fal 介绍 MiniMax H3 Image 图像模型
fal 发文介绍 MiniMax H3 Image 图像模型,称其图像质量达到前沿水平且速度出色。该模型支持任意宽高比的原生 16MP 分辨率,并可在约 15 秒内完成 2K 图像编辑。
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。
fal 发文介绍 MiniMax H3 Image 图像模型,称其图像质量达到前沿水平且速度出色。该模型支持任意宽高比的原生 16MP 分辨率,并可在约 15 秒内完成 2K 图像编辑。
fal 宣布 MiniMax 的开源权重图像模型 MiniMax H3 Image 现已在 fal 平台可用。该模型支持原生 4K 图像的生成与编辑,可结合多张参考图,并能精确渲染复杂文字,视觉质量高且生成速度快。
Krea 宣布 Seedream 5.5 现已在 Krea 平台可用。新版本支持对同一图像最多编辑 100 次而不损坏画面,可原生生成透明 PNG,并改进了文字生成效果。
NVIDIA 在 KubeCon 上宣布将用于安全和治理自主智能体的开源运行时 OpenShell 捐赠给 CNCF 作 Sandbox 项目,并参与 Google 发起的 Agent Substrate 项目,支持与 NVIDIA Dynamo 和 KAI Scheduler 集成。
百度发布 ERNIE 5.5 Flash Preview,是基于此前 Base 模型的首个后训练版本,总参数 280B、激活参数 14B,支持 1M 上下文。模型 API 已在千帆平台上线,权重将于 11 月 25 日前开源;官方展示了游戏开发、3D 建模、知识工作、视频创作等 Agent 场景成果,并称该版本为后训练中间版本,正式版仍将持续优化。
Google 将 Gemini 4 Carbon 向公众开放,此前两周仅提供给部分网络安全防御者,并在 Antigravity 平台预览 swarm 功能,可将单个提示词变成协作的智能体团队。
Google 发布第八代 TPU 的两款新变体 TPU 8tx 和 TPU 8i Max,分别面向机密推理与大内存负载场景。TPU 8tx 与 AMD 合作设计,基于 TPU 8t,将安全能力做进硬件层以保护敏感数据和模型权重,并支持在训练同时进行推理。TPU 8i Max 则将两颗 TPU 8i 合入单一封装,内存容量、算力和带宽翻倍。
Robbyant 开源 Apache 2.0 许可的 LingBot-Touch,将指尖传感器读数转为机器人控制软件可用的触觉信号。三个同尺寸编码器各 5.46M 参数,在 4000 小时数据上 JEPA 版本触觉→视频检索 top-5 达 49.3%,MAE 低于 9%,VAE 仅 3.1%。
MiniMax 发布开源图像模型 MiniMax H3-Image,支持 10 秒内生成 1600 万像素(4K)图像,具备精准提示词遵循与编辑能力,最多支持 16 张参考图。模型开放权重,已通过 API、MiniMax Code 和 Hailuo AI 提供,上线首周 16MP 以上生成享五折优惠,权重已上架 Hugging Face。
Zyphra 发布开源 TTS 模型 ZONOS3-Mini,采用稀疏 MoE 架构,总参数 800M、每 token 约 100M 激活,权重以 Apache 2.0 开源,支持零样本声音克隆和词级韵律控制。
MiniMax 发布开源权重图像生成模型 MiniMax H3-Image,主打 10 秒内生成 1600 万像素(16MP)4K 图像,支持精准提示词跟随、编辑和最多 16 张参考图。
Google DeepMind 发布 AlphaProof Code 多智能体形式化验证框架,并首次对广泛部署协议 Signal 的生产机器码完成形式化安全验证。
Amazon 发布第二代表格基础模型 Mitra-v2,支持分类和回归,完全基于合成表格预训练,分类和回归微调版本及推理与微调代码已以 Apache-2.0 许可开源在 Hugging Face。
一份拟题为‘关于您的软件工程师职位申请’的反馈幽默揭示,求职者过度依赖 AI 工具(ChatGPT、Claude、Gemini 等),导致无法自主解释技术决策,最终被拒。
Meta 周一宣布,其 AI 智能体 Muse 上线 Apple Watch 和 Android Wear OS,用户可在智能手表上通过语音通话、短信或听写与助手交互。这是继一个月前推出 iPad 版 Muse 后的又一次设备扩展,Muse 于 9 月首次登陆 App Store。
MiniMax 宣布 H3-Image 图像生成模型正式发布并开放权重,该模型衍生自 H3,具备文生图、图像参考和图像编辑能力。它可在 10 秒内生成 4096×4096 像素(约 16MP)的高分辨率图像,官方称速度达市面主流水平的 5 倍,支持最多 16 张参考图,并提供官方五折限免、Hugging Face 权重和 API 入口。
作者说明视频中白模动画由 Fable 5.2 制作,角色动画通过调用 Seedance 视频模型生成。
IT之家 11 月 10 日消息,据英国《金融时报》今天(10 日)晚间报道,作为 Anthropic 上市牵头投行的高盛,对 Anthropic 的未来给出了乐观预测:营收到 2030 年将 突破 6,000 亿美元 (IT之家注:现汇率约合 4.01 万亿元人民币) ,是 2025 年的 130 多倍。
MiniMax 正式发布并开放权重的 H3-Image 是衍生自 H3 的图像生成模型,支持文本生成图像、图像参考和图像编辑。它可在 10 秒内生成 4096×4096 像素约 16MP 的图像,官方称速度达市面主流的 5 倍,指令遵循能力为开源模型中最强并最多支持 16 张参考图。
随着机器人进入更多真实场景,它们需要更强的安全措施。我们内置了新方法,让机器人能够识别危险、避开人类,并针对越狱攻击进行测试。 了解更多关于 Gemini Robotics 2.5 → https://goo.gle/4zBBUA6
在与 @Apptronik 和 @MercedesBenz 的概念验证中,Gemini Robotic 2.5 帮助 Apollo 2 机器人以 96% 的准确率挑选并整理用于装配的汽车零件。
Google DeepMind 介绍 Gemini 4 Argon 辅助构建 Gemini Robotics 2.5,将数月训练时间缩短。该方法从单个摄像头视角创建虚拟练习空间,并通过回看自身错误来修正技术,从而提升真实机器人上的表现。
Google DeepMind 发布 Gemini Robotics 2.5,定位为最新物理 AI,可学习数百项日常技能,示例包括叠衣服、上餐点以及在工厂自主分拣汽车零件。
Google DeepMind 发布新一代 Gemini Robotics 平台 2.5 版本,并准备开源安全基准 ASIMOV-jailbreak,为机器人与人类协同工作做准备。
Pragmatic Engineer 与 Antithesis 杰出工程师、Pony 语言核心贡献者 Sean Allen 对谈软件正确性。Sean 认为应通过强类型系统在编译期禁止非法状态,而非依赖手工测试;他提出用可反复执行的“workloads”(如 The Bank Test)替代单元测试,并主张质量应从头构建而非依赖后期 CI/CD 关卡。
LiveKit 发布 LiveKit Portal for ROS 2,一个独立 ROS 2 节点,将 ROS 图连接到 LiveKit 房间,让 ROS 与非 ROS 参与者通过 WebRTC 交换 topics、服务调用和视频,无需跨网络暴露 DDS 或自建传输层。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两者是同一底层模型,Fable 5.2 增加拦截高风险网络安全和生物研究任务的分类器,Mythos 5.2 取消这些限制、需通过验证项目访问。
404 Media 报道,用 Anthropic Claude 和 OpenAI Codex 对自有设备做 AI 逆向工程的用户近期纷纷触发安全护栏、账号被限制或封禁,做 Decomp.wtf 的项目也已关闭,涉及的用途包括救砖 IoT 设备、给智能电视装新系统等。
Gary Marcus 评论 Anthropic 拟以最高 1.4 万亿美元估值 IPO,称该公司除一个异常季度外从未盈利,未来负债接近 9000 亿美元。他引用 Q2 环比增长 147% 而 Q3 降至 47% 的数据,认为 tokenmaxxing 退潮与中国竞品崛起使万亿估值失去依据,并援引 S-1 中公司自认成本将上升、收入增速难以为继的表述。
据 The Information 报道,与英伟达 CEO 黄仁勋有染的 Alice Huang(无亲属关系)与丈夫和姐姐在中国和新加坡建立采购网络,涉资 75 亿美元。