据DeepLearning.AI在X平台报道，Apple发布AToken多模态模型，采用共享分词器与编码器统一处理并生成图像、视频与3D对象，性能可超越或匹敌专用模型，并实现跨媒介知识迁移。据DeepLearning.AI称，该共享分词机制将视觉、时序与三维几何表征映射到单一token空间，减少模态孤岛并提升样本效率。根据DeepLearning.AI的报道，这一架构通过复用同一编码器可降低多模态推理成本，简化内容生成、视觉语言应用与3D资产流程的训练管线。DeepLearning.AI还指出，Apple给出的早期基准显示其在视频生成与3D重建方面具备竞争力，为开发者在创作工具、AR原型与产品可视化等场景中整合模型栈带来机会。

根据@AIatMeta消息，Meta正式推出SAM 3D，这是SAM系列的全新成员，实现了对日常图像的高级三维理解。SAM 3D包含SAM 3D Objects（物体和场景重建）及SAM 3D Body（人体姿态与形状估计）两大模型，均以行业领先的性能将静态2D图片转化为生动精准的3D重建。这一AI创新为增强现实、虚拟现实、游戏、电商可视化、机器人和医疗等领域带来广阔商机，推动数字孪生、沉浸式体验和自动化落地。 (来源：@AIatMeta，go.meta.me/305985)

根据@AIatMeta消息，Meta推出新一代Segment Anything Models，包括SAM 3与SAM 3D。SAM 3支持通过短文本或示例提示，实现跨图像和视频的AI对象检测、分割与跟踪，极大提升了媒体处理和自动化分析效率（来源：@AIatMeta, https://go.meta.me/591040）。SAM 3D则将分割能力拓展至三维领域，可根据单张2D图片精准重建三维物体或人物（来源：@AIatMeta, https://go.meta.me/305985）。这些创新为开发者和研究人员在内容生成、计算机视觉、AR/VR等领域带来实用工具，推动AI视觉数据分析和媒体工作流的商业化发展。