Marissa Mayer 推出照片驱动 AI 助手 Dazzle，从相机胶卷读懂你
前 Yahoo CEO Marissa Mayer 发布个人 AI 助手 Dazzle，它不读取邮件和日历，只通过分析手机相册来理解用户的爱好、饮食与风格偏好。Dazzle 去年 12 月完成 800 万美元种子轮融资，可通过 App 或短信交互，功能分为扫描近期照片完成即时任务，以及挖掘相册历史生成个性化度假和礼物建议。Mayer 称 Dazzle 会丢弃 AI 标记为敏感的个人信息。
#多模态
#多模态
今日 6 条TechCrunch · AIAI 评分4040 Latent Space精选AI 评分7878 AMD 以 82 亿美元收购 World Labs，Atlas 解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在回顾文章中称，公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队，并通过收购 SceniX 推进机器人仿真能力。
推荐理由：AMD 以 82 亿美元收购 World Labs，文中同时给出 Atlas 在稀疏重建上的能力定位与机器人仿真方向。
Latent SpaceAI 评分7575 AINews：Opus 5.5 擅长生成讲解视频
AINews 汇总 9/24-9/25 动态，指出 Opus 5.5 本周发布后社区反馈积极，尤其在用代码生成讲解视频上表现突出。
The Verge · AIAI 评分7575 AMD 以逾 80 亿美元收购 World Labs
AMD 宣布以约 82 亿美元全股票交易收购 AI 研究实验室 World Labs，交易预计年底前完成。World Labs 由知名研究者李飞飞联合创立，2024 年成立后数月内估值达 10 亿美元，2025 年推出首个商业产品——可从提示词生成交互式 3D 世界的世界生成模型 Marble。
Microsoft ResearchAI 评分1818 微软亚洲研究院新加坡成立一周年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。
AWS Machine Learning BlogAI 评分2828 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上从同一个 vLLM-Omni DLC 部署两个端点：实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 传给视频端点，最终取回 MP4，并提供命令行与 Streamlit 界面。
AWS Machine Learning BlogAI 评分3232 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
在 Amazon SageMaker HyperPod 上，用开源 RL 框架 SkyRL 对 Qwen3-VL-8B 视觉语言模型做 GRPO 后训练，在固定 64 个迷宫评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
Latent SpaceAI 评分6262 Runway 发布 GWM Worlds 2 与 WorldPrompt：实时世界模型的工程实现
Runway 推出 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并引入 WorldPrompt 这一输入格式，可固定环境部分要素（包括首帧）并生成带时间戳的事件序列。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级多模态交互的落地形态。
Latent SpaceAI 评分7272 Meta Connect 2026：Muse 智能体、AI 眼镜与 Charm 设备
Meta 在 Connect 2026 上把 Muse 个人智能体作为硬件加智能体战略的核心，为其加入语音与实时视频能力，并发布 Ray-Ban Meta Gen 3、售价 1299 美元的 Meta VR Glasses 以及 12 月发货的钥匙扣设备 Muse Charm。
AWS Machine Learning BlogAI 评分4444 基于 AWS 的智能体对话式视频智能方案
AWS 发布基于 Strands Agents SDK 的智能体架构视频智能方案，由 Amazon Bedrock 驱动，按用户提问在运行时调度 Amazon Rekognition、Amazon Transcribe 和 Amazon Bedrock Data Automation。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在配音和播客场景的落地方式。
NVIDIA BlogAI 评分2222 NVIDIA 在新加坡 AI Day 展示东南亚 AI 进展：Nemotron 与 Cosmos 落地多国
NVIDIA 于 9 月 22-23 日在新加坡举办 AI Day，联合合作伙伴展示东南亚区域的 AI 落地进展。新加坡 HTX 正基于 Nemotron 3 Super 与 Nemotron 3 Nano Omni 研究公共安全 AI，越南 Viettel AI 微调 Nemotron 3 Super 后在 VMLU 基准与内部产品评测中均排名第一。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，按 Brightband 的独立实时评测。
推荐理由：官方给出分辨率、更新频率与降水精度提升的具体数字，可据此判断 AI 天气预报在 Google 产品中的落地程度。
Microsoft ResearchAI 评分3838 MindTopo：微软推出评估多模态模型拓扑空间推理能力的新基准
微软研究院发布 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭性、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上明显强于交互式规划，且均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨序列仍不可靠。
Microsoft ResearchAI 评分4040 Microsoft Research 推出 CARE-X：面向临床可用的放射学 VLM
Microsoft Research 发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，同时支持报告生成与结构化预测，并用强化学习 DAPO 在多任务设定下奖励临床正确性。