Wired 调查：400 多个伪装成日常 AI 应用的隐匿深度伪造色情网络
Wired 调查发现一个由超过 400 个关联域名和应用组成的网络，伪装成宠物画像、语言教学等日常 AI 应用，在特定条件下加载生成色情深度伪造图像和视频的隐藏界面。
推荐理由：调查揭示了数百个伪装成日常工具的换脸应用如何在平台审核下隐匿运作，读者可以了解其分发机制与平台处置现状。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
12 条精选近 30 天 11 条共收录 111 条
更新
多模态的精选
Wired精选AI 评分8080
量子位精选AI 评分7474 SoMark 开源 1.3B 文档解析模型 OXR，三榜登顶
SoMark 团队开源 1.3B 参数的文档解析模型 OXR，在 OmniDocBench（97.18）、olmOCR-Bench（87.84）和 DocParsingBench（87.76）三项基准上均排名第一。
推荐理由：1.3B 参数的开源文档解析模型靠 RSI 后训练在三项基准登顶，读者可了解小模型如何用数据迭代替代参数堆叠。
人人都是产品经理精选AI 评分7070 歸藏用即梦 AI 短剧工作室自制性转马尔福桌面互动应用并开源
作者歸藏用即梦 AI 短剧工作室制作了一个性转马尔福桌面应用，包含第一人称短剧和好感度解锁剧情，客户端已开源在 github.com/op7418/malfoy-desktop，Mac 版目前只支持 M 系列芯片。
推荐理由：作者亲测用即梦短剧工作室搭配 Suno 和 Claude 做出桌面互动应用，并给出资产库、分镜、锚点等可复用流程经验。
Google Blog精选AI 评分6262 XREAL 联合 Google 发布首款有线 Android XR 眼镜 XREAL AURA
Google 与 XREAL 发布 XREAL AURA，首款由 Android XR 驱动的有线 XR 眼镜，今日起在美国、加拿大、韩国开订，11 月 2 日在日本开订，年底前起售价 USD 1,099。
推荐理由：官方公告给出 XREAL AURA 的硬件设计、Gemini 集成方式和定价发售信息，读者可据此了解 Android XR 的产品形态走向。
Google Blog精选AI 评分6666 Google DeepMind 发布世界模型 Genie 4，支持实时交互模拟与原生音频
Google DeepMind 宣布世界模型 Genie 4，为实时交互模拟带来更高真实感与原生音频。该模型基于 Gemini 系列能力，Gemini Omni 锚定真实世界外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的复杂推理；用户可用自然语言实时操控场景，如移动镜头、改变天气或引入新角色，世界中可即时生成环境音、音乐和交互对话。
推荐理由：官方介绍了 Genie 4 的实时交互模拟能力、Gemini 组件支撑与测试范围，读者可以据此了解其应用方向。
极客公园精选AI 评分7979 Kimi K3.1 Pro 上线，加量降价对标 Claude Opus 5.5
10 月 24 日 Kimi 发布 K3.1 Pro，作为 K3 的后训练版本，底座仍为 2.8 万亿总参数、1040 亿激活参数的 MoE 架构，保持 100 万 token 上下文窗口，并同步推出速度快 2 到 3 倍的 Highspeed 版本，完整权重将在 11 月 4 日前放出。
推荐理由：文章汇总了官方跑分与第三方评分，也收录了网友实测和套餐争议，能帮读者平衡看待这次模型升级。
NVIDIA Blog精选AI 评分7272 NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开源模型家族
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由：NVIDIA 一次铺开语言、机器人、生物、量子多条开源模型线，可据此看清其开源组合的覆盖范围与开放渠道。
The Decoder精选AI 评分7272 Kling AI 发布 4.0 版本，支持立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧输入，提示词理解扩展至 8,000 tokens。新版本加入双声道立体声与十余种语言的口型同步，Omni Reference 单次最多接受 15 个参考素材，并推出最高 720p、20 秒的 Kling 4.0 Flash 轻量版。
推荐理由：Kling 4.0 与 Wan 3.0、Seedance 2.5 的对比显示其未明显领先，可据此观察 AI 视频模型进展是否放缓。
NVIDIA Blog精选AI 评分7575 NVIDIA 扩展 Nemotron 家族，发布 120B 开源模型 Super VL 与两款端侧 Bolt 模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开源模型，面向常驻智能体任务，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：NVIDIA 一次放出三款覆盖服务器到桌面的开源模型，读者可据此判断本地智能体部署的选型空间。
品玩精选AI 评分7171 可灵 AI 发布 Kling 4.0，强化动态运镜并面向专业创作场景
10 月 15 日晚可灵 AI 的 Kling 4.0 正式全量上线，重点强化大幅动态与复杂运镜，参考素材扩充至最多 15 项、关键帧最多 10 张，单次原生生成延长到 30 秒。
推荐理由：作者用高速追逐、近身打斗等具体任务实测了 Kling 4.0，读者可以据此判断它在专业制作流程中的实际表现。
Google Blog精选AI 评分9090 Google 发布 Gemini 4 Argon，主打复杂工程与科研任务
Google 发布前沿模型 Gemini 4 Argon，即日起通过 AI Studio 和 Gemini 平台的 API 向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。
推荐理由：官方给出 Argon 在编码、科研与安全上的具体案例和定价，可据此判断前沿模型在长程任务中的落地边界。
Microsoft Research精选AI 评分6262 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院推出 Quine，一个面向生物学的研究系统，由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，按化合物驱动肿瘤细胞状态转换的潜力对数千种化合物排序，排名最高的化合物在多项湿实验中产生了预期的经典态到基底态转变，整个筛选到候选优先排序过程耗时一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与工具编排框架，并给出胰腺癌细胞状态预测的湿实验验证结果。