雷鳥 iO 智能眼鏡官宣搭載恆玄科技 BES2800 芯片:6nm 工藝,集成雙模藍牙和低功耗 Wi-Fi 6

作者:歸瀧 責編:歸瀧 評論: 8 月 27 日消息,恆玄科技官方宣佈,雷鳥 iO 智能眼鏡官宣搭載 BES2800 芯片。採用 6nm 工藝,超低功耗集成多核 CPU + 大容量存儲,算力大幅提升集成雙模藍牙和低功耗 Wi-Fi 6據此前報道,雷鳥 iO 智能眼鏡已於 8 月 21 日正式發佈,支持實時提示、全天智記功能,限時首發價 2349 元,國補價 1996.7 元。京東 PLUS 聯名限時首發價 2747 元,國補價 2334.95 元。這款智能眼鏡整機重量 34g,提供前框重量 17g,採用雙層鈦合金結構,鏡框邊緣平均寬度 2.25mm,鏡腿厚度僅 1.
15mm,提供親膚鏡腿硅膠套。此外,眼鏡右側還提供一顆創新的智能交互旋鈕。眼鏡採用藍湖光波導,光柵區透過率 > 93%,非光柵區透過率 > 98%,色差指數達到了行業最高的 ΔE2.52,單片幾乎已經和目前市面上主流 CPU 芯片的成本相當。雷鳥 iO 和全球一線的光學鏡片企業合作,支持 0-1000 度近視適配。
相關閱讀:《雷鳥 iO AI 眼鏡發佈:支持實時提示、全天智記功能,首發價 2349 元》 投訴水文 我要糾錯 下載APP,簽到賺金幣兌豪禮 相關文章關鍵詞:恆玄科技,雷鳥 iO 智能眼鏡,BES2800 芯片,BES2800OPPO Bubble 潮玩自拍屏官宣搭載恆玄 BES2800BP 芯片:6nm 工藝,集成 Wi-Fi 6理想 AI 眼鏡 Livis 搭載恆玄科技 BES2800BP 芯片:6nm 工藝、集成雙模藍牙和低功耗 WiFi 6釘釘 DingTalk A1 智能錄音筆搭載恆玄科技 6nm 製程工藝 BES2800HP 芯片恆玄科技:預計今年底前實現 Wi-Fi6 芯片量產恆玄科技:華為 FreeBuds 5 藍牙耳機搭載 BES2700 系列芯片,最長續航 30 小時OPPO Enco Free3 搭載恆玄科技智能耳機芯片:支持 49dB 深度降噪
Related
相關文章
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。