【AIGC日报 · 2026-11-18】
今日简讯:
1、可灵上线 Kling Image 4.0,支持原生 8K 与连贯组图
2、微软公布七款 AI 模型,覆盖编程、图像与语音
3、商汤发布 SenseNova Loop-9B,开放模型权重与代码
4、米哈游公布游戏智能体基础模型 Gamer
5、考拉悠然与同济大学发布具身世界模型框架 BWM-Forge
6、谷歌扩展 Gemini 任务功能,支持处理电话与日程
以下为详细内容:
1、可灵上线 Kling Image 4.0,支持原生 8K 与连贯组图
来源:IT之家
快手可灵 AI 上线新一代图像创作模型 Kling Image 4.0,并面向企业客户和开发者开放 API 接入。官方介绍,模型采用理解与生成统一的架构,支持原生 8K 图像生成、单图内生成约 2000 字,以及根据一次描述生成最多 10 张保持整体风格一致的系列图片。模型支持最高 15000 tokens 的文本输入,内置 70 余种预设商用字体,也可上传参考图引导文字样式;语言覆盖简体中文、繁体中文、英文、日文等。模型还提供 110 余种预设影调,并可参考图片的色彩与光影。上述文字密度和画质表现为官方介绍的能力。
原文链接:http://t.cn/AXTwgCk4
2、微软公布七款 AI 模型,覆盖编程、图像与语音
来源:Microsoft AI
微软在 Ignite 公布一组面向不同任务的 MAI 模型,包括编程模型 MAI Code 2 和 Flash、网络安全模型 MAI Cyber 2 Flash、图像模型 MAI Image 2.7、语音模型 MAI Realtime 1、转录模型及 Decision 1.1。微软称,Code 2 在其选取的四项日常企业编程评测中,平均达到 GPT-6.1 Sol 表现的 98%,对比价格约为其 40%;微软也说明该模型尚未针对基础科学研究和超长周期智能体任务进行专门优化。Image 2.7 与 Flash 已在 Microsoft Foundry 提供,Code 2 可通过 GitHub Copilot 使用,Flash 也提供有限访问预览。
原文链接:http://t.cn/AXTAqUym
3、商汤发布 SenseNova Loop-9B,开放模型权重与代码
来源:IT之家
商汤发布 SenseNova Loop-9B 正式版,开放模型权重和相关代码。模型约有 90 亿参数,支持文本、图像输入及文本输出,上下文长度最高为 512K tokens。它通过循环复用中间层参数,将 32 个物理解码层扩展为 56 次层计算,并结合流形约束超连接及混合注意力结构。官方称,4bit 量化后权重约 4.9GB,部署显存需求可低于 10GB;在 4bit 权重、8bit KV 缓存和 256K 上下文的条件下,推理约需 15GiB 显存。官方 AWQ 4bit 量化版本随模型同步提供,报道还列出了模型在智能体与数据分析任务中的测试结果。
原文链接:http://t.cn/AXTAUc6i
4、米哈游公布游戏智能体基础模型 Gamer
来源:IT之家
米哈游旗下《崩坏》系列 AI 研发团队公布视觉语言动作基础模型 Gamer,展示其通过观察画面并模拟键鼠操作,自主游玩 2D 和 3D 游戏。报道介绍,模型以每秒 5 帧采集游戏画面,输出相当于 30Hz 的键盘和鼠标控制指令,不依赖游戏专用 API。团队使用超过 1 万小时的跨游戏键鼠操作轨迹进行持续预训练,并开发 Streaming-vLLM 推理引擎。在团队公布的测试中,强化学习版本在 40 项未接触过的小游戏任务上平均成功率为 49.7%。团队目前公开的是早期通用预训练文件,未公开《崩坏:星穹铁道》训练数据或相应微调权重。
原文链接:http://t.cn/AXTZWs6Q
5、考拉悠然与同济大学发布具身世界模型框架 BWM-Forge
来源:澎湃新闻
考拉悠然联合同济大学发布代码驱动的具身世界模型框架 BWM-Forge,探索利用可编程场景生成视频,为机器人训练扩充数据。框架将机器人本体、物体、动作和相机视角写入可执行的三维场景程序,先生成呈现场景结构与运动的代理视频,再由视频生成模型补充材质、光影等细节。同一任务可复用于不同场景外观和拍摄视角,覆盖机械臂操作、四足机器人移动和人形机器人搬运等任务。系统使用四类智能体协同处理预处理、场景构建、审查与渲染,用户可通过自然语言调整布局、动作和镜头。团队称还将继续验证生成视频对机器人学习的实际增益。
原文链接:http://t.cn/AXT2t1FK
6、谷歌扩展 Gemini 任务功能,支持处理电话与日程
来源:Google
谷歌介绍 Gemini 的任务功能,可结合用户授权的信息处理预约、购物清单、账单分析和日历安排等事项。官方举例,Gemini 可以并行拨打商家电话,寻找符合用户条件的预约时间,再结合日历安排日程;用户也可转发邮件,让它整理其中的日期。谷歌表示,执行任务时使用为账户分配的隔离虚拟机,并结合搜索结果和网页的提示注入过滤等防护措施;购买等关键步骤会请求确认或依据用户预先设置的授权处理。谷歌同时说明,任务仍可能失败或遗漏信息,用户可以在执行过程中补充指令,并通过反馈功能报告问题。
原文链接:https://blog.google/innovation-and-ai/products/gemini-app/tasks-in-gemini-free-new-features/
#德里克文[超话]##德里克文ai日报#
