Epoch AI 的家具组装基准（FAB）用三件宜家家具的组装照片测试模型识别错误的能力。2025 年 11 月最佳模型 Claude Opus 4.5 得分 28%，十个月后 OpenAI 的 GPT-6 Astra 达到 80%，每张照片耗时 3 分钟。Claude Fable 5.1 以 70% 紧随其后，Claude Opus 5 为 61%。中国开源权重模型如 Kimi K3 落后领先者至少七个月。研究者称该速度尚不足以支持实时组装指导，但未来或可用于汽车维修和家电修理。
推荐理由十个月从 28% 到 80%，可看视觉推理进步速度及开源模型差距
MarkTechPost 发布一篇教程，用 Meta 开源的 AugLy 库搭建覆盖图像、文本、音频的多模态数据增强与鲁棒性测试流程。内容包括：处理依赖兼容问题、生成可复现的合成数据集、使用函数式与类式 API、元数据与强度追踪、概率组合、边界框感知变换和自定义变换；并做两组鲁棒性实验——图像失真下的感知哈希拷贝检测基准，以及文本分类器面对对抗扰动、Unicode 混淆、净化和对抗训练的表现。最后把音频增强接入 PyTorch Dataset 和 DataLoader，并建立可查询的元数据仓库。
推荐理由想给多模态训练数据做增强、或测模型抗扰动能力的，可直接照抄这套 AugLy + PyTorch 流程
Hacker News · AI09/26模型技巧与观点海外开发者 Allan 发布了一个类似 Jev 的单函数 LLM 封装，核心技巧是读取 token 概率：把问题写成选项，设置 max_completion_tokens 为 1、logprobs 为 true、top_logprobs 为 20，让模型只输出一个 token 并返回各选项的对数概率，速度很快且共享前缀可被 KV 缓存。作者为 Jev 请求格式新增了 attachments 字段以支持图片，示例用摄像头抓帧判断是否有人、室内外和亮度。在 RTX 3090 上跑 Gemma 4 12B 约 1 FPS（每…
推荐理由一个只输出单 token 的分类技巧，配 logprobs 就能把 LLM 当快速分类器用，含可运行 Python 示例
Meta 在年度 Connect 大会上把智能眼镜摆到了绝对中心位置，员工和到场网红几乎人手一副，多数演示也围绕眼镜展开。记者试戴了尚未发布的无摄像头音频眼镜：配 6 个麦克风、无摄像头、无法原生录制周围环境，重量明显轻于其他智能眼镜。该产品在 Meta 因带摄像头眼镜被批「偷窥眼镜」后推出，意在缓解隐私担忧。眼镜可听音乐、接电话，并接入 Meta 个人智能体系统 Muse，用户可语音下指令，还能为 Muse 选择数字头像。实测中 Muse 会因旁人说话而误判指令，但能准确回答二战历史问题。记者还试戴了面向听障人士…
推荐理由无摄像头 + 6 麦克风是 Meta 对隐私争议的直接回应，做可穿戴 AI 硬件的可以看这个取舍。
Liquid AI 发布实验性推测解码草稿模型 LFM2.5-VL-3B-DSpark，为其 LFM2.5-VL-3B 视觉语言模型加速，输出结果不变。草稿模型增加约 2.8 亿参数，部署参数量提升 8.9%。官方称解码速度在 Apple 芯片上最高提升 3.13 倍，NVIDIA H100 上最高 2.66 倍。权重已在 Hugging Face 以 Safetensors 和 GGUF 格式发布，首日支持 SGLang、MLX-VLM 和 llama.cpp。采用 LFM Open License v1.0，年…
推荐理由本地跑 VLM 的可试，Apple 芯片解码最高快 3.13 倍，权重已上 Hugging Face
Anthropic 的 Claude 官方 X 账号（@claudeai）发布了一条仅含短链接的推文，未附任何文字说明，原文信息有限。该推文引用了用户 @scheemunai 的帖子：其妻子询问 AI 能否帮忙看看新床放进 Mila 房间的效果，用户回答「当然」，随后附上 Opus 5.5 生成的结果链接。从引用内容看，Opus 5.5 被用于家居空间布局的可视化演示，但官方推文本身未披露模型版本细节、功能说明或发布时间。
推荐理由官方账号以用户案例暗示 Opus 5.5 的空间布局能力，但正文只有链接，实际信息需点开原帖确认
Anthropic 的 Claude 官方账号转发了一条演示：用户 @techartist_ 用 Claude Opus 5.5 配合 Three.js 和 TSL，把一张草图逐步生成为 3D 住宅模型。整个过程分四个阶段推进——先出线条，再做体块，然后加细节，最后完成整栋房子。原帖只有演示视频和一句说明，没有给出提示词、代码或耗时等更多信息。
推荐理由想用 Claude 做 3D 或前端可视化的人，可以看这个 Three.js + TSL 的四阶段生成流程。
Anthropic 官方账号称 Claude Opus 5.5 已发布数天，并汇总了用户用它做出的探索。其中一例是用户让 Opus 5.5 通过构建交互式镜头实验室来解释相机对焦原理，一次运行耗时 1 小时 26 分钟，API 成本 25.66 美元；成品可拖动对焦环，看到镜片组在场景中移动清晰平面。原文未披露模型本身的技术细节或价格调整。
推荐理由一次生成 1 小时 26 分钟、花 25.66 美元，可据此估算长任务 Agent 的真实成本
Ars Technica 报道称，中国车企正围绕充电速度展开竞争，吉利本周发布最新进展，使中国电动车充电至 70% 的时间进入 5 分钟以内，而美国在充电速度上正被甩开。文章提到，中国电动车的优势还包括深度整合的联网服务、更多信息娱乐屏幕和 AI 个人助手，且更新节奏接近安卓手机厂商而非传统车企。原文正文内容有限，具体车型与技术细节未完整披露。
推荐理由想了解中美电动车充电与智能化差距的人可以看，关键数字是充到 70% 不到 5 分钟。
Cricut 发布首批带打印功能的制作机 StickerPix Print plus Cut 和 StickerPix Print，主打把照片转成预切贴纸。前者起售价 299 美元，支持 4x7 英寸贴纸纸和 4x6 英寸相纸，采用热升华打印并内置覆膜，成品防水、防刮、防褪色，但只能做表层切割的 kiss-cut 贴纸。后者起售价 169 美元，无切割功能，直接打印到圆形、矩形、方形预切贴纸纸上，也可打印 4x6 照片。两款均为 Cricut 现役最小机型。
推荐理由299 美元起的热升华打印加覆膜一体机，做贴纸小生意可算单张成本
Echo、Opus 5.5 和 Grok 4.6 合作完成一件互动 2.5D 画作，重现 6600 万年前白垩纪河谷从黄昏到希克苏鲁伯撞击、黑暗与幸存的全过程，分七个乐章。观众可拖动鼠标环视、缩放靠近、用时间轴前后移动，配单一音轨 Neon Reed Pulse 驱动镜头与音效。作者明确说明这是艺术演绎而非科学模拟，局部顺序、倒计时、颜色、行为和压缩时间线均经过戏剧化处理，撞击冬天的长度与严重程度取决于气候模型及尘埃、烟尘和硫气溶胶的混合比例。
推荐理由可亲手体验 Opus 5.5 与 Grok 4.6 协作生成的多层 2.5D 互动场景，看多模型分工能做出什么。
高通推出 Snapdragon Sound Elite Gen 2，是其首款将「微功耗 Wi-Fi 6E」直接集成进芯片的音频平台，耳机可直连家庭 Wi-Fi 网络并接入云端，支持 24-bit 96kHz 无损音频。相比上一代，芯片体积缩小 30%、功耗降低最多 40%、AI 处理能力翻倍。高通称正与 HP 合作一款未命名产品，并与 Bose 紧密合作，同时与 Cleer 开发带摄像头的智能耳机。此前 2023 年的 S7 Pro 平台需外挂独立 Wi-Fi 芯片，仅小米 Buds 5 Pro 采用且未全球发售。
推荐理由Wi-Fi 耳机方案从外挂芯片变为集成，体积小 30%、功耗低 40%，做耳机或音频硬件的可以直接评估
Google 推出 Gemini 3.8 Live 更新，新增 Live Avatar 功能：用户可与模型对话，同时观看实时响应的动画 AI 形象，其口型与表情会随对话变化。该功能目前仅面向 Gemini Enterprise 企业客户。Google 称 Live Avatar 支持 97 种语言，切换语言时不会降低视频画质或出现视觉漂移，并能在说话时在屏幕上调出信息。Google 将提供预设形象库，也允许企业自建形象，输出带有隐形 SynthID 水印及身份保护措施。此前约一周，Google 刚发布 Gemini…
推荐理由企业客户可自建数字人形象，支持 97 种语言且带 SynthID 水印，做多语言客服可关注
Midjourney 在 alpha.midjourney.com 上测试界面内的快速模型。Styles 侧边栏新增实时预览功能，开启 Live previews 后可查看当前提示词在已点赞和精选风格下的效果，点击缩略图即可用该风格生成。编辑模型的局部重绘（inpainting）和扩图（outpainting）得到改进，定向编辑只改变选中区域的像素，可反复编辑而不降低画质。V8.1/8.2 的 tile --tile 功能修复了此前平铺图块之间的接缝问题，现在图块间过渡不可见。
推荐理由用 Midjourney 做图的人可以开启 Live previews 一次预览多种风格，省去反复试提示词
AI 实验室 PrismML 在高通骁龙峰会上展示了 1-bit Bonsai LLM，可在搭载 Snapdragon AR1 Gen 1 平台的 AI 智能眼镜上本地运行。该版本为 20 亿参数、面向视觉与语言调优的模型，佩戴者可实时询问眼前所见。PrismML 由加州理工研究人员创立，UC Berkeley 的 Ion Stoica 担任顾问，其技术可将大模型压缩约 4 倍，同时保留标准基准上几乎全部性能。公司目标是推动开放权重、在设备端运行并充分利用现有算力的 AI。目前尚无搭载 PrismML 的智能眼镜产…
推荐理由端侧 20 亿参数、压缩 4 倍仍保性能，做可穿戴和本地推理的可以盯这条路线
Black Forest Labs 发布面向机器人的开源模型 FLUX 3 Action，基于多模态模型 FLUX 3 构建，训练数据以视频为主，也包含图像和音频。作为 world-action 模型，它接收机器人工作区的多摄像头视频流，预测智能体下一步动作以及环境将如何变化。在 RoboLab-120 榜单上，该模型以 70 亿参数刷新成功率纪录，据 BFL 称，其规模不到此前最佳开源模型的一半，运行速度最高快 3.95 倍。BFL 表示大型推理模型规划能力强，但对机器人而言往往过慢、过大，这种效率对端侧部署至关…
推荐理由70 亿参数刷新 RoboLab-120 成功率纪录，权重已上 Hugging Face，做机器人端侧部署可直接下载
Meta 公布 Muse Realtime Voice 与 Muse Realtime Avatar，两者通过共享的语音 token 流组成统一流式架构。Voice 生成同时编码内容与韵律的语音 token，Avatar 消费同一 token 流生成流式视频。系统以固定长度历史作为后续分块的动作上下文，使任意长度对话下的计算量保持有界，并同步生成语音、唇动和表情。原文未披露模型规模、延迟数据与开放时间。
推荐理由做实时数字人或语音 Agent 的可以看这套共享 token 流的同步思路
Midjourney 发布 alpha.midjourney.com 更新。Styles 侧边栏新增实时预览，浏览样式时可看到当前提示词在各样式下的效果；设置中可保存当前提示词栏参数为默认值。Create 信息流改为全宽瀑布流，悬停显示提示词和按钮，视频恢复悬停播放。搜索和归档返回时保留搜索词、结果和滚动位置。编辑器支持 v8.1 和 v8.2 编辑类型，画布可跑 HD。韩语支持已在 midjourney.com 全量上线。
推荐理由用 Midjourney 的可以直接去 Styles 侧边栏开实时预览，省掉反复试样式的抽卡成本
Meta 在年度 Connect 大会上发布多款可穿戴设备。主角是 Meta VR Glasses：无绑带设计，重 100g，Meta 称比 Quest 3 轻 5 倍；通过口袋大小的 puck 供电和运算，搭载高通 Snapdragon Reality Elite、128GB 存储、12GB 内存；5K micro OLED 屏幕单眼 2412 x 2288 像素，最高 120Hz。2027 年春季上市，售价 1299 美元。另发布无摄像头的 Ray-Ban Meta Audio，重 43g，单次续航 12 小时…
推荐理由1299 美元的 VR 眼镜 2027 年才上市，但 349 美元无摄像头版 10 月就能买，想避开隐私争议可等这款。