用 2 万的 iPhone Duo 远程指挥 8 万的 Mac Studio 跑 Agent
爱范儿 APPSO 用 21499 元的 iPhone Duo 搭配 86749 元的 Mac Studio，搭建了一套手机远程指挥本地 Agent 的工作流，并专门做了适配折叠屏三种形态的 App。
搜索“Udio”
找到 48 条 · 更新于 12:09
爱范儿AI 评分5050 AWS Machine Learning BlogAI 评分3535 AWS 新注册体验上线：新用户几步即可进入 SageMaker Studio
AWS 宣布新客户可通过 Google、GitHub、Apple、Amazon 账号或邮箱注册，2–3 步即可进入已配置好的 SageMaker Studio 环境，无需填写高级账户信息、验证手机号或提供信用卡（多数客户）。
Qwen@Alibaba_Qwen精选AI 评分7878阿里发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增 TTS-Next 和 ASR-Next 两款模型，共五款模型覆盖理解、生成、交互与创作。
推荐理由：官方一次性给出五款音频模型的能力分工与降价幅度，可据此判断语音链路的选型与成本变化。
The Decoder精选AI 评分7272 可灵 AI 发布 4.0 版本，新增立体声与多语言口型同步并推出 Flash 轻量版
可灵 AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的改进口型同步，Omni Reference 单次最多接受 15 个参考素材。
推荐理由：可灵 4.0 的升级集中在参考素材、音频与多语言口型，同时给出与 Wan 3.0、Seedance 2.5 的对比观察。
The Verge · AIAI 评分2222 《Wildwood》导演：生成式 AI 与 Laika 工作室的理念"完全对立"
Laika 新片《Wildwood》导演兼 CEO Travis Knight 称生成式 AI"与这家工作室的一切完全对立"，认为技术应由艺术家掌控，AI 产出"没有灵魂、没有人性"，本质是盗窃。该片耗时五年，动用 230 多具木偶、49 名动画师，逾 1000 名艺术家参与，10 月 23 日首映。Knight 表示并不反对 AI 在医学、科学等领域的应用，但担心其被滥用。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务中的实际边界。
Google AI@GoogleAI精选AI 评分7878
推荐理由：两款音频模型分别面向低延迟对话与复杂任务推理，读者可据此判断语音交互的适用边界。
AI at Meta@AIatMeta精选AI 评分7272推荐理由：Meta 公布实时语音感知模型的能力清单与榜单排名，可据此判断流式 ASR 的当前水平。
The DecoderAI 评分6969 ElevenLabs 发布 Eleven Realtime 两款语音到语音模型
ElevenLabs 发布两款语音到语音模型 Eleven Realtime，其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间 0.57 秒。
Google DeepMind@GoogleDeepMindAI 评分6060
MiniMax (official)@MiniMax_AIAI 评分5858引用reactor@reactorworldIntroducing FastH3-Omni. The fastest and highest-quality open-source version of realtime H3 by @MiniMax_AI, post-trained by FastVideo @haoailab with @nuvalab. Exclusive preview on the Reactor API until 10.20.2026. • First and last frame conditioning • Audio input + strong dialogue • Up to 3 reference images • Frontier-level performance
Simon WillisonAI 评分3434 Simon Willison 用 Claude Code 打造 RTS 游戏 Battle Drones，支持音频同步多人对战
Simon Willison 发布 vibe coded 即时战略游戏 Battle Drones，经 12 个大版本迭代、321 次由 Claude Code 等编码智能体提交的 commit，可在手机和桌面浏览器运行。游戏含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，并支持两台邻近设备通过麦克风范围内的音频消息同步游戏状态实现多人对战。
MiniMax 模型发布精选AI 评分8282 MiniMax 开源全模态生成系统 MiniMax-H3，支持 2K 视频与立体声
MiniMax 发布全模态生成系统 MiniMax-H3，可统一理解文本、图像、视频和音频，并生成带原生立体声的视频，分辨率最高 2K、时长 4–15 秒。
推荐理由：原文完整披露了 H3 的三模块架构、开源范围与本地部署命令，读者可据此判断哪些能力需要走 API 补齐。
爱范儿精选AI 评分7878 实测 DeepSeek V4.1 Flash：4 元生成特斯拉飞行 3D 网页
作者在 DeepSeek Harness 中实测 DeepSeek V4.1 Flash，用纯提示词生成特斯拉飞行 3D 网页，耗时 35 分钟、消耗 3752 万 Token，按缓存命中 0.04 元每百万 Token 和输出 8 元每百万 Token 计算约花 4 元。
推荐理由：作者用多个实测案例对比 V4.1 Flash 与闭源模型的成本差距，可据此判断低价模型能覆盖哪些任务。
智东西精选AI 评分7272 科大讯飞发布端云一体星火X2.6，基于全国产算力训练
科大讯飞10月22日发布端云一体大模型讯飞星火X2.6，包含云端293-A30B模型和端侧X2.6-4B模型，后者已开源，均基于全国产算力完成能力升级。云端模型支持百万token上下文，输入价格0.9元/百万tokens、输出3.6元/百万tokens，输入缓存未命中与输出价格低于DeepSeek-V4.1-Flash-1017。
推荐理由：科大讯飞公布星火X2.6的国产算力训练与端云一体架构细节，可据此判断国产芯片训练大模型的实际进度。
阶跃星辰模型发布精选AI 评分7272 阶跃星辰发布 Step 3.7 Flash 视觉语言模型
阶跃星辰发布 Step 3.7 Flash，这是一个 198B 参数的稀疏 MoE 视觉语言模型，由 196B 参数语言主干与 1.8B 参数视觉编码器组成，每 token 约激活 11B 参数，吞吐最高 400 tokens/s，支持 256k 上下文窗口和低中高三档推理等级。
推荐理由：原文给出稀疏 MoE 视觉语言模型的参数规模、三档推理等级与定价，可据此判断高频智能体工作流的成本与部署选择。
MiniMax 模型发布精选AI 评分6262 MiniMax 发布音乐生成模型 MiniMax Music 3
MiniMax 发布音乐生成模型 MiniMax Music 3，可根据歌词和音乐描述生成最长五分钟的完整歌曲，输出 32 kHz、16-bit 立体声 WAV。
推荐理由：原文给出了分层 LLM 与 Flow Matching 的完整架构和显存占用，读者可据此判断本地部署音乐生成的门槛。
阶跃星辰模型发布精选AI 评分6060 阶跃星辰发布 Step-3.7-Flash GGUF 量化版本
阶跃星辰为 198B 参数稀疏 MoE 视觉语言模型 Step-3.7-Flash 发布 GGUF 量化版本，含 BF16 到 IQ3_XXS 共 7 个语言量化档位及 4 GB 的 F16 视觉投影器。
推荐理由：原文给出各量化档位的体积与三款 128 GB 统一内存设备上的实测吞吐，可据此判断本地私有部署的可行边界。
The Decoder同事件AI 评分7878 Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
AI 初创公司 Recursive 发布首个语言模型 Flint，开发过程几乎每一步都有名为 Eureka Machine 的 AI 系统参与，由它提出想法、实现、测试并规划后续实验。
同一件事，精选收录的是《Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建》
智东西同事件AI 评分7878 Recursive 开源 40B 本地编程模型 Flint，MacBook Pro 可跑
田渊栋参与创办的 Recursive Superintelligence 推出首款本地编程模型 Flint，总参数量 398 亿、每 Token 约激活 25 亿参数，已按 Apache 2.0 开源。
同一件事，精选收录的是《Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建》
MarkTechPostAI 评分7070 Recursive 发布 Flint：40B MoE 本地编码模型，激活参数 2.5B
Recursive Superintelligence 发布首个模型 Flint，这是一个面向编码智能体的开源权重 MoE 模型，总参数 39.8B、每 token 激活约 2.5B，权重以 Apache 2.0 协议放在 Hugging Face。
钛媒体AI 评分6262 AI 3D御三家半年融资超80亿元，Meshy ARR破1亿美元
VAST、Meshy、影眸三家AI 3D公司在半年内合计融资超80亿元人民币，其中VAST累计超50亿元、估值20亿美元，Meshy完成4亿美元融资、投后估值15亿美元。截至9月底Meshy的ARR突破1亿美元，VAST和影眸的ARR也达上千万美元。三家路径不同：VAST想做3D版抖音，Meshy主打订阅加按量付费，影眸则聚焦专业用户与企业生产流程。
钛媒体AI 评分6262 Meta 财报会：Muse 上线六周超千万人设置，扎克伯格称将更早商业化
Meta 在 2026 财年第三季度财报电话会上披露，AI 产品 Muse 上线约六周后，美国和加拿大已有超过 1000 万人完成设置，购物是最热门用途，平均购买金额超过 200 美元。
智东西AI 评分6262 ElevenLabs 发布 Eleven Realtime 两款实时语音模型，首次音频响应最快 0.57 秒
ElevenLabs 于 10 月 20 日发布实时语音系列模型 Eleven Realtime，包括面向自然交流的 v1 Mini 和面向客服、多步骤任务的 v1 Max，均支持超过 90 种语言和 1.7 万种音色。
MarkTechPostAI 评分5858 Gradium 开源 31M 参数端侧 TTS 模型 Phonon，采用 Apache 2.0 许可
Gradium 开源端侧文本转语音模型系列 Phonon，其中英文版 Phonon 31m 为 31M 参数、64.5 MB q8 GGUF 文件，采用 Apache 2.0 许可。
The Verge · AIAI 评分5858 Eiliko 厂商称将聘请独立安全公司审查系统，但记者实测数据仍可公开访问
Energize Lab 就 The Verge 关于 Eiliko 机器人存在安全漏洞的报道作出回应，称已关闭后端系统的所有外部访问、停用远程修改机器人回复的接口、下线长期记忆与自定义头像功能，并将删除已存储的对话记录、用户画像和头像图片，同时聘请独立安全公司全面审查系统。
MarkTechPostAI 评分5858 IBM 发布 Granite Speech 5.0 2B 多语言语音转写与翻译模型
IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，支持 6 种语言的语音转文字与翻译。该模型在 Open ASR Leaderboard 上以 5.68% 平均英文 WER 位列开源权重模型第二，仅次于 Qwen3-ASR-1.7B 的 5.40%；IBM 博客另给出 5.06% 的非官方数字，仅统计公开短音频集。
爱范儿AI 评分5858 爱范儿实测 iPhone Duo 一周：折叠屏体验与适配现状
爱范儿用一周时间实测 iPhone Duo 后认为，它是第一梯队的折叠屏产品，但建议稍晚两个月再买。iPhone Duo 基于折叠形态重构了 iOS，把状态栏、菜单栏和 dock 移到短边，并利用铰链悬停把半折设为系统状态；截至 10 月 21 日，B 站、微博、Netflix、小红书、淘宝等主流应用已推出适配版本，微信仍在重点适配中。
IT之家AI 评分5555 苹果更新 iWork 15.4.1：Keynote、Numbers、Pages 引入智能助理
苹果更新 iWork 生产力套件至 15.4.1，为 Keynote、Numbers 和 Pages 添加“智能助理”功能，以测试版形式面向 Apple 创作坊订阅用户开放。
AWS Machine Learning BlogAI 评分5353 SageMaker AI 训练会话正式可用，无需管理 GPU 即可自定义模型
AWS 宣布 SageMaker AI 无服务器模型自定义的训练会话正式可用，用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由平台负责。
MarkTechPostAI 评分5050 Cactus Whistle 实测：16.9 MB 语音模型能否胜过 Whisper base？
教程实测 Cactus Compute 的 16.9 MB 语音转文字模型 Whistle，在 CPU 上支持七种语言并输出词级时间戳与概率。在 LibriSpeech test-other 采样上，Whistle 领先贪心解码的 Whisper base，但与 beam search 无显著差距，且速度优势随音频变长而收窄。测试还发现固定引擎在 30 秒窗口下会静默丢弃长音频中段。
AWS Machine Learning BlogAI 评分5050 TwelveLabs Pegasus 1.5 在 Amazon Bedrock 上线
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频转为带时间戳的结构化 JSON 元数据。相比 Pegasus 1.2，单次请求可分析视频时长从 1 小时提升至 2 小时，并新增视频分段、参考图多模态提示和免预索引的即时处理。
AWS Machine Learning BlogAI 评分4747 Amazon Polly 生成式引擎重大升级：新增 14 种语音、支持印地语和芬兰语
Amazon Polly 生成式引擎完成升级，新增 14 种语音、覆盖 9 个 locale，并首次在生成式引擎中正式提供印地语和芬兰语。升级后共提供 57 种生成式语音，覆盖 11 种语言、25 个 locale，并扩展至 AWS GovCloud（US-West）共 11 个 AWS Region。此次为原地升级，语音名称和 API 调用不变，现有应用无需改代码，价格也不变。
TechCrunch · AIAI 评分4242 Spotify 押注 AI 智能体：要做智能体首选的音乐服务
Spotify 第三季度月活达 7.88 亿、营收近 50 亿欧元，联合 CEO Gustav Söderström 称其是少数能在智能体时代受益的品类。Spotify 已接入 Meta 的 Muse 助手以及 ChatGPT 和 Claude，目标是成为用户通过任意智能体调用的媒体服务。Söderström 强调 Spotify 不向合作方发送用户收听数据，而是由自身系统理解请求并决定播放内容。
NVIDIA BlogAI 评分4242 NVIDIA Earth-2 开放模型在欧洲落地：StormScope EU 与多行业天气预测实践
NVIDIA 在 GTC Berlin 展示与 Earthmover 合作的 StormScope EU 实时预报流水线，该模型基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况。
AWS Machine Learning BlogAI 评分4040 在 Amazon SageMaker AI 上用 Kokoro TTS 为 AI 智能体流式输出低延迟语音
该方案把 AI 智能体生成的每个句子即时送入部署在 Amazon SageMaker AI 实时端点上的 Kokoro-82M 语音合成模型，让音频在第一句生成后就开始播放，而不必等整段回复完成。Kokoro-82M 仅 8200 万参数，可跑在单台 ml.g5.xlarge GPU 实例上，容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。
钛媒体AI 评分3838 AI 改造内容行业：MiniMax H3、Seedance 如何重构生产流程与互动影游
内容行业正用 MiniMax H3、Seedance 等多模态模型重构生产流程，一家大型游戏厂商借此把素材制作从几天缩短到几小时，月费用从几百万元降至几十万元。MiniMax H3 输出视频有 768p 和 2K 两种模式，2K 的 API 调用价格约 0.8 元/秒，本地部署成本更低。腾讯、快手、剪映等平台已陆续布局互动影游创作工具，争夺下一代内容入口。
TechCrunch · AIAI 评分3838 Nirva 融资 3300 万美元，做只监听佩戴者本人的吊坠式 AI 硬件
Nirva 完成 2500 万美元 pre-Series A 轮融资，加上年初的 800 万美元，累计融资达 3300 万美元。其首款设备是重约 8 克、可作手链佩戴的吊坠，单次充电续航最长 3 天，通过用户录入的声纹只记录佩戴者本人语音，处理后默认不保留音频与转写。该设备定价 249 美元，11 月起接受订单，计划年底前向早期用户发货。
AWS Machine Learning BlogAI 评分3838 Deepgram 如何用 AWS Trainium2 优化大规模语音 AI 推理
Deepgram 与 AWS 合作将 Nova-3 语音转文本模型移植到 Trainium2，用于联络中心分析、医疗转写等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本，按评估时实例价格计算，每美元处理的音频量比原有算力方案高 11%–70%。