Google 将 Gemini 3.5 Transcribe 语音编辑能力引入 Gemini API
Google 将 Gemini 3.5 Transcribe 的语音编辑能力引入 Gemini API,开发者可构建让用户仅用语音自然编辑、改写和翻译现有文本的语音体验。该技术也用于 Gboard 上的 Rambler 和 macOS 版 GeminiApp。
Google 将 Gemini 3.5 Transcribe 的语音编辑能力引入 Gemini API,开发者可构建让用户仅用语音自然编辑、改写和翻译现有文本的语音体验。该技术也用于 Gboard 上的 Rambler 和 macOS 版 GeminiApp。
GPT 6.2 Astra 在 XDOF 的机器人基准 Ember-0 上取得 41.2% 的成绩。相比 9 月初 GPT 6 Astra 的 19.6%,得分大幅提升,XDOF 预计该基准很快将趋于饱和。
Google 将 Gemini 3.5 Transcribe 的语音编辑能力引入 Gemini API,开发者可据此构建让用户仅用语音自然编辑、改写和翻译已有文本的体验。该技术也用于 Gboard 上的 Rambler 和 macOS 上的 GeminiApp。
Gemini 已向 Google AI 订阅用户开放 GIF 生成功能,由 Gemini Omni 1.2 Flash 驱动,可生成循环照片效果和趣味表情包。该功能目前仅在美国、日本、韩国、澳大利亚、加拿大、英国、德国和法国提供。
太空数据中心难以沿用以芯片作抵押的债务融资模式,因为贷款违约后,放贷方无法回收并转售安装在轨道卫星上的芯片。Financial Times 称,SpaceX 的 $40 billion 芯片融资交易中,放贷方要求相关芯片不得用于轨道数据中心计划,但尚不清楚 SpaceX 是否接受。
Google AI 汇总了过去两周推出的多款 Gemini、Genie、机器人与生命科学模型,以及 Stitch Loop 实验。Gemini 4 Neon 面向复杂软件工程、知识工作和科学工作流,提供前沿级智能与快速的端到端任务执行;Gemini 4 Hydrogen 强调日常编码和智能体工作流的速度与效率;Gemini 4 Carbon 面向高难度长期项目和深度研究。
Anthropic 数学家 Levent Alpöge 称,他在 Claude 帮助下证明了黎曼猜想,并称该方法可进一步解决广义黎曼猜想。其 Lean 版本目前仅发布于个人网站,尚未获独立核验或 Clay Mathematics Institute 接受。按该机构规则,候选解须发表并经至少两年审查,且获得全球数学界普遍认可,方可被考虑授予 $1 million 奖金。
Gemini 4 Neon 编写了一款基于勃朗峰真实地形的滑雪模拟器,并在 @Antigravity 中完成构建。该模拟器使用自定义着色器,不含任何预制 3D 模型,可实时渲染刻滑雪痕和雪崩,现已开放试用。
Simon Willison 引述 Levent Alpöge 的说法,后者称自己与 Claude 找到了黎曼猜想的证明,该方法还可推广至广义黎曼猜想,并可能进一步处理扩展黎曼猜想。Alpöge 还称双方已在不依赖假设的情况下形式化论证,并表示 Claude 在接近完成时远远超过了他。
Jeveration 可在 78 ms 内生成一张 512 × 512 图像。它使用冻结的视觉语言模型,在单次前向传播中将整张图像作为一次决策输出。论文地址为 arxiv.org/abs/2611.24738,演示地址为 huggingface.co/spaces/linlinl…。
Google 在 Gemini 中加入 GIF 生成功能,用户可通过 Gemini Omni 1.2 Flash 按需创建 GIF。该功能支持循环照片效果和趣味表情包,并强调动作流畅及各帧质量一致。
彭博分析2021年7月至2025年6月近1000万条中国在线招聘信息,发现AI高暴露岗位的招聘降幅较低暴露岗位高约10个百分点。2022年6月后的3年内,在线招聘总量减半;上海科技大学一项针对1.16亿条招聘信息的研究估算,AI导致2023年至2026年初的新招聘净减少5.2%。彭博承认经济放缓也可能对办公室类岗位造成更大冲击,因此无法确定地分离AI的单独影响。
Coda-DaVinci 提出任务自适应的 Code2Video 智能体框架,可按任务选择 3D 代理引导或直接生成。实验发现,粗粒度代理更利于自然运动,中粒度代理更利于一致性,物理模拟和与代理对齐的提示词可进一步提高平均质量。该框架在 VTR 的指令遵循和 R2M 的场景一致性上表现领先,并改善物理合理性和长视频连续交互的一致性,但转场稳定性和场景设定遵循仍存在局限。
三名知情人士称,英伟达正接近以至少 $500 million 收购 AI 初创公司 Inception,以强化开源 Nemotron 模型及机器人用物理模型。Inception 使用扩散过程构建语言模型,通过逐步完善完整回答取代传统的逐 token 生成,最近发布了 Mercury 3。交易还包括面向该公司 30 多名员工的绩效奖金,三位联合创始人预计全职加入英伟达,但双方最初均未置评。
Apple 正在开发一款可控制设备的 AI 智能体,同时提高第三方智能体访问 Mac 的操作门槛。该项目仍处于早期阶段,最快可能在明年年底面世,隐私、权限模型和沙箱预计将是重点。macOS 27.3 现要求用户经过14个步骤而非此前4个步骤,才能允许 ChatGPT 等第三方智能体控制 Mac。
Julien Chaumond 表示,其团队每月通过互联网分发近 1 exabyte 的开放模型和数据集,并因这一流量规模自建 AI 下载 CDN。@hugoch 及其团队还制作了实时地图,展示这些流量的去向。
研究提出多模态 Jacobian 透镜 MC-Lens 探查 VLM 内部概念处理,发现可靠的选择性访问形成晚于概念可访问性。反事实实验显示,被访问概念参与下游计算与推理;不同 VLM 家族和规模虽内部组织有别,仍呈现概念可访问性、依查询选择性和跨任务干预效应等共同模式。
TechCrunch 推荐六款 AI 家庭办公设备,覆盖会议转录、快捷操作、数字笔记、自动取景和活动提醒。Flowtica Scribe Pen 售 $159,支持 92 种语言及最多 15 名说话者;$99 的 MX Keypad 可调用 GitHub Copilot 和 Claude Code。
Apple 发布 Depth Pro 2,可快速处理任意分辨率的照片和视频。用户可试用 @_akhaliq 提供的演示。
Hugging Face 转发 Julien Chaumond 的介绍称,其每月通过互联网分发近 1 exabyte 的开放模型和数据集,并因这一规模自建了用于 AI 下载的 CDN。@hugoch 团队还制作了一张展示流量去向的动态地图。
Hugging Face 转发了用于 Qwen3.8-27B 的实验性 super-adapter,它以拼接方式将本周全部 harness LoRA 适配器合并为一个。
Hugging Face 转发 clem 的消息称,其每月向全球分发近 1 exabyte(1 billion gigabytes)的模型和数据集。该帖表示,很高兴看到开放智能以如此规模在全球实时分发。
Google 正在全球推出桌面端 Search 主页可折叠侧边栏,并在 AI Mode 中全球上线临时线程。侧边栏位于 AI Mode 左侧,可新建线程、搜索已有线程、创建笔记本,并打开最近查询和设置。临时线程不使用此前上下文、不保存到历史记录,也不影响未来推荐,关闭后即消失。
Hugging Face 推出 harness adapters,通过在目标 AI 智能体 harness 内进行 RL,为 Qwen3.8-27B 分别训练 pi、Hermes Agent 和 OpenCode 的 LoRA adapter,并合并为一个 super-adapter。
推荐理由:文章给出同一模型在三种智能体 harness 中的训练配方与成对评测,可用于判断定制 RL 在性能和工具调用成本上的取舍。
Signal 在 iOS 27 和 Android 应用中禁用截图,以阻止 Siri、Gemini 和其他 Android AI 助手读取屏幕上的消息及数据,用户可在设置中恢复截图。Signal 承认该措施无法阻止智能体通过设备文件系统等路径访问数据,且目前无法在 macOS 实施,因此呼吁 Apple、Google 和 Microsoft 提供访问控制工具和准确文档。
Anthropic完成IPO,以每股$83.00发行合计1,127,000,000股Class A普通股,发行总收益约$93.5 billion,其中Anthropic获得约$91.6 billion。
Hermes Agent 新增 Collective Wisdom 功能,可将成功工作流自动转为由描述和代码组成的技能,经审核后供团队共享。企业将能直接在 Microsoft Teams 中运行这款开源智能体,并在同一聊天中检查财务分析、文档起草或收件箱整理等任务的结果。
swyx 询问 Cursor Origin 后续进展、实际使用情况,以及它是否已支持 Actions/CI/CD。此前的介绍称,Origin 是面向 Agent 工作负载的 Git 竞品,可通过 API 和 MCP 扩展,并内置合并冲突与故障处理能力。
WeMM-Video 提出覆盖2B、4B、9B和35B-A3B的中英双语全模态基础模型家族,统一处理文本、图像、音频和视频,并支持非思考指令模式与逐步推理模式。模型使用约1.2 trillion tokens的多模态语料训练,流程包含多教师OPD、抗重复MrDPO和专家RL。报告称,WeMM-Video-35B-A3B在超过120项基准评测中达到开源SOTA,模型家族及评测复现管线已公开。
Mind2Act World 通过 Mind、Act 和 Mind2Act 三类视角,分别诊断机器人操作中的认知推理、物理执行及两者基于环境反馈的闭环组合。基准包含来自五个现实应用领域的 30 项模拟操作任务,覆盖三种难度和 Clean、Random 两种场景,共 180 种配置。
Anthropic以$83发行价登陆Nasdaq,首日收于$97.17,上涨17%,盘后跌逾3%。Claude Code 2.1.329显示定时任务、/loop唤醒和/tasks分叉;Gemini for Mac可在后台操作文件夹、应用及网页。GPT-Live-1.1进入API,新增更自然口音和降低闲置成本的待机选项。
Anthropic 完成 IPO,发行价为 $83,$ANT 首日收于 $97.17,较发行价上涨 17%,公司估值为 $1.5T。$81.3B 的发行规模超过 SpaceX 6 月 IPO 的 $75B。Dario 和 Daniela 表示公司将以系统安全且持续受人类控制为前提调整训练与部署节奏,其 Class F 股份在多数股东事项中拥有 50.1% 投票权。
MyClaw 推出 MyClaw 3.0,定位为内置工具的 AI 队友,支持 Claude Code、Codex、Hermes、Pi 和 OpenClaw,并可共享上下文。
腾讯在 Hugging Face 发布 Hy4 基础模型,这是一款 770B 参数、49B 激活参数的 MoE 多模态基础模型。其上下文窗口为 1M token,可理解文本、图像和视频。
ChatPRD 负责人 Claire Vo 披露,多个团体滥用产品的免费试用,以获取免费 AI 用量、转售 token,或在 ChatPRD agent 之上经营其他商业项目。有人循环使用免费试用和促销码,并通过隧道接入其 agent 来制作 Roblox 和 Fortnite 地图。Claire Vo 正在逐步取消所有免费试用。
swyx 指出,X 算法会激励夸张表述,失实预测几乎无需承担后果,用户浏览社交媒体时应对此保持警惕。有人断言达到 SOTA 的概率已降至零并获得大量点赞,3 个月后相关团队达到 SOTA,道歉帖又获得更多点赞;Gemini RL scaling team 还将相关文章打印出来作为动力。
Apple 发布 Depth Pro 2,用于生成清晰且时间一致的度量单目深度结果。该模型的页面已上线 HuggingFace,可通过原文链接访问。
Anthropic周四完成IPO,共筹集$81.3 billion,其中七位创始人出售股份获得$1.95 billion,按每股$83计算,每人税费前约获$280 million。
推荐理由:原文以$104.8 billion募资额、28%云厂商持股和万亿美元级基础设施承诺,呈现Anthropic上市后的资本结构与资金需求。
Apple 或正开发可代用户操作 Mac 的 AI 智能体,能够跨应用、网站、命令行、代码和 API 执行多步任务。相关信息来自一则高级工程经理招聘启事,项目仍处早期阶段,Apple 未回应 TechCrunch 的置评请求。即将推出的 macOS 27.3 将显示警告,劝阻用户向第三方智能体授予完全访问权限,并要求更明确的用户操作。
Linear COO Cristina Cordova 复盘公司调整市场策略并在今年突破 $100M ARR 的过程,Linear 已有超过 40,000 个付费客户,净收入留存率为 177%。过去一年半,公司转向智能体工作流,如今超过一半的工作项由智能体创建。Linear 同时坚持不设 SDR,并由人工审核 AI 起草的客服回复。