应用与工具
新工具、新功能，以及它们能帮你完成什么。
Gemini 实时对话加入虚拟形象，面向企业开放
Google DeepMind 9 月 24 日宣布，Gemini 3.8 Live 新增 Live Avatar，可用于企业客服、交互讲解等场景，已在 Gemini Enterprise 提供。这是实时对话模型的视觉形象升级。
据官方介绍，它能同时处理声音和视觉输入，以带表情、口型同步的视频形象回应；查询数据等工具任务可在后台执行，对话继续进行。官方称其支持在 97 种语言间切换，并提供预设形象。通过参考图片创建自定义形象目前仅向企业白名单开放，生成的音视频带有用于识别 AI 内容的 SynthID 水印。
企业评估时可分别验证对话连贯性与后台任务完成情况；形象定制还需要满足白名单条件。
达摩院用平扫 CT 筛查食管癌风险
据 IT之家 9 月 24 日报道，阿里达摩院联合多家医院研发食管癌筛查模型 DAMO EAGLE，利用不需造影的平扫 CT 识别风险，相关论文于 9 月 22 日发表于《自然·医学》。其用途是帮助筛出高风险人群，再接受内镜检查。
报道援引论文称，模型在三个国家的八万多病例中获得验证。在机会性筛查场景，即利用已有检查顺带筛查其他疾病时，食管癌敏感性为 90%，癌前病变敏感性为 52.5%；真实场景特异性为 99.2%。敏感性衡量发现病变的能力，特异性衡量正确排除非病变的能力，两者不能混作总体准确率。
这项研究的应用价值在于利用已有胸部 CT 增加风险筛查机会；研究指标不能直接等同于个人诊断结果。
技术与开发
模型、API、开源与工程实践，关注能力和使用边界。
千问升级音频模型，全线语音产品降价
回看 9 月 23 日，IT之家报道千问发布 Qwen-Audio-3.1 系列，涵盖语音识别、语音合成、实时交互，以及新增的音频理解和创作模型。报道转述官方降价口径：语音合成约降 70%，实时交互约降 85%，语音识别降 95%。这些是相对降幅，不能直接换算成具体调用账单。
语音识别模型支持输出说话人、时间戳和文本，并可去除重复表达、重组语义。TTS-Next 音频创作模型可统一生成人声、音效和环境音，支持时间戳控制及 48kHz 输出。Realtime 支持同时听和说，允许用户插话，并可调用接口、知识库与业务系统完成任务。
转写润色适合整理会议纪要；需要逐字追溯的业务，应保留原始音频并核对整理后的文本。
Claude 辅助发现新酶系统，功能仍待验证
Anthropic 9 月 23 日公布生命科学团队的早期成果：Claude 在 DNA 数据中识别出名为 ART 的新酶系统。它围绕逆转录酶展开；逆转录酶是将 RNA 复制为 DNA 的酶，相关酶本身此前已有研究，新增发现涉及相邻的重复序列与辅助蛋白。
据官方披露，此次搜索约有 950 个智能体参与，持续 21 小时、消耗 2.1 亿词元。科学家提供初始方向并完成全部实验工作。早期实验显示相关重复序列会表达为短 RNA，但 ART 的主要功能仍在研究中，尚不能据此认定它已成为可用的基因编辑工具。
对科研智能体开发者，更有参考价值的是候选筛选、人工复核与实验验证的流程，而非把候选发现直接视为功能确证。
AFTER READING
读完之后
本期关注可视化对话、语音成本与科研应用；企业开放条件和实验验证范围，仍是判断能否采用的关键。
评论