ChatGPT 上线 Intelligent UI，随 GPT-6 生成图表与按钮
OpenAI 在 ChatGPT 中推出 Intelligent UI 功能，让回答可以结合图表、表单、可点按钮等交互式视觉内容，该更新与 GPT-6 一同面向所有用户推送。
推荐理由：ChatGPT 把回答从纯文本扩展为图表、表单和可点按钮，读者可据此判断交互形态的变化。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 51 条The Verge · AI精选AI 评分8282 TechCrunch · AI精选AI 评分8080 OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 界面转向可视化
OpenAI 推出名为 Intelligent UI 的新界面，随新 GPT-6 模型于周三开始推送，把可点击按钮、定制计算器、交互式图表和可编辑图形等可视化元素直接嵌入对话，官方称目标是让学习复杂主题更容易。该功能支持自定义，用户可调低可视化程度；面向 Pro、Plus、Business 和 Enterprise 用户全球上线，免费和低价 Go 档用户周四可用。
推荐理由：OpenAI 把交互式图表、按钮和计算器直接嵌入对话，读者可据此判断 ChatGPT 的界面形态变化。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 7.4 亿。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于判断本地检索与 RAG 的可行性。
Microsoft Research 博客（RSS）精选AI 评分6161 Microsoft Research 发布 AI 生物研究系统 Quine，并开放 Quine Fellows 项目申请
Microsoft Research 推出 Quine，一个包含生物学世界模型和交互式 harness 的 AI 研究系统，可跨基因组、蛋白质、化学、细胞状态和生物成像等模态联合学习并推理干预后果。
推荐理由：原文给出 PDAC 化合物筛选一个周末完成并经湿实验验证的结果，读者可据此评估 AI 驱动生物发现的实际路径。
Latent Space精选AI 评分7878 AMD 以 82 亿美元收购 World Labs，Atlas 模型解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾，公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队，并在收购 SceniX 后推进机器人仿真能力。
推荐理由：AMD 以 82 亿美元收购 World Labs，读者可借此了解空间智能与机器人仿真方向的整合动向。
IT之家（RSS）精选AI 评分7878 Meta 推出 Hologram 拟真虚拟形象，秋季上线雷朋眼镜与 Quest 头显
Meta 宣布将于今年秋季在雷朋 Display 智能眼镜、Quest 头显及新轻薄头显上推出“Hologram”功能。该功能利用生成式 AI（实时扩散模型）创建高度拟真的用户虚拟形象，替代传统摄像头画面用于 WhatsApp 视频通话。用户需通过手机 Meta AI 应用采集面部表情和语音数据完成建模。雷朋版基于音频驱动生成 2D 视频流，Quest 版支持 3D 等身立体呈现。目前存在细节粗糙、侧倾变形等技术局限。
推荐理由：Meta 将生成式 AI 深度整合进主流 XR 硬件的通信场景，标志着虚拟形象从卡通向高保真实时生成的跨越，对 AR/VR 社交体验有重要影响。
H Company 官方精选AI 评分7474 H Company 发布 Holo4 开放权重模型，统一操作界面与工具
H Company 发布 Holo4 的二百七十亿参数稠密模型和混合专家版本，提供 API、可下载权重与多种量化格式。模型把桌面、网页、安卓操作及代码和工具调用结合在同一智能体中；不同测试平台的分数不能直接横向比较。
推荐理由：开放权重和量化版本让团队能在自有环境尝试界面操作智能体，并对不同设备和工具组合开展实际任务评测。
Runway：News（网页）精选AI 评分6262 Runway 发布 DaVinci Resolve 插件，可在剪辑软件内生成和重绘素材
Runway 发布 DaVinci Resolve 插件，可在 Resolve Studio 内直接生成图像和视频、重绘播放头下的片段，并将结果导入媒体池和时间线。
推荐理由：官方发布说明讲清了插件的核心工作流变化和版本要求，剪辑师可以据此评估是否把生成环节搬进 Resolve。
Latent Space精选AI 评分8282 小米发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本约 300 万美元
小米发布 MiMo-V2.6 系列，包含原生全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米以约 300 万美元训练成本推出原生全模态开源模型，并公开 RL 环境与训练配方，可对照中国开源模型的成本路线。
Xiaomi MiMo@XiaomiMiMo精选AI 评分7373推荐理由：官方发布全模态模型并开放权重、技术报告和训练代码，附与 Claude Opus 5、GPT-5.6 Sol 的 Agent 基准对比数据。
Qwen：Blog Retrieval（API）精选AI 评分6969 Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒
Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker–Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。
推荐理由：官方给出了架构设计、LAAL 从 2.8 秒到 2.3 秒的数字和多语言评测结果，读者可以据此评估其实时翻译能力的实际变化。
HuggingFace Daily Papers（社区热门论文）精选AI 评分8585 DeepSeek-V4.1-Flash 发布：552B MoE 多模态模型主打 KV cache 压缩
DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的多模态 MoE 模型，支持最长 100 万 token 上下文，模型权重已在 Hugging Face 开放。
推荐理由：论文给出了每 token KV cache 字节数等具体压缩指标，并与上一代模型直接对比，可评估长上下文 Agent 部署成本变化。
Qwen：Blog Retrieval（API）精选AI 评分7878 Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付
Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。
推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分6363 蚂蚁 inclusionAI 开源 Realtime-Venus 全双工交互系统
蚂蚁集团 Venus 团队与清华大学在 GitHub 开源 Realtime-Venus，一个支持全双工对话与异步任务委托的实时交互系统。系统包含三个组件：Realtime-Venus-Omni（9B，流式音视频对话与主动交互）、Realtime-Venus-Audio（9B，语音交互与音频理解）以及负责后台任务执行并将结果返回同一对话的 Harness 运行时。
推荐理由：蚂蚁和清华开源了全双工对话加异步委托任务的系统，含 9B 的 Omni 与 Audio 两个模型和 Harness 运行时，可直接下载推理或跑浏览器 demo。
OpenRouter：Announcements（RSS）精选AI 评分7373 DeepSeek V4 哪些型号支持图像输入？OpenRouter 逐款梳理与调用指南
OpenRouter 梳理其目录中的 DeepSeek V4 系列图像输入支持情况：V4.1 Flash 原生读图（2026年9月10日上线，$0.15/$0.60 每百万 token）。
推荐理由：原文逐一列出 DeepSeek V4 各型号是否支持图像输入、价格和调用方式，并给出文本-only 型号配视觉模型的两段式替代方案。
Google Blog：AI（RSS）精选AI 评分6363 Google 发布 TranslateGemma 等多语言 AI 成果，语言技术覆盖 300 多种语言
Google 宣布其语言技术已支持超过 300 种语言、覆盖全球 86% 人口，并发布 TranslateGemma 轻量开源翻译模型（基于 Gemini 训练、支持 55 种语言、可离线运行）。
推荐理由：原文来自 Google 对其语言技术的系统性梳理，读者可以借此了解其多语言 AI 的技术路线和数据合作方式。
公众号：生数科技（Vidu·视频）精选AI 评分6767 生数科技发布 Vidu S2：含 Avatar 与 Editing 双模型，探索空间视频
生数科技正式发布 Vidu S2，包含面向数字角色实时交互的 Vidu S2-Avatar 和面向视频流实时编辑的 Vidu S2-Editing，并探索面向 VR 头显的实时空间视频生成与编辑。
推荐理由：官方发布 Vidu S2 双模型，给出实时交互、编辑与空间视频的技术路线和评测数字，读者可对照判断其流式生成思路。
公众号：阶跃星辰（Step）精选AI 评分6666 阶跃星辰发布 StepAudio 3 系列语音大模型，多款在 Artificial Analysis 榜单全球第一
阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen 和 Music 五款模型，已在阶跃星辰开放平台上线。
推荐理由：官方完整介绍了五款模型的能力与榜单成绩，可帮助读者了解语音模型在实时交互、理解和创作上的进展。
Apple：Newsroom（RSS）精选AI 评分7777 Apple 发布新一代 Apple Intelligence，Siri AI 正式以测试版上线
Apple 发布新一代 Apple Intelligence，推出全面重构的 Siri AI，支持个人语境理解、屏幕感知、系统级应用操作和跨设备对话，今日起以英文测试版随 2027 系统更新推出，下月扩展至法语、日语、韩语、葡萄牙语和西班牙语。
推荐理由：官方公告完整列出 Siri AI 的能力清单、设备与语言范围，以及欧盟和中国市场暂不可用等限制，读者可据此评估适用性。
Suno：Blog（网页）精选AI 评分6868 Suno 发布 v6 音乐模型，推出 v6、v6-wild、v6-mini 三个版本
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发，后续将全面替换旧模型。v6 分为三个版本：旗舰 v6 和探索向的 v6-wild 面向 Pro 与 Premier 订阅用户，更快的 v6-mini 向所有人开放。
推荐理由：官方发布新一代音乐模型，给出三个版本的定位差异和编辑、混音、采样等具体新能力，可帮助创作者判断如何选择和使用。