上线 PixVerse, → 单次生成最长可达 30 秒,无需拼接 → 在多镜头场景中保持角色一致 → 在高速动作和复杂运镜中获得稳定运动 完整提示词见下方
Perplexity CEO 演示用 Perplexity Computer 设计了一个 GTA V 任务:玩家在游戏内手机上 vibecode GTA VI,同时被开发者报警追捕。
🐱 Sir Meowington 已经准备好迎接万圣节了。一位粉丝。一个造型。🎩🔮 看到最后——我们在 Meshy 里为他的帽子建模,并真实地3D打印了出来。看起来太酷了!!😼 这个万圣节你会为你的宠物打印什么?
OpenBMB 转发并感谢 @atomic_chat_hq 的演示:该演示在 M5 Max MacBook 上本地运行 MiniCPM-OCR 1.0,处理 Anthropic S-1 文件全部 415 页,1.2GB 模型约每页 4 秒,数据全程不离开设备。
CMU 11-768: AI Agents 课程发布客座讲座,由 Zhiruo Wang 主讲「AI Agents for Human Work」,讲义见 https://www.cmu-agents.com/slides/2026-10-27-zora-wang.pdf。
开发者基于 OpenBMB 的 MiniCPM5-2B 微调出 System 1 决策模型 MiniCPM5-2B-Jev,输入文档和问题后直接返回预定义选项的概率,不生成自由文本。
MiniMax Code 团队开源了 MCode Stack(github.com/MiniMax-AI/mcode-stack),包含团队日常构建 MiniMax Code 使用的 Agent 工作流和 Skills,可安装为 SKILL.md 插件接入 MiniMax Code 及任意支持 Skills 的 Agent。
Nathan Lambert 发表对基准评测行业的 meta-review,认为开放模型被夸大了衰落,但此前 Artificial Analysis 的指数确实高估了它们。他提出行业需要更具体的智能指数,因为 LLM 被用于差异极大的任务,并附上 Interconnects 长文链接。
TechCrunch Founder Summit 将于 11 月 4 日在波士顿 SoWa Power Station 举办,距开幕仅剩 7 天,门票最高可省 $100。
Artificial Analysis v5 发布,文章讨论基准测试者面临的困境:提升分数虽昂贵但有清晰打法,而在当前 AI 前沿打造有意义的基准却难得多。作者认为,语言模型的独立评估难度被严重低估。
你能看出 @Dimillian 有多兴奋地想给大家展示他的 Duo 和他一直在做的游戏吗?🤣
说实话,Codex 在 Duo 上让我都想买一台了 😄
面壁智能将于 10 月 29 日上午 10:00 直播,由 ForgeKernel 基于 DeepSeek-V4.1 的真实推理负载现场生成、编译并跑分算子,正面挑战 DeepSeek 官方开源的 FlashMLA Prefill。后者运行于 DeepSeek 生产推理栈并驱动 DeepSeek-V4.1,被称为当前手写算子的顶尖水准。
已有许多非常有趣的实验,通过激活开放 AI 模型中的单个神经元,将其锁定在特定人格上。 这里,历史学家 @ResObscura 对一个仅用 1930 年前数据训练的模型尝试了同样的技巧,结果令人愉悦。
The Verge 报道,数据中心建设已成为得州中期选举的核心议题,8 月民调显示 57% 的得州人反对建设数据中心,多个团体组成 We the People Texas 联盟,据称代表多达 100 万选民。
Gemini Notebook 即将获得 Connectors 功能,首批仅支持 Google Drive,用户可直接在聊天中搜索 Drive 文件,也可按需关闭。该连接器会在工作区内检索并读取文档,原始文件保持不变。更多 Connectors 预计后续加入,但上线节奏尚不明确。
独立开发者 Pieter Levels 大规模退订工作软件并提出“软件已死”,主张用 AI 按需生成个人化小工具,文章探讨个人软件时代的机遇、WordCraft 开源挑战 Word 的难度,以及省订阅费与维护成本的权衡。