Gemini Live 的实时视觉：把「看见」还给低视力用户
谷歌从第一天起就和盲人与低视力用户一起构建实时视觉辅助。这是一个安静却锋利的测试:多模态助手到底是为了什么。
博客
发现生成式 AI 的技巧、教程与行业见解
微软 Decision-1：用一个小模型替大模型做选择题
基于 Qwen3.5-9B 的 Decision-1 不聊天。它决定该由哪个模型来处理请求,而这正是任何 AI 流水线里最常见的工作。
Claude Motion：当助手开始做会动的东西
Anthropic 联合 Runway 把一个动效工具推入市场。动效设计比视频生成小得多的问题，也是日常得多的问题。
YuE2-3B：开源音乐模型第一次把 Suno v5 拉下马
一个 3B 的开源模型宣称在基准上胜过领先的闭源服务，还带来一件少见的东西：可编辑的旋律与和弦。真正的限制在许可证上。
腾讯混元 AuK：一个 1.5B 模型同时接管语音的生成与编辑
AuK 把语音合成、声音克隆、降噪与人声分离放进同一个自然语言指令界面。比跑分更重要的，可能是它宽松的许可证。
腾讯 ima：把搜索、阅读与写作装进一个 AI 工作台
腾讯把 ima 推到台前，用混元加 DeepSeek 双引擎把搜索、阅读、写作收进同一个窗口。国产 AI 工作台正在抢同一个入口，胜负手是顺手，而不是参数。
Decagon 的 PACT 协议，想让「同意」成为一个标准
Decagon 开源了一个协议，用来验证个人智能体的身份，以及客户授予它的权限。这是管道工程，而它决定了智能体经济能不能跑起来。
Apple 发布了一个开源多模态模型，却几乎没告诉任何人
苹果的这次「研究优先」式发布悄然越过了主流视野，但模型那种细粒度的视觉 grounding，透露了它的 AI 栈正走向哪里。
OpenCut 与「开源剪映」的那一刻
一款免费、MIT 许可的视频剪辑器持续冲上 GitHub 趋势榜，而它的路线图里包含一个面向 AI 智能体的 MCP server。围绕 AI 媒体的工具，正在追上模型本身。
