#多模态

World Labs 推出 Atlas，首个能精确控制相机并生成 3D 内容的世界模型，比传统方法更逼真。

AI Will@FinanceYF5原文

阿里升级了Qwen3.8-Max到0902版本，参数量和上下文都大幅提升，企业级任务表现更强，价格也公布了。

官方账号阿里通义 Qwen@Alibaba_Qwen原文

李飞飞团队推出Atlas，能精确控制镜头生成视频和3D重建，比开源模型更强。

Anthropic发布Fable 5.1和Mythos 5.1，前者编程能力大幅提升且成本降低25%，后者专注网络安全和生命科学领域。

shao__meng@shao__meng11 个信源在谈原文

Google给Gemini加了个新功能，看视频更聪明还省钱，能自己决定看哪里，长视频分析成本大降。

shao__meng@shao__meng原文

World Labs 推出的 Atlas 模型能同时生成、重建和仿真世界，用几何输入而非文本控制相机，在3D重建上超越专用SOTA模型。

shao__meng@shao__meng原文

Vercel 上线了 Fable 5.1，一个多模型平台，fx.sh 即可体验

Guillermo Rauch@rauchg原文

Anthropic的Fable 5.1更便宜限制更少，比前版本更实用。

techcrunch@Russell Brandom11 个信源在谈原文

Claude新出的Fable 5.1比Opus 5成本更低，特别适合科学工作流，是日常使用的不错选择。

elvis@omarsar04 个信源在谈原文

Milvus 3.0 新增 StructArray，一个实体可存多个向量，视频搜索、文档检索更精准。

Milvus@milvusio原文

Google给Gemini加了视频理解新功能，能看懂视频内容并回答问题，比普通视频分析更智能。

Anthropic发布Fable 5.1和Mythos 5.1，科研能力翻倍，缓存成本降75%，企业数据留存问题解决。

宝玉@dotey11 个信源在谈原文

World Labs的Atlas能模拟真实世界物理规律，不同于语言模型，支持3D重建和像素级相机控制。

a16z@a16z原文

DeepSeek V4 Flash 在 Fireworks 上新增视觉功能，价格不变但性能提升，性价比更高。

Fireworks AI@FireworksAI_HQ原文

GoogleDeepMind让Gemini能同时分析视频文本、音频和画面，只提取关键帧，长视频处理效率大增。

官方账号Google DeepMind@GoogleDeepMind原文

Claude现在能和你手写对话了，像哈利波特日记一样，还能在书上做批注出题。

小互@imxiaohu原文

科大讯飞开源百万 Token 端侧模型，支持完整售后手册分析，可部署于机器人或边缘设备，9月7日还将发布293B版本。

阿里Qwen3.8-Flash-Next在Agent Arena排名第7，比前代模型提升2.4%，任务完成率高达12.3%。

lmarena.ai@lmarena_ai原文

微软新出的病理模型用更少算力做更多事，适合大规模研究

官方账号Microsoft Research@MSFTResearch原文

荣耀给 Magic8 的 AI 追色加了调色盘功能，现在能精细调影调和颜色了，比之前更专业。

DeepSeek 10 天前发布 API，10 天后就开源了这款 305B 参数的多模态模型，性价比超高。

shao__meng@shao__meng3 个信源在谈原文

海信JUOS电视系统懂你所需，能根据家庭成员自动调整界面，还能通过剧情找电影片段，比普通电视智能多了。

华为云和瑞金医院出了个病理大模型，7B参数覆盖19种癌症，205项诊断任务，还能在普通电脑上运行。

OpenAI的Astra模型1次交互就能生成游戏和3D对象，比GPT-5.6 Sol推理时间长但能力更强。