DeepSeek 解决了 AI 的记忆问题
DeepSeek 的 OCR 论文提出了一种解决 AI 记忆问题的方法。该论文已公开，具体技术细节与效果数据尚未在现有材料中披露。
#多模态
Two Minute PapersAI 评分4040
量子位AI 评分6262 何恺明团队发布多模态Harness框架VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型无需重新训练即可保存原始画面并在推理时回看、放大和检查细节。
The DecoderAI 评分7474 Odyssey 发布生成式世界模型 Odyssey-3，免费在线体验
Odyssey 发布生成式世界模型 Odyssey-3，并开放免费在线 demo，由 Odyssey-3 Flash 驱动，可根据文字描述生成可交互环境，支持第一人称和第三人称视角、移动、触发事件并实时响应。
公众号 · 硅星人ProAI 评分2222 本周 AI 项目推荐：ZooWork、Kite、Yotta Labs 等 Assembling 2026 上的五个项目
硅星人Pro 从 Assembling 2026 现场挑选了 ZooWork、Kite、Puffo、Musein（目音）和 Yotta Labs 五个 AI 项目。
X · Bilawal SidhuAI 评分4040 God's Eye View 开源后，用户用 SDR 天线、卫星影像和 Director Mode 做地理叙事
God's Eye View 开源后，用户在其上搭建了多种应用：追踪飓风及其不确定性锥、跨日期对比卫星影像、接入 SDR 天线查看空中飞行目标。这些内容可汇入 Director Mode，用带地理位置的视频、卫星影像和 3D 重建来讲述故事。
X · CapCut 剪映精选AI 评分6060 CapCut 网页版 Video Studio 上线 Timeline Editor
CapCut 在网页版 Video Studio 中上线 Timeline Editor，把 AI 生成和手动剪辑放到同一画布上。用户可在同一工作流中裁剪与拼接片段、修改提示词重新生成、添加音乐并做更多调整，项目还能从网页端无缝转到 CapCut Desktop 继续编辑。
选题角度：官方给出网页版时间线编辑器的入口和功能清单，适合录屏演示从 AI 生成到剪辑、再切到桌面端续做的完整流程。
X · AIWarperAI 评分3838 用 Opus 5.5 与 Davinci 制作透明 FX：从 UE blockout 到 SD 2.5 的工作流
一条工作流从 UE blockout 经 SD 2.5，再由 Opus 5.5 配合 Davinci 完成：作者让 Opus 使用 Claude Motion 生成透明 FX，并在 Davinci 中合成。作者评价这一流程"有趣，非常不错"。
最佳拍档AI 评分2222 Google Research 负责人 Yossi Matias 谈 AI 下一次突破：超越 Scaling Law、环境智能与科学发现
Google Research 负责人 Yossi Matias 探讨 AI 下一次突破的方向，涵盖超越 Scaling Law 的架构创新（如投机解码提升效率）、环境智能与 Generative UI 交互范式、AI Co-Scientist 加速科学发现，以及洪水预测、Google Earth AI 行星级智能、医疗 AI 开放生态与量子计算进展。
Futurepedia精选AI 评分6262 Futurepedia 横评 Nano Banana 2.1、ChatGPT Image 2.5、Flux 3 Image 与 Seedream 5.0
Futurepedia 借 Nano Banana 2.1 发布之机，用同一批提示词对比 Nano Banana 2.1、ChatGPT Image 2.5、Flux 3 Image 和 Seedream 5.0 四款图像生成模型。测试覆盖营销素材、文字、角色一致性、缩略图、复杂提示词、写实风格、独特美学和定向图像编辑等场景，每个生成项都选出胜者，并在结尾给出总分和不同使用场景下各自胜出的模型。
选题角度：作者用同一批提示词横评 Nano Banana 2.1、ChatGPT Image 2.5、Flux 3 Image 和 Seedream 5.0，适合按营销图、信息图、写实、角色一致性等场景剪出分项对比。
The AI AdvantageAI 评分3030 ChatGPT 与 Claude 最新更新盘点：GPT-6 智能 UI、ChatGPT Meetings 等哪些值得关注
ChatGPT 与 Claude 近期密集更新，视频盘点了 GPT-6 的新智能 UI、ChatGPT Meetings、音频上传、文档扫描，以及 Claude 接入 Google Workspace 等新功能。内容同时说明哪些功能可用、哪些仍受限，并提及 Grokbot 即将支持多模型。
X · 通义千问 QwenAI 评分4040 千问 Qwen3.8-Max、Qwen3.8-Flash 与 Wan3.0 在 gmi_cloud 开放一周免费使用
千问 Qwen3.8-Max、Qwen3.8-Flash 和 Wan3.0 在 gmi_cloud 上线，开放为期一周的免费使用。用户可在此期间体验并探索基于这些模型的构建。
公众号 · 赛博禅心精选AI 评分7171 Anthropic 联合天文学家完成首张完整全天紫外地图
Anthropic 发布科学博客，约翰斯·霍普金斯大学天体物理学家 Brice Ménard 用 Claude Science 做出第一张完整的全天紫外地图，其中约三分之一天空从未被紫外望远镜观测过，由 Claude 预测补出，并逐像素标注实测或预测及误差估计。
选题角度：用 Claude Science 把 GALEX 等公开紫外数据补齐成全天图，可讲清四步流水线和 10% 误差的实测对比。
X · Luma AIAI 评分4242 Luma AI 分享 Jon Erwin 在曼哈顿海滩用 AI 拍摄《Moses》
Luma AI 分享案例：Jon Erwin 在曼哈顿海滩的舞台上拍摄《Moses》，用真实演员表演，再由 AI 将他们带入故事所需的任意世界。该案例的核心观点是，预算过去决定一部作品在哪里拍摄，而 AI 正在改变这一限制。
Theoretically Media精选AI 评分5858 Magnific 联合创始人如何用 AI 独自完成 17 分钟 Backrooms 短片
Theoretically Media 邀请 Magnific 联合创始人 Javi Lopez 讲述他如何用 AI 独自制作 17 分钟 Backrooms 短片《Backrooms Nemoris S1E01: It Eats Light》。
选题角度：Magnific 联合创始人 Javi Lopez 用 AI 独自完成 17 分钟 Backrooms 短片，可拆解他提到的镜头与协作经验。
Matt WolfeAI 评分2222 Genspark Design 实测：30 分钟生成 FutureTools 应用 UI
Matt Wolfe 用 Genspark Design 为 FutureTools 应用生成 UI，约 30 分钟完成首页信息流、单个工具页面和可分层完全编辑的设计稿。同一视觉风格还能生成发布视频、与团队共享项目，并导入 Genspark Code 继续开发成可用产品。
量子位AI 评分7171 生数科技开放 Vidu Q4 预览版，720P 每秒 0.09 元
生数科技开放 Vidu Q4 预览版，定位新一代视频生成旗舰模型，主打传神表现力，最高支持 4K 直出，单条最长 16 秒，一次最多可用 15 张参考图和 3 段参考音频。
OpenAI NewsAI 评分2222 Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像和电影级视频广告。
ElevenLabs Blog精选AI 评分6060 ElevenReader 登陆巴西，上线 Fábio Porchat 配音与 7 万本巴西葡语有声书
ElevenLabs 的消费级音频平台 ElevenReader 在巴西上线，用户可选用演员兼喜剧演员 Fábio Porchat 的声音朗读小说、PDF 或文章链接。
选题角度：原文给出巴西区免费入口和 7 万本葡语有声书目录，适合实测导入 PDF 或文章后用 Fábio Porchat 声音朗读的效果。
X · 海螺 Hailuo爆款AI 评分2222 Opus 5.5 上线 MiniMax Design：用代码把文本生成视频
Opus 5.5 登陆 MiniMax Design，支持用代码将文本转为视频，覆盖 JavaScript 动画、动态图形、解说视频与视觉叙事、网页及产品演示等场景。该模型不止于语言模型，还能理解视觉内容并持续迭代用户的创作。
公众号 · 赛博禅心精选AI 评分8787 ChatGPT 上线 Intelligent UI，让回答可交互并推送 GPT-6
OpenAI 把 GPT-6 推给 ChatGPT 所有用户，并上线新能力 Intelligent UI，让回答以可交互形式展示。付费订阅用户今天已可用，免费和 Go 用户明天上线。官网示例包括烤羊腿人数计数器、意大利婚礼穿搭卡片、中心极限定理样本量滑块、GDP 四滑块模型、三门问题演示，以及拍小票生成分账器、Roth IRA 退休储蓄计算器和可玩的复古游戏机。
选题角度：原文给出官网多个交互案例和付费与免费用户的上线时间差，适合录屏实测同一问题在 GPT-5.6 与 GPT-6 下的回答差异。
量子位精选AI 评分8585 OpenAI 向 ChatGPT 免费用户推送 GPT-6，聊天框可生成交互界面
OpenAI 宣布 GPT-6 开始向 ChatGPT 免费和 Go 用户推送，用 GPT-6 Luna 替换此前的 GPT-5.6 Luna，Plus、Pro 等付费用户则从 10 月 7 日起使用 GPT-6 Sol。
选题角度：原文给出免费用户可用的入口和GPT-6 Luna与GPT-5.6 Luna的评测数值差异，适合实测同一问题下新旧版本的界面生成与回答长度变化。
X · CapCut 剪映AI 评分4040 CapCut CRE[AI]TE AI Festival 2026 商业荣誉奖作品《THE ENCOUNTER》
Ana Maria Garcia Wolff 的《THE ENCOUNTER》获 CapCut CRE[AI]TE AI Festival 2026 商业荣誉奖。这支巧克力广告以地铁浪漫邂逅作误导，最终落在品牌语"You won't think of anything else"，全程在 CapCut Video Studio 中开发、生成与剪辑。完整作品及全部 30 件入选作品可在活动页面观看。
The Decoder精选AI 评分8484 OpenAI 为 ChatGPT 推出 GPT-6，用交互式 UI 取代纯文本回答
OpenAI 面向所有 ChatGPT 用户推出 GPT-6，并带来名为 Intelligent UI 的新功能，回答不再以纯文本呈现，而是自动适配问题生成图形、按钮、图表和表单，对比内容并排展示，解释可转为交互式图表，用户还能在对话里直接生成储蓄计算器或小游戏等小工具。
选题角度：原文给出 GPT-6 智能 UI 的图表、按钮、表单和聊天内小工具等具体形态，适合录屏演示同一问题在纯文本与交互界面下的呈现差异。
X · OpenAI精选AI 评分8080 OpenAI 为 GPT-6 推出 Intelligent UI，可在对话中生成图表与交互元素
OpenAI 为 GPT-6 推出 Intelligent UI，模型可根据用户问题自行组合文字、视觉内容和交互元素来生成回复。回复中可包含用于解释概念的图形和图表，也可包含可直接在对话中使用的可点击按钮、表单和交互体验。
选题角度：官方给出 GPT-6 在对话里直接生成图表、按钮和表单的能力说明，适合录屏演示同一问题下文字与交互元素的组合效果。
X · OpenAI精选爆款AI 评分8888 OpenAI 向所有 ChatGPT 用户推送 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 和 Intelligent UI 正在向所有 ChatGPT 用户推送。Intelligent UI 提供快速、可交互的回答，让日常问题更可视化、复杂主题更易理解，并可在当前任务中直接调用交互式工具。
选题角度：OpenAI 官方宣布 GPT-6 与 Intelligent UI 向所有 ChatGPT 用户推送，适合上手实测新界面如何把日常提问变成可视化交互回答。
TechCrunch · AI精选AI 评分8282 OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 界面大幅可视化
OpenAI 推出名为 Intelligent UI 的新界面，随新 GPT-6 模型于周三上线，在对话中大量加入可交互的按钮、定制计算器、交互式图表和可编辑图形等视觉元素。
选题角度：OpenAI 随 GPT-6 推出 Intelligent UI，官方演示了可交互图表和计算器，适合录屏实测同一提问在新界面下的可视化效果。
The DecoderAI 评分6262 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，任何人都可以检查图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成。该工具可识别 Gemini、Veo、Lyria 等模型嵌入的隐形水印，支持 JPG、PNG、MP4 和 MP3 格式。
X · CapCut 剪映精选AI 评分5858 CapCut CRE[AI]TE AI Festival 2026 系列赛获奖作品揭晓
CapCut 公布 CRE[AI]TE AI Festival 2026 系列赛获奖作品 grund thuft uto，作者为 asapgeng。该作品是受犯罪游戏启发的剧集，用固定角色和场景串联一条连续故事，并借加密货币炒作与网络文化做讽刺。
选题角度：CapCut CRE[AI]TE AI Festival 2026 公布系列赛获奖作品，可拆解这部用 Seedance 2.0 生成、在 CapCut Video Studio 管理提示词与角色一致性的完整剧集。
X · Rowan Cheung精选AI 评分5858 作者用 GPT-6 Astra 搭建每日穿搭推荐应用
作者用 GPT-6 Astra 搭建了一个每天早上根据实时天气挑选穿搭的应用，并以自己作为模特。做法是上传几张全身照和一张正脸照，填写身高、尺码和版型偏好，列出喜欢的颜色和拒绝的颜色，再粘贴 master prompt 让它构建 1 到 2 小时。
选题角度：作者用 GPT-6 Astra 搭出按天气选穿搭的应用，可拍成上传照片到生成效果的完整实测流程。
X · Google DeepMind精选AI 评分6060 Google DeepMind 推出 SynthID Detector，可在编辑后识别视频、音频和图片水印
Google DeepMind 发布 SynthID Detector，可快速识别视频、音频和图片中的 SynthID 水印，即使素材经过加滤镜等编辑后仍可识别。用户还可以使用 Google Chrome、Google Search 和 Gemini App 中已有的 AI 识别功能。
选题角度：官方演示 SynthID Detector 在加滤镜等编辑后仍能识别视频、音频和图片水印，适合实测加水印再修图看识别结果。
TechCrunch · AIAI 评分6666 Google 上线 SynthID 网站，可识别 AI 生成图像、视频和音频
Google 上线 SynthID 验证网站，任何人都可以上传图像、视频或音频，检查内容是否由 AI 生成。该工具此前只向部分记者、媒体从业者和研究人员开放测试，现在向所有人开放，支持 JPG、PNG、MP4、MOV、WAV、MP3 等格式。
Google AI Blog精选AI 评分7878 Google 推出 Playground 实验性游戏平台，用提示词即可创建和游玩自定义游戏
Google 发布实验性游戏平台 Playground，用户通过对话式界面输入提示词即可创建、游玩和分享自定义游戏，无需编程经验。平台基于浏览器，支持手机和笔记本游玩，可生成分享链接或发布到 Explore 画廊，部分品类支持排行榜和多人对战，已发布游戏需通过安全审核。
选题角度：Google 官方放出 Playground 的开放入口和演示游戏，适合录屏实测用几句提示词从零生成一款可玩的小游戏。
量子位AI 评分6262 Utopai X 登 Artificial Analysis 文生视频榜第二，背后是 AI 影视公司 Utopai Studios
独立评测机构 Artificial Analysis 的最新文生视频榜单中，Utopai Studios 的模型 Utopai X 以 1150 分位列第二，与第一名阿里的 Wan 3.0 仅差 7 分。
抖音 · 杨博士说AIAI 评分5555 杨博士说AI：GPT-6、Astral 与 Claude Opus 5.5 破译 433 年前教皇密信
杨博士说AI 称 GPT-6、Astral 和 Claude Opus 5.5 几乎同时破译了 1593 年天主教联盟留下的两封密信，其难点在于多音替代密码、手写体识别、16 世纪法语语法还原与历史语境推理。
量子位AI 评分3838 Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，为榜单唯一 AI 3D 公司
Meshy 在 a16z 首份消费级 AI 应用月收入榜单中位列第 31 名，是榜单上唯一的 AI 3D 公司，与 OpenAI、Anthropic、Canva 等共同上榜。该榜单随 a16z 第七版《百强AI消费者应用》报告发布，首次依据 YipitData 追踪的美国消费者银行卡消费数据排名。Meshy 年度经常性收入已突破 1 亿美元，全球注册用户超 1500 万。
OpenAI News精选AI 评分8282 OpenAI 面向所有用户推出 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 在全球范围内于 ChatGPT 上线，并搭配 Intelligent UI。官方称其响应更快，提供可视化与可交互体验，用户可直接探索和使用。
选题角度：原文只给出 GPT-6 在 ChatGPT 全球上线并搭配 Intelligent UI 的官方说法，缺少样片和入口细节，适合做上线信息速览。
Google DeepMindAI 评分2323 Google DeepMind 发布 EmbeddingGemma 2：740M 参数开源多模态嵌入模型
Google DeepMind 推出 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，以 Apache 2.0 许可开源，可将文本、图像、音频、视频映射到统一嵌入空间。
The DecoderAI 评分3838 Google 发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，性能超越两倍规模竞品
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，以 7.4 亿参数在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代 68.76 提升近 10 分，性能对标规模两倍的竞品。
X · Google DeepMindAI 评分2828 Google DeepMind 发布 EmbeddingGemma 2：740M 参数、Apache 2.0 开源
Google DeepMind 发布 EmbeddingGemma 2，参数规模 740M，在多项 benchmark 上表现有竞争力，甚至超过部分参数量两倍以上的专用模型。开发者可用它为应用加入多模态搜索（如用语音备忘录定位视频片段），或与 Gemma 4 搭配实现私密端侧 RAG。该模型以 Apache 2.0 许可证开源，权重已在 HuggingFace 和 Kaggle 上线。
X · Google DeepMindAI 评分2222 Google DeepMind 发布 EmbeddingGemma 2：首个原生多模态端侧嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是其首个原生多模态开放模型，面向端侧嵌入场景。该模型在文本之外统一了代码、图像、音频和视频，将它们映射到同一共享空间。
