#多模态

YouTube 为 AI 生成歌曲添加「Made with AI」标签

YouTube 开始为「主要」由生成式 AI 工具创作或修改的曲目添加「Made with AI」标签，首先在 YouTube Music 应用上线，之后扩展至主应用。

YouTube Music 上线 AI 生成音乐标注，采用完全、部分、无 AI 三类标签

YouTube Music 宣布推出新的标注系统，用于标明借助生成式 AI 创作的音乐，标注会显示在播放页，点击后可查看 AI 在创作中的具体作用，并延伸至 YouTube 主应用。

Google Research 发布 10 项研究进展：Google Earth AI、Deep Review 等

Google Research 在 Research@ 活动上公布 10 项研究进展，包括扩展 Google Earth AI 早期访问并开放三项实验能力，以及向公众开放可核查技术文档的智能体系统 Deep Review。

拓竹官宣首款3D扫描仪S1，11月开售

拓竹科技官宣旗下首款3D扫描仪S1将于11月开售，是其首次进入3D扫描品类，产品版图从3D打印、激光切割、UV打印延伸到现实数字化入口。原文称2025年全球消费级3D扫描仪市场规模约31亿美元，预计2035年增长至68亿美元以上，年复合增长率超8%。有行业观点认为S1可能延续拓竹软硬件与社区一体化的产品思路，在保留专业级能力的同时简化操作流程。

其域创新以 62 亿高斯、150 亿点云建成全球最大空地一体 3D 高斯模型“闽宁镇”

其域创新（XGRIDS）用自主研发的空间采集设备与 LCC Studio，以 18.6 万张影像、150 亿个雷达点云训练出覆盖 23.5 平方公里、含 62 亿个高斯椭球的数字闽宁镇，重建误差优于 2cm，3 名采集人员 7 天完成外业采集。

AI 短剧日上线破 1500 部：从业者称爆款率千分之四，除平台外几乎无人赚钱

雷峰网与多位 AI 短剧从业者交流，指出行业日上线量已突破 1500 部，制作成本从真人剧的几十上百万压缩到 5 万以内，但统计的爆率约为千分之四，除平台外几乎没人真正赚到钱。

Google 发布 Gemini 4 Argon API，单次输出上限提升至 1M token

Google DeepMind 将 Gemini 4 Argon 面向开发者、企业和付费 Gemini 用户开放，这款稀疏 MoE 前沿模型支持文本、图像、音频和视频输入，单次响应最多可输出 1M token，此前 Gemini 模型为 64K。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon，面向开发者与企业开放 API》

破晓智能发布全身全模态数据采集系统 SeePhys Hub

破晓智能联合天珑移动发布全身全模态数据采集系统 SeePhys Hub，由四目头环、两个腕部手环、三个腰腿部动作追踪器和可选触觉手套组成，通过视觉与运动信号融合恢复全身姿态并采集手部接触压力。头环内相机、IMU 和 UWB 同步精度不超过 0.5 毫秒，头环重量不超过 220 克，腕部手环不超过 75 克。团队预计 2027 年推出全模态世界模型，优先在工业、餐饮零售等场景应用验证。

Gemini 4 Argon 全球上线，成为 Google 最强前沿模型

Google 面向开发者、企业和消费者在全球推出新旗舰模型 Gemini 4 Argon，可通过 AI Studio 和 Gemini 平台的 API 使用。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon，面向开发者与企业开放 API》

Google DeepMind 发布 Gemini 4 Argon，面向机器人物理推理

Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon，面向开发者与企业开放 API》

Epic 在未公布的迪士尼游戏中转向 AI 加速开发

Epic Games 计划在一款尚未公布的迪士尼射击游戏中使用 AI 生成代码和美术，该项目已从原定 3 月发售窗口延期。据 Bloomberg 报道，开发团队收到 AI-first 指令，要求更多使用 Anthropic 的 Claude 等工具，一位游戏总监在给员工的信中表示“不再手写代码”，全部美术将用完整 AI 工作流生成。

NVIDIA Omniverse 如何用 GPT-6 Astra 等前沿 AI 智能体把创意变成仿真应用

NVIDIA 开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体配合 Omniverse 库，把仿真创意变成可运行应用。Omniverse 提供 GPU 加速的物理、渲染和传感器仿真能力，智能体经自然语言指令生成动画与应用代码。

Pollo AI 用 OpenAI 模型把创意变成营销活动

Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将创意转化为精细图像和电影级视频广告。

Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧决策模型

Liquid AI 在 d1 决策模型家族下开源 d1-3B 和实验性 d1-omni-600M 两款模型，两者均为开放权重并已上线 Hugging Face。

Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，这是原生将文本、图像、音频和视频映射到统一嵌入空间的端侧多模态嵌入模型，基于 Gemma 4 架构、Apache 2.0 许可、740M 参数。

Mistral AI 发布 Mistral Large 4 公开预览

Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52 亿激活参数的原生多模态模型，权重将于本月底开放。官方称其在编码、智能体工作流和多模态理解上表现突出，其中视觉 grounding 的 Dense 200 得分为 42%，超过 GPT-6-Astra 的 41%。

Mistral 发布 Mistral Large 4，位列美中之外最智能模型

Mistral 以 Research Public Preview 形式发布 Mistral Large 4，在 Artificial Analysis Intelligence Index 上得分 38，与 GPT-6 Luna（max，38）相当，略低于 DeepSeek V4.1 Flash（max，39），成为美国和中国之外最智能的模型。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络安全防御者开放，并将逐步扩展至开发者、企业和消费者。

Microsoft Research 推出面向生物学复杂性的 AI 研究系统 Quine

Microsoft Research 发布 Quine，一个面向生物学复杂性的 AI 研究系统，包含跨序列、结构、功能、细胞状态和成像等模态联合训练的生物世界模型，以及连接模型、科学工具、文献与研究者的交互 harness。

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

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，让模型以带唇形同步和表情的动态形象进行多模态交流。

Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色声音设计与逐行表演控制，后者面向高并发、低成本场景，支持 100 多种语言。