依意思最接近的 30 筆
輝達與滑鐵盧大學開源 PixelUMM，一個不依賴 VAE 和 ViT、直接在畫素空間統一影像與影片理解及生成的多模態模型。它用單層線性投影把影像 patch 和影片 tubelet 接入以 Qwen3 初始化的 Mixture-of-Transformers 主幹，理解與生成共享注意力，沒有視覺編碼器、VAE 或離散視覺 tokenizer，程式碼和權重均已開源。模型可直接生成 832×464、96 幀（4 秒、24fps）影片；
10 月 16 日，範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域（ModelSphere），面向企業免費開源，以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程，可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片，無需為不同晶片重寫底層程式碼。
映界科技已完成兩輪種子輪融資、總計數千萬元，方向是空間智慧的資料採集與結構化、評測基準和後訓練環境，香港城市大學副教授馬辰負責其資料方向預研。馬辰認為資料價值由它對具體任務的增益決定，治理不能停在去重清洗；模型還需跨視角、跨時間的物件身份關聯與不確定性記錄。團隊正在建置空間智慧 Benchmark，主張評測要區分輸入模態與能力維度，並把模型失敗模式反饋到資料採集與訓練，形成獎勵可核驗的後訓練環境。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300，叢集規模從 88 到 1024 塊 GPU，服務約 150 名內部研究者，GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹（最終 100% 工作負載都標為 HIGH）以及值班工程師大量時間用於協商關閉不可搶佔任務。
禾賽 10 月 14 日發布三維世界資料引擎 Kosmo，由空間相機 Kosmo One 與雲平台 Kosmo World 組成，約 15 分鐘可完成 100 平方米空間掃描並生成三維訓練環境，而人工建模還原一家門店約需 300 小時。禾賽稱 Sharpa 的失敗案例降至原來的十分之一，任務成功率達 99%，同一空間可自動生成上萬條訓練軌跡。
軟體工程學者 Diomidis Spinellis 在部落格中判斷，AI 將接管大部分認知工作，思考會像狩獵、書法和木工一樣，從謀生手段變成休閒愛好。他給出三個驅動因素：效能更高、成本更低、可用性更高，並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力，政府可能以監管和稅收限制 AI，但歷史上的類似舉措未能阻止技術革命；他建議保持靈活、跟上進展，並在工作之外建立有意義的生活。
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
這段影片認為，當前的 AI 熱潮不能簡單類比 2000 年網際網路泡沫：網際網路時代鋪設的光纖等基礎設施壽命可達數十年，而支撐 AI 的 GPU 大約三年就會過時。影片據此說明 AI 基礎設施資產的折舊節奏與網際網路時代不同，進而影響對泡沫與投資回報的判斷。該影片在 Hacker News 上獲得 5 分、2 條評論，完整論證需看原影片。
Artificial Analysis 最新文生影片榜單中，影視公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，與第一名阿里 Wan 3.0 僅差 7 分，據福布斯估算其估值約 10 億美元。該榜單由評審在不知道模型名字的情況下盲投產生；Utopai X 以 MiniMax 開源的影片模型 H3 為底子做後訓練，10 項能力中有 7 項比基座更接近頂尖水平，音訊同步、運鏡控制與物理提升最明顯。
Pollo AI 推出影片創作 Agent，呼叫 OpenAI 的 GPT-5.6、GPT-6 Astra 與 GPT-Image-2.5 完成從創意到成片的全流程。系統用 GPT-5.6 做任務路由，GPT-6 Astra 負責敘事與分鏡等複雜推理，影像統一交給 GPT-Image-2.5，官方稱使用者挑選或切換模型的時間減少 50% 以上。平台已有超 2600 萬使用者，30% 的創作會話從模板開始；
匹茲堡大學研究發現，視覺語言模型（VLM）的中間層隱空間保留了可提取的三維場景拓撲。研究先用物體掩碼聚合視覺標記，再通過跨場景平均剔除顏色、形狀等身份屬性；處理後，中間層的 PCA 佈局與真實場景最吻合，相鄰物體的表徵能量比也更低。把 Dirichlet 能量加入微調目標，並在中間層做 500 步 LoRA 後，Qwen2.5-VL-7B 在 VSI-Bench 簡單相對方向任務上的準確率從 47.9% 升到 60.0%。
ArtCraft 發布 PhotoCraft：一個以潔淨室方式從零重寫、純 Rust 編寫的開源 Photoshop 替代品，可開啟、編輯並儲存分層 PSD 檔案。它採用基於 wgpu 的 GPU 合成器（Metal、Vulkan、DX12、WebGPU）與多執行緒濾鏡，內建 34 個工具和 16 種可即時疊加的調整圖層，重存 PSD 時保留 psd-tools 全部 309 個測試檔案中 307 個的渲染，116 個向量形狀圖層與 Photoshop 畫素一致。
Google 一顆搭載 TPU 的衛星已在軌啟動 AI 晶片，機載 Gemma 4 模型完成首次太空推理並回傳結果。測試中模型按提示寫了一首關於身處太空的俳句，Google 還試了其他太空主題打油詩與遙測提示詞。這是實驗專案 Project Suncatcher 的一部分，最終目標是建設太空 AI 資料中心；該衛星此前已發射入軌。
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
開發者 Brandon Thomas 用 Anthropic 的 Claude Opus 5.5 生成了七款開源應用，復刻 Adobe 的 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 與 Acrobat Pro 的介面和工具。Artcraft 去年以「面向藝術家的可控 AI」起步，用於 AI 生成影像與影片的精確後期編輯，本週末宣布轉向這套套件並在 Reddit 公布。
Higgsfield AI 藉助 GPT-6 Astra，把 AI 生成影片的時長從原先約 1 分鐘提升到 10 分鐘以上，CEO Alex Mashrabov 稱這緩解了長影片中畫面一致性的難題。配合 GPT-Image-2.5，平台可穩定渲染影像上的文字與資訊圖，服務缺少製作預算的小商家。Codex 讓約 200 名創意人員把想法直接做成軟體原型，團隊還用 GPT-6 Astra 生成長度超 10 分鐘的教學影片。
SpaceX 第三季度 AI 業務營收 75 億美元，佔公司總收入 52%，並實現 4.31 億美元利潤。該業績來自改名為 Super Intelligence 的業務線，含收購的 Cursor 程式設計工具、Grok 機器人與算力達 1.7 GW 的 neocloud 業務；若不計 Cursor 收購帶來的 12 億美元一次性股權激勵費用，利潤會更高。
Artificial Analysis 的 Video Arena 文生影片排行榜上，影視公司 Utopai 的定製模型 Utopai X 以 1150 的 Elo 評分位列全球第二、全美第一，這是該榜採用雙盲投票以來首次有影視公司定製模型進入前列。Utopai X 基於 MiniMax H3 架構做深度定製後訓練，在評測的 10 項細分能力中 7 項超越基座模型，音訊同步與物理規律排名第一，光照與材質、鏡頭控制排名第二。
Instagram 負責人 Adam Mosseri 在 Colin and Samir 播客中表示，圍繞 AI 的焦慮、沮喪與憤怒不僅不會緩解，還會繼續加劇，創意行業尤其明顯，且不止年輕人與創作者有這種情緒。他認為這些憤怒有的成立、有的並不成立，但整體負面情緒會進一步擴散。該期播客主要談 Instagram 上線寬屏與長影片功能。
SpaceX 與 Anthropic 的算力協議包含超 300 兆瓦新容量和 22 萬塊輝達 GPU，並提高 Claude Code 與 API 的使用額度；SpaceX 8 月首份財報顯示季度 AI 業務收入 25.61 億美元，同比增長 247%。算力緊張正在重塑矽谷關係，Google 2024 年花 27 億美元請回的 Gemini 聯合負責人 Noam Shazeer 因團隊算力被重新分配轉投 OpenAI。
Anthropic 旗下 Claude 官方帳號展示了一個西雅影像素風格漫步場景，畫面會跟隨當地真實天氣與一天中的時間變化。該內容由 @claudeai 發布，未說明具體產品形態、使用方式或開放範圍。
A2UI 支援可切換推理格式，新增的 A2UI Express 會把緊湊的 Python 風格語法經 Agent SDK 編譯成標準 A2UI JSON，token 用量最多減少 3 倍，延遲同步下降。開發者還可以結合 TypeSafe 的 Jev 系統決策模型進行受控生成，在 300ms 內渲染出已知結構的介面，同時讓較小模型流式輸出文字。前端渲染器與元件目錄無需改動，Python、TypeScript、Dart 均可使用。
崑崙萬維旗下 Skywork AI 發布並開源遊戲世界模型 Matrix-Game 4.0，稱其為全球首款可在單張消費級顯示卡上即時執行的遊戲世界模型。它在 RTX 5090 上以 60 FPS、480p 畫質執行，按鍵到畫面回應不到 0.15 秒，視訊記憶體峰值約 18.5GiB。做法是把世界狀態與遊戲規則交給遊戲引擎維護，影片模型只負責生成畫面，Coding Agent 可用自然語言改寫遊戲程式碼，例如把計時賽變成追擊戰。
在 AI2 發起的 MolmoSpaces 零樣本具身評測 Combined 榜單上，魔法原子 VLM Agent 框架 EchoPolicy-0 以 75.4% 的機器人操作平均成功率拿下全球第一，覆蓋全部 4 個 v1 任務，共 3915 局全量評測。同一分組下，自研具身 Agent 框架 MagicBrain 以 3.4B 引數位列全球第四，抓取成功率 94.4%，Pick-v1 與 Pick & Place-v1 兩項任務均為全球第一。
Proton CEO Andy Yen 正在公司內部強推 AI 化，今年是 Proton 最後一年招聘工程師，之後只招用 AI 建置產品的人；公司還在員工電腦上安裝軟體，統計 AI 生成程式碼的數量。據 404 Media 報導，他設立員工信箱收集阻礙 AI 推廣的事項，以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱，Yen 對外批評大型科技公司與 AI，對內卻推動工程師用 AI 建置 Proton 產品，即便他們對安全有顧慮。
Ben Affleck 本週因多段訪談影片走紅，他在其中講解神經網路、transformer、張量等概念，並稱自己會寫點 Python。他透露做法是拿開源模型微調：解凍權重、只訓練最後一層「電影感」層，讓劇組達到製片標準，該技術已用於其電影《Animals》後期。他創立的 AI 影視公司今年被 Netflix 收購，報導金額 5.87 億美元，他本人稱這個數字不準確。他還表示不擔心 AI 接管影視業，更擔心學生的習得性無助與大學 A 成績三年上升 30%。
2026 年 10 月，可用的 Photoshop 替代品已不止一個，而是四個，其中三個完全開源。Photon Studio 雖非開源但免費，提供 macOS、Windows、Linux 二進位制，支援本地 AI 模型與 agent 驅動，能完整讀寫 PSD 的智慧物件、混合模式和圖層效果；PhotoCraft 用純 Rust 重寫，可正常匯出 PSD 但顏色調整解讀有偏差；PhotoSuite 宣稱 1:1 相容 PSD/PSB，介面最接近 Photoshop；
PhAI Labs 於 10 月 12 日發布 RSI-Anything 技術報告，提出用世界模型連線預測、行動與真實反饋的跨領域遞迴自我改進（RSI）框架。在 CodeContests 程式碼修復中，不更換程式碼模型、線上測試預算不變，修復成功率從 26.3% 提升到 31.2%；OSWorld 圖形介面任務成功率相對提升約 18.4%。一個 4B 策略模型經連續五代迭代，實驗室規劃分數從 21.80% 升到 46.01%，略超參考系統的 45.32%；
網頁版圖片編輯器 Photopea 的開發者稱，GitHub 上存在數十個由 AI 提取其 JavaScript 程式碼、去除廣告後重新發布的倉庫，他於 2026 年 9 月 4 日提交 DMCA 下架通知，一個月後收到回覆稱無法確認違反 17 U.S. Code §1201，拒絕下架。作者表示這些第三方版本已導致使用者誤向他本人投訴，損害 Photopea 聲譽，並懷疑該回復是自動生成、無人真正稽核，正在考慮找律師走線下途徑。
皮克斯在最新的 RenderMan 3D 渲染教程中致謝禾賽 Kosmo，並教創作者用這套手持裝置採集真實場景的 3D 高斯潑濺（3DGS）資料。Kosmo One 整合雷射雷達、最高 8K 影像系統、一英寸 CMOS 與 IMU，在硬體層做到微秒級時間同步與出廠外參標定，掃描約 100 平米空間需要 15 到 20 分鐘；雲端 Kosmo Spatial Core 一次重建同步輸出 3DGS、mesh 與 depth 三種格式，可直接用於機器人訓練。