Google DeepMind 发布 Genie 4:实时生成音效与对话的交互式世界模型

Google DeepMind 发布实验性世界模型 Genie 4,能逐帧实时计算交互场景,并首次直接生成匹配的背景音效和角色对话,由 Gemini 模型在后台规划事件走向。

Google DeepMind 发布实验性世界模型 Genie 4,能逐帧实时计算交互场景,并首次直接生成匹配的背景音效和角色对话,由 Gemini 模型在后台规划事件走向。

OpenAI 在 2026 年 10 月 27 日公布数学、计算机科学与物理三项宣称突破性的成果,但披露方式不一致,部分结果交由“牧羊人”专家把关,研究者对社区无法直接审视全部材料感到不满。

GitHub 上出现一个名为 ai-design-skills 的开源技能集合,把落地页设计流程写成 AI 编码工具可读取的 Markdown 文件,让 Claude Code、Cursor 等工具按统一规范生成页面,而不是凭模型经验“自由发挥”。

Google Gemini 应用加入了 SynthID 检测能力,用户只要问一句“这是 AI 生成的吗?”,就能判断图片、视频或音频是否由 Google 的 AI 工具生成,这为普通用户核验网络内容提供了一个新入口。

OpenAI与Oracle宣布扩大合作,计划把Oracle应用和数据接入ChatGPT,并用OpenAI模型为Oracle产品提供能力,企业用户有望在一个界面内完成跨财务、采购等系统的受控工作流。

Hugging Face Papers 收录的一项论文提出 OPTIC 方法,针对占 Gemma 4 E4B 参数 35.2% 的逐层嵌入(PLE)做极端压缩,约 100 倍压缩下仍保留 97.8% 的综合性能。若结果可复现,意味着大模型为“加大嵌入容量”付出的显存和参数代价有望显著降低。

NBC News 报道,有组织的犯罪团伙正采用欺骗手法,针对运往数据中心的服务器等高价值设备实施盗窃,一起案件中失窃设备价值约 1300 万美元。随着 AI 算力需求推高硬件价格,运输环节的物理安全风险开始显性化。

达拉斯投资机构 Disruptive 完成 100 亿美元募资,管理规模翻倍,并从单笔交易的 SPV 模式转向可自主决策的全权基金,重点投向 AI、国防和软件。

苹果为 Keynote、Pages、Numbers 和 Logic Pro 加入基于苹果与 OpenAI 模型的测试版 AI 助手,同时让前三款办公应用支持 MCP。这意味着苹果的生产力软件开始把大模型能力直接做进编辑界面,而非只停留在系统级功能。

伦敦初创公司 Machenta 获得 4000 万美元种子轮融资,其目标是让机器人通过观看一次人类演示,就能学会新的物理操作任务,这类“少样本模仿学习”方向正受到资本关注。