更强的模型之外，ACM MM 2026 还在关注什么？
第 34 届 ACM Multimedia 将于 2026 年 11 月 10 日至 14 日在巴西里约热内卢举行。四位主题演讲嘉宾分别聚焦具身 AI 参与人际交流、多人说话场景下的选择性听觉注意、AI 摘要“委托阅读”的责任审查，以及让青少年参与多媒体系统安全设计。这些议题显示多媒体研究正与更具体的人、更复杂的环境和更长远的影响结合。
#多模态
雷峰网AI 评分2727 量子位同新闻AI 评分7878 OpenAI 全量上线 GPT-Image-2.6，原生支持 GIF 和 SVG 导出
OpenAI 的 GPT-Image-2.6 全量上线，覆盖 ChatGPT、Codex 和 API，整体生成时间缩短 50%，最快 6 秒出图。API 端新增 complexity 和 quality 两个独立参数，把场景规划与渲染画质解耦，降低多轮修改成本；模型分 Flare（主打速度与排版）和 Sunburst（负责高细节与一致性）两个型号。
同一新闻，精选展示《OpenAI 发布 GPT Images 2.6，支持 GIF 生成并向 ChatGPT 与 API 开放》
Google ResearchAI 评分4444 Google Research 提出 Agile Deliberation：让 AI 协助人类界定主观“灰色地带”
Google Research 开源了 Agile Deliberation 框架，把主观视觉分类器的构建变成人机迭代对话，包含 concept scoping 和 concept iteration 两个阶段。
新智元AI 评分3131 百度Apollo发布首个物理AI世界模型ApolloWorld
百度Apollo正式发布「ApolloWorld」，定位为首个面向物理AI的Agent驱动全模态世界模型。该项目历时两年多研发，是全球范围内该领域最早交出的成果之一。
The DecoderAI 评分6565 ChatGPT 基于 Images 2.6 模型支持用文字或照片生成动画 GIF
ChatGPT 开始支持生成动画 GIF，基于 OpenAI 新的 Images 2.6 模型，正在向网页、桌面和移动端的 ChatGPT 与 Codex 用户推送。
爱范儿AI 评分7171 实测 iPhone 国行 Apple 智能：Siri、图片消除、实时翻译等首批功能体验
iOS 27.3 开发者测试版向国内用户开放 Apple 智能测试，由苹果自研端侧模型与阿里千问云端能力共同支撑。实测中端侧图片消除和延迟不到 1 秒的实时翻译表现较好，Siri 复杂任务仍需调用千问且输出简略，写作工具中文改写偏生硬；文章还指出视觉智能疑似向第三方应用开放 API，并提醒首版测试版存在 Bug、索引需一到两天完成。
雷峰网AI 评分5454 虎鲸文娱发布“鲸锐AI”平台，AI视频单分钟成本节省30%以上
虎鲸文娱集团 11月4日上线 AI 影视制作与管理平台“鲸锐AI”，集成市面 50 余个主流 AI 视频生成模型与 10 余个自研模型，官网即日开放全员注册。平台提供场景、人物表演、摄像机、虚拟片场和光影五类精控套件共 35 类工具、300 余项精控能力，无限画布支持千级节点、百人实时协同，可直出 4K、60帧、10bit、HDR 内容。
爱范儿AI 评分7171 腾讯混元 Hy4 正式版发布，实测复刻《王者荣耀》迷你 MOBA
腾讯混元 Hy4 正式版发布，Agent 能力和长程任务较预览版全面提升，在多个 Benchmark 上进入最强开源模型之列，超过 DeepSeek V4.1 Flash、GLM-5.3、Kimi K3.1 Pro 等模型。
爱范儿AI 评分3535 Alibaba Teranga Beat 亮相达喀尔青奥会，AI 用 Sabar 鼓「入乡随俗」
阿里巴巴在达喀尔青奥会推出 Alibaba Teranga Beat 互动装置，用户敲 Sabar 鼓并拍照后，由千问（Qwen）大模型生成身穿塞内加尔传统服饰的数字分身打鼓视频。
钛媒体AI 评分5555 AI视频的下一场竞争：从一键成片走向专业化生产流程
伯虎财经分析AI视频赛道竞争焦点转移。10月26日即梦AI上线短剧工作室的3D导演台，支持调整机位、设计运镜和分镜预演；两天前剪映旗下小云雀并入即梦。文章认为当生成能力成为基础设施，竞争转向谁能组织成稳定可交付的生产系统，并指出AIGC电影《三星堆：未来往事》上映6天票房仅约137万元，低门槛供给加剧了马太效应。
钛媒体AI 评分6060 第18个双十一复盘：AI成购物基础设施但无法给出全网最优解
TMT星球复盘第18个双十一：截至10月31日综合电商累计销售额10263亿元，天猫、京东、抖音分列前三，平台简化规则改为官方立减、现货直降。AI贯穿大促全链路，淘宝上线"千问Go！"、京东推出"东东"、抖音豆包"帮你选"；但作者实测发现各AI助手优先推荐关联平台商品，无法跨平台比价，AI生成图片和明星AI带货还带来货不对版风险。
爱范儿AI 评分7171 爱范儿实测 iPhone 国行 Apple 智能开发者 Beta，亮点与槽点并存
苹果国行 AI 面向中国大陆用户开放开发者 Beta 测试，计划随 12 月发布的 iOS 27.3 正式推出，首批支持 iPhone 15 Pro、16 系列等机型。
少数派精选AI 评分7676 国行 Apple 智能上手体验：首批功能、千问与百度接入实测
国行 Apple 智能开放测试，首批核心功能从 iOS 27.3 开发者预览版开始，计划 12 月随正式版推出，支持 iPhone 15 Pro、iPhone 16 及之后机型。
推荐理由：作者第一时间实测国行 Apple 智能，给出了开启条件、各功能实际体验和存储占用等一手细节。
量子位主站AI 评分5050 openJiuwen AgentMemory 上线 OmniMem-Lens：视听双流记忆让 Agent 看懂长视频
openJiuwen AgentMemory 0.2.0 正式上线多模态记忆能力 OmniMem-Lens，通过视觉与 ASR 语音双流按真实事件切分长视频，并以 L1/L2/L0 三层记忆结构分层存储。
极客公园AI 评分4646 国行版苹果 AI 开始测试；ChatGPT 搜索量已达谷歌 20%；Seedance 被曝五成收入来自海外｜极客早知道
苹果推送 iOS 27.3 首个开发者 Beta，国行 iPhone 开始测试 Apple 智能，与阿里合作接入千问，正式版计划 12 月推出。OpenAI 称 ChatGPT 触发的网络搜索请求量已达谷歌的约 20%，但该比例属公司自估口径。字节跳动 Seedance 视频生成模型海外收入占比达 50%，过去半年海外收入增长近 5 倍，腾讯进入中国区客户前三。
AWS Machine Learning BlogAI 评分3939 Amazon Bedrock 为 Kimi K3 推出印度境内推理服务
月之暗面（Moonshot AI）的多模态开源权重模型 Kimi K3 现已通过 Amazon Bedrock 支持印度境内推理，满足孟买和海得拉巴区域数据驻留要求。客户 Ultrahuman 借助提示词缓存将 LLM 成本降低 80%、多轮对话提速 85%。文章还演示了用该模型直接读取印度语系文档并进行 Hinglish 问答，无需单独的 OCR 服务。
开源中国AI 评分2929 百度首次披露 Apollo World 世界模型，助力无人驾驶突破“不可能三角”
11月3日，百度 Apollo 在深圳 AI Day·Apollo 专场上首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World，并提出世界模型 “2+3” 判断标准。该模型重点在于忠实还原现实物理规律和行为的因果，而非渲染画质。Apollo World 目前已用于萝卜快跑全球化测试与验证。
雷峰网AI 评分4242 要更真实，还是更动人？AI视频生成走到了分岔口 | CNCC 2026
CNCC 2026“视频生成的智与情”论坛上，多位学者讨论视频生成从画质转向叙事连贯、情感表达与认知安全的挑战。哈工大（深圳）户保田团队面向 ComfyUI 构建工作流基准，开源项目获 3 万 star；亓帆团队实现配乐风格、情感与音色的连续强度调节；折栋宇指出 AIGC 视频存在历史事实篡改等五类认知风险。专家共识是：画质与时长不再是门槛，下一个分水岭在内容进入传播链路之后。
雷峰网AI 评分3131 三体宇宙连接 AI 与硬科技：智子 Agent 1.0 与 3D 共创计划探索科幻 IP 新玩法
三体宇宙在2026三体日上联合无问芯穹推出智子 Agent 1.0，定位“三体世界观专家”，让用户以 AI 智能体形式与“智子”对话；并与 VAST 旗下 AI 3D 生成平台 Tripo 发起“三体·全球3D战舰共创计划”，降低 3D 建模门槛让粉丝参与战舰设计。此外还通过圆桌和联动视频，把系外探索、聚变能源、卫星通信、机器人等硬科技议题带进大众视野。
NVIDIA BlogAI 评分3939 全球城市用 NVIDIA 物理 AI 与智能体 AI 构建并扩展城市服务
NVIDIA 与合作伙伴将物理 AI 和智能体 AI 扩展到全球城市。西班牙 1MillionBot 结合 ALIA 与 Nemotron 模型服务 Madrid Digital 等 150+ 部署。
量子位AI 评分3939 苹果被曝研发不录视频的AI摄像头，中国电信TeleAI8个月前已推出类似产品
彭博社记者马克·古尔曼爆料苹果正研发代号J450、不录制视频的智能家居摄像头，通过AI推送文字描述保障隐私。而中国电信人工智能研究院（TeleAI）今年2月已推出类似的TeleAI隐私摄像头，基于智传网（AI Flow）技术，在不存储、不传输原始视频的前提下识别打架、吸烟、跌倒等行为，可用于公共卫生间等私密场景。
雷峰网AI 评分6060 雷峰网实测可灵4.0：水袖舞改七八轮仍难精准击鼓，视频编辑可换装保原片
雷峰网实测可灵4.0，用《十面埋伏》水袖击鼓舞、《雨中曲》独舞、30秒生活短片和视频编辑四组任务检验其复杂动态、参考控制、30秒生成与编辑能力。水袖舞经约七八轮调整仍无法全程用水袖末端击鼓；《雨中曲》第一版完成度较高但有帽子消失、水花过于对称等瑕疵；编辑功能成功将西装换成酒红色并保留原片表演，但积分消耗与重新生成相差不大。
TechCrunch · AIAI 评分4242 Google 在印度推出实验性 AI 应用 Dreambeans，为其首个海外市场
Google 实验性 AI 应用 Dreambeans 正式登陆印度，这是其在美国以外的首个市场，支持印地语、泰米尔语、孟加拉语等 13 种当地语言及英语。该应用基于 Calendar、Gmail、Photos、YouTube 等 Google 服务数据，无需提示词即可自动生成个性化插图故事，并可用 Veo 模型为部分故事生成动画。
量子位主站AI 评分4545 爱诗科技 PixVerse 与 OpenAI 推出产品集成和“从提示词到成片”创作者教育计划
爱诗科技旗下 PixVerse 与 OpenAI 宣布深度合作，完成一系列产品集成并共同推出“从提示词到成片”教育计划。PixVerse 官方插件已原生接入 ChatGPT 与 Codex，并新增对 Canvas 工作台的支持，PixVerse CLI 则支持视频、图像、音频生成的集中调用。
少数派AI 评分3232 派早报：猛玛推出探境 3 直播相机、美团发布 LongCat-2.5 模型等
11 月 2 日美团龙猫团队发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。
AWS Machine Learning BlogAI 评分3333 使用 Amazon Nova Multimodal Embeddings 与 Amazon Bedrock AgentCore 构建智能体工程智能
AWS 演示了如何用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和开源 Strands Agents SDK 构建多智能体工程助手，用于航空零部件替代评估。
量子位AI 评分6060 商汤发布多模态智能体模型日日新 SenseNova 6.8 Flash，主打委派智能并限时免费
商汤发布多模态智能体模型日日新 SenseNova 6.8 Flash，主打委派智能，用户只给目标、AI 走完全流程，目前限时免费。
雷峰网AI 评分3737 极米记得AI新品全阵容亮相INNO100首「硬」礼
11月1日，极米记得AI新品全阵容亮相INNO100首「硬」礼活动，线下首次展示AI显示眼镜 MemoMind One、AI记忆眼镜 G1 与 AI 记忆手环 L1。
雷峰网AI 评分5252 美团发布 LongCat-2.5 大模型，1.6 万亿参数全程国产算力训练
11月2日美团发布新一代大模型 LongCat-2.5，是一款面向长程智能体任务的原生多模态模型，总参数 1.6 万亿。该模型延续 LongCat 系列研发方向，全程在国产算力上训练，是目前国产算力上完成的最大训练任务。
新智元AI 评分2222 AI 进屋后，下一眼该看哪？观察智能体如何建立三维空间认知
把相机交给 AI，让它进入一间从未见过的虚拟房间，没有预置的物体坐标，也没有预定路线。智能体需自主决定朝哪里转、向哪里移动、何时再拍一张图，并最终说清楚房间中各物体的情况。这展示了智能体如何在探索中逐步建立三维空间认知。
The DecoderAI 评分5353 Google 联合多校团队发布 StreamVibe 视频助手，让 AI 自主判断何时主动帮忙
Google、斯坦福和牛津等机构的研究团队推出视频智能体 StreamVibe，可在用户烹饪或组装家具等任务中自主判断何时开口提供帮助。
钛媒体AI 评分5656 AI 拼纯白地狱拼图五小时崩溃：大模型输在测量与全局一致性，不是输在看
作者让 AI 重拼一副耗时 12 天完成的 1000 片纯白拼图，五小时后崩溃。AI 只能描述边缘而无法精确测量，且缺乏全局自洽的工作台状态，连推 30 片会给出闭环错误。
爱范儿AI 评分7575 苹果官宣国行 Apple 智能，11 月 4 日随 iOS 27.3 开发者测试版开启测试
苹果宣布面向中国大陆用户推出 Apple 智能，首批功能随 iOS 27.3 开发者测试版于 11 月 4 日开启测试，正式版预计 12 月发布。首波功能包括新 Siri 外观、写作工具、照片消除与自然语言检索、实时翻译、通知摘要等，仅限 iPhone 15 Pro/Max 及 iPhone 16 后续机型。
雷峰网AI 评分7474 阿里巴巴与 Apple 达成合作，千问将集成至 Apple 智能
10月31日阿里巴巴与 Apple 达成合作，将千问集成至 Apple 智能，中国用户可在 Siri、写作工具及视觉智能中调用千问的文本与图像理解和内容生成能力。功能自11月4日随最新 iOS 开发者 Beta 版开放测试，12月 iOS 27.3 正式发布时面向中国用户推出；用户请求和回复不会被阿里巴巴用于模型训练，集成需用户自主开通并征得同意。
新智元AI 评分2222 GPT-6「看不懂 3D」实锤！250 道题只拿 0.53 分，Claude 没及格
GPT-6 Astra 画 CAD 的视频虽在 X 上走红，但新测评显示其「看不懂 3D」：在 250 道题上 GPT-6 仅得 0.53 分，Claude 也未及格。
The Verge · AIAI 评分6363 Apple Intelligence 将随 iOS 27.3 进入中国市场
Apple 宣布将通过 iOS 27.3 在中国市场推出 Apple Intelligence，beta 版定于 11 月 4 日发布，正式版计划 12 月上线。
爱范儿AI 评分7272 苹果宣布 Apple 智能登陆中国大陆，11 月 4 日开启测试、12 月随 iOS 27.3 正式推出
苹果宣布 Apple 智能首批功能将于 11 月 4 日随 iOS 开发者 Beta 开放测试，12 月随 iOS 27.3 正式版面向中国大陆用户推出，首发限于 iPhone 15 Pro 系列、iPhone 16 及后续机型等，支持简体中文和英文。
爱范儿AI 评分4141 腾讯发布 TAI 智能体与 AI 组织效能解决方案，用 AI 重构汽车产业流水线
10 月 29 日腾讯在智慧出行专场发布全新 TAI 智能体方案（含座舱助手、出行服务、内容娱乐智能体及跨端接续服务）和面向车企的 AI 组织效能解决方案。TAI 座舱助手融合元宝全双工语音与混元大模型，智能体可完成餐厅预订、购票、支付等任务，元宝搜索已接入 13 个垂直行业 157 个权威信源。
雷峰网AI 评分5959 英伟达与 MIT 团队开源基于 MiniMax H3 的 4K 视频重生成方案 Open-H3-Regenerate-2K
英伟达与麻省理工学院研究人员组成的 Efficient-Large-Model 团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重，推理代码已在 NVlabs/Sana 仓库开放。
量子位AI 评分4242 Claude 新模型曝光：Fable 5.5 与下一代 Opus（代号 Obsidian 3）现身早期测试
Anthropic 两款新 Claude 模型被曝光：Azure 模型目录短暂出现 claude-fable-5-5 条目，测试截图显示其生成细节多于 Opus 5.5；另有开发者发现代号 Obsidian 3 的模型，跑分略高于 Opus 5.5。消息人士称新模型最快一两周内发布，时间点恰逢 Anthropic 提交 S-1 招股说明书启动 IPO，市场估值讨论达 1.5万亿—2万亿美元。