#多模态

推荐理由：来自极客公园的《Jev 之后，中国团队开始深挖 AI 的「直觉层」》。重点看模型能力与工程、评测与基准、文化创意。摘要提到：作者｜桦林舞王 编辑｜靖宇 9 月 15 日，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布了 Jev。这款模型不写一个字，只做判断。 两周之后，整个行业都在做同一件事。OpenAI 在开发者日上推出 Decisions API，Cloudflare 在 10 月 1 日开源了 Clef，亚马逊也放出了 Strands Decider。 国内同样没闲着，上海人工智能实验室开源了多模态决策模型 Intern-Decision。 9 月 30 日，一家成立不到五个月的上海公司 StartLux（原点星辉）发布了开源的 StartLux-Decision，并宣称在公开评测中超过 Jev。 一个新品类在两周内从「首发」走到「群战」，这种速度在大模型行业也不多见。 而 StartLux 背后的掌舵人，是盛大网络联合创始人陈大年。 被 Jev 点燃的「直觉」 要理解这轮热潮，得先说清楚决策模型到底...

推荐理由：来自IT之家 AI的《OpenAI GPT-6 Astra 破解拿破仑 1809 年密信，揭示 217 年前军事部署》。重点看模型能力与工程、文化创意。摘要提到：IT之家 10 月 4 日消息，一名 AI 研究人员借助 OpenAI GPT-6 Astra 成功破解了一封拿破仑 · 波拿巴写于 1809 年的加密军事信件。这封信此前因密码本遗失，在过去 217 年里始终未能被完整解读。 该破解工作由 SentinelOne 员工、AI 工程师卡特 · 丘奇（Carter Church）完成。他表示，他使用 GPT-6 Astra 模型，从一张历史文献扫描图像开始，对信件进行文字识别和密码分析，整个过程约耗时 6 小时。 这封信写于 1809 年 3 月 16 日，当时奥地利正准备对法国开战。拿破仑致信自己的继子、意大利总督欧仁 · 德 · 博阿尔内（Eugène de Beauharnais），要求其通过加密信件向法国将领奥古斯特 · 德 · 马尔蒙（Auguste de Marmont）传递军事信息。现存文件开头包含一行普通法语，随后则是 24 行由数字、字母及自创符号组成的加密文本。...

推荐理由：来自IT之家 AI的《重塑智能眼镜光学方案：TDK 展示全球首款超构光学镜 DRP 显示屏》。重点看产品发布。摘要提到：IT之家 10 月 3 日消息，日本电子元器件厂商 TDK 昨日（10 月 2 日）发布公告， 展示了全球首款采用超构光学镜（Meta-Optic Mirror）的直接视网膜投影（DRP）智能眼镜显示屏。 全球智能眼镜出货量预计将快速增长，到 2030 年将达到 8,300 万台。（来源：富士奇美拉研究所《2025 年 XR 相关光学元件市场最新趋势》） IT之家援引博文介绍，超构光学镜是 TDK 研发的超薄平面反射元件，通过“负反射角”改变光线方向，在 150 纳米厚的平面结构中复现传统曲面镜功能。 而直接视网膜投影是一种将激光光线直接投射到眼内视网膜的显示技术。与传统在眼前形成图像的方式相比，DRP 可在不同视力条件下呈现清晰图像，并减少图像向周围环境泄漏。 该反射镜可嵌入眼镜镜片，可见光透过率达 80%。TDK 表示，其设计可避免波导显示常见的彩虹状“眼球发光”图案，并减少投影图像向外界泄漏。 传统波导方案依赖镜片内导光层...

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《中科宇航深化太空制药合作，力鸿二号计划 2027 年携医药载荷首飞》。重点看多模态、论文/研究、部署/工程。摘要提到：IT之家 9 月 28 日消息，中科宇航今日宣布与广州实验室围绕太空制药载荷开展联合研制攻关，并拟联合开展太空制药场景验证。 首批载荷计划于 2027 年第一季度搭乘力鸿二号可重复使用运载器开展亚轨道飞行验证 ，实施蛋白质和小分子药物结晶实验，开展太空制药装备的前期技术验证。 此次合作中，广州实验室提出药物结晶的科学问题，负责实验方案、样品、地面对照和结果分析。其核心合作团队 —— 徐强研究员团队长期从事高端医疗器械、MEMS 传感和显微成像技术研究，把成熟的生物医药自动化功能和原位观测能力转化为载荷能力。中科宇航负责航天平台、实验环境保障、系统接口、发射返回和任务组织， 双方共同开展太空制药载荷工程设计 。 在装备研制方面，双方将重点提升实验操作和过程观测的自动化水平。以面向太空生物实验的全视场细胞成像仪为例，团队已开展小型化、轻量化和低功耗设计，并通过自动对焦、连续成像和图像分析等功能， 提升设备自主运行和数据获取能力 。这...

推荐理由：来自IT之家 AI的《OpenAI 承认 53 张用户图片被其 AI 智能体“偷偷”传到公网》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：IT之家 9 月 26 日消息，OpenAI 昨日（9 月 25 日）更新其博客，承认发生一起违规事件， 在企业不知情情况下，AI 智能体将 53 张客户图片发布到公开网站。 在博文中，IT之家援引博文介绍，OpenAI 公司承认在其研究环境中运行的 AI 智能体曾将 53 张由用户上传到 OpenAI 模型的图片，以“未公开列出的链接”形式发布到第三方图像托管网站（类似图床），而受影响公司当时并不知情。 在影响方面，OpenAI 指出这些图片并非出现在公开索引页面上，作为“未列出（unlisted）”链接存在，理论上不易被搜索引擎直接发现，不过对于掌握链接的用户而言，可以访问获取相关内容。 OpenAI 表示这属于对用户数据的“不当使用”，不在其隐私政策允许范围内。公司称已移除“大多数”相关内容，并仍在与托管方合作清理剩余部分，但承认仍有部分内容可能在线。 根据 OpenAI 的说明，这些图片来自已授权 OpenAI 使用其数...

推荐理由：来自IT之家 AI的《央视披露非正规火车票抢票工具四大套路：“极速加速”不提速、“余票监控”不靠谱、“免费候补”收费卖》。重点看产品发布。摘要提到：IT之家 9 月 25 日消息，据央视新闻昨日报道，铁路 12306 是中国铁路唯一官方火车票网络售票平台，从未与任何第三方平台机构开展合作。中国互联网协会 12321 受理中心发布安全提醒，提示旅客购票注意避坑。 铁科院电子所数智客运研究室副研究员张智表示，部分社交短视频平台发布“高铁不会告诉你的灰色操作”“员工内部票隐藏入口”等内容，看似吸引人，实际上是以虚假宣传的方式推广第三方抢票平台。 据介绍，第三方抢票软件兜售的“免费换座”“一键换座”，实际是将铁路提供的改签功能进行包装，诱导消费者在不完全明白的情况下用掉一次改签权益，导致行程变化后无法再次改签或需支付额外退票手续费。 套路一是“抢票”实为官网候补。部分平台宣传“双通道抢票”，声称候补购票加余票监控成功率更高。但根据 12306 规则，存在候补订单时，不会出现可直接购买的余票。 套路二是“极速加速”不提速。车票售罄后，第三方平台仍提供 10 到 50 元不等的加速包，...

推荐理由：来自Apple Machine Learning Research的《Compressing Streaming Neural Audio Encoders via Latent-Space Distillation》。重点看模型能力与工程。摘要提到：这条英文动态主要涉及模型能力与工程。原文要点：System-wide Dictation on Apple devices runs entirely on-device, and the speech it transcribes reaches the foundation model through a tokenizer: an encoder that maps short windows of waveform onto the representation the language model reads. Because that model is sparsely activated under Instruction-Following Pruning, only a small subset of its experts occupies DRAM at any time, so the always-on...

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《马斯克脑机公司 Neuralink 新突破：让失语者“说出我爱你”》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 19 日消息，全球首富埃隆 · 马斯克（Elon Musk）联合创立的脑机公司 Neuralink 昨日（9 月 18 日）在 X 平台发布推文，有语言障碍的志愿者 Terry 在植入脑机接口后， 可以通过意念向其亲人传达“我爱你”信息 。埃隆 · 马斯克称此次演示 " 令人动容，出乎意料 "。 IT之家附上相关视频如下： 在 23 秒的视频中，一名此前丧失语言能力的男子，借助脑机接口将神经信号转化为与其原声高度匹配的合成语音。 据介绍，Terry 先通过尝试模拟说话训练算法，随后可仅在脑中思考词语，系统便以其自然声音输出语音。 该演示采用 Grok Voice 语音技术；Neuralink 同时强调，其设备仍属研究阶段，尚未获美国 FDA 或其他监管机构批准，个案体验不代表所有受试者或未来临床结果。 Neuralink VOICE 项目是一项临床试验，主要探索利用 N1 植入芯片，帮助因 ALS（肌萎缩侧索硬...

推荐理由：来自IT之家 AI的《“机顶盒内置”引发网友热议：专家解读一体化电视到底长什么样，广电总局目标在今年实现数千万规模部署》。重点看产品发布。摘要提到：IT之家 9 月 19 日消息，国家广播电视总局 9 月 17 日在国务院新闻办公室发布会上介绍，将会同工业和信息化部制定一体化电视技术标准，把机顶盒功能以软件形态内置于电视机中。 按照规划，一台电视即可接收直播、点播等全类型电视业务。用户配备通用遥控器，可一键开关机、一键看频道节目。 实际上，这已经不是什么新闻了，IT之家近两年来至少已经报道过 12 次相关内容。但没想到的是，9 月 17 日消息公布后，“机顶盒内置”这一旧闻迅速引发网友讨论并登上热搜。 今年 6 月 15 日，国家广播电视总局就已发布《一体化电视专网电视业务应用技术要求和测量方法》行业标准。 这是我国首个针对一体化电视的基础性技术规范 。 央视新闻邀请到了国家广播电视总局广播电视科学研究院有线所所长欧阳峰进行解读。据介绍，一体化电视主要是将传统硬件机顶盒以软件形式安装在智能电视机中，实现直播、点播和视频回看等功能。 其当前主要形态是智能电视机中的一个软件或 ...

推荐理由：它和开源生态直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《形似“脚印”，好奇号在火星上发现奇特新地貌》。重点看多模态、论文/研究。摘要提到：IT之家 9 月 16 日消息，科学家在火星这颗红色星球的地表，发现了一种前所未见的奇特地貌。 据IT之家了解，美国国家航空航天局的“毅力号”火星车是 NASA 火星机器人探测队伍里的新成员，而它的前辈“好奇号”依旧状态良好。自着陆至今 14 年过去，好奇号仍在火星上不断发现各类奇异、不同寻常的事物。 “好奇号”火星手持透镜成像仪（MAHLI）副首席研究员米歇尔 · 米尼蒂（Michelle Minitti）在一份声明中表示：“借助好奇号在火星夏普山最新获取的观测图像，研究团队识别出一批和我们以往所见截然不同的地貌。” 这批神秘地貌是散布在火星基岩之上的大量宽阔浅坑，有的坑像是一个脚印。虽然小型凹坑与凹陷痕迹在火星地表并不少见，但好奇号观测到的这批宽阔浅坑，和此前已经发现的地表特征存在明显区别。 “本周发现的这批坑比以往见过的同类地貌更宽、也更浅；坑内也没有留存曾经嵌在里面的明显石块或物体。”米尼蒂说道。 科研团队动用好奇号搭载...

推荐理由：来自IT之家 AI的《豆包大模型 2.1 Pro 更新 0915 版本：Agent 交付更可靠，多模态 Coding 进化》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：IT之家 9 月 16 日消息，火山引擎官方今日宣布为豆包大模型 2.1 Pro 更新至 0915 版本， API 全量上线火山方舟 。 IT之家从官方获悉，豆包工作已完成升级，用户下载或升级至最新版，选取“豆包 2.1 Pro（0915 新版）”模型即可体验。 本次升级围绕企业生产级需求，覆盖 Agent 任务交付、多模态 Coding、多模态理解与 Token 效率优化。 除豆包外，TRAE 已同步接入 0915 版本。今年 6 月推出的 Doubao-Seed-Evolving 也更新至同一版本，企业无需更换 API 接入节点。 Agent 任务交付方面，官方称模型强化了证据溯源、权威信源检索、时效判断和数据核验能力，幻觉显著减少，更忠于工具调用事实。在金融投研、办公自动化等长报告任务中，结论有据可查，推进更稳。 以金融投研为例，官方称模型具备分析师级别分析框架，能自主拆解研究需求、查询高质量数据源并建模分析，产出专家级建...

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和模型能力与工程、评测与基准直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和开源生态直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：这些动态表明顶尖学者们正在探索如何将机器学习应用于商业领域，通过多模态技术提高 AI 的商业应用潜力。

推荐理由：来自IT之家 AI的《DeepSeek V4.1 Flash 模型正式发布：全面超越 V4 Pro、原生多模态视觉理解，API 定价下调》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到：IT之家 9 月 10 日消息，深度求索今日正式发布 DeepSeek V4.1 Flash 模型 。这是其全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力。 新模型结构的设计初衷是：能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。 DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型 ，采用了全新的 Causal-Encoder-Decoder 结构，输入和输出不对称，输入激活只有 8B，输出激活 16B，成本显著低于已知的同尺寸模型。同时，V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练，在基准测试中，成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。 ▲ DeepSeek-V4.1-Flash 与主流前沿模型在 Agentic Benchmark 上的性能对比 此外，新一代模型大幅减少了 KV Cache 缓存的大小，与...

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《微信 WeMM-Embedding 多模态模型已在微信大规模使用：覆盖朋友圈搜索等，每天调用量 10 亿次》。重点看模型能力与工程、开源生态。摘要提到：IT之家 9 月 8 日消息，微信 AI 官方在 9 月 4 日宣布， 将通用多模态嵌入模型 WeMM-Embedding 开源 ，包含 2B、4B、9B 三个版本，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。 据微信员工 @客村小蒋 分享，微信视觉团队最近开源的多模态模型 WeMM-Embedding 简单说就是让系统能同时理解文字、图片和视频，把它们放在同一个语义空间里去比较和检索。 他透露， 这个模型已经在微信里大规模用了 —— 朋友圈搜索、视频号推荐、公众号推荐、微信电商都在用 ，每天调用量 10 亿次。 在国际权威榜单 MMEB-v2 上拿了第一 ，超过此前所有已提交的开源与闭源模型。 IT之家附相关链接： 论文链接： https://arxiv.org/abs/2608.24053 代码仓库： https://github.com/Tencent/WeMM-Embedding 模型集合： https://...

推荐理由：来自IT之家 AI的《中科院上海光机所在多维复用光计算领域取得进展》。重点看多模态、论文/研究。摘要提到：IT之家 9 月 7 日消息，据中科院上海光机所消息，中国科学院上海光学精密机械研究所空天激光技术与系统部谢鹏研究员团队近期在多维复用光计算领域取得进展。相关成果发表于 Laser&PhotonicsReviews。 据IT之家了解，研究团队在“流星一号”超高并行光计算集成芯片研究基础上，进一步拓展波分复用、空分复用的融合和多任务矩阵网络共享，构建多维复用的光计算架构，实现多任务、多模态信息并行处理，验证了其在遥感图像配准与识别任务中的可行性。 图 1. 多维复用光计算架构 该架构由不同波长并行承载数据，并由多个光子张量核心并行处理；不同任务共享前端光学网络，通过专用后端完成处理。研究团队构建了三个独立光计算核心组成的多维复用光计算系统，融合波长复用（Wavelength Multiplexing）、数据广播（Data Broadcast）和网络复用（Network Reuse），单核心完成 108 波长通道并行计算验证，系统实...

推荐理由：来自IT之家 AI的《南非射电望远镜直接探测到遥远宇宙的氢信号，为绘制宇宙大尺度结构开辟新路径》。重点看多模态、论文/研究。摘要提到：IT之家 9 月 7 日消息，天文学家利用 MeerKAT 射电望远镜探测到了距离地球数十亿光年的氢气信号，这些信号来自宇宙比现在 138 亿岁的年龄年轻数十亿岁的时期。 这项研究可能为天文学家提供一种绘制宇宙大尺度结构的新方法。该技术通过描绘氢元素在宇宙中的分布情况，来勾勒宇宙的结构。氢是宇宙中最轻、含量也最丰富的元素，这种方法被称为“氢强度映射”。 中性氢会发出一种极其微弱的射电信号，天文学家将其称为“21 厘米谱线”。随着宇宙在暗能量的影响下不断膨胀，这种射电信号的波长也会被拉长，也就是所谓的“红移”。通过测量红移程度，天文学家可以判断某个信号传播到地球经历了多长时间，进而推算发出该信号的氢气存在于宇宙历史上的哪个时期。 利用 21 厘米谱线，氢强度映射能够追踪此前难以直接观测到的星系发出的射电信号，并构建宇宙中最大尺度结构的三维图像。不过在此之前，这项技术通常需要将射电波探测结果与星系巡天项目的可见光观测数据结合使用，也...

推荐理由：来自IT之家 AI的《世界最小 CT 在山东济南问世：核心器件实现国产化，仅重 6 公斤》。重点看多模态、论文/研究。摘要提到：IT之家 9 月 5 日消息，由中国科学院高能物理研究所科研团队发起成立的锐影检测科技（济南）有限公司宣布，其自主研发的 XTOMO-CUBE 系列微型 CT 近日正式亮相，是目前 世界上体积和重量最小的 CT 系统 。 这款设备体积仅 140×132×220 毫米，射线源、转台、探测器等 核心器件实现国产化 ，能清晰呈现鸡骨、蜗牛壳乃至胶囊药片的内部三维结构。 ▲ 蜗牛壳内部螺层结构 公司总经理刘宝东介绍，CT 即计算机断层扫描技术，传统 CT 设备体积庞大、价格高昂。而此次推出的 XTOMO-CUBE 掌上 CT，将小型化的射线源、转台、探测器等关键模块高度集成，并配备了全自主研发软件，从投影数据采集、CT 图像重建到三维渲染，功能一应俱全。 该设备射线源管电压为 50kVp、探测器像素尺寸仅 18.5 微米，扫描视野直径 16 毫米，真正实现了“小而精”。 6 公斤的整机重量 使其具备出色的便携性，可满足考古现场、野外地质...

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和AI 应用价值直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和模型能力与工程直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：它和开源生态直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。