Google 与 Xreal 合作的 Aura 眼镜今日开售，售价从预售时的 1279 美元降至 1099 美元（12GB+256GB），16GB+512GB 版本为 1299 美元，预计 11 月中旬发货。该眼镜重 95 克，需连接 Android XR 计算模块使用，支持多块虚拟屏幕，对角线视场角 70 度。首发覆盖美国、加拿大、韩国，11 月 2 日登陆日本。已按原价预购的用户将自动获得差价退款。首发提供 150 多个 XR 体验，可通过 USB-C 连接电脑或掌机投屏，并支持向 Gemini 提问。
推荐理由想买 XR 眼镜的人可以直接看价格和配置：1099 美元起，11 月中旬发货，预购差价自动退。
苹果在「Pro and Tell」活动上发布首款触屏 MacBook Pro，支持滚动、滑动、捏合等手势，触控传感器直接集成在显示面板内以降低延迟。配备 tandem OLED 屏、120Hz 刷新率、2000 尼特亮度，14 英寸重 3 磅，并首次加入灵动岛用于查看实时更新、搜索文件和使用 Siri AI。14 英寸 M5 Pro 版起售价 2899 美元，16 英寸 3399 美元，另有 M5 Max 配置，今日开启预售，11 月 6 日发货。同期还更新了 8.5 英寸 OLED 屏 iPad Mini（起售价…
推荐理由想换 Mac 的人可以直接看价格和配置：触屏版 2899 美元起，M6 普通版 1999 美元起，11 月 6 日发货
一个由中国研究者组成的大型合作团队开发出可用自然语言提示生成指定功能蛋白质的工具，用户无需掌握蛋白质结构细节。原文称，若以产出可用蛋白质为标准，成功率不算高，但仍能完成任务。另据 Hugging Face 公告，其平台已托管一个在 DNA 层面做类似设计的工具。
推荐理由了解自然语言生成蛋白质的实际成功率与 Hugging Face 新托管工具，判断这条路线是否可用。
Google DeepMind 推出 Genie 4，是 2025 年 8 月展示的 Genie 3 的后续版本。该世界模型逐帧计算场景，用户用键盘移动、用文本提示引导事件，是公司首个直接生成声音的实时世界模型，每个世界有独立背景音，角色之间可对话并实时响应用户输入。Gemini 模型在后台规划以保持世界一致：Gemini 3.8 Flash 持续观察场景、把目标拆成步骤并逐帧校验；Gemini 4 Argon 被用于把 Genie 与机器人研究 Gemini Robotics 连接，演示中模拟 Apptronik…
推荐理由世界模型开始生成声音和角色对话，可了解机器人仿真训练环境的下一步形态
Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成照片级真实、可交互的场景，支持在模拟过程中输入文字提示实时改变天气、镜头角度或增删人物物体。模型同步生成与场景匹配的实时音频，包括音乐、环境音和交互对话。场景一致性最长维持 2 分钟，是 Genie 3 的两倍，物理效果和人物动作更接近真人。Gemini 与 Genie 4 深度集成，由 Gemini 规划步骤并检查画面，Genie 负责生成视觉内容；在 Gemini Robotics 相关实验中，Gemini 4 Argon 将任务…
推荐理由世界模型赛道正在整合（AMD 收购 World Labs、亚马逊洽谈 Decart）
Google DeepMind 发布新一代世界模型 Genie 4，官方称其在实时模拟的真实感上达到前所未有的水平。原文正文信息有限，未披露模型参数、开放范围、可用时间与评测数据。
推荐理由世界模型是今年最热的方向，先记住 Genie 4 这个名字和它的定位
Google DeepMind 发布 Genie 4 世界模型，相比 Genie 3 在几乎所有方面都有改进，新增音频，人物与物理模拟更真实。模型可实时逐帧生成可交互虚拟世界，无需预渲染或编程交互元素。DeepMind 称世界模型是通往 AGI 的关键要素，可用于为实体机器人构建无限训练环境、加速创意领域原型设计。改进部分得益于 Google 更新的 Gemini 模型。原文未披露具体发布时间与定价，仅称付费用户有望较快用上。
推荐理由Genie 3 曾引发游戏股震荡，Genie 4 新增音频并强化物理模拟，做机器人与交互内容的人可留意其能力边界。
Google 发布 Genie 4 世界模型，用于生成可交互的虚拟体验。相比 Genie 3，主要更新有四点：世界更真实；支持用自然语言提示实时修改体验；可生成音频；底层使用 Gemini 3.8 Flash 辅助模拟。生成时长从 1 分钟提升到约 2 分钟。Google 称其可用于影视预可视化、游戏创意原型和机器人训练场景，同时提醒模拟时间变长后细节和物体恒存性可能漂移。Genie 4 先以“研究预览”形式向受信任测试者开放，之后将向 Google AI Ultra 订阅用户推出，并已开放 Project Gen…
推荐理由生成时长翻倍到 2 分钟并加入音频，做游戏原型或机器人仿真的人可先排等待名单。
富士推出混合型拍立得相机 Instax Mini Evo 2，售价 290 美元，11 月底开售，仅黑色。传感器从初代的 1/5 英寸升级到 1/2.77 英寸，背面换成 4.5 英寸 LCD 触屏，是富士首款带触屏的 Instax 机型，但仍保留两个拨盘和打印拨杆。新增基础视频录制，只能拍按下快门前几秒，MP4 存 microSD 卡，无音频，分辨率 560 × 992、24FPS。支持 10 种胶片效果和 10 种镜头效果，新增 Expanded View 模式，USB-C 充电，打印 2 × 3 英寸 Ins…
推荐理由想买拍立得的人可先看参数：传感器变大、加触屏，但视频只有 560 × 992 且无声。
vLLM Semantic Router 团队发布 d3-ultra，一个 27B 多模态决策模型，采用 Apache-2.0 许可。它不生成文本，而是读一次输入后，为每个问题的每个答案返回概率，可一次调用完成路由、分类、视觉定位和视频检查。参数 26.09B（dense，含 0.46B 视觉编码器），上下文 131,072 tokens，在 1 块 AMD MI325X 上以 BF16 测试，暂无官方量化版本。团队自建 SR-Text 测试得分 87.2，居 6 个决策模型之首；SR-Box 定位 10 个领域 …
推荐理由做模型路由或多模态分类的开发者可看：一次调用替代多模型，SR-Text 87.2 分居首
百度开源 Unlimited OCR 2，一个 3.34B 参数的视觉语言模型，可在单次请求中解析数百页书籍、财报和报告，权重以 MIT 协议发布，代码在 GitHub。核心改动是 SR-SWA 稀疏注意力，把文本-视觉注意力压缩到固定 512 token 的工作参考集，使解码每步延迟和显存几乎不随文档变长而增长。最大位置长度 131,072 token，每页 273 个图像 token，BF16 权重约 6.7 GB，单张 A800-80GB 可跑。百度自测 MPDocBench 得 84.6 排第一（Qwen3…
推荐理由百页文档场景下领先 Kimi-K3 达 43 分，MIT 协议单卡可部署，做长文档解析可直接试
苹果发布 iOS 27.2，为旗下首款折叠屏 iPhone Duo 加入 Apple Pencil 支持，此前苹果曾承诺该功能会在今年内上线。更新还为 Duo 增加视频通话用的「Edge Light」补光功能。Siri AI 可在信息中执行建议操作，并新增法语、日语、韩语、葡萄牙语和西班牙语支持。照片与 Image Playground 开始支持 Google 的 SynthID AI 水印。FaceTime 群组通话支持前后双摄同时拍摄。
推荐理由想了解 iPhone Duo 折叠屏实际功能补齐进度和 Siri AI 多语言支持范围的人可以看。
苹果在周三发布会前数天公布新款 iPad Mini：8.5 英寸 OLED 屏，峰值亮度 1200 尼特，机身厚 5.4mm，边框收窄 24%。Wi-Fi 版起售价 699 美元，蜂窝版 849 美元。搭载 A20 Pro 芯片，可本地运行 AI 模型，支持部分新 Siri AI 功能，包括调节语音表现力和语速；128GB 和 256GB 版为 5 核 CPU，512GB 版为 6 核 CPU，均配 16 核神经引擎。屏幕刷新率仍为 60Hz，不支持 ProMotion。新增“声学显示屏”扬声器结构、长边 1200…
推荐理由起售价从上一代 499 美元涨到 699 美元，想买小尺寸平板的人需要重新算预算
Hugging Face Bio 发布 Carbon-X，一个 14.8B 参数的 DNA 语言模型，采用 Apache 2.0 许可，权重可下载。它基于 Qwen3-14B，把 DNA 和自然语言放进同一个 token 流，可直接在对话中读原始 DNA 并用英文回答，支持突变致病性预测、调控区标注、物种分类和碱基预测。上下文 40,960 token，单张 80 GB GPU 可跑，官方 GGUF 量化版 Q4_K_M 仅 9.6 GB。5 项 DNA 基准平均 66.7%，自称优于所有被测开源模型，比 GPT-…
推荐理由Apache 2.0 权重可本地部署，单张 80 GB 卡或 9.6 GB 量化版就能跑，敏感序列不用出实验室。
英伟达开源数据引擎 Flora，据其估算，标注 1 小时机器人视频成本约 0.72 美元，而用 GPT-6 Astra 约需 88.5 美元。Flora 由三个微调的 Qwen3.5 模型组成：9B 模型切分动作片段，27B 模型结合上下文描述动作，另一个 27B 模型 Flora-Rewarder 负责打分。在 50 个视频的测试中，Flora 的标注质量略高于 GPT-6 Astra（57.1% 对 53.7%）。该系统已在 GR00T 模型训练中使用，每天在 512 块 GB300 GPU 上标注最多 20 …
推荐理由做机器人数据标注的团队可以直接在 Hugging Face 下载三个 Qwen3.5 微调模型
BBC 自然纪录片《蓝色星球 III》执行制片人 Elizabeth White 向《卫报》表示，团队刻意保留过去会被剪掉的画面，如水中的浮游生物、船只或浮标入镜、水质不佳的镜头，以此证明画面真实、非 AI 生成。她称，AI 生成内容的一大破绽就是过于精致无缝。本季内容包括海豚用海绵堵住洞口围捕鱼群、鱼类跨物种交流、20 万只螃蟹列队觅食。White 称真实海洋生物"可能比 AI 能想象的更非凡"。
推荐理由想了解内容行业如何应对 AI 真实性争议，这是一个具体做法：用保留瑕疵来反证真实。
TechCrunch 作者称 iPhone Duo 起售价 2000 美元，是苹果首款折叠屏手机，但发布时大量主流 iOS 应用未适配，出现黑边、控件错位。苹果挑选了 Netflix、MLB、NYT Cooking、Slack、Fantastical 等合作伙伴做首发适配。作者认为真正体现价值的是专门为双屏尺寸差异设计界面的应用，例如 Netflix 在外屏可滑动浏览、展开后利用大屏播放。原文信息有限，未给出具体应用数量或性能数据。
推荐理由想了解 2000 美元折叠 iPhone 首发应用适配情况的人可以看，知道哪些 App 已就绪、哪些还有黑边。
Square 和 Cash App 母公司 Block 发布语音模型 Dessa，称这是首个完全用人类语音、不含任何文本数据、从零训练的 AI 模型。它不先把音频转成文本，而是直接处理语音，能实时捕捉情绪、反讽、笑声和停顿，并支持全双工对话，可边听边说。Dessa 可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。目前尚未公开，Block 先招募 AI 安全研究者测试潜在风险，有意者可通过表单报名。
推荐理由语音 AI 首次完全绕开文本，情绪识别和全双工是可直接验证的新路线，安全研究者可申请试用。
The Verge 作者体验联想 Yoga 9n 后，对传闻中的触屏 MacBook 提出期待。Yoga 9n 是 16 英寸二合一翻转本，搭载 Nvidia RTX Spark 平台，配备 OLED 触控屏和手写笔，手写笔既能在屏幕上书写，也能在触控板上使用，带来类似 Wacom 的体验，并可通过磁吸固定在顶盖上。作者希望触屏 MacBook 支持 Apple Pencil，并让手写笔在触控板上也能使用、能磁吸充电。文章还提到 macOS 27 有迹象显示苹果正在更新触控交互。原文信息有限。
推荐理由想了解触屏 MacBook 可能形态的人可以看：手写笔在触控板上作画是联想已经实现的具体方案。
Kyutai 发布开源因果扩散表征自编码器 CADRE，专为交互式世界模型设计，解决动作延迟问题。论文称其世界模型在单张 H100 上以 20 fps 运行，反应时间在 230 ms 以内。CADRE 包含 7 个自编码器，每个约 4.76 亿训练参数，外加一个冻结的 8600 万参数 DINOv3 ViT-B/16；世界模型为 12 亿参数，视频分辨率 288×512。在 48 项对比中，有 42 项比 MIRA、Wan 2.2、Cosmos、LTX-2 更快且更好；驾驶场景 FVD 为 162.6，Wan 2.…
推荐理由做世界模型和机器人策略的可以直接看：单卡 H100 跑 20 fps、延迟 185 ms，但动作跟随是短板
Rivian 收购英国初创公司 Third Dimension，后者用 AI 把图像和视频转成逼真的 3D 世界，交易金额未披露。Third Dimension 15 人团队将并入 Rivian 由 James Philbin 领导的自动驾驶与 AI 团队，并帮助 Rivian 扩张伦敦 AI 中心。Third Dimension 2024 年成立，从 Abstract Ventures、MVP、Soma Capital、Solari Capital 等 VC 处融资 700 万美元。Rivian 车队每天上传超过…
推荐理由做自动驾驶仿真或世界模型的人可以看：Rivian 每天 40 万段真实驾驶数据加 AI 生成 3D 场景
Simon Willison 发布了一篇链接式短文，指向标题为「DE STAAT - FREEDOM (Official Music Video)」的内容，并附上 music、ai、generative-ai 等标签。原文没有正文，也没有说明该视频由哪个模型或工具生成，信息有限。
推荐理由原文只有链接和标签，没有可操作信息，可跳过。
25 岁德国实验摄影师 Ole Bielfeldt 凭喷墨打印机墨滴落纸的显微照片赢得 2026 年尼康小世界显微摄影大赛，从 69 个国家的 1802 件作品中胜出。墨滴速度超过相机快门，他拆解打印机让纸张在固定打印头下移动，在暗室用闪光灯充当快门凝固墨滴。他不用 AI，坚持传统技法。
推荐理由与 AI 无关的摄影新闻，仅可当作显微摄影技法参考
宝马发布 2027 款 X5 与 iX5，同一车系同时提供燃油、插混和纯电三种动力。燃油版 X5 40 xDrive 搭载 3.0 L 涡轮增压直列六缸发动机，输出 394 hp（294 kW）、428 lb-ft（580 Nm），48 V 轻混系统可额外提供 148 lb-ft（200 Nm）扭矩，综合油耗约 26 mpg（9 L/100 km），满油续航 569 英里（915 km）。纯电 iX5 沿用 iX3 的第六代电驱与新一代座舱和计算平台，后续还将推出氢动力版本。
推荐理由想了解宝马新世代电驱技术如何下放到 X5 这一级别，可以看这篇实测
Canva 推出首个自研图像生成模型 Canva Craft，对标 Google、OpenAI、字节跳动和 Meta 的同类模型。模型分两阶段：先解析提示词并规划元素空间关系、相对比例、视觉层级和文字信息，再生成最高 2K 分辨率、支持 30 种宽高比的图像，强调物体细节准确、文字清晰可读，且可局部精确编辑。训练数据为 Canva 模板库中的设计作品而非照片，因此生成图可用 Canva Magic 转为分层设计。该模型已向所有用户开放，入口在 Dream Lab 标签页，同时提供 API，并计划通过 MCP 接入 …
推荐理由做设计工具或图像生成的团队可看：用设计稿而非照片训练、生成即可分层，是差异化思路
Biograph 完成美国首个使用 Caristo Diagnostics 的 CaRi-Heart 技术的研究，对无症状、低风险人群做 AI 冠状动脉炎症检测。结果显示 42.9% 的参与者存在炎症升高，17.9% 在至少一条主要心脏动脉中炎症非常高；约 47% 无可见斑块的参与者仍有炎症升高。研究还发现，常规血液指标（ApoB、non-HDL-C、HbA1c、hs-CRP）和 AHA PREVENT-ASCVD 风险计算器与炎症存在与否无相关性，无法识别这些患者。
推荐理由AI 读 CT 能查出常规血脂、血糖和风险评分都漏掉的炎症，做医学影像 AI 的可以看这个落地场景
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，并公开全球预计算嵌入：10 米分辨率，提供 64 维和 128 维两种版本。模型读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱数据，为每个 10 米像素生成一个 128 维向量。在 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。模型权重、预训练数据和代码全部开源，并配套无需登录的浏览器工具 Emb…
推荐理由无需 GPU 和下载影像，用现成全球嵌入训练小分类器即可做作物、火灾等制图
Maxinsights 通过 5000 多名承包商佩戴的摄像头拍摄第一人称视频，为机器人提供训练数据，已完成 3000 万美元种子轮融资，由 Peak XV 领投。原文还提到，2026 年上半年投资者向物理 AI 投入 474 亿美元。原文信息有限，未披露公司成立时间、客户和具体数据规模。
推荐理由想了解机器人训练数据从哪来、物理 AI 资金有多热，可以看这个 474 亿美元的数字。
The Verge 报道，Coolfly 的 Aura 智能喂鸟器现价 149.90 美元，降价 140 美元；Birdfy 喂鸟器 109.99 美元，降价 90 美元。Aura 配双太阳能板，可拍 2.5K 视频、150 度视角、全彩夜视，并支持本地和云端存储；无需订阅即可用 AI 识别超过 1 万种鸟。Birdfy 支持 2K 视频和 AI 识别 6000 多种鸟，但太阳能充电和终身 AI 识别需另购，订阅费每年 49.99 美元。
推荐理由想买带 AI 识别功能的喂鸟器，可对比两款差价和订阅成本
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）、国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每一块 10×10 米土地归入六类森林与土地利用类型，并给出 2017—2025 年逐年变化序列，可看出天然林被替换成人工林或农田的具体位置。该地图是欧盟《无毁林产品法规》（EUDR）的关键基准，后者要求咖啡、可可、棕榈油等商品不得来自 2020 年后由森林转为农业的土地。此前多数全球地图只标注是否有树，无法区分原始林…
推荐理由做供应链合规或 ESG 的可以直接用这张 10 米精度地图核对 EUDR 土地来源
LlamaIndex 推出 OCRia-1，一个 40 亿参数的视觉语言模型，主打文档解析。在 ParseBench 上综合得分 87.4，比第二名高 12.1 分，是 350 亿参数以下解析模型的最高分。在表格评测中，olmOCR-bench 得 92.9、PulseBench-Tab 得 84.1、fr-bench-pdf2md 得 72.1，均排名第一。官方称其在准确率、成本和延迟三方面同时领先，重点优化了嵌套表头、合并单元格和不规则网格的重建，面向金融报表、保险单据等场景。
推荐理由4B 参数就在文档解析上超过 7B 的 olmOCR-2，做票据、报表 OCR 的可以直接对比选型
BirdBuddy 发布 Nook（99 美元起）和 Home（219 美元）两款智能喂鸟器，取代已停产的 Pro（339 美元）。两款新品改用新摄像头，支持 135 度广角横屏模式；App 直播加载时间从 Pro 的约 30 秒缩短到 8 秒以内。代价是画质和视角不如 Pro：2K HDR 画面不够锐利明亮，竖屏视角更窄，充电需拆下整机。Nook 被评测者认为性价比最高。
推荐理由想买智能喂鸟器的人可参考：99 美元起，直播加载 8 秒，但画质不如已停产的 Pro
Birdbuddy 正式发售 CES 2026 上宣布的两款智能喂鸟器，并改用新名称：原 Birdbuddy 2 Mini 更名为 Nook，起售价 99 美元，配 2K HDR 摄像头、135 度视场角，鸟一落下就自动唤醒拍摄，App 用 AI 识别鸟种；加 60 美元的 Nook Solar 版带太阳能板，199 美元的 Extended Edition 加大站杆。旗舰款 Birdbuddy 2 更名为 Home，售价 219 美元，6 杯容量、双太阳能板、双频 Wi-Fi，麦克风升级后可凭鸟鸣辅助识别鸟种。两…
推荐理由99 美元就能买到带 2K 摄像头和 AI 鸟种识别的喂鸟器，想低成本体验 AI 识别的可以看。
MarkTechPost 实测了 Cactus Compute 的语音转文字模型 Whistle：该模型体积 16.9 MB，可在 CPU 上运行，支持 7 种语言，并能返回词级时间戳和概率。在 LibriSpeech 的 test-other 样本上，Whistle 领先使用贪心解码的 Whisper base，但与使用 beam search 的 Whisper base 相比没有显著差距；它的速度优势会随音频变长而缩小。测试还发现，固定版本的引擎在处理超过 30 秒的音频时，会静默丢弃中间部分。数据来自 Ap…
推荐理由想用 CPU 跑本地语音转写的人可以看：16.9 MB 模型对 Whisper base 的真实差距
通用汽车在 Forward 活动上宣布，将借助「数字线程虚拟化」把新车开发周期从 4-5 年压缩到 2 年。电池团队在造出第一个物理原型前，先虚拟测试了超过 30 万种电池设计，一个月内完成从概念到正式批准，最终选定锰铁锂（LMR）化学体系。新电芯能量密度比磷酸铁锂高 33%，每千瓦时效率提升 20%，将由 Ultium Cells 在田纳西州 Spring Hill 工厂生产，用于第四代电动车平台。通用还称将推出算力最高达现有硬件 40 倍的计算单元，并在畅销皮卡和 SUV 上实现可脱眼的自动驾驶。
推荐理由看车企怎么把 AI 塞进研发流程：30 万次虚拟电池设计、开发周期砍半，都是可对照的具体数字。
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。新 2B 模型与 4.1-2b 参数量相同，支持英语、法语、德语、西班牙语、葡萄牙语、日语转录，并支持这些语言与英语互译，另支持英语译成意大利语和普通话；训练数据含 39 万小时公开音频及合成数据。新增语言 ID 提示、最多 2000 词关键词偏置、按需输出标点与大小写。官方称其在公开英…
推荐理由Apache 2.0 可商用，2B 参数支持 6 语种转录和关键词偏置，适合做企业语音转写
MIT 科技评论梳理了跨物种交流的现状：过去 50 年，水听器、可穿戴生物记录仪等设备积累了大量动物声音数据；近十年 AI 能识别不同叫声、区分发声个体并发现规律，非营利机构 Earth Species Project 用机器学习识别了渡鸦的叫声归属，并希望用基于人类语音、音乐和动物声音训练的 NatureLM 解读多种物种的发声。但特拉维夫大学神经生态学家 Yossi Yovel 担心模型过度依赖声学相似性而误判，双向对话何时实现尚不明确。
推荐理由想了解 AI 在动物语言解码上真实进展与瓶颈的读者，可快速看清哪些是已验证成果、哪些仍是设想。
NVIDIA 推出 Cosmos3-H-Dreams，据其称为首个基于临床胆囊切除术录像训练、支持实时运动学控制的生成式手术模拟器。模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，在 CMR Surgical Versius 平台的临床手术视频与机器人运动学数据上训练，经 FlashDreams 加速后可在单张 RTX PRO 6000 GPU 上交互运行。相比此前基于 Cosmos-Predict2.5 的桌面缝合模拟，新模型需处理组织牵拉、遮挡、烟雾等体内复杂场景，并保持长时间生成的…
推荐理由做手术机器人或世界模型的人可看：160 亿参数、单卡 RTX PRO 6000 实时跑，替代数值仿真的一条路线
开发者发布开源项目，通过读取 OBS 虚拟摄像头画面，用 OCR 识别 BGMI 直播击杀信息中的玩家名，再用训练好的检测器分类击杀图标，在毫秒级更新直播叠加层上的实时积分榜。项目针对 BGMI 不开放 API 的问题，先过滤无事件帧，只把可能含信息的帧送入较重的 ML 模型，可处理 60 FPS 高清直播流。作者在学院内实测一场比赛，赛后数秒内生成积分表。代码已开源，README 提供本地部署步骤。
推荐理由做直播工具或 OCR 落地的开发者可参考其帧过滤省算力思路，代码可直接跑
帕洛阿尔托初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面需排队。Glimpse 在推理过程中可裁剪图像局部、抽取视频帧或运行代码测量比较，Elorian 称这一机制为「视觉草稿区」，区别于多数多模态模型一次性把图像转成 token 再在文本中推理的做法。定价为输入每百万 token 0.60 美元、输出 3 美元。Elorian 称其在科学图表推理和短视频描述上超过 GPT-6 Astra。公司此前以 3 亿美元估值完成 5500 万美元种子轮，由 Striker Ve…
推荐理由输入每百万 token 0.60 美元，比 Sonnet 便宜，做图表、视频理解可先测 API