AMD以82亿美元收购AI世界模型初创公司World Labs
AMD宣布收购专注于世界模型的初创公司World Labs，AI先驱李飞飞将加入AMD担任执行副总裁兼首席科学家。该交易为全股票估值约82亿美元，预计2026年底前完成监管审批。
推荐理由：AMD以82亿美元收购空间智能初创公司World Labs，读者可借此观察AI芯片竞争格局与硬件-模型协同趋势。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 35 条The Decoder精选AI 评分7878
Microsoft Research精选AI 评分7272 Microsoft 推出 Quine 生物 AI 研究系统
Microsoft Research 发布 Quine，一个面向生物学的多模态世界模型与交互式实验框架，连接模型、工具、文献和研究人员。与 Broad Institute 合作在胰腺癌细胞状态转换中预测并验证了数千种化合物，整个筛选与验证过程在一个周末完成，部分化合物出现意外表型。Quine Fellows 计划现已开放申请，系统目前仅限研究用途。
推荐理由：原文展示了跨模态生物世界模型的实际验证路径，读者可据此评估计算实验与湿实验闭环对研发效率的潜在影响。
量子位精选AI 评分8888 李飞飞创业公司World Labs被AMD以82亿美元收购
AMD全股票收购李飞飞创办的空间智能公司World Labs，交割后李飞飞将出任AMD执行副总裁兼首席科学家，联合创始人Justin Johnson和Ben Mildenhall继续带领团队并入AMD。
推荐理由：AMD以82亿美元全股票收购空间智能公司World Labs，读者可借此观察芯片巨头在机器人仿真与物理AI新工作负载上的布局节奏。
Google Research精选AI 评分6060 Google Research 推出自动化一致长形式视频生成框架
Google Research 推出 Co-Director、CANVAS、A²RD 和 VQQA 等框架，自动化长形式视频生成，缓解语义漂移并提升多镜头叙事一致性。
推荐理由：Google Research 推出 Co-Director、CANVAS、A²RD 和 VQQA 等多代理框架，自动化一致的长形式视频生成，有效缓解语义漂移和特征漂移，提升多镜头叙事一致性。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，已在 Gemini Enterprise 上线
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，为企业对话模型加上动态视觉形象，已在 Gemini Enterprise 上线。
推荐理由：原文给出实时视频形象与异步工具调用的能力说明，读者可据此了解企业智能体的交互形态变化。
NVIDIA Blog精选AI 评分6262 NVIDIA 与合作方通过 AlphaFold 数据库开放 2800+ 病毒蛋白质复合物预测结构
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构通过 AlphaFold Database 开放超过 2800 种病毒的蛋白质复合物预测结构，约 30% 为科学界全新发现的相互作用。
推荐理由：开放预测结果与推理流水线为研究者提供了可复用的基础设施，降低未来疫情中蛋白质结构解析的门槛。
Latent Space精选AI 评分8686 小米 MiMo-V2.6-Pro 1T-A42B 发布为当前最强开源权重模型
小米发布 MiMo-V2.6-Pro 与 Flash，均为原生全模态开源模型，Pro 在 Artificial Analysis Intelligence Index 得分 46，总参数 1.02T / 激活 42B，输入 $0.435/M、输出 $0.87/M。
推荐理由：小米推出原生全模态开源模型并附带 RL 环境与训练代码，为后训练缩放提供了一条更低成本的可复用路径。
Google AI Blog精选AI 评分6262 Google 发布多语言 AI 产品矩阵，覆盖 300 种语言及 1000 种语言计划
Google 宣布其技术和产品已覆盖全球 300 多种语言、70 亿人，占全球人口 86%。Gemini 3.5 Live Translate 支持 70 种语言、2000+ 语言对的实时口语翻译，Gemini 3.5 Transcribe 提供高精度语音转文本。
推荐理由：原文展示了从文本到音频理解再到端侧翻译的技术路径，读者可以据此判断 Google 在多语言 AI 交互上的最新能力边界。
NVIDIA Blog精选AI 评分6767 费城儿童医院基于开源 NVIDIA AI 工具实现儿童心脏建模
费城儿童医院使用 MONAI 等开源工具，将儿童心脏建模时间从数小时缩短到秒级，已用于术前规划和部分手术。波士顿儿童医院将建模用于约半数心脏手术，医院间正组建开源联盟。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6161 NeoMME高效多模态原生多语言编码器
NeoMME是260M和800M多模态原生多语言编码器，单塔双向Transformer从零训练，无需独立视觉塔或因果语言模型。260M模型在ViDoRe v3上达0.523 nDCG@10，超越同参数模型，编码速度约2倍于ColModernVBERT。通过分层池化和非对称量化，late-interaction存储从1.5MB压缩至6kB/页，压缩255倍且保留95%以上检索质量。
推荐理由：单塔多模态编码器以260M参数在ViDoRe v3上超越更大模型，并通过分层池化和非对称量化将多向量检索存储压缩255倍同时保留95%以上质量。
Google AI Blog精选AI 评分7373 Google 8 月 AI 发布汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 发布 Gemini 3.7 Flash，定位为编码与智能体工作负载的最强基础模型，定价为 3.6 Flash 的一半；同步推出 Gemini 3.5 Transcribe 语音转文本模型。
推荐理由：Google 在一个月内连续发布两款 Flash 模型并下放到 Pixel 硬件，开发者可以用更低成本构建智能体。
Google DeepMind精选AI 评分6868 Gemini 3.7 Flash 等模型上线智能体视频理解，token 消耗最高降 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，视频分析 token 消耗最高降低 88%、成本最高降低 66%、准确率最高提升 7%。
推荐理由：原文给出了 token 与成本降幅的具体数字和 API 启用方式，读者可据此判断长视频分析的成本边界。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景续写与 4K 放大等控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供场景续写、首尾帧插值、视频参考和 4K 放大等生成视频控制能力。
推荐理由：相比前代只参考最后 1 秒画面，新版本可读取 10 秒上下文并把视频续写到 40 秒，开发者可据此判断生成视频的可控程度。
Google DeepMind精选AI 评分7474 Google DeepMind 推出 SL2T 手语转文字模型并落地 Pixel 11
Google DeepMind 发布多语言手语转文字模型 SL2T，首次将手语 AI 带入 Gboard 和 Live Transcribe，从 ASL 到英语在 Pixel 11 上可用且无需额外付费。
推荐理由：原文给出 ASL 到英语的零样本 BLEURT 分数与隐私保护方案，读者可据此判断该功能在真实设备上的可用性与隐私边界。
Google Research精选AI 评分6565 AMIE 在专家级音视频临床咨询中取得进展
AMIE (Video) 在实时视频临床咨询中达到专家级表现，基于Gemini和Project Astra，采用异步三智能体架构。在100个场景、300次标准化咨询的随机OSCE研究中，其临床能力与执业医师持平，且在体格观察和指导方面评分更高。
推荐理由：演示AI在实时视频临床咨询中达到专家级表现，多智能体架构平衡了对话速度与临床推理。
Microsoft Research精选AI 评分6464 CARE-X介绍：面向临床有用的放射学视觉语言模型
CARE-X是微软研究介绍的胸部X光统一视觉语言模型，结合生成式报告与结构化预测并通过DAPO奖励对齐学习优化临床正确性。该模型在ReXVQA基准达到94%准确率，并在印度Narayana Health临床数据上验证了罕见ICU病理检测效果。工具增强测量实验显示，Qwen3-VL-4B-Instruct结合确定性计算工具后，测量依赖条件的F1平均提升43.6个百分点。
推荐理由：CARE-X通过联合训练生成与判别能力，在统一模型中实现灵活报告生成与校准预测，为放射学人工智能提供了可迁移的多任务优化方法。
Hugging Face Blog精选AI 评分7777 Meta 发布开源多模态模型 Muse Glimmer，面向本地智能体场景
Meta 发布 30B 参数多模态模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地智能体场景。
推荐理由：原文给出 30B 多模态模型在同级开放模型中的基准对照，可据此判断本地智能体方案与部署路径的选型空间。
Google DeepMind精选AI 评分7676 WeatherNext AI 模型在气旋预报上实现突破，预测精度平均提前一天
Google DeepMind 发布 WeatherNext 模型，在气旋路径、强度和风场预测上平均比前代多出一天预报精度，相当于十年气象进展。该模型已在 Nature 发表论文，并在 2025 年飓风季帮助 NHC 对 Hurricane Melissa 做出历史性预报。
推荐理由：该模型在气旋路径、强度和风场预测上平均多出一天预报精度，相当于十年气象学进展，并已开源模型与代码供研究社区使用。
Google DeepMind精选AI 评分6666 Gemini Robotics ER 2 发布：赋能机器人视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，具身推理模型，在视频理解与任务编排上较 ER 1.6 实现显著升级，并支持多机器人协作。
推荐理由：Gemini Robotics ER 2 在视频理解与任务编排上较 ER 1.6 实现显著升级，支持多机器人协作与实时推理，为物理世界中的具身智能提供了新的能力基准。
Google DeepMind精选AI 评分6464 Gemini Robotics 2 带来机器人的全身体智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型分别实现全身体控制、具身推理与设备端适配。该模型可控制人形机器人完成行走、蹲伏、灵巧操作等复杂任务，ER 2 已在 Google AI Studio 和 Gemini Enterprise Agent Platform 开放预览，VLA 与设备端模型面向早期合作方开放。
推荐理由：Gemini Robotics 2 首次实现全身体控制、灵巧操作与多机器人协作，并在设备上快速适配新机体形态，为通用物理 AI 提供了新的能力基线。