AI资讯更新:x1
x1
Product Hunt AI 8/26 15:01
Lovable for iPhone apps. From idea to App Stor
查看原文单日回看
共 8 条 · 生成于 8/27 07:48
当日工作台
这页适合完整回看 2026-08-27 的筛选结果。建议先扫一遍版块分布,再进入你最关心的模型、产品、研究或行业更新。
版块覆盖
模型发布/更新、行业动态、论文研究、技巧与观点 在 2026-08-27 这一天暂无新条目,所以这份日报只展示了实际命中的版块,而不是漏掉了页面内容。
产品发布/更新
4 条AI 产品、功能和平台发布。
x1
Product Hunt AI 8/26 15:01
Lovable for iPhone apps. From idea to App Stor
查看原文Expertise AI
Product Hunt AI 8/26 15:01
Turn your GTM skills into recurring revenue Ex
查看原文PostHog Desktop
Product Hunt AI 8/26 15:01
The product editor for product builders A mult
查看原文ChatCut Desktop
Product Hunt AI 8/26 15:01
Video editor built for humans & AI. Edit with
查看原文中文媒体精选
4 条来自 36氪、机器之心、量子位等中文 AI 媒体的精选内容。
刚刚,Qwen3.8-Flash震撼发布,我们看到了Qwen4的骨架
机器之心 8/27 07:47
刚刚,Qwen3.8-Flash震撼发布,我们看到了Qwen4的骨架
查看原文量子位 8/26 11:25
Falcon TST 2.0获世界权威测评第一名,推动时间序列基础模型从通用预测走向金融应用 量子位的朋友们 2026-08-26 11:25:00 来源:量子位 蚂蚁国际日前正式发布自研时序AI预测大模型“鹰序TST”2.0版。 蚂蚁国际日前正式发布自研时序AI预测大模型“鹰序TST”(FalconTST,Time-Series Transformer)2.0版。“鹰序TST”2.0在全球权威基准测试中取得最优成绩(SOTA),平均绝对比例误差(MASE)降至0.666,超越多家全球顶尖科技公司的时间序列预测模型。该模型专为跨境支付外汇风险管理打造,并将拓展至电商供应链需求预测、航空运营管理等更多行业场景。 目前,巴克莱银行、花旗银行、德意志银行、渣打银行等大型金融机构已将“鹰序TST”2.0应用于现金流预测与外汇管理,提升流动性风险敞口的预测能力。“鹰序TST”2.0的预测准确率已稳定超过93%,具备向物流、航空、电商等金融以外行业拓展的应用能力。 2025年以来,Amazon Chronos-2、Google TimesFM 2.5、Salesforce Moirai
查看原文量子位 8/26 11:02
WRC乒乓球局爆火!这家中国具身创业公司,砸出了一套全栈新解法 听雨 2026-08-26 11:02:34 来源:量子位 球技丝滑、现场爆满 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 机器人也开始打乒乓球了! 这一次,球台直接搬到了世界机器人大会(WRC)现场。 超维动力的展台前,一台全尺寸人形机器人盯着飞来的乒乓球挥拍、转腰,再根据落点迅速调整动作。 几轮打下来,展台周围很快围满了观众。 球台旁边,另一套更大的系统也被摆上了展台。 全尺寸人形机器人KAI Bot、高自由度灵巧手KAI Hand、数采头环KAI Halo、KAI World Model,以及覆盖数据和训练流程的KAI Embodied AI Infra。 从硬件、模型到数据采集和Infra,这一整套全栈具身智能系统,统统被搬到了现场。 这套布局很容易让人想到Figure。作为全球估值最高的具身智能公司之一,Figure几乎是这一轮人形机器人热潮中最受关注的明星公司。 它真正得到资本认可的,不只是造出了一台人形机器人,而是同时押注本体、模型和真实场景。 自己造机器人,自己训练Helix模型,再
查看原文量子位 8/26 10:59
深度实测「豆包工作」+飞书:目前最接近企业Agent终局的答案 听雨 2026-08-26 10:59:02 来源:量子位 shui jiang shuai xian sha 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 今天,「豆包工作」作为面向生产力场景的Agent产品正式发布。 福利也一起安排上了:现在下载豆包工作电脑版,就能免费领取30天订阅权益,老订阅用户直接顺延30天。 深度实测后,我们最直白的结论是: 它与飞书的深度打通,给出了目前Agent进入组织的一份最佳答案。 当主流办公Agent都会处理文件、调用工具、生成网页,基础能力越来越接近时,真正拉开差距的,可能就在于谁更了解一家公司的真实工作: 项目群里聊过什么,会议上定了什么,多维表格记录到哪一步,以及每个人能查看和操作哪些数据。 这些企业上下文,正在成为办公Agent的下一场比赛。 飞书恰好沉淀了这些信息。豆包工作接入飞书后,不再需要每次从头认识一遍公司,它可以沿着团队已有的讨论、数据和工作流继续往下干。 所以这次实测,我们不仅想知道豆包工作能不能把活干完,也想看看: 当Agent开始读懂一家公司的
查看原文