Chubby♨️@kimmonismus

81

Claude: Fable 5 is state-of-the-art on nearly all tested benchmarks, with exceptional performance in software engineering, knowl...

Anthropic 发布 Claude Fable 5，称其为迄今广泛可用的最强模型。该模型在软件工程、知识工作与视觉任务中表现突出，且随着任务变长、变复杂，领先优势进一步扩大。Fable 5 是 Anthropic 首次大规模发布的 Mythos 类 AI 模型，此前该公司因该类模型在网络安全任务中能力过强、风险过高而未公开。此次发布得益于新增的安全措施，可在特定高风险领域阻止模型生成响应。

谷歌发布实时语音互译音频模型 Gemini 3.5 Live Translate，可自动识别 70 多种语言并保留说话者的语调、语速和音高。该模型连续生成语音，在提升翻译质量与跟上说话者节奏间取得平衡，全程仅慢几秒。开发者即日起可通过 Gemini Live API 和 Google AI Studio 使用公开预览版；企业客户本月起可在 Google Meet 中使用私有预览版；普通用户通过 Android 和 iOS 版谷歌翻译即可使用。Android 用户还将获得“聆听模式”，可将手机贴耳通过听筒收听翻译音频。

Rohan Paul@rohanpaul_ai

76

Google 推出 Gemini 3.5 Live Translate，一款实时语音转语音翻译模型。它在原说话者尚未说完时即开始翻译，无需等待完整句子。模型采用流式翻译，边听边更新结果，支持 70 多种语言，延迟仅数秒，并能保持语速、音高和语调。该功能通过 Gemini Live API、Google Meet 预览版以及 iOS/Android 版 Google Translate 应用推出。

Google AI: Today, we released Gemini 3.5 Live Translate, our latest audio model for live speech-to-speech translation. It supports ...

Google AI Developers@googleaidevs

76

Google AI 推出音频模型 Gemini 3.5 Live Translate，为开发者提供低延迟实时语音翻译，支持 70+ 种语言。模型具备多语言输入（同会话无需切换）、自动语言检测、原生音频处理（保留说话者语调、语速和音高）以及噪声鲁棒性（过滤环境噪音），可直接处理流式语音。

Google AI@GoogleAI

85

Google AI 推出 Gemini 3.5 Live Translate，一款面向实时语音到语音翻译的音频模型。该模型支持 70 多种语言，可在用户说话的同时开始翻译并流式输出译文，避免尴尬停顿或断续。模型通过毫秒级决策平衡速度与翻译质量，使对话流畅自然。它可边接收输入边输出翻译语音，延迟仅比说话者慢几秒，并能在长对话中维持语速、音高和语调。目前已在 iOS 和 Android 版 Google Translate 应用中上线。

OpenAI Developers@OpenAIDevs

60

0.005 Seconds (3/694): http://x.com/i/article/2059815427484655622

小互@xiaohu

74

苹果在WWDC 2026发布全新Siri AI，由第三代Apple Foundation Models（AFM 3）驱动，共五个模型：端侧AFM 3 Core（30亿）和AFM 3 Core Advanced（200亿MoE，每次激活10-40亿）；服务器AFM 3 Cloud、ADM 3 Cloud（图像）、AFM 3 Cloud Pro（Agent/推理）。核心创新将200亿参数模型塞入手机：权重存闪存，自研Instruction-Following Pruning技术按Prompt路由专家而非逐Token，大幅降低搬运次数。最强算力依赖Google和NVIDIA。

光学推理（Optical Reasoning）提出将图像作为语言和多模态任务的独立推理媒介，包含基于印刷字体与基于图形两种变体，分别优化视觉布局和图文结构化组织。在数学、科学及交错模态推理基准上，光学推理匹配甚至超越传统文本推理，同时语言任务减少推理token 28.57%，多模态任务减少16%，token效率达到文本推理的1.96倍，证明图像能高效编码推理过程并提供统一的视觉推理画布。

谷歌宣布 Google AI Plus 套餐月费从8美元降至5美元，存储空间从200GB翻倍至400GB。该套餐于2026年1月推出，提供 Gemini 3 Pro、Nano Banana Pro 和 Deep Research 等功能，使用额度较 AI Pro 更严格。Google I/O 2026后新增 AI 邮件工具、Daily Brief 智能体（可总结用户当天安排）及视频生成模型 Gemini Omni。现有用户将陆续获得新增存储空间，下期账单反映新价格。

数字生命卡兹克@Khazix0918

70

苹果WWDC 2026落幕，核心仍是AI。Apple Intelligence新架构：与Google Gemini合作开发5个模型；端侧分AFM 3 Core（3B）和AFM 3 Core Advanced（20B MoE）。新Siri正式命名Siri AI，基于系统编排器融合上下文理解、App Actions、屏幕感知等能力，支持连续对话、跨平台同步及独立App，但未展示自主Agent能力。视觉智能、全系统听写、写作工具等同步更新。目前仅支持英语，国区不可用，可用时间未知。

SpatialWorld 是为评估多模态智能体在复杂真实任务中的交互式空间理解而设计的统一基准。它整合 8 个异构模拟后端，包含 760 个人工标注任务，覆盖家庭日常、旅行、社交协作等场景。智能体需在仅视觉部分可观测条件下主动收集第一人称证据，并通过统一文本动作接口输出决策。对 15 个先进多模态智能体的评测显示，最强闭源模型 GPT-5 平均任务成功率仅 17.4%，最强开源模型 Qwen-3.5 达 14.1%。分析表明任务成功与执行效率存在脱节，不同领域性能差异显著，主动探索与长程规划仍是瓶颈。

Mirage提出一种潜在空间记忆框架，用于视频世界模型的3D一致性生成。它通过深度引导反投影将潜在token提升至3D，形成持久缓存，并利用直接潜在空间扭曲合成新视图，避免了像素空间重建的信息损失和重复编码渲染的计算开销。相比显式3D基线，Mirage实现端到端视频生成加速10.57倍、内存占用减少55倍。在WorldScore上达到当前最优性能，在RealEstate10K上展现强重建质量。

Berryxia.AI@berryxia

69

Berryxia.AI: 没有熬夜的兄弟们来看,WWDC 2026 速览! 另插一嘴,Apple真的没有特别的新东西。 一、历史性时刻 1库克谢幕:Tim Cook最后一次以CEO身份主持WWDC,9月1日将交接给硬件工程副总裁John Ternus 2基调延续:发...

苹果在 WWDC 2026 推出全新 Siri AI，采用定制的 Gemini 衍生模型运行于 Private Cloud Compute，并利用视觉 LLM 从屏幕提取信息，绕开了已有应用单独集成 Apple Intelligence 的需求。同时发布 Core AI 库，集成 Meta 的 PyTorch 生态，允许开发者在苹果硬件上将 PyTorch 模型转换为 Core AI 程序运行。iOS 27 Developer Beta 已上线，但用户需通过等待列表才能使用新 Siri AI。

Berryxia.AI@berryxia

67

Tim Cook 最后一次以 CEO 身份主持 WWDC，AI 成绝对核心。苹果推出双轨模型：基础层 3B 端侧 AFM 3 Core，进阶层 20B MoE 仅限 iPhone 17 Pro/M4 设备。四大 AI 能力：个人上下文理解、世界知识检索、App Actions、屏幕感知。Siri 升级支持连续对话、跨设备同步、视觉识别及独立 App，仅限英语，中国/欧盟暂不可用。应用生态：Safari 智能标签分组、密码自动更新、来电识别、快捷指令自然语言生成。影像：Image Playground 写实生成与空间重构。开发者工具：Xcode 支持多模型，Core AI Framework 开放本地部署。遗留问题：中国区功能缺失，Agent 多步自动化能力薄弱。

P3D-Bench是用于评估多模态大语言模型参数化3D生成与结构推理的基准。它覆盖Text-to-3D、Image-to-3D和Assembly-3D三个任务族，从可执行性、几何保真度、拓扑、文本约束、多视图语义对齐和部件级结构六维评分。基于400个文本案例、400个图像案例及203个标注装配体对前沿MLLMs和纯文本LLMs的评测发现了三个结论：装配体任务最困难，模型无法将多部件组合成连贯结构；模型能恢复目标物体的全局形状与语义身份，但无法精确复现输入指定的参数化几何；部件级建模普遍薄弱，既无法还原每个部件的几何，也无法输出正确的部件数量。

苹果在WWDC 2026发布Apple Intelligence新架构，核心是与Google Gemini深度合作，基于Gemini开发5个模型，适配端侧及Private Cloud Compute。端侧分两档：AFM 3 Core（3B）和AFM 3 Core Advanced（20B MoE）。新Siri命名为Siri AI，集成系统编排器，具备个人上下文理解、世界知识、App Actions和屏幕感知。iOS、iPadOS等系统更新，Siri首次推出独立App且跨平台同步。APP智能化包括Safari智能标签页分组等；影像升级如Image Playground写实风格、Photos新增Cleanup。开发者工具Xcode可一键本地化App并选择AI模型。

苹果在 2026 年 WWDC 主题演讲后回应，Apple Foundation Models（AFM）并非 Gemini 套壳，而是完全自主控制。AFM 体系包含 5 个模型：端侧 AFM Core（基础 AI）、AFM Core Advanced（原生多模态、稀疏架构）、云端 AFM Cloud（高负载）、AFM Cloud Image（图像生成与编辑）、AFM Cloud Pro（智能体工具与重负载任务）。每个模型针对 Apple Silicon 定制，训练使用专有数据并结合 Gemini 蒸馏优化。用户不接触谷歌代码或 Gemini 智能体。AFM Cloud Pro 采用 Google 云服务器与 NVIDIA GPU 资源，但保持 Private Cloud Compute 认证。

6月9日，苹果WWDC26主题演讲举行，蒂姆·库克最后一次以CEO身份主讲。新系统iOS 27、iPadOS 27、macOS 27（Golden Gate）、watchOS、tvOS、visionOS发布。平台优化聚焦响应速度与设计：液态玻璃更新、工具栏与边栏重绘，App启动速度最高提升30%、隔空投送最高提升80%、iPad文件传输最快5倍，搜索重构。可靠性新增儿童账户和暴力内容预警。智能方面推出新一代Apple智能，Siri全面重构为Siri AI，拥有独立App，支持屏幕感知等新功能，中国大陆暂不提供。

在今天发布的 iOS 27 系统中，苹果升级了 Wallet 应用，新增创建票证功能：用户可通过 iPhone 相机扫描实体票证后借助视觉智能导入，或手动创建数字票证，提供标准、会员、活动三种类型。同时引入 Apple Cash 分摊账单功能，在相机应用的新 Siri 模式中扫描收据后即可选择分摊。另外优化了 Apple Pay 结账页面，调整了订单功能入口，并推出新版 Wallet 应用图标。

苹果在 2026 年 WWDC 发布 iPadOS 27，聚焦系统稳定性与速度。应用启动速度最高提升 30%，文件浏览与外接硬盘传输速度最高提升 5 倍。界面延续 Liquid Glass 设计，新增透明度滑块。AI 方面推出独立 Siri AI 应用，定位类似 ChatGPT，支持屏幕上下文理解、开放式提问、连续对话，可在 iOS 27、iPadOS 27、macOS 27 间接续会话，还能按描述生成文本草稿、匹配用户写作风格。开发者测试版已上线，公开测试版 7 月推出，正式版预计 9 月登场。

在 2026 年 WWDC 上，苹果为 iOS 27 系统的日历与提醒事项加入 AI 功能。用户点按“+”后可直接输入自然语言，如“周四晚上 8 点和女友看电影”，系统自动识别时间、日期和事件内容生成安排；输入“每周”等频率可设重复事件。提醒事项同样支持自然语言创建。日历事件编辑可智能调整重复频率。Visual Intelligence 联动：截图或拍摄活动传单后，系统识别内容并自动加入日历。