Mistral Large 4 生成 SVG 实测
Simon Willison 用 llm 命令行工具让 Mistral Large 4 生成"穿渔网袜的犰狳在火星乱穿马路"的 SVG，并与 Claude Opus 5.5、GPT-6.1-sol、Gemini 3.8 Flash 同题对比，各模型均使用默认推理等级。
#多模态
Simon WillisonAI 评分3030 Hacker NewsAI 评分2222 ArtCraft：Adobe 应用的 Rust 开源替代方案
ArtCraft 推出面向艺术家的开源创作工具，提供图像转 3D 网格、背景移除、3D 与 2D 合成、角色摆姿、图像转场景等功能，全部代码托管于 GitHub，可自由查看和 fork。该工具无需订阅、无聚合中间商，支持浏览器直接运行，无需安装。
Hacker NewsAI 评分2222 Quady3D：把图片、文字和草图变成 3D 模型的 AI 工作流
Quady3D 是一个 AI 3D 模型生成器，可将图片、文字、草图或多视角输入转为可预览、可下载的 3D 模型，支持 GLB、OBJ、STL 等格式。
GitHubAI 评分6060 Docling 更新文档解析能力，新增视频、ODF、XBRL 与邮件格式支持
IBM Research Zurich 发起的开源文档处理项目 Docling 更新解析能力，新增 MP4、AVI、MOV、MKV、WebM 视频解析并附带 ASR 转录和关键帧，同时支持 ODF、XBRL、EPUB、Apple Pages/Numbers/Keynote、邮件（.eml、.msg）、纯文本与 Markdown 超集等格式。
RadarAIAI 评分6262 生数科技发布 Vidu Q4 Preview 视频生成模型预览版
生数科技发布视频生成旗舰模型 Vidu Q4 的预览版 Vidu Q4 Preview，主打人物演技、镜头语言与特效表现力。新版本最多支持 3 段参考音频和 15 张参考图，支持 2K、4K 输出与 10bit 色深，首发优惠价 0.09 元/秒起，官方称同样预算约 5 倍出片，并从 Day 1 起面向全球创作者开放。
RadarAIAI 评分3838 Claude Opus 5.5 降低 Three.js 可视化门槛
Claude Opus 5.5 结合 YouWare 平台，可通过自然语言指令直接生成用于工厂物流展示的 Three.js 3D 代码，显著降低了编写复杂 3D 可视化代码的门槛。作者在 YouWare 上体验了用 Opus 5.5 生成工业场景（工厂物流、车间运输）代码，认为自然语言描述即可产出所需效果。
RadarAIAI 评分6262 SCM：基于本地大模型的 Mac 多媒体语义搜索工具
SCM 是一款在 Mac 端本地运行的多媒体搜索应用，用大模型实现自然语言描述搜图、搜视频以及 OCR 文字检索，全程本地处理、无需联网。它支持视频定位到具体秒数，OCR 可检索画面文字并覆盖中英文等 36 种语言，默认模型约 435MB，离线可用。
RadarAIAI 评分2323 Tripo 生成 3D 资产接入 Quest 3
Tripo 展示了将即时生成的 3D 资产放入 Quest 3 进行手部追踪交互的 XR 工作流，实现零建模时间。该流程由 Tripo 生成资产后直接导入 Quest 3 使用。
RadarAIAI 评分2424 阿里 Wan 3.0 低成本制作 AI 动画
一位创作者用阿里 Wan 3.0 制作了一段 AI 动画，称全部画面由 Wan 3.0 生成因而成本可控，配音则用 IrodoriTTS 补上原声不自然的部分。其体验是手绘风格难以控制、容易滑向全动画质感，动作场景的运镜与人物动态仍以 Seedance 更强。片中角色均以当下 AI 形象为原型，如主角 Claude、搭档 GPT。
TechCrunch · AIAI 评分6262 Google 上线 SynthID 网站，向所有人开放 AI 生成媒体检测
Google 上线新的 SynthID 网站，任何人都可以上传图片、视频或音频，检测其是否由 AI 生成。该工具此前在 Google I/O 上仅向部分记者、媒体从业者和研究人员开放测试，现已向所有人开放。
GitHubAI 评分3636 seigwen/DualTran-extension：AI 双语网页翻译浏览器扩展
seigwen/DualTran-extension 是一款 AI 驱动的浏览器扩展，可在同一页面内将译文与原文并排显示，基于 FilipePS 的 Traduzir-paginas-web 并针对 AI 翻译做了增强。
RadarAIAI 评分2424 OpenAI Decisions API 在鸡蛋质检中的低成本应用案例
有开发者分享了用 OpenAI Decisions API 做鸡蛋自动化质检的实测数据，流程为先用 Roboflow 的 RF-DETR 模型定位传送带上的鸡蛋并裁剪图像，再将单张图片输入 Decisions API 判断。实测显示该方案延迟约 270ms，单位成本极低，验证了多模态模型在工业分拣场景的经济可行性。
科技媒体 RSSAI 评分2222 Tripo 生成 3D 资产接入 Quest 3
Tripo 支持即时生成 3D 资产，并可直接放入 Quest 3 进行手部追踪交互，实现零建模时间的纯交互 XR 工作流。
科技媒体 RSSAI 评分6262 生数科技发布 Vidu Q4 Preview 视频生成模型预览版
生数科技发布视频生成旗舰模型 Vidu Q4 的预览版 Vidu Q4 Preview，主打人物演技、镜头语言与特效表现力。新版本最多支持 3 段参考音频和 15 张参考图，支持 2K、4K 输出与 10bit 色深，首发优惠价 0.09 元/秒起，官方称同样预算约 5 倍出片，并从 Day 1 起面向全球创作者开放。
科技媒体 RSSAI 评分4747 PFN 发布 PLaMo 3 Translate 31B 翻译模型：日语翻译表现优于 GPT-6.1 Sol
日本 Preferred Networks 发布完全自主研发的翻译模型 PLaMo 3 Translate 31B，训练数据中日语占比约 30%，日语翻译表现优于 GPT-6.1 Sol。该模型基于 PLaMo 3，支持语言从 2 种扩展至 53 种，并新增覆盖 15 种语言的在线会议翻译模式。
科技媒体 RSSAI 评分3838 Perplexity 发布 pplx-embed-v2-late：0.6B 与 9B 多模态嵌入模型，MADQA 得分 92.4%
Perplexity 发布 ColBERT 式多模态嵌入模型 pplx-embed-v2-late，包含 0.6B 与 9B 两个版本。其中 9B 版本在 MADQA 上取得 92.4% 的最佳成绩，0.6B 版本则面向边缘设备与本地查询编码。
arXiv cs.AIAI 评分2424 MOTIVE：面向视觉语言模型的多视角自验证与可靠性引导重思考框架
针对视觉语言模型易生成看似合理却错误答案的问题，研究者提出 MOTIVE 多视角自验证框架，通过正确性对齐的多视角验证学习得到可靠性分数，在推理时决定直接采纳还是触发历史引导的重思考。实验显示，MOTIVE 在多种多模态基准和 VLM 主干上持续优于强自验证与自纠正基线，并减少不必要的推理轮次，无需外部评判模型。
arXiv cs.MAAI 评分4141 LLM 智能体团队中的回环权威：扁平与层级协调的配对实验
一项针对开放式商业情报报告任务的配对实验发现，扁平 LLM 智能体团队产出的报告质量高于层级团队，在 Utility（d = 0.42，p = 0.009）和 Writing Clarity（d = 0.34，p = 0.030）上得分更高。
arXiv cs.MAAI 评分2626 CANDO：面向布局设计优化的协作式智能体网络
针对现有生成式 AI 布局基准多局限于矩形区域、依赖 FID 和 IoU 等分布指标的问题，研究者提出 ALPS-Bench，包含 1,000 个专业标注的真实设施布局及基于结构化设计手册的评分协议。
arXiv cs.MAAI 评分2222 多智能体搜索中的吸收态相变
研究用吸收态相变形式化方法预测 LLM 多智能体搜索任务的成功率，将搜索任务分为四类，并从理论上推导出临界通信度 d_c——每个智能体可通信的最小邻居数，超过该值错误假设便不会失控扩散、搜索进入已解状态。在软件配置调试与物理机制发现等真实任务上评估前沿 LLM 多智能体系统，结果与理论吻合程度不一：智能体可能不与邻居通信，并发展出对个体有利但限制协作收益的策略。
arXiv cs.AIAI 评分2222 Vision Transformers 如何通过转喻回路为抽象概念奠基
研究揭示 Vision Transformers 通过转喻机制为抽象概念奠基：抽象预测由具体可解释的锚概念（如用"火"关联"愤怒"）驱动。团队在 CLIP 和 DINO 视觉编码器上应用 Transcoders，追踪到结构化转喻回路——感知原语主导浅层，类物体锚点先于抽象目标出现，含渲染文字的图像则走独立的感知到文本路径。因果干预验证了转喻中间特征在抽象概念奠基中的功能作用。
arXiv cs.CYAI 评分3232 GPT-5.4 单建议 vs 双建议 AI 辅助：住院医师影像判读随机多读者研究
一项在中国三家医院开展的随机三臂研究显示，132 名临床经验不足 3 年的住院医师被随机分为 GPT-5.4 单独支持、GPT-5.4 加 Kimi-K2.6、GPT-5.4 加 Gemini-3.6 Flash 三组，判读 60 张 X 光片。
科技媒体 RSS同新闻AI 评分8888 GPT-6 面向超 12 亿 ChatGPT 用户推送，新增 Intelligent UI 生成式界面能力
GPT-6 开始面向每周超过 12 亿 ChatGPT 用户全面推送，带来 Intelligent UI 能力，回复可包含图形、按钮、表单、图表和可交互工具。技术上分为原生可流式组件库和渐进式渲染的界面编译器两层，训练时按清晰度、有用性、完整性评估生成的界面。对比演示中，同一烤羊腿问题 GPT-5.6 给出纯文本，GPT-6 给出带人数调节器和可勾选时间线的完整界面。
科技媒体 RSSAI 评分1212 Ben Affleck 谈机器学习与视觉特效工作流中的 Python
Ben Affleck 表示自己从胶片转向数字电影时期开始对计算机产生兴趣，会写"相当糟糕的 Python 脚本"。他提到视觉特效工作流多年来已包含机器学习，卷积神经网络作为 Transformer 的前身，可处理 tensor 并实现边缘检测与特征提取，从而更轻松地抠出绿幕画面并替换背景。
科技媒体 RSSAI 评分8989 OpenAI 在 ChatGPT 全量推出 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 与 Intelligent UI 正在 ChatGPT 向所有用户推出。Intelligent UI 可让回答更可视化、复杂主题更易理解，并即时生成交互式工具。OpenAI 首席研究官 Mark Chen 表示，每次 ChatGPT 补全都有潜力生成自定义 UI，很适合学习新知识。
科技媒体 RSSAI 评分5858 fal 推出 H3 Max Relight，可对任意视频重新打光
fal 推出 H3 Max Relight，上传已有视频后可在内置 Lighting studio 中逐帧重新打光，由 H3 Max 模型驱动。用户可选颜色、让每盏灯围绕主体旋转并调整强度与柔和度，同时保留原视频的主体、运动、镜头运动和音频，无需重拍即可把平淡日光改为黄金时刻、霓虹或品牌配色。
科技媒体 RSSAI 评分4040 Perplexity Decider v1.1 上线 OpenRouter
Perplexity 的开源权重多模态决策模型 Decider v1.1 已上线 OpenRouter，可接受文本、JSON 或图像输入，返回带概率的类型化答案。该模型输入价格为 $0.02/M，输出免费。
科技媒体 RSSAI 评分4242 Vidu Q4 上线 fal 平台
Vidu Q4 已在 fal 平台上线，支持基于单张首帧的图生视频并带原生音频。参考生视频最多可用 12 张参考图和 3 段语音片段以保持角色与声音一致，可生成 3 到 16 秒、540p 至 4K 的片段。
科技媒体 RSSAI 评分88 OpenAI 开发者展示手机串流图像到 ModRetro Chromatic
OpenAI 开发者展示了将手机图像串流到 ModRetro Chromatic 的方法。ModRetro Chromatic 是一款复古掌机，此次演示实现了手机画面向该设备的实时传输。
The Verge · AI同新闻AI 评分8282 OpenAI 随 GPT-6 在 ChatGPT 推出 Intelligent UI 更新
OpenAI 在 ChatGPT 中推出 Intelligent UI 功能，让聊天机器人用交互式可视化内容回答问题，可把文字回复与图表、表单、可点按钮等组合在一起。
科技媒体 RSS同新闻AI 评分7878 OpenAI 随 GPT-6 为 ChatGPT 推出 Intelligent UI 更新
OpenAI 在 ChatGPT 中推出 Intelligent UI 功能，让聊天机器人用交互式视觉内容回答问题，该更新随 GPT-6 向所有用户推送。ChatGPT 现在可以把文字回答与图表、表格、表单、可点击按钮等组合在一起。OpenAI 表示，GPT-6 经过训练，能判断何时生成交互式视觉内容而非纯文本，以及如何在回答中排版这些内容。
The Decoder同新闻AI 评分8585 OpenAI 推出 GPT-6，ChatGPT 回答改为图表按钮式交互界面
OpenAI 面向所有 ChatGPT 用户推出 GPT-6，并带来名为 Intelligent UI 的新功能，模型以图形、按钮、图表和表单等交互界面呈现答案，而非纯文本。
科技媒体 RSS同新闻AI 评分8282 OpenAI 发布 GPT-6，用图表、按钮和迷你应用取代纯文本输出
OpenAI 正在推出带 Intelligent UI 的 GPT-6，该功能把回答变成包含图表、按钮和表单的交互界面。模型可以在思考的同时给出回应，将等待时间缩短 44%。付费用户可使用 GPT-6 Sol，免费用户使用 GPT-6 Luna。
科技媒体 RSS同新闻AI 评分9090 OpenAI 在 ChatGPT 推出 GPT-6 与 Intelligent UI 交互式回答功能
OpenAI 员工宣布 ChatGPT 正在向所有用户推出 GPT-6 加 Intelligent UI，可在对话内直接生成交互式图表、计算器和工具。用户可通过调整输入来规划晚餐、分账单或理解复杂概念，GPT-6 还能在思考未完成时就开始回答。Plus、Pro、Business 和 Enterprise 今日开放，Free 和 Go 次日开放。
科技媒体 RSSAI 评分4040 OpenRouter 上线 Cloudflare 开源决策模型 Clef（27B）和 Clef Flash（9B）
Cloudflare 的开源决策模型 Clef（27B）和 Clef Flash（9B）已在 OpenRouter 上线。两者接收文本、JSON 或图像，返回带概率的类型化答案而非生成文本，定价分别为 $0.24/M input 和 $0.09/M input，输出免费。
TechCrunch · AI同新闻AI 评分8282 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 GPT-6 一同上线，在对话中大量加入可交互的视觉元素，包括可点击按钮、针对特定任务定制的计算器、交互式图表和可编辑图形。
The DecoderAI 评分6060 Google 向公众开放 SynthID Detector，称已有 1800 亿图片和视频带水印
Google 将 SynthID Detector 向公众开放，任何人都可以检测图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成。该工具识别 Gemini、Veo、Lyria 等模型嵌入的隐形水印，支持 JPG、PNG、MP4 和 MP3 格式。
科技媒体 RSSAI 评分6666 Google 开放 SynthID 水印检测器，称已有 1800 亿图片和视频带水印
Google 的 AI 水印检测工具 SynthID 现已向公众开放，任何人都可以检查图片、视频或音频是否由 Google 或其 OpenAI、Nvidia 等合作方的 AI 生成。Google 表示已有超过 1800 亿条内容带有该水印，但该工具只能识别带 SynthID 标记的内容，无法识别通用的 AI 生成媒体。
科技媒体 RSSAI 评分6060 Perplexity 开源 pplx-embed-v2-late 多模态嵌入模型，含 9B 与 0.6B 两个版本
Perplexity 开源 pplx-embed-v2-late，包含 9B 和 0.6B 两个面向文本与图像的 late-interaction 多向量嵌入模型，两者共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面。模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。
科技媒体 RSSAI 评分4747 Perplexity 发布 pplx-embed-v2-late 双模型，统一空间检索文本、图像与网页
Perplexity 发布 pplx-embed-v2-late，包含两个 late-interaction 嵌入模型，可在共享嵌入空间中跨模型检索文本、图像和网页，已在 Hugging Face 公开。其中 pplx-embed-v2-late-0.6B（340M 激活参数）在 ViDoRe V3 公共子集上得分 62.3，官方称其 0.6B 模型可匹配 5 倍大小模型。