Anthropic 发布 Claude Fable 5.2,用代码逐笔模拟绘画
Anthropic 发布新语言模型 Claude Fable 5.2,它不依赖外部图像模型,而是用 1000 到 2000 行 Python 程序驱动模拟绘画引擎,逐笔输出坐标在虚拟画布上作画。
Anthropic 发布新语言模型 Claude Fable 5.2,它不依赖外部图像模型,而是用 1000 到 2000 行 Python 程序驱动模拟绘画引擎,逐笔输出坐标在虚拟画布上作画。
美团 LongCat 团队在模型正式亮相一周后发布了 LongCat-2.5 的权重,这是一个为自主多步任务(尤其是编码)打造的 1.6 万亿参数 MoE 模型,每 token 约激活 480 亿参数。
推荐理由:材料记录了 1.6 万亿参数 MoE 模型在国产芯片上完成训练与部署的细节和基准对比。
Google DeepMind 发布 Gemini 4 Hydrogen,定位为面向日常编码与智能体工作流的高效执行模型,即日起在 Gemini API、AI Studio、Gemini app、Google Search 及 Google Antigravity 等渠道向所有用户开放。
推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多模型编排的配额与速度数据,可据此判断日常编码与智能体工作流如何选型。
谷歌 Gemini 智能眼镜在 Gentle Monster 和 Warby Parker 开启预售,起售价 395 美元。Warby Parker 提供 Alden、Reid、Wren 三款镜框,仅在美国销售;Gentle Monster 有六种款式,起售价 449 美元,面向美国和韩国。设备由谷歌、三星与两家眼镜品牌合作,三星提供内部计算硬件,谷歌负责软件。
AWS 总结 10 月面向 AI 开发者的更新:Claude Haiku 5.5 与 OpenAI GPT-6.1 Terra 等新模型上线 Amazon Bedrock,其中 Haiku 5.5 成本较 Haiku 4.5 低约 75%,GPT-6.1 Terra 支持最多 100 万输入 token。
Google Research 提出一套研究性框架,用可穿戴设备数据构建可解释的“可指导健康年龄”(CHA),并训练 SensorWM 世界模型模拟 12 周“如果改变习惯会怎样”的健康轨迹,再由语言模型生成经临床医生审核的指导方案。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在灵巧度、可靠性和安全性三方面提升。
推荐理由:原文给出200项任务评测、Mercedes-Benz产线96%成功率与安全指标,可判断VLA模型在真实场景的进展。
Adobe 在 Max 大会上为 Creative Cloud 应用和 Firefly 平台扩展新能力,Premiere 推出测试版 Generative Remove,可在时间线上擦除麦克风、背景杂物等对象并由生成式 AI 补全画面。
Adobe 在迈阿密 Max 大会上预览 Creative Cloud 本地 MCP 集成,允许 OpenAI、Google、Anthropic 等第三方智能体在 Photoshop、Illustrator、Premiere 和 After Effects 中直接修改本地工程文件,所有图层、矢量、素材箱和序列仍可手动编辑。
Disney 与 Adobe 宣布多年合作,共同开发专为 Disney 内容定制的“艺术家主导”生成式 AI 模型,Disney 将提前获得 Adobe 最新技术使用权。
Meta Superintelligence Lab 周一发布 Muse Ember,这是其迄今最轻、成本最低的模型,面向工具调用、编码子任务、路由、信息抽取和长文档解析等智能体高频工作。
NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上线,可通过 SageMaker Studio 或 Python SDK 部署。
Meta 发布迄今最小、最高效的 AI 模型 Muse Ember,面向智能体日常重复任务,包括调用工具、小型编码、请求路由、数据抽取和长文档处理。
Google Research 提出 Agile Deliberation 框架,把主观视觉分类器的构建拆成概念界定和概念迭代两个阶段,由视觉语言模型主动挑出语义边界模糊的图片让用户判断,再把反馈接入自动提示词优化循环。
Mistral 发布旗舰模型 Mistral Large 4(Le Chonk)的开源权重,这是一款 1 万亿参数的原生多模态模型,本月早些时候已进入公开预览。
推荐理由:原文给出与 GLM-5.3 等开源模型在编码基准和 token 效率上的对比,便于判断自托管旗舰模型的实际成本。
Google DeepMind 发布世界模型 Genie 4,可实时生成带原生音频的交互式模拟世界,并支持用自然语言在运行中改变天气、镜头或加入人物物体。Genie 4 首次在实时世界模型中原生生成音频,包括环境声与可随输入即时反应的对话;Gemini 3.8 Flash 在循环中充当引导智能体,把目标拆成步骤并检查每帧进展。
推荐理由:官方披露 Genie 4 的原生音频、实时语言操控与 Gemini 引导的多步事件模拟,可据此判断世界模型当前的能力边界。
Mistral 推出 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可通过 Mistral Studio 的预览 API 试用,权重计划本月底发布。
推荐理由:Mistral 公布 1 万亿参数原生多模态模型 ML4 的预览与开放权重计划,并给出编码、智能体与网络安全基准对比。
作者记录了在 Codex 中用 Astra 把一句住宅设计简报变成可编辑 Blender 场景的完整过程,从带家具的起居亭扩展到围绕庭院布局的家庭住宅,并导出到 Unreal Engine 5 做第一人称漫游。