11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
腾讯云
12-20
家用智能摄像机竞争白热化:C端基础录像缺AI、误报多;B端端侧AI成本高、算法周期长、机型适配难。小鹰视界旗下Veepai小鹰维拍推出端侧AI多模态模组系列,覆盖迷你、云台、枪摇/枪球等IPC,15元起,支持人车包裹识别、夜视降噪、5G双频与OTA,开放100万片预售,助厂商低成本落地差异化AI摄像机,普惠C端并助推国产IPC出海。
外滩大会上,华数云与支付宝就业签署战略合作,联合诚通人力、富士康等企业,围绕数字化就业平台、多模态AI评测、岗位对接等打造AI就业服务体系。华数云以自研“华数灵芯—行为与人格大模型”,通过多模态数据建模替代简历匹配,形成人才画像与人岗精准匹配闭环,已服务超10万人次。
本期AI日报:World Labs发布首个多模态世界模型Atlas,像素级镜头控制生成3D视频;腾讯WorkBuddy全面开放Agent基座;网信办整治AI换脸等乱象;努比亚与豆包合作推出AI智能体手机NaviX Ultra;Meta发布实时音频感知模型;Anthropic发布Fable 5.1,性能提升成本降四成;谷歌Gemini 3.8 Flash即将上线,并推出AI修图工具Pics。
AI日报要点:千问办公上线Qwen3.8-Flash,推双模式;智谱开源GLM-5.3-Flash,价格降至1/40;腾讯混元1.8B翻译模型压缩至440MB,用于B站弹幕实时翻译;北京首例AIGC商业秘密案罚10万;京东发布“超脑”3.0物流大模型;FF发布两款机器人;谷歌升级Gemini Live语音;Claude Cowork内置浏览器,可独立完成网页操作。
AI日报要点:商汤开源8B多模态模型;腾讯Hy4将发布,驱动WorkBuddy;Grok Build上线,自然语言生成应用;Adobe Firefly音频工具上线;阿里Qwen-UI-Agent在GUI基准超越GPT/Claude;研究称ChatGPT后超三成网页现AI痕迹;千问新增GLM-5.3、DeepSeek-V4-Pro;豆包上线技能、连接器与工作伙伴。
云蝶科技在ICML2026提出POLIA方法,解决多模态大模型常忽视关键视觉信息、依赖语言猜答案的问题。核心创新是增加视觉对象级细粒度评价,分阶段评估答案正确性与证据可靠性,实现从“奖励正确答案”到“奖励正确使用视觉证据”的转变。在七项基准测试中大幅提升准确率,且计算开销低。该研究为具身智能的视觉证据建模与强化学习提供基础,依托联合实验室推动从算法验证走向真实场景应用。
2026年8月3日,港股MINIMAX-W(00100.HK)报HK$249.4,涨幅超10%。当日早盘,MiniMax盘前正式宣布发布新一代多模态生成模型H3。市场用真金白银为这次产品发布投了一票。 A 天下苦闭源模型久矣,视频生成赛道此前由Seedance、可灵等头部模型主导,价格、算力、生成时间也一直是行业关注比较高的的话题。 MiniMax发布的H3,正是视频生成市场的一个全新选择。 官方博客中表示,定位H3
软件定义汽车趋势下,智能座舱高频OTA与多模态交互使传统人工测试面临场景覆盖不足、性能评估主观、兼容周期长等瓶颈。行业聚焦四大核心:车机性能测试以自动化采集量化指标;多模态交互仿真补齐全场景盲区;蓝牙/CarPlay兼容测试依托分布式真机池破解海量设备适配;选型强调一体化测试、无码脚本复用及私有化集成。标准化智能工具替代重复人工,实现效率与缺陷检出精度双向提升,从研发源头保障座舱品质。
虎牙在WAIC论坛发布实时多模态数字人模型VAM1.0。董事长林松涛指出,真实场景是AI价值第一现场,AI普惠在于让普通人变强。CEO黄俊洪强调,该模型基于一张照片即可实时生成能听、能说、能交互的虚拟人,通过三段式训练解决崩坏、自然度与成本问题。VAM瞄准直播互动痛点,将推动虎牙从“看别人玩”向“和AI一起玩”跨越,开启指数级增长。
多模态交互正成为提升通用Agent用户体验的关键。过去AI多为文本或图片问答,如今用户期望AI能透过摄像头实时讲解、在任务中持续对话。这背后需要低延迟、稳定、可打断的传输系统。豆包从WebSocket、QUIC到WebRTC逐步演进,火山引擎更自研多模态传输系统,通过C/S架构、MoQ协议和网关智能处理,解决弱网、高并发、成本等问题。该系统已在豆包亿级DAU场景落地,使业务规模翻10倍。长远看,多模态传输正从通信管道成为AI原生基础设施,支撑高频率、全场景的人机交互。