Google 搜索五大妙招，助你升级家居装饰
Google 发布了一篇关于如何利用 Google 搜索工具升级家居装饰的指南，介绍了五种方法，包括使用 AI Mode 可视化家具、Google Lens 购物、Circle to Search 发现装饰品、Search Live 指导 DIY 项目以及价格追踪功能。文章还提到了一些搜索趋势，如“home decor inspo”搜索量在过去一个月增长了
多模态
技术方向 · 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 · 共 775 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月26日周三 · 1 条
正文结构化主题已通过公开置信门槛
8月25日周二 · 11 条
正文结构化主题已通过公开置信门槛
Gamma 收购 AI 设计初创公司 Lica 以扩展演示功能
Gamma 收购了由 Accel 支持的 AI 设计初创公司 Lica，以建立自己的设计研究实验室。Lica 的联合创始人将领导该实验室，专注于为不同受众定制 AI 模型的演示和沟通风格。此次收购旨在扩展 Gamma 的演示产品，探索多模态沟通形式。
正文结构化主题已通过公开置信门槛
llama.cpp 0.3.0 发布：新增多模态模型与多项推理优化
llama.cpp 0.3.0 版本发布，新增 dots3-note 多模态模型及 DSA-ISWA KV 缓存，支持 GLM-4.5-Air 的 MTP 预测，并为 DeepSeek 4 添加张量分割模式和多序列回滚修复。ggml 升级至 v0.22.0，服务器新增调试参数，Web UI 支持标签页聊天导航。
正文结构化主题已通过公开置信门槛
Qwen3.6-35B-A3B 无审查多模态模型 Genesis Hermes V10 发布
LuffyTheFox 发布了基于 Qwen3.6-35B-A3B 的无审查多模态 MoE 模型 Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V10-GGUF，该模型通过其自研的 Genesis 算法对 GGUF 格式的模型进行张量噪声修复，并融合了 Hermes 智能体微调数据。模型在保持无审查能力的同时，旨在提升稳
正文结构化主题已通过公开置信门槛
商汤开源8B生图模型SenseNova U1.5 Lite，比肩GPT-Image-2
商汤科技正式开源了8B参数的生图模型SenseNova U1.5 Lite，该模型支持4K直出、长指令遵循、原生图像编辑和复杂布局，在多个核心场景上比肩闭源GPT-Image-2。模型采用NEO-unify统一多模态架构，通过多教师在线策略蒸馏技术MOPD将专项能力融合回单一模型，强调稳定性、指令遵循和编辑精度，旨在进入真实创作流程。
正文结构化主题已通过公开置信门槛
紫东太初发布AutoProject，推动AI4S进入项目级自主科研时代
中科紫东太初旗下科研智能体ScienceClaw推出AutoProject项目级自主科研引擎，旨在将AI在科研中的工作单位从Task提升至Project。该系统通过Project2Task规划、TaskExecutor长程执行和EviGraph证据验证三层能力，实现从项目规划到成果沉淀的全流程自主科研。此举标志着AI4S从工具级能力向系统级能力跨越，行业竞争
正文结构化主题已通过公开置信门槛
人民教育音像数字出版社与小猿合作，中小学课本学习智能体首发上线
人民教育音像数字出版社与小猿合作研发的“中小学课本学习智能体”于2026年8月21日在小猿AI学习机首发上线，该智能体基于教材内容和猿力大模型，提供AI伴学和AI导学双模式。试点数据显示，使用该智能体的学生语文和英语知识点掌握量分别提升33.6%和24%，家长日均陪读时长减少20分钟。双方签署合作协议，未来将推动智能体规模化应用。
正文结构化主题已通过公开置信门槛
协议引导的 AI 网站冗余审计：从主观判断到可审计标准
arXiv 论文提出 Cora（反事实可观察冗余审计）框架，用于可审计的网站冗余 AI 审计。Cora 将冗余分解为重复负载、正常使用税和故障域恢复储备三个维度，并通过版本化视觉语言模型提出注释，经类型化验证和发布检查后选择性发布分数。在透明机制测试台上，Cora 的分解表示优于标量负载基线，但两个小型视觉语言模型因未满足发布要求而被拒绝自动评分。该框架定位
正文结构化主题已通过公开置信门槛
SD-AgentFoundry：面向 LLM/VLM 智能体的极简本地模拟基础
arXiv 论文介绍了 SD-AgentFoundry-2D 和 SD-AgentFoundry-3D，两个极简的本地模拟框架，分别用于 LLM 驱动的二维多智能体社会模拟和 VLM 驱动的三维具身模拟。框架支持本地模型运行，跨平台，并强调可修改性，旨在为教育和快速原型设计提供基础。
正文结构化主题已通过公开置信门槛
Warmly 发布 Qwen3.5-2B 韩英 GGUF 生产模型
neureps 发布了 warmly-qwen35-2b-enko-gguf，这是离线 SNS 应用 Warmly 的生产模型仓库，基于 Qwen3.5-2B-enko 进行词汇剪枝和 GGUF 量化。仓库包含 base 版本和 distill-v1 版本，后者通过蒸馏提升了韩语自然性，并通过了官方门禁但尚未晋升。量化变体对比显示，IQ4 XS 结合领域 i
正文结构化主题已通过公开置信门槛
NVIDIA发布Cosmos3全模态世界模型系列
NVIDIA发布了Cosmos3系列全模态世界模型，包括Cosmos3-Edge、Nano、Super等多个版本，支持从文本、图像、视频和动作轨迹生成视频、图像、音频和动作输出，用于机器人、自动驾驶和智能空间等物理AI应用。该系列基于Mixture-of-Transformers架构，参数规模从4B到64B不等，并采用OpenMDW1.1许可证，可商用。
正文结构化主题已通过公开置信门槛
MCP Python SDK v2.1.0 发布：增强客户端与内容支持
MCP Python SDK 发布 v2.1.0 版本，主要更新包括：Client 可直接接受 StdioServerParameters 对象，提示消息支持图像和音频，并导出相关消息类。请求体大小限制扩展到 SSE 和 OAuth 端点。行为变更包括：处理程序异常不再向客户端暴露详细信息，而是记录日志并返回通用错误；内容块返回注解不再自动生成 output
8月24日周一 · 8 条
正文结构化主题已通过公开置信门槛
阿里发布Wan3.0视频生成模型，支持30秒多模态输入
阿里巴巴发布了视频生成模型 Wan3.0 的测试版，支持从文本、图片、PDF、网页和 PowerPoint 生成最长 30 秒的视频，长度是前代 Wan2.5 的两倍。该模型能同时处理文本、图像、视频和音频，并旨在减少 AI 生成视频中的视觉漂移和失真。Wan3.0 通过 wan.video 网站、阿里云 Model Studio 和 Qwen Cloud
正文结构化主题已通过公开置信门槛
llama.cpp b10608 发布：修复视频 moov atom 解析问题
llama.cpp 发布 b10608 版本，主要修复了视频处理中 moov atom 位于文件末尾时的解析问题，并处理了 SIGPIPE 信号及 Windows 下的管道中断情况。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，支持 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYC
正文结构化主题已通过公开置信门槛
Jina AI 发布多模态嵌入模型 v5-omni-nano
Jina AI 发布了 jina-embeddings-v5-omni-nano，一个约 1.04B 参数的多模态嵌入模型，支持文本、图像、视频和音频输入，并生成与文本模型对齐的共享向量空间。该模型支持检索、分类、聚类和文本匹配任务，可通过 Hugging Face 或 Elastic Inference Service 使用。它定义了开放权重全模态嵌入模型
正文结构化主题已通过公开置信门槛
阿里视频大模型Wan3.0正式上线，获评稳定真实有质感
阿里巴巴于8月24日正式上线视频生成大模型Wan3.0，该模型在生成时长、文档输入、真实世界还原等方面全面升级，单次可生成30秒视频，并支持多种文档格式。行业评价其“稳定、真实、有质感”，已进入企业生产流程，用于短剧、影视、广告等场景。即日起用户可在多个平台体验，阿里云百炼和千问AI平台提供限时7折优惠。
正文结构化主题已通过公开置信门槛
OmniAssistBench：全模态LLM助手式交互基准测试
OmniAssistBench是一个用于评估全模态大语言模型（Omni-LLMs）作为实时视频助手能力的基准测试。该基准通过逆向工程现有互联网视频构建多轮交互数据集，要求模型根据预定义路径引导用户。测试结果显示，专有模型Gemini-3-Pro得分66.4，开源模型Qwen3-Omni-Instruct得分51.2，当前模型普遍存在视觉提示理解、上下文保持和
正文结构化主题已通过公开置信门槛
多模态智能体框架的基础与前沿：技术与应用综述
该综述系统分析了多模态智能体框架中感知、推理、规划、记忆和行动等核心模块，并提出了按模态分类的架构分类法。文章回顾了从文本智能体到多模态框架的演变，以及委托、晚期融合和早期融合等集成方式，并评估了在机器人、GUI与网页导航、多媒体内容生成与编辑、长视频理解与检索等领域的应用。最后讨论了性能、效率与可扩展性之间的权衡，并指出了未来研究方向。
正文结构化主题已通过公开置信门槛
OraRL：将标注作为轨迹的高效可扩展视频多模态强化学习
南开大学等机构提出 OraRL，一种面向视频多模态大模型的高效强化学习后训练方法。该方法将标注作为 oracle 轨迹加入策略组，并设计解耦优势估计器避免优势反转，显著提升训练效率与性能。OraRL 在多项视频感知基准上超越现有模型，且推理速度大幅提升。
正文结构化主题已通过公开置信门槛
线性判别树集成的可解释多模态分类
该研究提出一种基于线性判别树集成（LDT、LDF、LDAB）的可解释多模态分类框架，通过编码各模态为令牌、提取概念聚类、路由融合并通过改进的特征重要性指标解释趋势，在IEMOCAP、CMU-MOSI和自定义数学数据集上，相比多模态Transformer和可解释多模态路由（IMR），在F1-mod上提升4.3%、准确率提升3.0%，且特征重要性的人类标注一致性