AI圈一日一更的频率，真的是有点跟不住了....前两天，先是Grok 4.1、Gemini 3 Pro发布，今天OpenAI GPT-5.1 Pro也静默登场了！ 众所周知，GPT-5.1主打「情商智商」双强，Pro无疑将这两大优势推向更高层次。
在2025年CES上惊艳亮相，并创下近400万美金众筹记录的AI眼镜，再次获得了资本的青睐。
最近，都在玩一个非常有趣的AI社交产品。
对于美国的年轻人而言，networking 是一个很重要的工作。无论是获得职业指导、内推机会，还是建立自己的行业人脉，networking 都是必不可少的工作。
这是一款由在校生团队打造的通用学习智能体：可以深度解题、拆开讲清抽象概念，又能从上百页课件、文献里提炼出 cheatsheet、闪卡和练习题，还会记住每个用户的学习方式，像一个长期陪伴在身边的私人老师。
谷歌的Gemini 3，才是奥特曼做梦都想要的「GPT-5」?
AI时代，真是啥都要快。
在我们探讨今日关于Gemini 的新闻之前，需要提及今晨微软与英伟达宣布，将投资 Anthropic。该公司承诺在未明确时限内投入至少 300 亿美元租赁微软 Azure 云平台上配备英伟达芯片的服务器。至此，三大云服务商均已注资这家 OpenAI 的竞品，再次释放微软已从 ChatGPT 制造商分散投资的信号。
看似轻描淡写，实则力透纸背。
今年不少出圈的 AI 视频，基本都有一个共同点：套了个熟悉的 IP 壳。
下面这个，来自《人类的认知协议》的最后一个章节，写于一年前
真人外教会累、会忘、会不稳定，无法实现「千人千面」的颗粒度。这是 AI Agent 的机会。
何恺明又一次返璞归真。
AI内容就像是快餐，可以快速填饱肚子；而人类创作更像是私房菜，可能有瑕疵，但更有味道。现在的问题是，我们是否愿意为了效率而放弃味道？
上个月 OpenAI 在发布 Sora 2 的同时将其作为独立应用发布，产品一经上线便登顶苹果应用商店榜首的现象级产品。本篇内容是对 Sora 2 的三位核心负责人的访谈：研发负责人 Bill Peebles、产品负责人 Rohan Sahai 以及工程与产品负责人 Thomas Dimson，Dimson 还参与过 Instagram 产品的搭建。
在视觉处理任务中，Vision Transformers（ViTs）已发展成为主流架构。然而，近期研究表明，ViT 模型的密集特征中会出现部分与局部语义不一致的伪影（artifact），进而削弱模型在精细定位类任务中的性能表现。因此，如何在不耗费大量计算资源的前提下，保留 ViT 模型预训练核心信息并消除密集特征中的伪影？
近来，世界模型（World Model）很火。多个 AI 实验室纷纷展示出令人惊艳的 Demo：仅凭一张图片甚至一段文字，就能生成一个可交互、可探索的 3D 世界。这些演示当然很是炫酷，它们展现了 AI 强大的生成能力。
2024年以来，从苹果Vision Pro将「空间计算」推向巅峰，到Peloton Guide、Nex Playground等「AI摄像头」硬件开始在小规模市场中验证可行性，风口已然初现。
刚刚，创下日本估值新高的AI初创公司诞生了！
在AI时代，一个洛杉矶电影人用AI工具打造出「电影宇宙」——外星格隆人研究人类文明的搞笑伪纪录片，从健身到橄榄球，全是滑稽误解！
OpenAI定义的L3 AI，要被谷歌抢先一步了。
前不久写了一期卡神做的 nanochat ，听朋友说咱们国产早就有类似的开源项目了：miniMind 。
刚刚，一家AI公司的融资引发了圈内热议。
在腾讯四年，朱庆旭曾将多种训练数据喂给具身模型，最终他得出结论：“基于遥操作数据训练的主流方案，有着原理性缺陷。”
「大家严重低估了 Voice 作为 AI 交互界面的潜力。」
“开组会是一场巨大的精神霸凌。”
大家都知道，图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。
周末和几个老同学聚了聚。大家都在互联网行业，聊着聊着话题自然绕到 AI。
在过去两年，大语言模型 (LLM) + 外部工具的能力，已成为推动 AI 从 “会说” 走向 “会做” 的关键机制 —— 尤其在 API 调用、多轮任务规划、知识检索、代码执行等场景中，大模型要想精准调用工具，不仅要求模型本身具备推理能力，还需要借助海量高质量、针对性强的函数调用训练数据。
智能体自进化，阿里开源了新成果。
