视频，早已是我们这个时代的默认语言。 从社交媒体的刷屏狂欢到大银幕的光影叙事，我们每个人都深度参与其中。而当 AI 技术让视频的创作门槛骤降，一个更加公平的「AI 视频模型竞技场」也随之拉开帷幕。
Tailwind CSS联合创始人Adam Wathan在X平台发布了一条看似轻松的道歉推文："我想正式为五年前让Tailwind UI中的每个按钮都使用bg-indigo-500道歉，这导致地球上每个AI生成的界面也变成了靛蓝。"
刚刚，Anthropic发布了最新的浏览器agent——Claude for Chrome！ 这款紧贴Chrome的agent可以作为浏览器的扩展程序直接使用： 它不仅能帮你设日历。
谷歌DeepMind最新Nature王炸，直接把Gemini版大模型PH-LLM调教成了「AI健康私教」，把可穿戴冷冰冰的数据，直接变成睡眠健身建议，结果准确率暴打人类医生。
最近3D内容生成模型好生热闹，像谷歌Genie 3、World Labs、混元、昆仑争相发布并开测世界模型。
AI视频生成正在迎来“通义时刻”！ 就在昨夜，阿里突然发布了一款由音频驱动的14B视频模型Wan2.2-S2V—— 仅需一张图片和一段音频，即可生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。
AI加速走向落地，企业「超级大脑」却在关键时刻断片？行业亟需一套能够持续进化、越用越聪明的系统框架，实现多智能体协同作战，通过自优化、自反馈瞬间激活知识库。清华系黑马已将其塞进AI原生引擎，率先在能源、军工等硬核场景中规模化落地，为产业智能升级提供了可靠路径。
一直以来，Anthropic 的 Claude 被认为是处理编程任务的最佳模型，尤其是本月初发布的 Claude Opus 4.1，在真实世界编程、智能体以及推理任务上表现出色。其中在软件编程权威基准 SWE-bench Verified 测试中，Claude Opus 4.1 相较于前代 Opus 4 又有提升，尤其在多文件代码重构方面表现出显著进步。
大家好，这里是歸藏（guizang），今天教大家如何最大程度发掘最强图片编辑模型 Nano Banana 的潜力。
爆火的神秘图像编辑模型nano-banana，终于脱掉了“香蕉皮”！ 就在今天，谷歌官方认领，并表明这个模型其实是Gemini 2.5 Flash Image。
苹果刚刚官宣发布会为iPhone 17预热的同时，高管们也正在悄悄算着另一笔账： 要不要花上百亿美元把两家AI公司打包带回家？ 据The Information爆料，苹果内部正在严肃讨论收购法国AI初创公司Mistral和美国AI搜索工具Perplexity。
人工智能的浪潮正将我们推向一个由 RAG 和 AI Agent 定义的新时代。然而，要让这些智能体真正「智能」，而非仅仅是信息的搬运工，就必须攻克一个横亘在所有顶尖团队面前的核心难题。这个难题，就是推理密集型信息检索（Reasoning-Intensive IR）。
人类和AI在工作中如何协作？耶鲁和南大的研究人员合作的这篇论文讲清楚了。 这篇论文提出了一个数学框架，通过把工作技能拆分成两个层次来解释这个问题
AI 时代的聚光灯，不应只属于从零到一的创业者。 我们注意到一个有趣的现象：与热衷在全球舞台上表达观点的硅谷高管相比，中国的大厂高管们通常更倾向于低调行事。
刚刚，又一个人工智能国际顶会为大模型「上了枷锁」。 ICLR 2025 已于今年 4 月落下了帷幕，最终接收了 11565 份投稿，录用率为 32.08%。
顶尖AI人才的争夺战在Meta和OpenAI等科技巨头之间越演越烈，但根据华尔街日报的报导： Claude的开发商Anthropic，似乎才是众多工程师更心仪的去处。
DeepSeek V3.1上演的bug大秀“极你太美”，可谓是让全网热议了一波。 简单来说呢，就是陆续有开发者们发现，当他们在调用API进行代码开发的过程中，输出结果里会时不时蹦出来“极”字。
尽管 LLM 的能力与日俱增，但其在复杂任务上的表现仍受限于静态的内部知识。为从根本上解决这一限制，突破 AI 能力界限，业界研究者们提出了 Agentic Deep Research 系统，在该系统中基于 LLM 的 Agent 通过自主推理、调用搜索引擎和迭代地整合信息来给出全面、有深度且正确性有保障的解决方案。
只用一周，一个相当于人类20年经验的“数字技术工人”——基于时序大模型和Agent的智能体，就能直接上岗。
小扎钞能力失效，一夜痛失三位核心研究员！其中，两位前OpenAI大牛仅入职一月，火速回流OpenAI。团队频繁重组，内部矛盾「埋雷」，小扎「超级智能梦」能否交出一份满意的答卷？
人工智能正在吟诗作画，我们人类却在打扫卫生。 这句话几乎描述出了今天所有人对AI的困惑，一边是模型底层技术的突破，另一边却是AI进入真实世界后的无力感。一个验证码能摧毁一个压缩全世界知识的AI大脑，一个垃圾桶能绕晕一个拥有30多个自由度的人形机器人。
Gemini 2.5 Flash Image是谷歌最新发布的顶级图像生成与编辑模型，被网友誉为「最强图像模型」。其化身nano-banana在LMArena盲测中以历史最大优势夺冠，凭借角色一致性、提示编辑、原生世界知识和多图像融合四大能力，引发广泛关注。
一觉醒来，AI版地球online，上线了。不是玩梗整活，而是一个真正的，可以容纳十万个AI智能体的在线虚拟世界。 全名叫Aivilization，是一个由港科大研发的，模拟真实世界的大型AI实验。也可以直接叫它，AI小镇。
刚刚，面壁智能再放大招——MiniCPM-V 4.5多模态端侧模型横空出世：8B参数，越级反超72B巨无霸，图片、视频、OCR同级全线SOTA！不仅跑得快、看得清，还能真正落地到车机、机器人等。这一次，它不只是升级，而是刷新了端侧AI的高度。
今天晚上，朋友圈被一份文件刷屏了。 《关于深入实施“人工智能+”行动的意见》。
马斯克宣布了一个疯狂的计划，将在5年内实现5000万张H100的算力，这是什么概念？这将为人类带来怎样的影响？ASI能否在勇敢者的孤注一掷下现身？
智东西8月26日报道，近日，美国浏览器公司Brave发布博客，称该公司在美国知名AI搜索独角兽Perplexity打造的AI浏览器Comet中发现了一个严重安全漏洞，攻击者可通过在网页中发布恶意指令，来操纵AI浏览器登录网站、访问邮箱、获取验证码，并将这些敏感信息发送给外部攻击者。全程耗时两分半，连普通人也能完成这种攻击。
Perplexity 将允许出版商分享 AI 搜索产生的收入，该公司此举旨在应对部分媒体对其内容使用提出的批评和法律诉讼。
Sakana AI以自然演化为灵感，提出了一种全新的模型融合进化方法M2N2。通过引入自然界的「择偶机制」，AI可以像生物一样「竞争、择偶、繁衍」。在当前全球算力短缺、模型训练实际规模受制的情况下，Sakana AI借助自然界的启示，为模型融合探索出了一条新路。
如果你拥有了庞大的三维空间数据，你会用来做什么？ 大模型时代之后，数据成了支撑模型的承重柱。能否获取足够的可用高质量数据，直接决定了某个领域的 AI 的发展上限。
