#多模态

国内首部 AI 全流程院线长片《三星堆：未来往事》票房达 116.2 万

国内首部获国家电影局公映许可证的 AI 全流程院线长片《三星堆：未来往事》10 月 23 日上映，猫眼专业版数据显示其票房已达 116.2 万。影片片长 100 分钟，角色均为原创数字形象，不含对真实演员的数字复制，全片依托博纳自研“博卡电影云片场”完成，团队历时两年产出 120 余万张底图。

华为鸿蒙 HarmonyOS 7.0.0.111 版本隐藏新特性盘点：深色模式随日出日落切换等功能下放

华为面向 Mate 80 / 70 / 60、Pura 80 / 70 等机型推送鸿蒙 HarmonyOS 7.0.0.111 版本，更新日志未公开的隐藏特性包括更多机型支持深色模式随日出日落自动切换、桌面下滑功能自定义。该版本还新增“智慧场景服务”，可创建个人、车辆、家庭三大自动化服务并联动鸿蒙车机场景，相册新增涂鸦勾勒与视频一键导出动图功能。

微软 Teams 将接入第三方工具检测会议深度伪造

微软 Teams 将允许组织接入已认证的第三方工具，扫描会议中的视频和音频内容以检测深度伪造，该功能将于 11 月中旬在桌面版、Mac 版和网页版逐步推出。微软表示检测由外部提供商完成，Teams 仅负责展示警告弹窗和操作选项。检测机器人需管理员授予 Calls.ReportSyntheticMedia.All 权限，并给出 0.0 到 1.0 的置信度评分和低中高三档判断。

对话北大袁粒：Open-Sora Plan 与 AI 热潮下高校该做什么研究

北京大学助理教授袁粒在对话中介绍，其团队发起开源视频生成项目 Open-Sora Plan，目标不是追平 Sora 效果，而是先开放架构、代码与训练方法，供企业和学术界接着开发。他还谈到与字节跳动合作的 Helios 尝试流式视频生成，以及科研智能体 OpenAI4S 以代码为科学行动基本单位、在持续运行的 Python 或 R 环境中执行。

Justine Moore@venturetwins· 04:38

终于搞定了 AI 生成房产视频的工作流。 这是用新的 Kling 4 一次性生成的——它是我找到的第一个能从参考图保持完全一致性的模型。 关键在于提前写好脚本，而这一步可以自动化。更多 👇

百度健康升级文心健康管家，发布好医矩阵与健康相机，AI服务MAU超5000万

百度健康10月24日宣布升级文心健康管家，发布「好医矩阵」和全网首个支持动态视频识别的「健康相机」。好医矩阵中的好医答咨询室已入驻15万+全三甲真人医生，提供7×24小时在线服务；好医加号已覆盖80%以上公立三甲医院，每天提供超12万个加号源。百度健康AI服务月活跃用户已达5000万+，并启动好医联盟与好医开放计划。

NeurIPS 26 | EchoChat 如何让语音大模型从声音理解到共情回应

香港中文大学等提出 EchoChat，将共情语音对话拆解为情绪感知、心智理论推理和语音回复生成三个环节，并在统一框架中协同优化。模型在 SFT 阶段引入 Acoustic-Anchored Attention（AAA）强化声学线索利用，在 RL 阶段引入 Step-Decomposed Credit Assignment（SDCA）定位出错环节。

声网CEO赵斌在iRTE2026提出对话AI“五级对话能力”框架

声网创始人兼CEO赵斌在10月23日北京iRTE2026实时智能大会上提出“五级对话能力”框架，将对话能力从L1基于自身视角的表达逐级划分至L5基于深度关系的沟通。

Justine Moore@venturetwins· 10:25

终于有时间测试 Kling 4——印象相当深刻。 这是一次四角色视频换脸，第一次尝试就几乎完美。而且比 Seedance 2.5 更快、更便宜。 👏 给 @Kling_ai 团队。乐见一些竞争！

国内首部AI超写实院线电影《三星堆：未来往事》上映

10月23日，国内首部获国家电影局公映许可证的AI超写实院线电影《三星堆：未来往事》上映，片长100分钟，角色均为原创数字形象。据猫眼专业版，上映首日票房30.15万元，累计综合票房40.1万元；灯塔专业版预测总票房207.8万元。影片由生数科技Vidu提供首席技术支持，博纳影视集团AIGMS团队负责创意判断，制作成本为千万元级别。

Google 开放 MedGemma 等模型，推动结核病筛查落地

Google Research 在 IDWeek 2026 上介绍其结核病筛查 AI 从研究走向临床部署的路径，并开放 MedSigLIP 与 MedGemma（4B、27B）等基础模型。

Google DeepMind@GoogleDeepMind· 22:57

仅用一张 Nano Banana 图像和 Blender MCP，Gemini 4 Argon 在 @Antigravity 中构建了一座 3D 哥特式大教堂。 它对几何结构、纹理和光照进行迭代，最终完成整个场景。

Microsoft Research 发布 Flint-interactive 交互式图表语言

Microsoft Research 发布 Flint-interactive，一种在 Flint 之上创建交互式数据可视化的语言，让智能体生成可点击、筛选、缩放和跨图表联动的图表。该语言通过 Flint 编译器把点击、拖拽等原始触发解析为语义事件，用户只需用高层算子描述更新逻辑。目前可通过 Flint-MCP 在聊天环境使用，开发者也可用编程 API 构建仪表盘和数据故事。

Google DeepMind@GoogleDeepMind· 02:30

Gemini 4 Argon 整合了三个开源数据集，构建出人体解剖结构的交互式3D可视化。 可动态切换不同图层、单独显示肌肉，或放大查看跳动的心脏内部。

Google Research 在 JAMA 子刊发表 AI 盲扫超声估算孕龄研究

Google Research 在《JAMA Network Open》发表研究，用 AI 模型解读未经超声培训的操作者采集的“盲扫”超声图像来估算孕龄。在 385 名 16–36 周孕妇的前瞻性队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕未做本地优化为 4.27 天。

IBM 发布 Granite Speech 5.0 系列三款语音模型

IBM 发布 Granite Speech 5.0 系列更新，包括新模型 granite-speech-5.0-2b，以及更新版 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。

清华AIR孵化紫荆智康发布多分身协同AI医院系统

清华AIR孵化的紫荆智康发布“紫荆AI医院”系统，采用多分身智能体协同技术，让不同专科的AI分身在同一诊室提供按需提醒或会诊建议。截至2026年7月，该系统已构建54位AI医生，北京清华长庚医院18个临床科室开展门诊测试，40余名医生常态化使用，称诊疗效率提升30%。AI医生在MedQA数据集准确率超过96%。

Google DeepMind@GoogleDeepMind· 22:53

Gemini 4 Argon 打造了一个3D元素周期表，与Tom Lehrer的歌曲《The Elements》同步。 该作品在 @Antigravity 中创建，可动画展示绕轨电子、原子数据和光谱。

Google Research 展示 Research@ 2026 十项成果：Google Earth AI、Deep Review 等

Google Research 在 Mountain View 的 Research@ 活动上展示了 10 项成果，包括扩大 Google Earth AI 实验性能力的早期访问，并开放 Deep Review 给公众使用。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布 Gemini 4 Argon，即日起通过 AI Studio 与 Gemini API 向开发者和企业开放，Google AI Ultra、Pro 订阅者可在 Gemini 应用与搜索 AI Mode 中使用。

Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，一款面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，参数 740M，采用 Apache 2.0 许可，支持 8K token 上下文，文本任务最低 270M 参数即可运行。官方称其在 MTEB Code 上从 68.76 提升至 78.68。