Month: August 2026

Gemini Notebook支持导入已购Google Play电子书

Admin August 28, 2026

2026年8月28日，Google宣布Gemini Notebook新增电子书导入功能，用户可直接将已购Google Play图书接入笔记工具，实现内容摘录、自动摘要与问答交互。这一功能的上线标志着Google正在将其AI能力与数字阅读生态进行深度融合，为用户打造从阅读到知识管理的全链路智能化体验。 Gemini Notebook产品背景 Gemini Notebook是Google推出的AI驱动型笔记与知识管理工具，最早在2025年作为Google Labs的实验性产品亮相。与Evernote、Notion、Obsidian等传统笔记工具不同，Gemini Notebook的核心差异化在于其深度集成了Google的Gemini大语言模型，用户可以在笔记工作流中随时调用AI能力进行文本处理、信息检索、内容生成和知识问答。 Gemini Notebook最初面向研究人员、学生和知识工作者设计，旨在解决信息过载时代的知识管理难题。用户可以在Notebook中创建多个项目（Project），每个项目可上传多种类型的资料，包括本地文档、网页链接、云端文件等。Gemini模型会对上传的资料进行自动索引和分析，用户随后可对这些资料进行提问、摘要和内容整合。 2026年以来，Gemini Notebook经历了多次功能迭代。2026年3月，Google为Notebook添加了来自Google Drive的云端支持，允许用户直接在Notebook中引用来自Drive的文档。2026年6月，Notebook引入了协作功能和共享记忆功能，使团队用户能够在同一项目中进行协作，并共享AI的上下文记忆。2026年8月，Notebook新增了对Google Workspace文档的更多支持，允许用户从Docs、Sheets、Slides中引用内容。而此次Google Play电子书导入功能的加入，使Gemini Notebook在“阅读-笔记-知识管理”这一完整链条上补上了关键的一环。 Google Play图书生态简介 Google...

Google搜索AI Mode升级旅游规划功能

Admin August 28, 2026

2026年8月28日，Google搜索的AI Mode功能强化了旅游规划场景，现可根据用户预算、时间与偏好，自动生成包含交通、住宿、景点的完整行程方案。Google搜索AI Mode简介Google搜索的AI Mode是Google将生成式AI功能整合到搜索引擎中的核心产品之一。AI Mode于2026年5月正式面向美国地区的搜索用户推出，随后逐步扩展到全球市场。AI Mode与传统的Google搜索体验不同，它采用了对话式的交互方式，用户可以用自然语言提出复杂的问题，AI Mode能够理解并回应用户的多轮追问，提供更加个性化和全面的答案。与Google此前推出的AI Overview（AI概览）功能相比，AI Mode提供了更深入、更交互式的搜索体验。旅游规划功能的升级内容此次升级，AI Mode在旅游规划方面的能力得到了显著增强：完整行程生成：用户只需输入目的地、旅行天数、预算范围和偏好类型（如文化、自然、美食、购物、冒险等），AI Mode即可自动生成优化后的每日行程安排。系统会综合考虑景点间的距离、开放时间、交通方式和合理休息时间，生成符合逻辑且可执行的行程。实时信息整合：AI Mode可深度调用Google生态内的数据资源，包括Google Maps的地理信息、Google Flights的航班数据、Google Hotels的住宿信息等。用户在规划过程中可获得实时的交通方案推荐、住宿价格比较和景点热度信息。个性化推荐：系统根据用户的历史搜索行为、位置记录和偏好数据，提供个性化的景点、餐厅和活动推荐。对于重复访问同一目的地的用户，AI Mode会优先推荐未体验过的新地点或当前热门的活动。动态调整：用户可在AI Mode中与系统进行对话式的调整，比如“我第一天不想太累，减少一个景点”或“我想增加一个博物馆参观”，系统会根据新的需求实时调整行程方案。预算优化：AI Mode可根据用户

Hugging Face发布开源双足机器人Microduck

Admin August 28, 2026

2026年8月28日，Hugging Face推出开源双足机器人项目Microduck，提供完整的硬件图纸与控制算法，旨在降低足式机器人研发门槛，推动社区共创。 Hugging Face的机器人战略 Hugging Face是全球最大的AI开源社区平台，托管了数十万个AI模型和数据集。近年来，Hugging Face开始向机器人领域拓展，推出了LeRobot开源机器人库，旨在将AI领域的开源文化和协作模式引入机器人研发领域。 LeRobot库提供了机器人学习算法的参考实现、数据集和工具链，支持研究人员和开发者在机器人领域进行快速实验和创新。Microduck是LeRobot生态中的一个重要硬件项目。 Microduck的硬件设计 Microduck是一个完整的开源双足机器人项目，包括以下硬件组成部分： 3D打印部件：机器人的机械结构采用3D打印制造，设计文件完全开源，用户可使用普通的FDM 3D打印机自行打印。电机和驱动：项目指定了标准的舵机和电机型号，用户可方便地采购。驱动电路的设计也一并开源。传感器配置：包括IMU（惯性测量单元）、关节角度传感器、足底压力传感器等，为平衡控制和状态估计提供数据。控制器：基于主流嵌入式平台（如ESP32、Raspberry Pi Pico等），运行控制算法。硬件设计的模块化程度较高，用户可根据需要更换或升级特定部件，便于定制化和实验。控制算法 Microduck的控制算法是其核心软件部分，主要包括：...

AISI发布开源工具optstop以动态优化LLM评估算力

Admin August 28, 2026

2026年8月28日，AI安全机构AISI正式发布开源工具optstop，该工具可动态调整LLM评估过程中的计算资源分配，在保证评测质量的同时有效节省算力成本。 AISI简介 AISI（AI Safety Institute，AI安全研究所）是一家专注于AI安全研究的机构，致力于确保AI系统的安全、可靠和可控。AISI的研究方向包括AI对齐、鲁棒性评估、可解释性、AI安全治理等。 AISI此前曾发布多项与AI安全相关的研究成果和开源工具，包括AI系统安全性评估框架、模型鲁棒性测试工具等。optstop是其在“高效AI评估”领域的最新贡献。 LLM评估面临的挑战随着大型语言模型在各类应用中的广泛部署，对模型能力的评估变得越来越重要。然而，LLM评估面临着几个关键挑战：高昂的计算成本：在标准评估基准上对一个LLM进行全面测试，可能需要运行数万甚至数十万次推理，计算成本可观。评估时间长：大量推理任务需要较长的时间完成，拖慢了模型迭代和部署的节奏。资源浪费：许多测试样本对模型来说过于简单或过于困难，在这些样本上消耗算力实际上是在浪费资源。成本与质量的权衡：在实际开发中，经常需要在评估质量和计算成本之间做出妥协。 optstop的核心机制 optstop的核心思想是在LLM评估过程中，根据任务的复杂度和当前模型的置信度动态决定是否继续分配算力：动态提前停止：在评估过程中，工具会根据模型的中间输出和置信度分数，判断是否已经可以做出准确的评估判断。对于模型已高度确定的任务，提前终止计算可以节省大量资源。不确定性感知：对于模型输出不确定性高的任务，optstop会继续分配算力进行更深入的分析，确保评估的准确性。自适应阈值：optstop支持用户根据具体需求设置不同的置信度阈值，在成本和准确性之间找到最佳平衡。多种停止策略：工具内置了多种提前停止策略，包括基于置信度的停止、基于熵的停止、基于边际的停止等，用户可根据评估任务的特点选择最合适的策略。成本效益与性能保障通过智能截断机制，optstop可在不显著影响评估准确性的前提下实现可观的成本节省：...

阿里云百炼下调Qwen3.8-Flash模型价格

Admin August 28, 2026

2026年8月28日，阿里云百炼平台正式宣布大幅下调Qwen3.8-Flash模型的调用价格，进一步降低中小开发者和企业使用大模型的门槛。阿里云百炼平台简介阿里云百炼是阿里巴巴集团旗下的一站式AI模型服务平台，提供模型训练、部署、调用和管理的全链路服务。百炼平台整合了阿里自研的通义系列模型（Qwen），以及第三方开源和商业模型，为开发者和企业提供了丰富的AI模型选择。百炼平台的目标是降低AI技术的使用门槛，让更多的开发者和企业能够便捷地应用大模型技术。平台提供了标准化API、SDK、可视化开发工具和丰富的文档支持。 Qwen3.8-Flash模型介绍 Qwen3.8-Flash是阿里云通义系列中的轻量级高效模型，其设计理念是在保持较强性能的同时实现更低的推理成本。与其他通义模型相比，Qwen3.8-Flash具有以下特点：更小的参数量：在保证基本能力的前提下控制了模型规模，适合资源受限的部署环境。更快的推理速度：由于参数量较小，推理速度显著提升，适合对延迟敏感的应用。更低的调用成本：较小的模型规模带来了更低的算力消耗，体现在API调用价格上具有竞争优势。足够的通用能力：在文本生成、问答、摘要、翻译等常见任务上保持了较好的表现。易于微调：较小的模型规模使得在特定领域数据上进行微调更加便捷和经济。价格调整详情阿里云百炼宣布对Qwen3.8-Flash模型的API调用价格进行大幅下调。具体的价格调整方案包括：输入token价格下调输出token价格下调批量调用享受额外折扣承诺使用量客户享受更优惠的阶梯定价虽然官方公告未披露具体数字，但业内人士分析，此次降价的幅度可能在20%-40%之间，具体因使用量和计费模式而异。新的价格体系已在阿里云百炼官方公告中公布，用户可登录阿里云控制台查看最新价格。对开发者和企业的影响此次降价对不同类型的用户具有不同的意义：...

全新Qoder发布：推编程与通用双模式及桌面端

Admin August 28, 2026

2026年8月28日，Qoder迎来全面升级，新增编程辅助与通用助手双模式切换，并同步推出桌面客户端，为用户提供更流畅的跨平台交互体验。 Qoder的产品定位 Qoder是一款AI辅助开发和工作效率工具，致力于帮助开发者和知识工作者在编程和日常工作中提高效率。与专注于特定场景的AI工具不同，Qoder的目标是在一个产品中覆盖从专业开发到日常办公的多种使用场景。 Qoder的竞争产品包括GitHub Copilot（专注于编程辅助）、ChatGPT（通用对话）、Cursor（AI驱动的代码编辑器）等。Qoder的差异化策略在于“双模式一体”的产品设计。编程模式：深度集成开发工具链 Qoder的编程模式专为软件开发场景设计，提供以下核心能力：代码生成：根据自然语言描述生成高质量的代码片段，支持Python、JavaScript、Java、C++、Go、Rust等多种编程语言。代码调试：协助开发者定位代码中的错误和逻辑问题，提供修复建议。代码优化：对现有代码进行性能优化、重构和简化，提升代码质量。技术问答：回答编程相关的技术问题，提供文档查询、API使用方法等技术咨询。单元测试生成：根据函数或模块自动生成单元测试代码，提升测试覆盖率。代码审查：对提交的代码进行审查，指出潜在问题和改进建议。编程模式深度集成了开发工具链，可与主流IDE（如VS Code、JetBrains系列）进行联动，支持上下文感知的代码补全和建议。通用模式：覆盖广泛的日常场景通用助手模式则覆盖日常问答、文本处理、创意写作等广泛场景：文本处理：润色、改写、翻译、总结、扩写等文本操作。创意写作：辅助撰写邮件、方案、报告、营销文案、小说等各类文本内容。知识问答：回答各领域的常识性问题和专业知识咨询。...

Cohere发布文档解析模型Parse 5

Admin August 28, 2026

2026年8月28日，Cohere正式推出文档解析模型Parse 5，专注于从复杂版式文档中精准提取信息，显著提升RAG系统对PDF与扫描件的处理质量。 Cohere公司简介 Cohere是一家专注于企业级AI应用的加拿大人工智能公司，由前Google研究人员创立。与OpenAI和Anthropic等专注于通用对话模型的公司不同，Cohere的重点在于为企业提供定制化的AI解决方案，特别是在检索增强生成（RAG）、文档理解和企业搜索等领域。 Cohere的产品矩阵包括： Cohere Command系列：面向企业应用的语言模型 Cohere Embed系列：文本嵌入模型，用于语义搜索和聚类 Cohere Rerank系列：搜索结果重排序模型 Cohere Parse系列：文档解析模型，Parse 5是这一系列的最新版本 Parse 5的技术突破 Parse 5针对复杂版式文档的解析进行了专项优化，解决了传统文档解析工具的多个痛点：表格解析：能够识别各种复杂的表格结构，包括嵌套表头、合并单元格、跨页表格和多层表头。Parse 5不仅提取表格数据，还能理解表格中各元素之间的逻辑关系。...

BreezeBlue开源Breeze TTS 2语音模型

Admin August 28, 2026

2026年8月28日，BreezeBlue团队正式宣布开源新一代语音合成模型Breeze TTS 2。该模型支持多语种、高自然度实时语音生成，开发者可免费下载模型权重进行本地部署。 BreezeBlue团队简介 BreezeBlue是一家专注于AI语音技术的研发团队，致力于推动语音合成、语音识别和语音交互技术的创新与普及。团队此前曾发布Breeze TTS 1.0，在开发者社区中获得了积极反响。Breeze TTS 2是团队在吸收了社区反馈和技术积累后推出的重要升级版本。 Breeze TTS 2的技术亮点 Breeze TTS 2在多个技术维度上实现了显著提升：语音自然度：合成语音在韵律、语调、停顿和情感表达方面更加接近真人发音。模型能够根据文本的语义内容和标点符号自动调整语速和语调，使合成语音更具表现力。多语种支持：模型原生支持中文、英文、日文、韩文、法文、西班牙文等多种语言，并可实现多语种混合文本的自然合成。这一特性对于跨国企业、多语言内容创作者和全球化应用开发者具有重要价值。实时生成能力：模型针对实时应用场景进行了深度优化，推理延迟控制在毫秒级别，支持流式语音生成。这意味着Breeze TTS 2可用于语音助手、实时翻译、有声内容直播等对延迟敏感的场景。...

Midjourney V8.2图像编辑模型开启测试

Admin August 28, 2026

2026年8月28日，Midjourney官方宣布，V8.2图像编辑模型正式启动小范围测试。新版本在局部重绘、风格迁移及一致性保持等核心功能上实现了显著增强，测试资格已向部分订阅用户开放。 Midjourney的发展历程 Midjourney是由Midjourney公司开发的AI图像生成工具，自2022年首次推出以来，已成为AI艺术创作领域的代表性产品之一。与Stable Diffusion和DALL-E等其他AI图像生成工具相比，Midjourney以其独特的艺术风格和对细节的高度关注而闻名。 Midjourney的发展经历了多个版本的迭代： V1至V3：早期版本，奠定了文本生成图像的基础能力。 V4：引入了更精细的风格控制和更高的图像质量。 V5：显著提升了图像的真实感和细节表现，支持更丰富的风格变体。 V5.1和V5.2：进一步优化了图像质量和风格控制能力。 V6：实现了在图像真实感、细节丰富度和风格多样性上的重大突破。 V6.1：在V6基础上进一步优化了图像质量和生成速度。 V7：在V6.1发布仅两周后推出，引入了“草稿模式”以加速生成流程。 V8：在图像质量方面实现了“不可否认的巨大飞跃”，新增了图像编辑功能。 V8.1：在V8的基础上进一步优化了图像编辑能力。 V8.2：本次测试的最新版本，聚焦于局部重绘、风格迁移和一致性保持。局部重绘：精准修改的利器局部重绘是V8.2最受关注的新功能之一。该功能允许用户选定图像的特定区域，通过文本提示对该区域进行精确修改，而图像的其余部分保持不变。在技术实现上，V8.2的局部重绘采用了先进的图像分割和生成技术。当用户选定区域并输入修改提示后，模型会：分析选定区域的边界和内容特征。理解用户提示的修改意图。...

fal推出基于MiniMax H3的后训练模型H3 Max

Admin August 28, 2026

2026年8月28日，AI推理平台fal正式宣布推出H3 Max模型。该模型基于MiniMax H3进行深度后训练强化，在图像理解与多轮对话任务上表现优异，目前已通过fal平台开放API试用。 fal平台的定位与布局 fal是一家专注于AI模型推理优化的平台服务商，致力于为开发者和企业提供高效、低成本的模型部署与调用服务。fal平台的核心竞争力在于其强大的推理基础设施，通过模型量化、算子融合、动态批处理等技术手段，大幅降低模型推理的延迟和成本。 fal与多家领先的AI模型厂商保持着深度合作关系，包括MiniMax、Stability AI、Runway等。fal平台的商业模式是为这些模型提供托管和推理服务，同时收取一定的平台费用。fal不对外披露模型权重，也不通过API提供原始模型的直接访问，而是围绕这些模型构建定制化的应用和工作流。此次H3 Max的推出，是fal在后训练模型领域的一次重要尝试。与fal平台上托管的其他基础模型不同，H3 Max在MiniMax H3的基础之上进行了有针对性的后训练优化，使其在特定任务上表现更加出色。后训练：模型优化的关键路径后训练是指在基础模型完成大规模预训练之后，通过特定数据集和训练策略对模型进行进一步优化的过程。与预训练需要海量通用数据和巨额计算资源不同，后训练通常在较小的数据集上进行，成本相对可控，但能够显著提升模型在特定任务或领域上的表现。后训练的技术路径主要包括以下几种：监督微调：使用标注好的高质量数据对模型进行有监督训练，使模型更好地理解特定指令或任务格式。强化学习：通过奖励模型对模型输出进行评价，引导模型生成更符合人类偏好的回答。蒸馏：将大模型的能力迁移到更小的模型中，在保持性能的同时降低推理成本。持续预训练：在特定领域的数据上继续预训练，增强模型在该领域的知识覆盖。 H3 Max所采用的后训练策略结合了监督微调和强化学习，针对图像理解和多轮对话两大场景进行了专项优化。...

You may have missed