腾讯内测 AI 互动社区“懂了鸭”:输入一句话即可生成互动课件与 3D 演示
腾讯正在内测面向儿童和青少年的 AI 互动内容社区“懂了鸭”。家长、教师和创作者可通过文字或语音描述想法,无需编程即可生成互动学习卡,包括 3D 演示、动态课件、绘本和轻量游戏。用户还可以浏览并改编他人的作品。目前该产品仅向亲子用户和教师小范围开放测试。
AI 新闻中心 过去24小时分析了 189 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
腾讯正在内测面向儿童和青少年的 AI 互动内容社区“懂了鸭”。家长、教师和创作者可通过文字或语音描述想法,无需编程即可生成互动学习卡,包括 3D 演示、动态课件、绘本和轻量游戏。用户还可以浏览并改编他人的作品。目前该产品仅向亲子用户和教师小范围开放测试。
英伟达在 GTC 2026 上将 DGX Spark 的集群支持从最多 4 台扩展至 8 台。使用 128GB 版本组建集群时,统一内存最高可达 1TB。英伟达称,与 llama.cpp、vLLM 社区合作进行的优化,在特定工作负载下可使 RTX PRO 6000 Blackwell 的推理性能提升最高 40%;DGX Spark 和 DGX Station 的提升幅度分别最高为 30% 和 20
在英伟达柏林GTC大会上,黄仁勋发布了即插即用数据中心DSX Pod。英伟达将其定位为弥补欧洲AI基础设施差距的一种方案。大会还谈及了自主 humanoid 机器人。
Nscale Ltd.提供计算能力的合同价值自3月一轮融资以来已增长逾一倍,该公司首席执行官在致员工的信中表示。这家人工智能云计算公司同时因其IPO目标估值面临投资者反对。
一种新模型可为任意骨架绑定(rig)同步生成视频和相应的 3D 动作,并估计摄像机位置,将动作映射到场景中。与以往仅支持人体骨架,或通过 2D 姿态图重建 3D 动作的方法不同,该模型将动作交由独立模型处理,再通过少量交叉注意力层与预训练视频模型连接。研究团队利用人物和机器人视频,以及包含动画 3D 资产的精选场景,构建了近 20 万组训练数据。据研究团队介绍,与以视频为先的方法相比,该模型能更忠
在柏林举行的 GTC 上,英伟达 CEO 黄仁勋发布模块化 AI 工厂参考设计 DSX POD,以 Vera Rubin 平台为核心。计算、网络、布线、供电和液冷设备将在工厂内完成集成与验证后再发货。英伟达称,如果部署场地以及电力、冷却和网络等配套设施已经就绪,部署时间可从传统方式的约 6 个月缩短至最短 14 天。合作伙伴计划于 2027 年初开始在全球交付相关系统。
谷歌 CEO 桑达尔·皮查伊表示,公司正将部分原本用于云业务的算力转向前沿 AI 研发。这些芯片和计算资源原本可以高价出售给云客户。皮查伊称,投入前沿 AI 是谷歌的根本所在。由于数据中心从决策到投运需要两至三年,加上智能体任务需求快速增长,客户若想提前锁定 2027 年算力将面临很大困难。
一名微软高管表示,AI 曾帮助设计团队。一些 Windows 11 用户对此反应不佳。
Google 去年将 Gemini AI 助手引入 Android Auto,如今也将其带到 Apple CarPlay。Gemini 对话式导航即日起面向美国驾驶者开放。Google 表示,全球范围的推广也在进行中,但尚未公布各地区的具体上线信息。
Mach9开发AI CAD软件,采用自有模型,并使用图像与激光扫描多模态数据集进行训练。这家成立于2021年的公司在A轮融资中筹集了3400万美元,目标是让土木工程师的目视检查更快、成本更低。
OpenAI称,使用GPT-5.6 Sol发现的PHP缺陷属于其发现的多项重大漏洞。该公司预计类似发现将大幅增加,并建议在上游项目中验证和修复漏洞,同时给予受影响组织采取行动的时间。
PerturbAI、OpenAI与斯克里普斯研究所开发了一套AI框架,由近2000个智能体并行分析生物数据、检索科学文献并提出可验证的假说。PerturbAI称,该系统用32分钟分析了一份全脑基因组图谱。公司估计人类团队可能需要数月至一年,但这并非在相同条件下进行的直接对照测试。在专家盲评中,多智能体系统的解释有75%的情况下更受青睐;这反映的是专家偏好,并不代表研究结论的准确率。相关线索仍需实验
据报道,世界各地的黑客正越来越多地利用智能体人工智能发动攻击。他们还会操纵 Anthropic 的 Claude 等工具,使其协助实施犯罪活动。
Anthropic称,Claude检查了25个开源项目中超过500万行的C、C++、Java、PHP和Python代码,并指出493项安全问题。其中一项问题长达21年未被发现。Anthropic以此说明,前沿AI模型具备发现并利用安全漏洞的能力。
一项预先设计的研究使用 21 个保留的 Terminal-Bench 2.1 任务,测试决策模型 Jev 1.13 能否在不降低表现的情况下减少终端智能体的成本。在固定智能体运行流程后,Jev 使每次尝试的成本增加 19%,通过率则维持在 73%。它比小型语言模型控制器便宜,但比安慰剂高出 22%。Jev 在离线评估中更善于判断完成请求,但校准不佳,会让智能体重复检查已经正确的工作。没有任何控制器