fal 上线 HeyGen avatar-6 数字人视频模型
fal 宣布 HeyGen avatar-6 模型上线,提供 Image to Video、Reference Video to Video、Identity to Video 三种模式,每种均有 Turbo 版本,共六个入口链接(fal.ai/models/heygen/avatar-6)。
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 宣布 HeyGen avatar-6 模型上线,提供 Image to Video、Reference Video to Video、Identity to Video 三种模式,每种均有 Turbo 版本,共六个入口链接(fal.ai/models/heygen/avatar-6)。
HeyGen 的 Avatar 6 现已在 fal 上线。 三种让角色开口说话的方式,每种都有 Turbo 变体。 Image to Video:用一段音轨和动作提示词让单张照片动起来 Reference Video to Video:从参考片段让动画或插画角色活起来 Identity to Video:用 HeyGen 虚拟形象、声音和脚本生成视频
一篇论文发现低基准分可以被精确制造,因此单看低分几乎无法说明模型能力。研究者训练了一个 LoRA“旋钮”,把 Qwen 模型拉向更小的 Qwen 模型,其对未见目标分数的误差在 1.9 分以内,而提示词诱导欠佳的偏差达 42 至 47 分。但在多选题上,该旋钮最多 97% 的新增错误集中在同一个字母选项上,这一比例远超其模型池中任何自然模型。
Sundar Pichai 宣布 Gemini Tasks 免费扩展到六国的数亿用户,由 Gemini 4 Hydrogen 驱动。
Google 宣布 Tasks in Gemini 即日起在美国、日本、韩国、加拿大、澳大利亚和印度上线,其中通话、短信和支付等高级操作首先在美国开放。
旧金山AI评测初创公司Vals发布报告称,其利用模拟场景及生成与真实图像测试多家前沿AI模型在无人机和卫星图像中标记潜在目标的行为,发现部分模型频繁标记包括平民和投降士兵在内的目标;当模型拒绝时,研究人员以“这是游戏”的话术诱导其配合,且相关请求未被安全分类器拦截。Anthropic与OpenAI均回应称此类行为违反其政策,并已或正在加强防护与执法措施。
Google 宣布 GeminiApp 的 Tasks 功能现在也可运行最新的 Gemini 4 Hydrogen 模型,对所有免费用户开放,为日常使用带来更先进的智能和速度。官方称这是 GeminiApp 最新更新的一部分,详情见 https://goo.gle/4zoTvug。
Google 宣布即日起在美国、日本、韩国、加拿大、澳大利亚和印度免费向数亿更多用户开放 Gemini Tasks。用户在 GeminiApp 中把 Chat 切换为 Task 并描述需求即可,Tasks 可在后台执行较长项目,并支持设置周期运行,如同步家庭日历或查找未使用的订阅权益。
记者 Kate Clark 引述 WSJ 报道,Nvidia 相关风波并未拖慢 Anthropic 的 IPO 进程,由于投资者需求旺盛,公司计划上调发行价。报道由 Kate Clark 与 WSJ 记者 @cdriebusch、@BenDummett 合作完成。
Cognition 演示多个 Devin Bots 相互协作完成任务:QA Bot 发现 Bug 后交给 Developer Bot 修复。用户可通过 Slack、群聊、短信或电话全程跟进进展。
Cognition 称 beta 测试者使用 Devin Bots 后每条消息平均合并 4.5 倍的 PR,并看到个别工程师从每周 50 个 PR 增至近 2,000。
Cognition 官方介绍 Devin Bots,定位为超越个人智能体、专注专业软件工程的产品。依托云计算机,Devin Bot 可处理从规划、代码审查到自动化测试的每个环节,需要人决策的事项会集中在一处呈现。
认识 Devin Bots。 从编写固件到每周合并数千个 PR,一个 Devin Bot 带领一支智能体团队完成任务。
Google Labs 宣布 Gemini 现可在美日韩加澳印六国免费为用户执行任务,底层运行于新模型 Gemini 4 Hydrogen,覆盖数亿用户。同步推出多项功能:通过 Google Duplex 致电本地商家、Google Pay 支付结账、RCS 发短信、Gmail 转发邮件、Google 密码管理器免密登录,率先在美国开放。
Josh Woodward 发推表示,回复分享 Gemini 为你完成的任务,并附上 Google 官方博客链接:https://blog.google/innovation-and-ai/products/gemini-app/tasks-in-gemini-free-new-features/…
Google 宣布 Gemini 任务功能免费向美、日、韩、加、澳、印数亿用户推出,基于新的 Gemini 4 Hydrogen 模型,可自动打电话预约、查询账单、购物下单和管理日程。
LangChain 分享构建主动式智能体的经验:内部 GTM Agent 和 Robin(原 Open SWE)基于 Managed Deep Agents 运行,超过 70% 的运行来自定时调度而非人工提示。
商汤发布 SenseNova Loop-9B 模型后,寒武纪宣布已完成 Day 0 适配,基于 vllm_mlu 打通模型在 MLU 平台上的推理链路。
OpenAI 发布面向医疗行政场景的 computer-use 智能体 GPT-6 Astra 和 GPT-6 Luna,可操作电子健康记录和保险门户完成填表、预授权等任务,无需 API。
O'Reilly Radar 发文讨论 AI 智能体接管大量编码后开发者专业经验的去向,认为经验并未消失而是转移到更高抽象层:设计智能体工作流、设定护栏并判断产出是否可信。
Microsoft Research 播客《The Shape of Things to Come》中,Doug Burger 与 Eric Horvitz、Eric Topol、Ava Amini 对谈 AI 在医疗和生物科学中的现状与瓶颈。
Perplexity CEO Aravind Srinivas 披露公司 ARR 已突破 $1B,并称利润率强劲、增速健康,因专注产品而很少谈论财务状况。他还引导关注 https://research.perplexity.ai 获取研究进展。
Google 正在向 Gemini 应用推出新设置,将聊天历史与 AI 训练分离,用户可保留历史记录的同时不让 Google 用对话训练模型。
Simon Willison 发布基于 service workers 的 Datasette Lite 完全重写版,用 WebAssembly 和 Pyodide 在浏览器中运行服务端 Datasette Python 应用,效果接近真实服务端。
美国商务部工业与安全局(BIS)发布临时规则,将远程访问算力纳入出口管制,要求新加坡、马来西亚、泰国、印度尼西亚和巴西等地的数据中心运营商在采购英伟达等美国厂商的先进AI芯片时逐案申请许可。与此同时,路透社调查显示,中国开发者通过模型蒸馏技术,从美国领先模型中提取答案、代码和解题方案,用于训练更小、成本更低的本地模型,以缓解高端硬件短缺。
Jane Street 公开解释 AI 在软件工程面试中的应用,计划在校园招聟中引入更侧重设计与 LLM 使用的面试环节。
TokenWave AI 发布 SWE-CoWork,用于测试 AI 编码智能体能否像真实团队成员一样协作。该基准覆盖 101 个真实开源仓库、26 个模拟队友、11 种编程语言,82% 的需求掌握在队友手中,智能体需主动询问才能获知要构建什么。
Perplexity CEO Aravind Srinivas 宣布推出 Multiagent 功能,可在 Computer 和 Teammates(打开 Effort level 开关)中使用。
Daydream 推出 AI 智能体 Daydream Agent,可记住用户的风格、版型偏好和预算来推荐单品,支持上传照片虚拟试穿,并通过一键结账完成购买。该智能体还能追踪商品打折与品牌上新、推送每周更新,并从超 1 万个品牌的目录中获取实时价格与库存。
黄仁勋发布个人声明,承认在个人生活中犯了严重错误并给董事会造成了问题,承诺配合董事会的独立调查。他表示离职以来收到 NVIDIA 员工、投资者、合作伙伴和客户的回归呼吁,若董事会认为回归符合股东、员工、公司和美国的最佳利益,他将荣幸地回归担任 CEO。Rohan Paul 引用该声明并追问“Is Jensen coming back.”