开源自托管 AI 短视频工具 OpenShorts 发布，可替代 OpusClip
开发者发布 MIT 协议的开源工具 OpenShorts，可将长视频转为 9:16 的 TikTok、Reels 和 Shorts，支持自托管或使用 openshorts.app 云版（免费 20 分钟/月带水印，付费 $12/mo 起）。
#多模态
Hacker News：AI 热帖AI 评分6464
The Verge · AIAI 评分5555 Google DeepMind 发布 AlphaGenome 2，预测基因变异对不同细胞类型的影响
Google DeepMind 发布基因预测模型 AlphaGenome 2，用于预测基因变异对单个细胞类型和状态的影响。该模型基于 68 种组织超 1 亿个单细胞图谱训练，识别可改变基因表达的变体数量约为此前最先进模型的两倍，且无需重新训练即可预测新细胞类型。非商业研究可通过 AlphaGenome API 使用，商业研究为有限 private preview。
The Verge · AIAI 评分4646 Ring 室内无人机摄像头 Drone Cam 上手体验
Ring 在纽约发布活动中展示新款室内无人机摄像头 Ring Drone Cam，计划 2027 年 1 月 27 日以 $249.99 发售，可响应 Ring 传感器触发沿预设路线巡航，提供 2K 分辨率、148 度视场并支持 360 度覆盖。
The Verge · AIAI 评分4747 Adobe 在 Max 大会让 Photoshop、Lightroom、Premiere 更易移除不需要的对象
Adobe 在 Max 大会上为 Photoshop、Lightroom、Premiere 和 Firefly 推出多项 AI 编辑功能，重点是自动移除画面中不需要的对象。
Comfy Blog精选AI 评分6464 Seedream 5.5 上线 ComfyUI Partner Nodes
Seedream 5.5 已通过 ComfyUI 的 Partner Nodes 可用，是一个支持文生图和图像编辑的多模态模型。更新覆盖五个方向：原生生成透明与半透明 RGBA 输出、支持多轮精准局部编辑而不破坏画面其余部分、一步生成文字可读且布局结构化的海报与信息图、更真实的肖像材质与光影细节，以及可在提示词中控制灯光。
推荐理由：官方介绍 Seedream 5.5 在 ComfyUI 的接入方式与五项能力变化，读者可据此评估是否把透明输出和多轮局部编辑接入现有工作流。
vLLM 官方博客AI 评分4343 vLLM 通过 EPD 分离架构扩展多模态推理服务
vLLM 官方博客讲解 Encoder/Prefill/Decode（EPD）分离架构的工程实现，可将多模态编码阶段独立部署为单独的 vLLM 实例。
Ars Technica · AIAI 评分4242 Amazon 推出 Ring 移动安防产品：AI 无人机 Ring Drone Cam 与室内安防机器人 Ring Rover Cam
Amazon 推出 Ring Drone Cam 无人机安防摄像头，配备 148 度视野、360 度旋转的 2K 摄像头，可通过 Alexa Home Map 控制，但满电飞行时间仅 8 分钟。同场还发布面向企业的 1,000 美元 Ring Rover Cam 安防机器人，已开启预售，12 月 16, 2026 起发货，支持 4K 巡逻录像，视频云端存储最长 180 天，仅限单层室内使用。
Claude 应用发布说明AI 评分4848 Claude Whiteboards 入门指南
Anthropic 发布 Claude Whiteboards 入门指南，介绍这款与 Claude 共同思考的共享白板（artifact）的用法。用户可通过对话、打字、语音口述或手绘输入想法，Claude 会将其整理为图形、流程和分组，团队成员可实时协作并跟随查看，可经邮件邀请组织外成员。
The DecoderAI 评分6363 Nvidia 发布研究报告介绍 GR00T 2 世界动作模型，用人类视频训练机器人
Nvidia 发布 GR00T 2 研究报告，将其定位为世界动作模型（WAM），通过扩散预测未来画面，把视频中的人类动作迁移到机械臂。系统用超过一千块 GB300 芯片训练约 40 万小时头戴相机视频，机器人无需遥操作即可点火柴、切香蕉等，成功率在 10% 到 80% 之间；50 个任务仅需不到 3 分钟常规训练即可把成功率从 40% 提到 95%。
Google Blog：AIAI 评分4747 Google 与 Adobe 合作：Adobe 创意与办公工具接入 Google 应用
Google 在 Adobe MAX 上宣布扩大与 Adobe 的合作，将 Adobe 的创意与办公工具直接引入 Google 日常应用，同时把 Google 的前沿 AI 模型接入 Adobe 应用。
MarkTechPostAI 评分6868 Meta 发布 Muse Ember：1M 上下文的小型智能体模型，对标 Claude Haiku 5.5
Meta Superintelligence Labs 发布 Muse Ember，面向智能体高频子任务（工具调用、编码子任务、路由、抽取与长文档解析）的多模态推理模型，提供 1M token 上下文与最高 512K 输出。
OpenRouter：Announcements精选AI 评分6969 OpenRouter 实测 16 种 OCR 方案：Claude Opus 5.5 最准，Mistral OCR 性价比最佳
OpenRouter 用 8 页自造扫描件实测 15 个视觉模型加 Mistral OCR 和 Tesseract，每模型 264 项关键值检查。Claude Opus 5.5 最准，262/264 正确，每千页 $16.42；Mistral OCR 得 258/264，仅 $2.02；Ling 3.0 Flash VL 关闭推理后 254/264，每千页 $0.04。
推荐理由：OpenRouter 用自造的 8 个测试页实测 16 个方案，给出准确率、成本和防幻觉的可行做法，读者可按自家文档场景对号选型。
Google ResearchAI 评分4646 Google 发布 Language Explorer：在线探索世界语言多样性
Google 推出 Language Explorer，一个用于发现和可视化全球语言多样性的交互式网络平台，由 1,000 Languages Initiative 支持，基于开源 LinguaMeta 数据集整合数千种语言的数据。
Artificial Analysis 完整文章AI 评分5353 Artificial Analysis 联合 Google DeepMind 发布 MKA 多模态知识智能体基准
Artificial Analysis 与 Google DeepMind 合作发布 Multimodal Knowledge Agent (MKA) 基准，评估智能体处理架构图纸、工程示意图、临床扫描等复杂视觉文件并产出幻灯片、表格、报告等交付物。
Meta：Newsroom · AIAI 评分4848 Meta 将 Teen Accounts 保护扩展至全球青少年用户
Meta 宣布将识别未成年人的 AI 技术全球推广，即使青少年注册时填写成人生日，也会被自动纳入 Instagram 的 Teen Accounts 保护，限制联系人、内容和使用时长。
vLLM 官方博客AI 评分5252 VeRL-Omni v0.3.0 发布：异步训练与更广的多模态后训练覆盖
VeRL-Omni 团队发布 v0.3.0，将异步执行扩展到更多多模态 RL 工作负载，V1 训练器成为默认，并扩展图像、视频、音频和多模态理解的后训练覆盖。
Meta：Newsroom · AIAI 评分5454 Meta 在 Muse 应用推出实时语音对话与表情化头像
Meta 在 Muse 应用的移动端、网页端和 Mac 上推出实时语音对话，点击右上角电话图标即可开始通话。语音模式支持边说边完善旅行规划、面试和演讲排练等场景；头像会随对话语气做出细微表情和手势，提供仅语音、侧边头像和全屏三种显示方式，另有数百种可选声音。本次功能先在美国推出，AI Glasses 和 Muse Charm 上的语音对话即将到来。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频生成并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 全面开放，价格较 1.1 下降 30%，720p 视频为 $0.07 per second。
推荐理由：官方给出了价格、时长和一致性等具体变化，读者可以据此评估它在视频生成工作流中的成本与用法。
Google Blog：AIAI 评分6363 Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google 发布 Gemini Omni 1.2 Flash，在 Gemini API 和 Gemini for business 全面开放。新模型原生支持最长 15 秒视频生成、多轮对话式剪辑和更强的参考一致性，价格较 1.1 下降 30%，720p 视频为每秒 $0.07，最佳成片可上采样至 1080p 或 4K。
Google Research精选AI 评分7070 Google Research 发布 AI-PPG-ACC-HTN 系统，用智能手表无袖带检测高血压迹象
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统，用消费级智能手表的 PPG 和加速度传感器被动检测高血压迹象，无需袖带校准。
推荐理由：原文给出无需袖带校准的智能手表高血压筛查系统及与临床金标准对比的具体数据，读者可据此评估其筛查定位。
Preferred Networks：AI 研究与产品精选AI 评分6060 PFN 开源发布翻译专用模型 PLaMo 3 Translate，支持 53 种语言离线运行
Preferred Networks 于 11 月 5 日开源发布翻译专用大模型 PLaMo 3 Translate，提供 0.8B、2B、8B、31B 四种规格，已上架 Hugging Face。
推荐理由：原文给出四个模型规格、53 种语言覆盖和离线运行能力，可帮助读者评估端侧翻译模型的选型与商用许可条件。
Google ResearchAI 评分4343 Google Research 介绍 Agile Deliberation 框架：让 AI 帮助人类定义主观分类的灰色地带
Google Research 提出 Agile Deliberation 框架，把主观 AI 视觉分类器的构建变成人与 AI 的迭代对话，先化解人类意图的模糊再训练模型。
Suno：BlogAI 评分5858 Suno 支持从 MIDI 文件开始创作歌曲
Suno 上线 MIDI 起始功能，用户可在 Create 页面拖拽或上传 .mid/.midi 文件，用自然语言让模型严格按音符演奏或取动机发展新曲。该功能目前以 Simple Create 模式配合 v6-wild 使用，面向所有 Pro 和 Premier 订阅用户开放。
Google Blog：AIAI 评分4040 Google 盘点 2026 年 10 月 AI 进展：Gemini 4 Argon/Carbon 与 Genie 4 领衔
Google 发布月度回顾，梳理 10 月多项 AI 更新，核心是先全球推出前沿推理模型 Gemini 4 Argon，两周后又宣布更强长时程工程与网络安全防御模型 Gemini 4 Carbon（目前经 Fairwind Program 处于预发布测试）。
Figma AI / Agent / MakeAI 评分5151 Figma 讲解如何训练专属设计编辑模型
Figma 撰文讲解其 agent 内自研编辑模型的训练方法：先用 SFT 在 Figma 原生文件格式上用超过 25 万条合成样本训练，早期基于 Llama 3.3 70B 即可在编辑任务上与当时顶尖模型竞争，后转向 Qwen 3.8 27B 等更强基座并结合 RL。
Mistral AI精选AI 评分7777 Mistral 开源 Mistral Large 4（Le Chonk）万亿参数多模态模型权重
Mistral 发布 Mistral Large 4（Le Chonk）开放权重，为 1 万亿参数原生多模态模型，在欧洲基础设施上从零训练。
推荐理由：官方放出完整权重与各基准数字，可据此比较该模型在编码、安全与成本效率上的定位，并判断自部署可行性。
Ai2 / Allen Institute for AIAI 评分4747 研究者如何将 olmOCR 2 适配到历史与考古档案
Ai2 介绍了研究者如何将开源文档识别模型 olmOCR 2 用于历史与考古档案。
Google DeepMind精选AI 评分7474 Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频
Google DeepMind 发布新一代世界模型 Genie 4，以研究预览形式向可信测试者开放，后续将向 Project Genie 中的 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 早期合作伙伴推出。
推荐理由：官方原文给出 Genie 4 的实时交互、原生音频能力和与 Gemini 协作的机制，也写明了测试者反馈和已知局限。
Apple：Newsroom精选AI 评分6363 Apple Creator Studio 发布 AI 更新：新增智能助手并为 Keynote、Pages、Numbers 提供 MCP 支持
Apple 于 10 月 27 日宣布 Apple Creator Studio 重大更新，11 月起作为免费更新推送给现有订阅者。
推荐理由：官方发布覆盖 Final Cut Pro、Logic Pro、Pixelmator Pro 及办公三件套的 AI 能力与 MCP 支持，可据此判断创作套件如何接入外部智能体。
Apple Machine Learning ResearchAI 评分4141 苹果机器学习研究提出 GHARP：基于大规模重建先验的实时高斯头部动画
Apple 机器学习研究团队提出 GHARP，可从少量输入图像和表情驱动信号实时生成 3D 头部动画。该方法将问题拆分为离线的身份构建阶段和运行时的轻量表情残差动画阶段，动画网络针对移动设备优化，并用身体对齐网络解决身体区域模糊和闪烁问题。在 Ava-256 基准上达到 SOTA 质量，同时在 A100 GPU 上最高快 13×，Gaussian 数量减少 8×。
Figma AI / Agent / MakeAI 评分4949 六种团队实验 Figma code layers 的方式
Figma 的 code layers 进入 open beta，六支团队分享了在画布上用代码驱动原型的用法。
Google Research精选AI 评分6060 Google Research 复盘医疗 AI 用于肺结核筛查的落地之路
Google Research 在 IDWeek 2026 分享其肺结核筛查 AI 从研究到落地的历程：2019 年基准研究后，经 Nexus AI 转化为 CE MDR Class IIb 认证工具，在约 40 家医疗机构部署，超过 90 名临床医生评估逾 25000 张胸片，周转时间缩短至 45 秒内。
推荐理由：Google Research 官方复盘其肺结核筛查 AI 从论文、CE 认证到开源 MedGemma 落地的完整路径，读者可了解医疗 AI 从研究走向一线的关键环节。
Ai2 / Allen Institute for AIAI 评分5454 Ai2 发布 OlmoEarth v1.3 卫星嵌入模型并开放全球预计算嵌入
Ai2 发布卫星嵌入模型 OlmoEarth v1.3，读取 Sentinel-1、Sentinel-2 和 Landsat 时间序列，为每个 10 米像素生成 128 维向量，并在 27 项评测中的 20 项上超过 AlphaEarth Foundations 和 Tessera v2。
Google Research精选AI 评分6868 Google Research 发表 JAMA Network Open 研究：AI 盲扫超声估测孕周达临床非劣效
Google Research 在 JAMA Network Open 发表前瞻性多中心研究，验证 AI 模型解析无超声训练背景的基层人员用便携探头做的盲扫图像来估测孕周。在芝加哥和内罗毕两个环境共 385 名参与者的主要队列中，模型估测孕周的平均绝对误差为 4.18 天，非劣效于专家超声师标准流程的 4.48 天；内罗毕站点未做本地微调，误差 4.27 天，显示了跨临床环境和硬件的泛化能力。
推荐理由：原文给出前瞻性多中心验证数据，AI 用盲扫超声估孕周的误差与专家标准相当，可帮读者了解医疗 AI 跨环境落地的实际表现。
Apple：NewsroomAI 评分5454 Apple 介绍开发者首批适配折叠屏 iPhone Duo 的应用体验
Apple 官方宣布全球开发者已针对首款折叠屏 iPhone Duo 优化应用，覆盖流媒体、游戏、生产力、创作等场景，优化应用从本周五起在 App Store 通过 Made for iPhone Duo 标识可辨。
Nathan Lambert：InterconnectsAI 评分4949 最新开源成果（#25）：DeepSeek V4.1 Flash 1017、美国造模型与中美新监管控制
Nathan Lambert 在 Interconnects 最新一期开源成果盘点中梳理了中美对开放权重模型的新监管动向：中国商务部提议前沿模型国际共享需预先审批，美国国土安全部则限制 DeepSeek 成为联邦采购供应商。
Together AI 研究与产品博客精选AI 评分7575 Meta Muse Spark Open 上线 Together AI，面向智能体编码场景
Meta 的 Muse Spark Open 开放权重模型已在 Together AI 上线，Together AI 是 Day 0 上线合作方。模型具备 1M token 上下文窗口、长程自主规划与子智能体协调、计算机使用与网页浏览、多模态输入和意图说明能力。
推荐理由：原文给出了模型能力、定价和 API 用法，读者可据此评估它在智能体编程工作流中的实际落地价值。
vLLM 官方博客精选AI 评分6060 NVIDIA Nemotron 3.5 Super VL 发布并获 vLLM Day 0 支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，vLLM 提供发布当天支持。
推荐理由：原文给出架构细节、量化版本和部署配置，读者可据此评估它在多模态智能体工作流中的部署成本与吞吐表现。
Ai2 / Allen Institute for AIAI 评分5858 Ai2 发布 HiRO-ACEv2，以约 1/300 成本生成全球 3 公里分辨率极端气候数据
Ai2 发布 HiRO-ACEv2，其系统可用约为 X-SHiELD 1/300 的成本生成全球 3 公里分辨率气候数据。新降尺度模型 HiROv2 可同时预测多个高分辨率要素，对百万分之一量级的罕见极端雨、风、压事件，统计误差可控制在 3% 以内，并能估算未见过的热带气旋总能量。
Apple Machine Learning ResearchAI 评分5151 Apple 发布三模态掩码扩散模型设计空间的系统研究
Apple 机器学习研究团队发布首个从零预训练的三模态 Masked Diffusion Models（MDM）论文，涵盖文本、图文与音频文本数据。