大家好，最近感觉有点AI编程搞产品上瘾了😂。这次主要想和大家分享第二个小产品 art4kid.com 过程中遇到的挑战和收获。这个产品也是通过AI编程完成的，我所做的主要就是把握方向，发现问题，让AI思考问题发生原因然后解决问题，还有提供一些视觉。
任意一张立绘，就可以生成可拆分3D角色！
老黄在GTC 2025大会上，再次亮出了英伟达未来GPU路线图。随着推理token的暴增，AI计算需要全新的范式，下一代BlackWell Ultra、Vera Rubin就是最强的回应。
就在刚刚，OpenAI 宣布在其 API 中推出全新一代音频模型，包括语音转文本和文本转语音功能，让开发者能够轻松构建强大的语音 Agent。据 OpenAI 介绍，新推出的 gpt-4o-transcribe 采用多样化、高质量音频数据集进行了长时间的训练，能更好地捕获语音细微差别，减少误识别，大幅提升转录可靠性。
一个超越DeepSeek GRPO的关键RL算法出现了！这个算法名为DAPO，字节、清华AIR联合实验室SIA Lab出品，现已开源。禹棋赢，01年生，本科毕业于哈工大，直博进入清华AIR，目前博士三年级在读。去年年中，他以研究实习生的身份加入字节首次推出的「Top Seed人才计划」。
前脚被谷歌点名感谢空间训练平台，后脚又开源了空间模型！杭州六小龙群核科技发了一个空间理解开源模型SpatialLM，让机器人刷一段视频，就能理解物理世界的几何关系。结合之前发布的空间智能训练平台SpatialVerse，群核科技要为机器人提供从空间认知到行动交互的训练闭环。机器人也被「卷」到要上学了。
波士顿动力的Atlas机器人又双叒叕来了！从最初的液压「电缆尾巴」到现在全电动AI增强版，这个机器人不仅会翻跟头、跳街舞，还学会了倒立侧翻，甚至开始「进厂打工」搬零件。动作捕捉技术与强化学习的加持，让Atlas的动作越来越像人类，而它的目标也从炫技转向实用。
3D打印的世界在不断变化，人工智能（AI）的发展发挥着越来越重要的作用。特别是，通过人工智能生成3D模型开辟了新的可能性和潜力。在本文中，将介绍22种创新服务，它们在这一领域发挥着开创性的作用。
比DeepSeek-R1贵270倍，OpenAI史上最贵模型来了！
当我们看到一张猫咪照片时，大脑自然就能识别「这是一只猫」。但对计算机来说，它看到的是一个巨大的数字矩阵 —— 假设是一张 1000×1000 像素的彩色图片，实际上是一个包含 300 万个数字的数据集（1000×1000×3 个颜色通道）。每个数字代表一个像素点的颜色深浅，从 0 到 255。
近年来，生成模型在内容生成（AIGC）领域蓬勃发展，同时也逐渐引起了在智能决策中的应用关注。
这下特效视频和机器人实拍真的傻傻分不清楚了…
对面有个人向你缓缓抬起手，你会怎么回应呢？握手，还是挥手致意？
记得大概在十年前，报纸、电视新闻上都有在呼吁“不要做低头族”，一直低头玩手机影响健康，还存在安全隐患。但时到如今大家都习以为常，甚至离不开它。出门可以忘带钥匙、身份证，但一定不可能忘带手机。为了大家更方便的玩手机，很多地区可能隔不到一百米就有一个共享充电宝。
如果你让当今的 LLM 给你生成一个创意时钟设计，使用提示词「a creative time display」，它可能会给出这样的结果：
DeepSeek 掀翻了国内大模型领域原本搭好的台，各个大厂都在重新找位置，腾讯选择了通过一系列「闪电战」式的部署，展示战略决心。
阿里全面转向“AI化”
EgoNormia基准可以评估视觉语言模型在物理社会规范理解方面能力，从结果上看，当前最先进的模型在规范推理方面仍远不如人类，主要问题在于规范合理性和优先级判断上的不足。
AI智能家电调查
AI说：“我懂你”，然后转头写进大数据。
腾讯也要解投入和盈利的平衡题
今天很兴奋，想和所有朋友们分享一种全新的 AI 可能性，Second Me！
当今世界，人们都在谈论生成式人工智能。全世界都知道所有最新的GenAI概念和术语——因此，你会比以往听到更多这样的话：“这个词不等于token”。全世界都开始实施至少一个或两个GenAI用例，当然——我引用它的意思是“改变生活”。
刚刚，OpenAI正式上线史上最贵API——o1-pro，输入/输出价格贵到离谱，最高可达DeepSeek-R1的千倍。OpenAI研究员戏称，大模型界的劳斯莱斯。
世界上第一份AI生成的报纸
在用Cursor等AI工具编程的同学们，有没有发现，你原本想让AI帮你解决问题，但AI老是让你自己去操作。
AI门槛很高，但现在是未来几年最低的时候
如果你已经读过我们上一篇经典长文《DeepSearch/DeepResearch 的设计与实现》，那么不妨再深挖一些能大幅提升回答质量的细节。这次，我们将重点关注两个细节：
本文介绍了Search-R1技术，这是一项通过强化学习训练大语言模型进行推理并利用搜索引擎的创新方法。实验表明，Search-R1在Qwen2.5-7B模型上实现了26%的性能提升，使模型能够实时获取准确信息并进行多轮推理。本文详细分析了Search-R1的工作原理、训练方法和实验结果，为AI产品开发者提供了重要参考。
近年来，扩散模型在图像与视频合成领域展现出强大能力，为图像动画技术的发展带来了新的契机。特别是在人物图像动画方面，该技术能够基于一系列预设姿态驱动参考图像，使其动态化，从而生成高度可控的人体动画视频。
