影石举办智能影像黑客松，探索从 AI 剪辑到“移动摄影师”
影石在南京举办2026 Bold Maker智能影像挑战赛，220余名创客用四天三晚开发原型，15支队伍进入决赛。影石披露，Insta360+付费用户较去年同期增长超过124%，并首次公开“移动摄影师”计划，探索让设备自主观察环境、规划移动轨迹并决定拍摄时机。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
47 条精选近 30 天 44 条共收录 50 条
更新
精选归档 · 第 2 页
36氪精选AI 评分4343
量子位精选AI 评分6363 何恺明团队提出多模态视觉 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让多模态模型保存原始画面，并在推理时按需回看、放大和检查细节，无需额外训练基础模型。
36氪精选AI 评分4646 以色列团队开发 Brain-IT 模型，可通过 fMRI 数据重建受试者所见画面
以色列魏茨曼科学研究所教授 Michal Irani 团队开发 Brain-IT 模型，可通过分析功能性磁共振成像（fMRI）数据，重建受试者观看图像时的视觉画面。该模型目前公开的信息聚焦于从 fMRI 数据重建所见画面，原文未披露更多技术细节。
财联社电报精选AI 评分4444 以色列团队开发 Brain-IT 模型，可通过 fMRI 重建受试者所见画面
以色列魏茨曼科学研究所教授 Michal Irani 团队开发了 Brain-IT AI 模型，可分析受试者观看图像时的 fMRI 数据，重建其所见画面。原文未提及模型的可用性、性能数据或更多技术细节。
36氪精选AI 评分5252 Tavus发布视频对话模型Griffin-Lite
Tavus称，其新模型Griffin-Lite在54名受试者进行的一分钟视频通话中，让26人误以为对方是真人，占比48%；上一代系统在相同测试流程下的这一比例为2.4%。Tavus称Griffin-Lite是实时视频对话模型，并表示它能在双方同时说话时实时回应，包括附和或打断。
Wired · AI精选AI 评分5252 为Meta AI助手Muse设计标志后，Jessica Hische遭遇网络批评
字体设计师Jessica Hische为Meta新AI助手Muse设计了M标志和字标，公开介绍这项工作后遭到设计师和其他用户批评。她表示，自己没有在设计过程中使用AI，接受项目是为了维持小型企业运营并支付员工工资；这项M标志设计耗时两天，共完成32个版本，项目收费$12,500。
Simon Willison精选AI 评分3232 Mistral Large 4 的 SVG 生成对比测试
Simon Willison 用同一提示词测试 Claude Opus 5.5、GPT-6.1-sol、Gemini-3.8 Flash 和 mistral/mistral-large-4 生成 SVG 的表现。提示词要求生成“穿渔网袜、在火星上乱穿马路的犰狳”，并提到各模型使用默认推理级别。
The Decoder精选AI 评分7070 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，用于相似内容查找和比较。该模型有 740 million 参数，Google 称其在多模态嵌入基准上超过规模最高达两倍的竞品，并在 Massive Text Embedding Benchmark (Code) 上得分 78.68，高于前代的 68.76。
TechCrunch · AI精选AI 评分6868 Google 推出面向所有人的 SynthID 网站，用于识别 AI 生成媒体
Google 推出新的 SynthID 网站，任何人都可验证图片、视频或音频是否由 AI 生成。该工具此前在 Google I/O last year 向部分记者、媒体从业者和研究人员开放测试，现在支持多种图片、视频和音频格式；Nano Banana、Veo、Lyria、Gemini、Flow、ProducerAI 和 Vids 生成的媒体都会使用 SynthID 水印。
钛媒体精选AI 评分5757 90后负责人接管国产大模型关键岗位
Tech星球梳理称，刘大一恒、陈宇森、罗福莉、周畅、姚顺雨等90后正在接手国产大模型关键岗位，分别覆盖Qwen、千问办公、MiMo、字节多模态和腾讯大语言模型及AI Infra。文章列举了他们在开源模型、多模态生成、AI Agent、基础模型和办公智能体商业化中的履历与近期成绩。作者认为，职位交接已经发生，但这些团队仍要面对能力上限、成本约束、商业化落地、组织整合和持续追赶等考验。
Wired · AI精选AI 评分7676 研究人员让 OpenAI GPT-6 Astra 驾驶 Toyota Corolla 去 In-N-Out
三名 Axiom 工程师让 OpenAI GPT-6 Astra 通过车载摄像头和转向系统控制一辆 2024 Toyota Corolla，驶向 In-N-Out 的取餐窗口，安全驾驶员全程准备刹车。
推荐理由：文章用实测案例和 DrivingBench 数据，呈现通用模型物理推理能力进入真实场景后的边界。
The Decoder精选AI 评分7272 Google 公开 SynthID Detector，称 180 billion 张图片和视频已带水印
Google 已向公众开放 SynthID Detector，任何人都可以检查图片、视频或音频文件是否由 Google 的 AI 或其合作伙伴创建。该工具可识别 Gemini、Veo、Lyria 等模型内容中的不可见水印，支持 JPG、PNG、MP4 和 MP3，但只能标记带有 SynthID 水印的内容。
The Decoder精选AI 评分6666 Google 推出 Gemini 驱动的浏览器 AI 游戏创作平台 Playground
Google 推出 Playground，这是一个面向美国成年用户的浏览器 AI 平台，可仅用文本输入创建游戏且无需编码。用户能通过与 AI 往返对话调整规则、物理效果、角色和环境，完成后可通过链接分享或发布到公共图库；平台运行在 Google 的 Gemini、Nano Banana 和 Lyria 模型上。
Ars Technica · AI精选AI 评分6464 Google 推出改进版 SynthID AI 内容检测器并面向全球开放
Google 宣布 SynthID 检测器现在支持所有合作伙伴的水印，并在新的 SynthID.com 网站上面向任何人开放使用。SynthID 是编码在 AI 生成图像、视频像素和 AI 音频波形中的不可见信号，Google 称 Gemini 已在超过 180 billion 张图像和视频以及 240,000 年音频中集成 SynthID。
量子位精选AI 评分4343 Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，成榜单唯一 AI 3D 公司
Meshy 入选 a16z 首份“消费级 AI 应用月收入 Top 50”榜单，位列第 31 名，是榜单唯一 AI 3D 公司。榜单依据 YipitData 追踪的美国消费者银行卡消费数据，Meshy 近期 ARR 已突破 1 亿美元，并于 2026 年 7 月完成近 4 亿美元 B 轮融资。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 EmbeddingGemma 2 开放轻量多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间。该模型基于 Gemma 4 架构，采用 Apache 2.0 许可，拥有 740 million 参数，支持 8K token 上下文窗口，并可通过 MRL 将输出向量从 768 维截断到 512、256 或 128 维。
推荐理由：原文给出参数规模、上下文窗口和端侧内存数据，可用于评估多模态嵌入在本地检索场景中的适配性。
Mistral AI精选AI 评分8484 Mistral AI 发布 Mistral Large 4 公共预览版
Mistral AI 发布 Mistral Large 4 公共预览版，这是一个 1 trillion-parameter 原生多模态模型，拥有 52 billion active parameters，可在 Mistral Studio 试用 preview API，并计划在本月底发布权重。
推荐理由：原文披露了参数规模、开放权重计划和多项基准结果，可用于比较欧洲开放权重模型的能力定位。
NVIDIA Blog精选AI 评分3636 从扫描到治疗计划，AI 助力弥合乳腺癌诊疗关键缺口
NVIDIA 介绍多家初创公司如何用 AI 支持乳腺癌筛查、风险评估与治疗规划，缓解影像检查和治疗决策中的诊疗缺口。iSono Health 的 ATUSA 可在每侧乳房约 2 分钟内完成自动化 3D 定量超声扫描，所称敏感度比手持 2D 超声高 28%；Whiterabbit.ai 开发乳腺密度评估与风险预测软件，Ataraxis AI 则利用病理切片和临床数据预测治疗反应及复发风险。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布 Gemini 4 Argon，这一前沿模型将先通过 Fairwind Program 向一组受信任的网络防御者推出，并逐步扩大访问。
推荐理由：原文给出发布节奏、价格和多项基准结果，可用于了解 Google 对高能力模型分阶段开放的安排。
Microsoft Research精选AI 评分7070 Microsoft Research 介绍面向复杂生物学的 AI 研究系统 Quine
Microsoft Research 介绍 Quine，这是一个研究项目，旨在构建生物学多模态世界模型，并用交互式 harness 连接模型、科学工具、文献和研究人员。
推荐理由：原文提供了 Quine 在肿瘤状态转移中的实验案例，可作为 AI 参与生物研究闭环的参考。