AI 日报 · 2026 年 11 月 11 日 · 星期三
AIPICK
MiniMax 发布开放权重图像模型 H3-Image，10 秒生成 4K 图像
MiniMax 发布图像模型 H3-Image，可在 10 秒内生成 4K 图像，分辨率达 1600 万像素，支持精准提示词跟随与编辑，最多可用 16 张参考图，且为开放权重。该模型已通过 MiniMax API、MiniMax Code 和 Hailuo AI 上线，发布周内 16MP 以上生成享 5 折优惠，权重发布在 Hugging Face。
- MiniMax-H3-Image 发布，ComfyUI 已提供两套原生工作流Reddit · AI 创作社区
模型发布/更新
Google DeepMind一手另有 20 家信源报道Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 向开发者、企业、科研人员和普通用户开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，单任务成本比次优外部模型低 2 倍以上。
- Google 向 AI Ultra 订阅用户推出 Gemini 4 CarbonX · Gemini
- Google 发布 Gemini 4 Carbon，主打复杂编码与科研任务The Decoder
Google DeepMind 发布 Genie 4 世界模型，文字提示可生成可探索的交互世界
Google DeepMind 发布 Genie 4 世界模型，输入短文字提示即可生成可用键盘探索的交互环境，并同步生成环境音、音乐和随场景变化的角色对白。Gemini 3.8 Flash 会逐帧检查生成画面、把目标拆成步骤并随场景变化调整计划，Genie 4 还改进了人物动作以及碰撞、空气动力学等物理交互。
Google DeepMind一手另有 3 家信源报道Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 发布 Gemini Robotics 2.5，称这是其迄今能力最强的视觉-语言-动作（VLA）模型，可扩展机器人可学技能范围并加快学习速度。
- Google DeepMind 与 Apptronik、奔驰完成 Gemini Robotic 2.5 机器人分拣概念验证X · Google DeepMind
公众号 · 新智元另有 4 家信源报道蚂蚁灵波开源通用触觉基座模型 LingBot-Touch，532万参数即插即用
蚂蚁灵波科技发布并开源通用触觉基座模型 LingBot-Touch，把视触觉、磁触觉、压阻式三种触觉信号统一转成动作模型可用的通用触觉 Token。其 Tiny 版仅 532 万参数，接入 T-Rex、π0.5、LingBot-VLA 后平均成功率分别提升 23.18、21.81、24.81 个百分点，抓喷雾瓶喷水从 42.50% 升至 87.50%，盲摸麻将达 70%。
英伟达发布机器人基础模型 GR00T 2，10 万小时人类数据已开源
英伟达在 CoRL 大会上发布新一代世界动作模型 GR00T 2，可同时预测未来画面与机器人动作，官方 demo 中完成裁标签、安装显卡、擦火柴、切香蕉等任务。
产品发布/更新
X · Claude另有 3 家信源报道Claude 开始推送 Whiteboards、Sheets 和 Data 三项功能
Claude 官方宣布从今天起开始推送 Claude Whiteboards、Claude Sheets 和 Claude Data 三项功能。官方给出的用法包括在画板上梳理方案、在表格里搭建追踪器，以及用数据讲故事。
行业动态
X · Min Choi另有 8 家信源报道跟进Anthropic 工程师用 Claude Fable 5.2 在 8 小时内从零做出完整游戏
Anthropic 工程师 @felixrieseberg 用 Claude Fable 5.2 在 8 小时内从零做出了一款完整游戏，3D 模型、贴图、音效全部由模型生成，没有人工反馈。整个过程消耗 445M input tokens，API 成本约 $550，作者还给出了试玩链接。
X · Linus Ekenstam波士顿动力给 Atlas 人形机器人装上滚轮，可漂移并完成空中 360 转体
波士顿动力给人形机器人 Atlas 装上滚轮，使其能在仓库中漂移并完成空中 360 转体。这些滚轮并非商用产品，而是用于把 Atlas 的电机和执行器推到极限的压力测试。
Anthropic 实验称 Claude Fable 5.2 协调 1000 多个 AI 智能体八天构建出可运行操作系统
Anthropic 在一项内部实验中给 Claude Fable 5.2 一个基础提示词和空项目文件夹，模型协调 1000 多个子智能体用八天时间编写、测试和审查一套操作系统，成品据称能在笔记本上启动，包含自研内核、硬件驱动、持久化文件存储、图形界面、登录界面和安装程序。
技巧与观点
公众号 · 夕小瑶科技说另有 3 家信源报道跟进实测字节 Seedream 5.5：18轮连续改图不崩，可直出透明背景素材
字节发布生图模型 Seedream 5.5，已上线豆包、豆包工作和即梦，API 本周上线火山引擎。作者实测18轮连续改图，猫咪花色、姿势和饰品保持一致，同任务下 GPT Image 2.6 后半段出现块状重绘、Nano Banana 2 更早出现细节漂移。
- Krea 上线 Seedream 5.5，支持同一图像反复编辑 100 次X · Krea
- Pika 的 Image Studio 接入 Seedream 5.5，支持拆分 100+ 图层与多轮编辑X · Pika
- Seedream 5.5 与 GPT Image 2.6 连换30套衣服实测对比抖音 · 热点搜「Seedream 5.5」
Riley Brown 用一条提示词让 Claude 在 Blender 生成 4K 视频，渲染成本 5.75 美元
Riley Brown 称 Fable 5.2 刚发布，他给 Claude 一条提示词，就让它在 Blender 里写代码搭出整个房间，包括桌子、MacBook、灯光和 Clawd，笔记本屏幕是 Claude 做的仿 Claude 应用网页。