Google 发布 Gemini Omni 1.2 Flash:15 秒视频生成,降价 30% 至 $0.07/秒
Google 发布 Gemini Omni 1.2 Flash,在 Gemini API 和 Gemini for business 全面开放。新模型原生支持最长 15 秒视频生成(此前为 10 秒),支持多轮对话编辑和更强的参考图一致性,价格较 1.1 下降 30% 至 720p 视频 $0.07/秒。
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。
Google 发布 Gemini Omni 1.2 Flash,在 Gemini API 和 Gemini for business 全面开放。新模型原生支持最长 15 秒视频生成(此前为 10 秒),支持多轮对话编辑和更强的参考图一致性,价格较 1.1 下降 30% 至 720p 视频 $0.07/秒。
AI 工作室 Fable 制作的电影 Gods Don't Give Gifts 宣布 Grimes 加盟,她将为影片提供肖像和配音演出。该片被称为首部进入院线的 AI 电影,定于 12 月 4 日上映,由 Jack London(网名 Gossip Goblin)执导,讲述四个关于意识商品化的互连故事。
OpenAI 发布网络安全模型 GPT-6 Cyber,称其更擅长发现漏洞且更不易越界攻击其他平台,测试中越界率从 GPT-5.6 Cyber 的约 5% 降至 1% 以下。
Reflection 发布博文,讲解其开源权重模型 Beam 的安全训练与评估方法,并推出开源安全研究计划 Project Iris。
OpenAI 推出 Private Safety Processing,让 OpenAI 为安全目的审查相关 API 请求,同时不留存你的提示词或响应。记录保留在用户自己的环境中,由自动化安全智能体审查,OpenAI 人员无法访问相关内容。
SemiAnalysis 发布 GDPx 基准,将 AI 智能体放入模拟知识工作环境,206 个任务覆盖芯片设计、网络安全、法律等 11 个领域,没有模型超过 12%。
Linear 发布 Mobile Diffs,让用户在手机 App 内完成代码审查全流程。Guided Reviews 会把 PR 拆成多个部分,先说明改动内容与原因,便于在手机上分段审阅大型 PR。该功能已在 App Store 和 Google Play 的最新版 Linear 应用中上线,审阅状态与桌面端同步。
Runway 发布新研究《Runway Characters: Serving a 57B Video Diffusion Transformer for Real-Time Conversation》,讲解如何让约 57B 参数的自回归视频扩散 transformer 以 24 fps 支撑可对话的实时虚拟角色。
Mustafa Suleyman 表示对特拉华州允许 AI 智能体经营企业的提案深感担忧,认为应非常谨慎。该提案拟设立名为 Delaware AIC 的独立法律实体,其日常事务由 AI 智能体而非人类管理,可依智能体指示以自身名义起诉应诉、持有和处置财产并承担债务。
Microsoft AI CEO Mustafa Suleyman 转发并推荐 Planet AI 应用正式全面开放(generally available),称自己试用后觉得非常酷,并向 @Will4Planet 和 Planet 团队表示祝贺。
Jim Fan 发布 VFlash 视觉模型,面向 Physical AI 并行解析视觉世界,在 Jetson Thor、DGX Spark 等边缘 GPU 上实现最高 12 倍更快的动作解码和 5.1 倍整体机器人推理加速。它一次性输出完整几何形状而非逐 token 解码,3D 轨迹误差最多降低 61%,精度甚至超过 VLM 主干。论文与代码均已开源。
知了/Cicada 是一款开源会议纪要和同声传译软件,支持实时字幕翻译、飞书级纪要生成、说话人识别等功能,已获支付宝免费额度支持。
Databricks 与 Linux Foundation 于 2026 年 6 月 10 日宣布 Delta Sharing 演进为 OpenSharing,一个 Apache 2.0 许可的开放、厂商中立共享协议,扩展到 Volumes、Agent Skills 和 AI 模型等资产类型。
估值 16 亿美元的 AxiomMath 宣布正式验证 Stacks Project,将其约 7,654 页内容转化为约 1600 万行经计算机逐行检查的 Lean 代码。
用户通过 Grok Bot 询问功能,系统自动生成并发送回复邮件,实现信息查询和自动化响应。
推出 Aina,这是一款指环式 AI 设备,允许用户通过拇指轻点授权 AI 智能体动作,实现对设备和应用的无缝控制。
腾讯在预览约两个月后正式发布大语言模型 Hy4,首次支持图像理解和自主操作软件,权重将在未定日期开放,目前可通过 Tencent Cloud、OpenRouter 和元宝使用。
展示了如何利用 Claude Opus 5.5 生成 HTML + three.js 代码,制作无需专业编辑软件的完整动画解释视频。
本条推文宣传 DeepLearning.AI 课程,介绍如何构建语音智能体,Andrew Ng 讨论了语音应用中速度与可靠性之间的权衡。
Microsoft Research 推出 Proof-Driven Development 工具包 PDD Kit,将用户意图转为 Verus 形式化规范,证明智能体代码对每个输入满足规范,无法证明处回退到测试。
Anon 宣布加入 Sierra,其团队专长将用于增强 Sierra 智能体在无 API 网站上的登录、导航和表单操作能力。Anon 专注于让企业级 AI 智能体像人一样安全地使用网页,提供认证与凭证处理、浏览器基础设施、agent harness 和 SDK,融资超过 $13M,服务数百客户,已在银行、医疗和企业软件领域完成数十万复杂生产任务。
Pragmatic Engineer 播客访谈首席工程师 Maude Lemaire,复盘她在 Slack 近八年和 GitHub 应对数据库扩展的经验。
作者提出 SMART-Med,一种基于本地小模型的医学多智能体系统,通过不确定性驱动的选择性协作,在保护隐私的同时大幅降低推理成本,构建了包含 3,477 个带推理链的医学数据集 MedVR-3K。
Notion 一半页面由 Agent 创建,MCP 调用量年增 60 倍,公司启动“building”组织实现 AI 代理转型。
🆕 Le Chonk 提供大脑。Mistral Studio 让它运转起来。 推出托管智能体与应用,以及 Studio 中工作流、企业连接、可观测性和评估的新能力。 更快构建。部署在你选择的地方。保持掌控。 看看能做什么。🧵
Meta 机器人副总裁 Li-Chen Miller 据The Information报道在上海 Fourier 工厂驻场近两个月,合作造出可五指抓取小物件的原型 Max,仅耗时三个月,团队已在开发第二版。
引入 Eon Yukon 作为无服务器数据引擎,专为应对 AI 智能体的海量查询压力而设计,展示了相较于 Spark 和 Flink 在计算资源上的显著节省。
Dropbox 宣布以 3.5 亿美元收购云存储公司 Tigris Data,为其迄今规模最大的收购,预计 2026 年第四季度完成,用于支持面向企业和开发者的 AI 存储平台 DBX Agent Cloud。
Understanding AI 作者 Timothy B. Lee 撰文,借用机器人学中模拟与真实之间的差距(sim-to-real gap)解释为何前沿模型在编程、数学、网络安全进展显著,却难以快速改造律师、建筑等其他职业。
据《Adweek》报道,Anthropic 与美联社达成首份内容授权协议,Claude 可在美国中期选举之夜实时展示美联社选举结果数据并注明来源,财务条款和有效期未披露。Anthropic 此前拒绝此类合作,认为爬虫抓取属合理使用,部分出版商为此屏蔽其爬虫;OpenAI 已与十多家媒体机构达成类似协议,美联社也是谷歌和 OpenAI 最早的授权伙伴之一。