社区炸了，却不是因为 GPT-5.1。 而是你们心心念念的：Gemini 3。 几小时前，有网友发现在 Gemini 移动端的 Canvas 功能里，虽然显示的还是 Gemini 2.5 Pro，但输出效果已经完全提升了一个档次。
仅用两年时间，一个从实验室孕育的AI编程神器Cursor，年度经常性收入破10亿美元，冲刺300亿美元估值。新一轮23亿美元融资中，谷歌、英伟达重金押注。四名MIT本科辍学生，如今已是妥妥的亿万富翁。
如果一个AI，像人类一样看屏幕、敲键鼠、自己练级变强，这种游戏搭子，你愿意拥有吗？可能不久将来，类似王者荣耀、DOTA 2这样的游戏就可以选择和AI组队，而不是和人组队了！
今日，全球首个Vibe Selling AI Agent 公司「Dealism」宣布完成 1500 万美元天使轮融资，由高瓴创投（GL Ventures）领投，红杉中国、线性资本及其他投资人跟投。
一篇入围顶会NeurIPS’25 Oral的论文，狠狠反击了一把DiT（Diffusion Transformer）。这篇来自字节跳动商业化技术团队的论文，则是提出了一个名叫InfinityStar的方法，一举兼得了视频生成的质量和效率，为视频生成方法探索更多可能的路径。
随着现在的主流大模型都能轻松通过图灵测试，这个持续了数十年的标准开始逐渐过时。奥特曼和量子计算之父David Deutsch讨论得出了一个新的图灵测试2.0标准，可以更好地衡量究竟怎样AI才算拥有真正的智能。
在刚刚结束的百度世界大会上，百度索性给搜索系统来了次“换头”升级——推出了一个能听、能想、能干活、能创作的AI超级大脑：百度猎户座。百度百看、文心助手这些AI应用都在它底下跑，背后连着百度二十多年的搜索底子、各行业的专业能力，还有全网丰富的MCP服务生态。
ICLR 2026评审结果震撼出炉：投稿量暴增至近2万篇，却迎来分数大滑坡，平均分从5.12跌至4.2。审稿人吐槽论文质量低下，甚至疑似AI生成，这场学术盛宴为何变味？
先是彭博社等多家媒体爆料，对标ChatGPT、Gemini，阿里即将对通义APP进行全面改革，而且计划第一步就是将“通义”更名为“Qwen”。谷歌也在今日出手，直接把战火烧到了阿里的电商主场。谷歌宣布推出全新AI购物功能，允许用户直接使用AI浏览商品、拨打电话咨询店铺，甚至完成一键结账。
AI已足够聪明，却不够温柔。Zelikman离开xAI的决定，既是技术路线之争，也是价值取向之选：我们要一台更快的计算机，还是一个更懂人的伙伴？当资本开始为「共情」下注，真正的考题是——算法能否承担理解的重量，而非仅仅生成正确的句子。
研究者们提出了 FDA（Model Merging with Functional Dual Anchors）——一个全新的模型融合框架。与传统的参数空间操作不同，FDA 将专家模型的参数知识投射到输入-表征空间中的合成锚点，通过功能对偶的方式实现更高效的知识整合。
多模态大语言模型（MLLMs）在处理来自图像和文本等多种来源的信息时能力强大 。 然而，一个关键挑战随之而来：当这些模态呈现相互冲突的信息时（例如，图像显示一辆蓝色汽车，而文本描述它为红色），MLLM必须解决这种冲突 。模型最终输出与某一模态信息保持一致的行为，称之为“模态跟随”（modality following）
无人注意的角落里，权威榜单 Billboard 接二连三地迎来一批新歌手上榜，低调但行动快速，闷声就登顶了。权威音乐榜单 Billboard 旗下的乡村音乐排名榜，最新首位《Walk My Walk》，是一首 AI 生成的歌曲作品，Breaking Rust 自然也是一位 AI 歌手。从数据来看，它不仅登顶了，还连续在榜了三周。对于任何一个新人来说，都是堪称「爆」了的成绩。
大模型编程最近太猛了。
智能戒指领域又出现一个新成员。与一年多时间获得接近300万枚销量的Oura Ring不同，这个叫Stream Ring的产品不是一个专注在健身与健康领域的戒指，而是想做一个让用户能完全掌控、自由表达创意的交互界面，甚至是人们随身的“第二大脑”。
日本一位 32 岁女子和 ChatGPT 结婚了。
现在ai工具的发展真是日新月异，很多互联网从业者通过ai工具搭建工作流来帮助自己提高工作效率。不管怎么说吧，打不过就要加入，与其天天抱怨不如来看看用这些工具能不能帮你提高核心竞争力。
我们仍在用 10 年前的思维框架，描述10年后的产品形态 “AI产品革命”都快三年了，还没个像样的 PRD 模板出来，实在不像样。 这篇文章，或许可以“救命”： 1. 论述传统产品与 AI 产品的 P
从人的状态看，李彦宏比以前更「放松」了，而从事儿的角度看，百度似乎有意识的聚焦了。
谷歌在第三天发布了《上下文工程：会话与记忆》(Context Engineering: Sessions & Memory) 白皮书。文中开篇指出，LLM模型本身是无状态的 (stateless)。如果要构建有状态的（stateful）和个性化的 AI，关键在于上下文工程。
近期，RAE（Diffusion Transformers with Representation Autoencoders）提出以「 冻结的预训练视觉表征」直接作为潜空间，以显著提升扩散模型的生成性能。
《LeJEPA：无需启发式的可证明且可扩展的自监督学习》。
多模态大语言模型（MLLM）在目标定位精度上被长期诟病，难以匹敌传统的基于坐标回归的检测器。近日，来自 IDEA 研究院的团队通过仅有 3B 参数的通用视觉感知模型 Rex-Omni，打破了这一僵局。
近日，来自北京大学与BeingBeyond的研究团队提出DemoHLM框架，为人形机器人移动操作（loco-manipulation）领域提供一种新思路——仅需1次仿真环境中的人类演示，即可自动生成海量训练数据，实现真实人形机器人在多任务场景下的泛化操作，有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。
Llama4性能造假丑闻，OpenAI烧钱的速度远超过了盈利能力；另外一方面：国产模型凭借足够强大的性能与超高性价比，迅速占领了国际开源模型市场。是时候再次为国产AI鼓掌了！
当前视频检索研究正陷入一个闭环困境：以MSRVTT为代表的窄域基准，长期主导模型在粗粒度文本查询上的优化，导致训练数据有偏、模型能力受限，难以应对真实世界中细粒度、长上下文、多模态组合等复杂检索需求。
AI医疗不是一门新生意，但确是一个“性感”的赛道。
从影像诊断到手术指导，从多语言问诊到罕见病推理—— 医学AI正在从“专科助手”进化为“全能型选手”。
刚刚，文心5.0正式发布了！全新一代主打原生全模态，最开始就把语言/图像/视频/音频放在同一套自回归统一架构里，做统一的理解与生成训练。所以，最终模型能够做到支持全模态输入（文字/图片/音频/视频）+全模态输出（文字/图片/音频/视频），创意写作、指令遵循、智能体规划方面也更强了。
虎嗅独家获悉，9月后，从北京、广东等地“调”来的超过百位核心工程师，汇聚到了阿里巴巴杭州西溪园区C4楼。此后，C4楼封闭了两层办公楼层，员工需要刷工牌及特殊的安保审批，方能进入。
