
- 登入
- 註冊

一週 AI 大事・完整延伸閱讀
2026/11/16這週不只有旗艦大模型更新。圖像開始進入可分層的設計流程,語音模型學會更自然地停頓與被打斷,音樂、4D 影片、生物研究與機器人觸覺也都往實際工作場景跨了一步。

本週完整整理
這週的共同方向很清楚:AI 不只是在聊天視窗裡回答問題,而是往更長時間的任務、更穩定的內容修改,以及聲音、生物訊號與機器人感知延伸。以下把已上線產品、開放權重與研究工具分開整理。

Anthropic 發布 Claude Fable 5.2 與同底層模型 Mythos 5.2,主打程式、金融、科學、硬體與機器人控制。Fable 5.2 已在 Claude 與各大雲端平台提供,官方也加入最高 2.5 倍輸出速度的選配 Fast mode。
這次焦點不只是單題跑分,而是模型能否把大型任務拆開、持續執行並自行檢查。官方與合作測試展示 3D 場景、硬體設計和長時間資安稽核,但這類成果仍取決於工具、算力與明確的任務環境。

Google 已全面推出 Gemini 4 Carbon,定位在長週期程式、資安與科學研究;同週上線的 Gemini 4 Hydrogen 則主打更快、更省的日常程式與代理工作流。Hydrogen 支援原生 100 萬 Token 輸入,最高也可輸出 100 萬 Token。
Google 正把模型分工做得更明確:Carbon 負責規劃、審查與最困難的判斷,Hydrogen 則適合大量執行、測試與驗證。這比一律使用最昂貴模型,更接近企業真正會採用的多模型工作方式。

字節跳動發布 Seedream 5.5,新增原生 RGBA 透明背景、較穩定的多輪編輯與圖片分層。BytePlus 文件顯示,一次分層請求最多可回傳 100 張圖片,包含一張底圖與最多 99 個獨立圖層。
生成圖片若能直接輸出透明素材與可拆圖層,就更容易接進廣告、電商與設計工作流,不必每次重新去背或手動切圖。對創作者來說,這比單純提高畫質更接近真正可修改的素材。

MiniMax 發布 H3‑Image,整合文字生圖、參考圖生成與圖片編輯,並公開模型權重。官方表示模型可在 10 秒內生成 4096×4096 的 4K 圖片,也能同時理解最多 16 張參考圖。
高解析度通常代表更高算力與更長等待時間。H3‑Image 把約 1,600 萬畫素、參考圖控制與開放權重放在一起,讓開發者有機會自建圖像工具,而不只依賴封閉 API。

Fish Audio 推出全雙工語音模型 Live 3。模型在說話時也持續聆聽,能處理停頓、簡短回應、插話與臨時改口。官方以速食點餐示範,展示使用者邊想邊改訂單時,模型如何等待並接續對話。
即時語音不只比「多久開始回答」,還要判斷對方是否真的說完。把停頓與輪流說話的節奏交給模型學習,能讓客服、訂位與電話助理少一點互相搶話的機械感。

ACE Music v1 已在網頁上線,可用文字描述與歌詞生成歌曲,也能在段落或歌詞前加入「輕聲哼唱」「沙啞演唱」等表演指示。完成後可把人聲、伴奏或樂器分軌,也能轉成 MIDI 繼續編曲。
生成音樂若能繼續拆軌、改編與進入 DAW,才比較像創作素材,而不是只能下載一首完成品。它也讓歌聲表現的控制從曲風、歌詞,延伸到每一段該怎麼唱。

獨立開發者 itsmetamike 發布 Reshoot 4D,一組可在 ComfyUI 使用的開源節點。它會從影片建立 4D Gaussian Splat、估計原始鏡頭與人物動作,再讓使用者重新安排虛擬鏡頭路徑,輸出新的拍攝角度。
過去拍攝後想改成環繞、推進或子彈時間,通常需要多機拍攝或完整 3D 場景。Reshoot 4D 把這件事縮進本機工作流,讓既有素材也有機會重新設計鏡頭。

Google DeepMind 發布 AlphaGenome 2。模型接收長達 100 萬個 DNA 字母的序列與指定細胞條件,預測基因表現、染色質可及性、DNA 甲基化等變化,協助研究者找出可能與疾病相關的變異與細胞類型。
相同的 DNA 變異,在不同細胞裡可能造成完全不同的影響。AlphaGenome 2 從整體組織進一步走到細胞類型與狀態,有機會幫助研究者縮小疾病機制與後續實驗的搜尋範圍。

螞蟻集團旗下具身智慧團隊 Robbyant 發布 LingBot‑Touch。它把壓阻式、磁性與視覺觸覺感測器的訊號轉成統一表示,再接到不同機器人策略模型,幫助機械手執行開鎖、擠牙膏、封袋等需要控制接觸力道的任務。
機器人要拿穩、旋轉或碰觸易碎物,不只靠相機,還要理解「碰到了哪裡、力道怎麼變」。LingBot‑Touch 的重點是讓不同硬體收集的觸覺經驗有機會被共享,而不是每換一種感測器就從頭學起。
讀完最常問
Claude Fable 5.2、Gemini 4 Carbon/Hydrogen、Seedream 5.5、Fish Audio Live 3 與 ACE Music v1 都已有產品入口,但方案、地區與帳號資格不同。H3‑Image 有線上服務也開放權重;Reshoot 4D 與 LingBot‑Touch 比較偏向需要本機環境的開發者工具,AlphaGenome 2 則限研究用途。
官方確實做了 100 輪連續編輯示範,重點是未修改區域的保留比以前穩定。但這不是對所有圖片與指令的品質保證;人物細節、文字、光影與遮擋仍需要逐輪檢查。
還不能這樣理解。AlphaGenome 2 尚未通過臨床或診斷驗證;LingBot‑Touch 是提供給研究者與機器人開發者的觸覺表示模型,仍需感測器校正、策略模型、硬體整合與實際安全測試。
易悅元宇宙社群免費開放。除了每週整理,也可以交流工具、內容創作與實際使用心得。