JackAI 是一款適用於 iPhone 和 iPad 的裝置端 AI 助理，可執行支援的本地模型，用於對話、照片問答、音訊轉錄和筆記摘要，並將提示詞和檔案保存在本地應用程式儲存空間中。它需要 iOS 或 iPadOS 26 或更新版本，且可下載的模型需要網路連線和數 GB 的儲存空間。在啟用 Apple Intelligence 的相容裝置上，它還可以使用 Apple 的裝置端 Foundation Model。
Apple 發布 HomeView，這款售價 299 美元的家庭裝置可透過臉部辨識最多六人，並在「訊息」、「FaceTime」、「行事曆」、「提醒事項」和「尋找」中顯示他們的個人內容。HomeView 上的 Siri AI 新增螢幕感知能力，並可借助配對的、支援 Apple Intelligence 的 iPhone 或 iPad 取得個人脈絡，在美國、澳洲、加拿大、印度、紐西蘭、新加坡、南非和英國支援英文。今日在澳洲、加拿大、印度、紐西蘭、新加坡、英國和美國開放訂購，而由於 Siri AI 在當地 iOS 上無法使用，該裝置不在歐盟販售。
推薦理由：Apple 首款搭載 Siri AI 的家庭裝置展示了臉部辨識與個人脈絡如何將共享螢幕變成個人化助理。
一個名為 Claudia 的公開角色，是 AI 製作的流行歌手，留著黑色鮑伯頭、帶黏土橘色挑染，在 2026 年 9 月至 11 月間主演十支以 Claude 製作的音樂影片。這次發布公開了她的每一張圖像、這些影片，以及自行重現她所需的一切。這些影片是以 Midjourney 提示詞、Seedance 2.5 片段和 Suno v6 歌曲製作而成。
MuzeGen AI 是一個 Show HN 專案，可依據描述的情緒、選擇的風格或貼上的歌詞，生成原創且免版稅的歌曲。它還為生成的曲目提供分軌與 MIDI 匯出功能。
inclusionAI 發布 Duo-1.0-distill-quant，這是 Duo 1.0 全雙工多模態世界模型的 FP8 量化四步蒸餾 Realization 權重。這些權重會疊加在 inclusionAI/Duo-1.0-causal-base 套件上，該套件提供共用的 Intent、編解碼器、語音模型與 Realization 主幹，且需要支援所封裝 ModelOpt FP8 格式的執行環境。這些權重從 MiniMax H3 初始化，隨後由 Duo 團隊訓練。
inclusionAI 已發布 Duo-1.0-distill，這是 Duo 1.0 的四步蒸餾 Realization 權重；Duo 1.0 是一個用於即時音視訊互動的全雙工多模態世界模型。這些權重以 PyTorch Distributed Checkpoint 疊加層的形式提供，疊加於 inclusionAI/Duo-1.0-causal-base 套件之上，使用 Euler 取樣器、4 步與 flow shift 5.0。這些權重從 MiniMax H3 初始化，隨後由 Duo 團隊訓練。
一位開發者推出了 Show HN 工具，可將任何網站、文章或腳本轉換成 Rick and Morty 風格的解說影片，包含對話、場景與動作。使用者點擊生成，將腳本轉換成可審閱的分鏡腳本，然後再次生成以獲得最終影片；由於底層使用 AI 影片，最終影片需付費。
Zipzi 發布了一款 alpha 版開源 2D 建模與動畫編輯器，定位為 Live2D Cubism Editor 的替代方案，以 Rust 搭配 GPUI 打造，支援 macOS 與 Windows。一套 Python SDK（CPython 3.14）讓編碼代理能檢視網格、渲染線框疊加層，並在使用者的同一份文件中套用編輯，且共用復原歷史。該專案處於早期開發階段，尚無穩定版本；SDK 採 MIT 授權，編輯器元件則採 GPL-3.0-only 授權。
Sing VL S1 是一個建構於 Qwen3.5 之上的 4B 參數多模態決策模型，現已推出 GGUF 版本，可用於 llama.cpp 的 CPU 推論。它提供 BF16（8.42 GB）、Q8_0（4.48 GB）與 Q4_K_M（2.71 GB）三種解碼器，外加一個共用的 F16 視覺投影器，預設上下文長度為 4096 個 token。GGUF 驗證涵蓋 9 個範例與 11 個問題；GGUF 各變體的完整公開分數仍待公布。
本文探討為何打造世界模型的前沿 AI 實驗室尚未諮詢《航海王》創作者尾田榮一郎。文章主張，他在空間一致性與內在邏輯連貫性方面的專長，可助益生成式媒體、遊戲與模擬風格設計，儘管底層物理與幾何仍屬 World Labs 的 Marble 等訓練模型的範疇。
Google 推出 Gemini 4 Hydrogen，這是一款為日常程式編寫與代理工作流程中的快速執行而打造的模型，並在全球範圍內透過 Gemini API、AI Studio、Gemini for business、Gemini 應用程式、Google 搜尋與 Google Antigravity 陸續推出。
World Labs 已向所有人開放其新一代世界模型 Atlas，讓使用者能生成並重建可探索的 3D 世界。Atlas Build 可從照片或生成的圖像開始，由 Viewfinder 重建場景並允許相機移動，而 Chisel 則勾勒出場景結構並更新每個相機視圖。世界可從 splats 轉換為具有真實幾何結構的網格，以供遊戲、模擬、Blender 及其他 3D 工具使用，Atlas 的各項能力也可透過開發者 API 取得。
AxiomStory 是一個新的 AI 故事工作室，它會閱讀手稿的每一章並標記連續性錯誤，例如某個角色的眼睛顏色在不同章節之間發生變化。它會為每個角色和地點建立一個 wiki 頁面，並在生成的圖片和影片中，為每個角色重複使用同一個經核准的外觀和聲音。免費方案提供約 30,000 字的 AI 協助；付費方案每月從 16 美元到 160 美元不等。
Google 發布 Gemini 4 Hydrogen，這是一款供開發者與一般使用者使用的快速通用模型，定價為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元，並具備一百萬 token 的上下文視窗。Google 表示，Hydrogen 在預設的高思考等級下於 Artificial Analysis Intelligence Index 獲得 51 分，在新的 xhigh 等級下獲得 54 分，而更大的 Gemini 4 Argon 則為 50 分。Artificial Analysis 的獨立測試顯示，Hydrogen 在最高思考設定下大致與 Claude Sonnet 5.5 持平，但在代理式終端機工作方面較弱，於 Terminal-Bench 4.0 獲得 54%，而 Claude Sonnet 5.5 為 64%。
Google DeepMind 推出 Gemini 4 Hydrogen，這是一款 Gemini 4 模型，專為快速的日常程式編寫與代理式執行而打造，而非像 Gemini 4 Carbon 與 Argon 那樣著重於長程推理。它在預設的高思考等級下，於 Artificial Analysis Intelligence Index 上得分 51，而 Argon 為 50；在全新的 xhigh 設定下達到 54；其定價在其 100 萬 token 上下文視窗內一律為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元。Google 亦在 Google Antigravity 中推出 Orchestrator，可在同一工作階段內於 Carbon 與 Hydrogen 等模型之間切換，並在 Terminal-Bench 4.0 上達到接近 Carbon 的任務成功率，同時少用 24% 配額、完成速度快 19%。
推薦理由：Google 的 Gemini 4 Hydrogen 鎖定快速的日常程式編寫與代理式工作，在 100 萬上下文視窗內一律採每百萬 token 1.50/7.50 美元的定價，並搭配可在 Gemini 4 模型之間切換的全新 Orchestrator。
Google 搭載 Gemini 的智慧眼鏡現已透過 Gentle Monster 和 Warby Parker 開放預購，Warby Parker 鏡框售價 395 美元起，Gentle Monster 款式則為 449 美元起。這項裝置是一項合作成果，由三星提供鏡框內的運算硬體，Google 提供軟體；在 Google Glass 時代之後重返智慧眼鏡市場之際，Google 特別強調隱私。Warby Parker 的三款鏡框 Alden、Reid 和 Wren 提供 Pine、Saddle 和 Jet Black 三色，搭配標準光學或太陽鏡片，僅在美國販售；Gentle Monster 則推出六款樣式，顏色包括深紅、粉紅、灰色和黃色，搭配透明、有色、藍色或棕色鏡片，於美國和韓國販售。
根據 a16z 的 Anish、Jon 與本文作者，AI 能加速遊戲三大核心原型——獨立開發者、先知型工具製造者與世界建構工作室——而非取代它們。編碼代理如今協助單人開發者跨越技能落差：一個代理在 Blender 與一款引擎中打造了一間受 Habbo Hotel 啟發的唱片行，接著加入寵物領養機制，並讓程式碼庫保持向後相容。Jon 使用 ChatGPT 與 Codex，為他八歲的兒子打造了一款受《Ghost of Tsushima》啟發的 Minecraft 模組。
藝術家森萬里子使用 Claude 撰寫程式碼，製作一段電腦生成動畫，作為其回顧展「森萬里子：All That Shines」中全新影像裝置的一部分。該作品在最後一個展廳的七公尺寬螢幕上播放，畫面中一道地平線裂開，展現出一個光芒四射的世界。展覽於 2026 年 10 月 31 日至 2027 年 3 月 28 日在東京森美術館舉行。
vLLM 在 day 0 支援 Thinking Machines 的 Inkling 2 Small，這是一個多模態文字與視覺 MoE，總參數 594B、活躍參數 17B，上下文最多可達 1M 個 token。此整合加入了搭配 PDL 的核心融合、用於 prefill 的序列平行，在 TP4 下將 8K token 的 prefill 步驟縮短 22%，TP8 下縮短 26%，以及一個 Gluon 相對注意力解碼核心，將 100K 上下文下 batch-1 的解碼步驟從 15.1 ms 降至 4.8 ms。vLLM 回報在 GB200 上 TP4 時可達每使用者最高 630 TPS，接受長度 3.5，並且也透過 SkyRL 支援 LoRA 與 RL。
推薦理由：vLLM 在發布當天即支援 Inkling 2 Small，並給出核心融合、序列平行和 Gluon 解碼核心的具體優化數據，可供部署大型 MoE 模型的團隊參考。
vLLM-Omni 將 MiniMax H3-Image 帶到 NVIDIA Vera Rubin，並測得在四張 GPU 上進行原生 4096×4096 文字轉圖像的中位延遲為 0.87 秒，另在獨立吞吐配置下達到每小時 6,115 張影像。H3-Image 是一個開放權重的文字轉圖像與編輯模型，結合 Qwen3-VL 編碼器、33.1B 稠密 DiT 與影像 VAE，以六個取樣步驟處理這兩項任務，並支援最多 16 張參考影像。團隊報告了 MXFP8 DiT GEMM、Ulysses SP4、AdaLN 快取，以及一項將解碼時間從 2.635 秒縮短至 0.213 秒的 VAE 解碼變更，並列出 AMD、Intel、華為昇騰與摩爾線程硬體的配置方案。
推薦理由：vLLM-Omni 的基準測試顯示 MiniMax H3-Image 在 Vera Rubin 上以不到一秒的 4K 延遲運行，並附有各硬體配置與服務經濟性的成本模型。
Google 發布了 Gemini Decision 1，這是一個決策模型 API，支援是/否、選擇題與評分規準評分問題，加入 Jev 與 OpenAI 的行列，進入決策模型類別。其定價為每百萬輸入 token 10 美分，輸出免費，且不同於 Jev 僅支援純文字輸入，它接受文字、圖像、音訊、影片與 PDF。在對一段機器人影片的測試中，Gemini 回傳了機器人 0.9234、龍 0.0498 等機率，而非 Jev 與 OpenAI 回傳的 1.0 或 0.0。
Google 推出 Gemini Decisions API，由名為 Gemini Decision 1（gemini-decision-1）的新模型驅動，該模型不生成文字，而是針對單一共享輸入對最多 1,000 道具型別的題目進行評分，並回傳經校準的機率。它在單次 prefill 中讀取文字、圖像、音訊、影片與 PDF，支援是/否、選擇與評分題型，定價為每 100 萬個輸入 token 0.10 美元，輸出 token 不計費。Google 表示其上下文長度為 262,144 個 token、端到端延遲 150-250 毫秒、top-1 ECE 為 0.0250，約為 TypeSafe Jev 1.14 的一半，不過在 When2Call 基準測試上落後 Jev（79.9% 對 82.0%），且每 token 成本更高（0.10 美元對 0.042 美元）。
Google DeepMind 推出 Gemini Decisions API，專為封閉式決策設計，例如是/否問題、多選題與量表評分，其底層 Gemini Decision 1 模型可在單次處理中處理多達 1,000 個獨立問題，涵蓋文字、圖像、音訊、影片與 PDF。它會在 150 至 250 毫秒內回傳附有信賴值的機率，每百萬輸入 token 收費 0.10 美元，且不收取輸出 token 費用，Google 稱這比 Gemini 3.5 Flash-Lite 便宜約五倍。該 API 現已可透過 Google AI Studio 使用，與 OpenRouter、LangChain 和 Vercel 的整合也正在陸續推出，Google 表示其內部已將其用於 Gemini Notebook 的模型路由、Stitch 的設計原型製作，以及 Google 搜尋的安全檢查。
同一件事，精選收錄的是《Google launches Gemini Decisions API and Gemini Decision 1 model for fast closed-set decisions》
Google 推出 Gemini Decisions API，由全新的 Gemini Decision 1 模型（gemini-decision-1）驅動，並可透過 Google AI Studio 中的 Gemini API 使用。單次多模態輸入最高可達 256K token，能在一次前向傳遞中對最多 1,000 道是非題、選擇題與評分規準評分題進行檢查，回傳機率與信心分數，端到端延遲為 150-250 毫秒，每 1M 輸入 token 收費 $0.10，且不收取輸出 token 費用。Google 表示，該模型在其基準測試套件中領先，校準誤差最低，且搭配 Interactions API 時比 Gemini 3.5 Flash-Lite 便宜近 5 倍；內部用途包括 Gemini Notebook 中的模型路由、Stitch 中的線框圖生成，以及 Search 中針對 MCP 工具的對抗性內容檢查。
推薦理由：Google 的新端點能在一次傳遞中以 150-250 毫秒對最多 1,000 道多模態是非題、選擇題與評分規準題進行評分，為代理路由與政策檢查提供了比生成式呼叫更便宜的替代方案。
Figma 已推出 3D 變換功能的公開測試版，讓設計師能在空間中傾斜、旋轉和排列文字、圖像、向量與畫框，並可對父畫框套用透視效果，以形成共享的空間構圖。這些非破壞性效果保持可編輯，能與著色器結合、用 Figma Motion 製作動畫，或透過 Figma 代理來探索。Figma 的 Brand Studio 使用了這些工具（包括一個由代理建構的生成式外掛）來製作該功能的發布影片。
Adobe 在其年度 Max 大會上發表了實驗性 AI 工具，包括可透過對話指導 AI 角色的 Project Screen Test、可將平面圖像轉為可導覽 3D 場景的 Project Sight Span，以及在方形音效畫布上混音的 Project Sound Bender。Project Rinse Repeat 則使用原生 Photoshop 工具複製編輯，並套用到同一張照片中的其他主體。這些「sneaks」是技術預覽，最終可能登上 Creative Cloud 或 Firefly，但不保證會推出。
Google Arts & Culture 發布了南非藝術家 Esther Mahlangu 博士的首個線上回顧展，配合她 91 歲生日，收錄超過 45 篇策劃故事，以及關於其藝術、生平與傳承的豐富檔案。由於檔案中沒有 1980 年以前的任何資料，團隊運用 AI 以視覺方式重現她未被記錄的記憶，先生成靜態圖像，再使用 Veo 將其轉化為影片。該展覽與大英博物館、南非 Iziko 博物館及蛇形畫廊等機構共同策劃。
MBZUAI 基礎模型研究所（Institute of Foundation Models）發布 PAN 2，一個 29B 參數的開放世界模型，輸入場景與文字動作，並以影片模擬結果，權重、訓練程式碼與推論程式碼以 Apache 2.0 釋出。它將一個撰寫結構化 JSON 世界狀態的 LLM 規劃器，與一個由凍結的 Qwen3.5-9B 編碼器調節的 29B MMDiT 擴散 Transformer 搭配，IFM 報告在 100 項多步驟任務上完整計畫完成率為 34.0%，領先 MiniMax-H3 的 32.50%，但在單一動作與人類偏好（Elo 1595 對 1620）上落後 MiniMax-H3。IFM 的消融實驗顯示，移除 LLM 規劃器會使完整計畫完成率降至 0.0%，步驟完成率從 75.1% 降至 8.7%。
vLLM 擴展了用於多模態服務的編碼器/預填充/解碼（EPD）解耦，新增僅中繼資料請求、專用編碼器執行路徑、透過 NIXL 與 Mooncake 進行遠端嵌入傳輸、跨編碼器輸出重用，以及透過 vLLM Router、SMG 和 llm-d 進行編排。包括 MiMo 和 XPU 支援在內的核心能力隨 vLLM v0.32.0 發布，而針對 DeepSeek V4.1 Flash 的僅中繼資料支援則透過 #62802 在 main 上提供。在 GB200 上進行的 DeepSeek V4.1 Flash 測試中，EPD 在並行度 64–128 時，每 GPU 吞吐量比八 GPU PD 基線高 6.6–9.5%，P90 TTFT 低 44–47%，但在並行度 16 時每 GPU 吞吐量較低。
inclusionAI 發布了 ZoomGain-9B 與 ZoomGain-4B 視覺語言模型檢查點，同時推出 ZoomGainBench 評估基準與 ZoomGain RL 訓練資料。ZoomGain 透過挖掘從全局到縮放的感知落差來建構細粒度視覺監督，而 ZoomGain-9B 在多項細粒度與通用感知基準上達到更優異的表現。ZoomGainBench 包含 941 張影像上的 1,000 道問題，而 RL 資料集則有 9,000 筆訓練紀錄與 7,713 張來源影像。
inclusionAI 發布了 arXiv 論文、ZoomGainBench 評估基準、RL 訓練資料集，以及 ZoomGain-4B/ZoomGain-9B 模型檢查點。28 個模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多個細粒度與通用感知基準上達到更優表現。ZoomGain 挖掘從全局到縮放的感知落差，為視覺語言模型建立細粒度視覺監督。
inclusionAI 發布 SingVL S1，這是一個建構於 Qwen3.5 之上的 4B 多模態決策模型，能在單次 Transformers 前向傳遞中，針對文字或 JSON 以及最多四張圖片回答具名問題。它支援選擇題、是/否（noul）以及 2–10 級評分題，在 Public Vision Index 上得分 73.94，在 Public Text Index 上得分 69.76。該模型隨附 Python 推論程式碼與 FastAPI HTTP 伺服器。
兩週前針對部分網路防禦人員發表的 Gemini 4 Carbon，現已開放給所有人使用，輸入每百萬 token 收費 2 美元、輸出每百萬 token 收費 10 美元，價格預計於 12 月 1 日翻倍至 4 美元／20 美元。Simon Willison 在 Google 的 Antigravity IDE 中進行測試，利用 OpenStreetMap 資料生成了一段 Three.js 動畫，內容是機甲踩踏穿越紐約市；他並指出，Google 執行長 Sundar Pichai 強調了 Antigravity 的 /swarm 功能，該功能以 Blender 素材、WebGL 著色器與 Lyria 音樂打造了一款開放世界 3D 遊戲。
inclusionAI 已發布 ZoomGain-9B 的 GGUF 格式權重，透過 llama.cpp 轉換，涵蓋語言模型與視覺編碼器／投影器（mmproj），提供 FP16、Q8_0 與 Q4_K_M 版本。影像輸入需將語言模型與對應的 mmproj 檔案配對使用，該儲存庫說明了透過 llama-mtmd-cli 進行命令列推論，以及透過 llama-server 架設網頁聊天的方式。需使用支援 Qwen3.5 多模態的 llama.cpp 建置版本，且量化可能影響準確度。
Google 與 Adobe 正在擴大合作，將 Adobe 的創意與生產力工具直接嵌入日常使用的 Google 應用程式，並把 Google 的前沿 AI 模型引入 Adobe 的應用程式。Google Drive 和 Gmail 很快會在檔案預覽中以「以…編輯」的入口，將 Adobe Acrobat 顯示為建議應用程式；同時，Adobe 正在為 Gemini 和 Gemini Enterprise 新增 Acrobat 與創意工具連接器，並將創意工具引入 Google 搜尋的 AI 模式。企業可以在 Gemini Enterprise 中使用 Adobe 的 CX Enterprise Coworker 代理，而 Adobe 將與 Google DeepMind 共同探索一款用於 Photoshop 的圖像模型，可能實現近乎即時的編輯。
OpenRouter 在八份自製的劣化掃描檔上測試了 15 個視覺模型、Mistral OCR 與 Tesseract，Claude Opus 5.5 最準確，264 個關鍵值中答對 262 個，每 1,000 頁成本 $16.42，而 Mistral OCR 性價比最佳，264 個中答對 258 個，成本 $2.02。在一張褪色收據上，GPT-6 Luna 與 GPT-6.1 Sol 捏造了卡片數字、一個伺服器名稱與 wifi 密碼，這些錯誤無法從字元錯誤率中看出。文章包含轉錄掃描檔、關閉推理、交叉核對兩個不同實驗室的模型，以及透過 file-parser 外掛執行 Mistral OCR 的程式碼。
推薦理由：對 15 個視覺模型加上 Mistral OCR 與 Tesseract 在八份劣化掃描檔上進行實測基準測試，並附上可執行的程式碼，可交叉核對兩個模型以揪出捏造的值。
Google 推出了 Language Explorer，這是一個互動式網路平台，讓研究人員、教育工作者和語言愛好者能夠探索並視覺化數千種語言的多樣性。此平台是 Google 的 1,000 Languages Initiative 的一部分，並以開源的 LinguaMeta 資料集為基礎，本週在柏林通訊博物館開幕的新展覽中亮相。Google 翻譯現在支援近 250 種語言，而 Gboard 則涵蓋 900 多種語言變體。
Anthropic 發布 Claude Fable 5.2，這是一款為最艱鉅的技術挑戰與雄心勃勃的開放式專案所設計的模型，在程式編寫、推理與視覺方面均有改進。該公司建議大多數程式編寫與知識任務先從 Opus 5.5 著手；Fable 5.2 即日起於 Pro、Max、Team 與 Enterprise 方案提供。
推薦理由：Claude Fable 5.2 鎖定雄心勃勃的開放式技術工作，並宣稱在程式編寫、推理與視覺方面有所提升，而 Opus 5.5 仍是大多數程式編寫與知識任務的建議預設選項。
Google DeepMind 與 Artificial Analysis 合作推出多模態知識代理（Multimodal Knowledge Agent，MKA）基準，要求代理審閱建築圖紙、工程示意圖與臨床掃描等密集視覺專案檔案，並產出簡報、試算表、PDF、Word 文件與標註圖像。
Google 最新的影片模型 Gemini Omni Flash 1.2 現已在 Recraft Studio 上線，可生成最長 10 秒、帶原生音訊的片段。與 1.1 相比，它在單一片段中能讓角色、產品與場景保持得更穩定，更遵循鏡頭指令、減少多餘剪接，並生成更清晰的唇形同步對白，包括多人同時說話的場景。Google 於 2026 年 11 月 5 日發布該模型，並指出它在快速體育動作、快速腳本變化和複雜物理方面仍有困難。