这下知道OpenAI为啥要转型公共利益公司了……眼尖的网友发现，OpenAI上季度居然亏了115亿美元！重点是，这可不是哪家媒体的小道消息啊，而是OpenAI的最大金主——微软自己亲手捅出来的。
你有多久没试过在用 AI 写歌的时候又唱又跳了？——没有人在用 AI 写歌的时候又唱又跳！这是 YouTube 上的一位音乐博主，本想用音乐生成软件做一些糟糕的 AI 音乐，取笑一下人工智能，却意外得到了「味挺正」的日本金属摇滚，一下子就在 TikTok 上迅速爆红。
在多模态生成领域，由视频生成音频（Video-to-Audio，V2A）的任务要求模型理解视频语义，还要在时间维度上精准对齐声音与动态。早期的 V2A 方法采用自回归（Auto-Regressive）的方式将视频特征作为前缀来逐个生成音频 token，或者以掩码预测（Mask-Prediction）的方式并行地预测音频 token，逐步生成完整音频。
ICLR 2026爆火领域VLA（Vision-Language-Action，视觉-语言-动作）全面综述来了！ 如果你还不了解VLA是什么，以及这个让机器人学者集体兴奋的领域进展如何，看这一篇就够了。
今天，谷歌DeepMind重磅发起「AI赋能数学计划」，集结了全球五大顶尖机构。他们将用上谷歌最强数学AI，去探索发现新的疆域。这其中，有夺下IMO金牌的Gemini Deep Think，有算法发现AI智能体AlphaEvolve，还有形式化证明自动补全AlphaProof。
在 AI 与自动化方面，Block 在 2025 年初推出了一个名为 “Goose” 的开源 AI Agent 框架。Goose 的设计初衷是：将大型语言模型输出与实际系统行为（如读取／写入文件、运行测试、自动化工作流）连接起来，从而不仅让模型能“聊”而且能“干活“。
现在，NTU联合StepFun提出了IGGT (Instance-Grounded Geometry Transformer) ，一个创新的端到端大型统一Transformer，首次将空间重建与实例级上下文理解融为一体。
AI已经不止会写代码、画图、做PPT，它也开始「上班」了！CMU与斯坦福的研究团队首次完整追踪了AI的工作过程，发现一个惊人事实：它并不是在模仿人类，而是在用编程的方式重写工作的定义。这场关于「谁在工作」的实验，正在重构未来职场的逻辑。
月之暗面在这一方向有所突破。在一篇新的技术报告中，他们提出了一种新的混合线性注意力架构 ——Kimi Linear。该架构在各种场景中都优于传统的全注意力方法，包括短文本、长文本以及强化学习的 scaling 机制。
近日，开发出 Devin 智能体的知名人工智能公司 Cognition 推出其全新高速 AI 编码模型 SWE-1.5。据介绍，该模型专为在软件工程任务中实现高性能与高速度而设计，现已在 Windsurf 代码编辑器中开放使用。今年 7 月，Cognition 高调收购开发工具 Windsurf。
尽管今天还有 Sora 角色客串功能和 GPT-5 查找和修复安全漏洞智能体的消息，但本文的重点是深扒 Atlas 背后的「灵魂」—— OWL 架构。看看 OpenAI 究竟是如何驯服 Chromium，把它从浏览器「换皮」玩成了「架构重组」的。
华人大三学生，1100 万美元种子轮，硅谷学生创业目前融资最高产品。
厦门大学和腾讯合作的最新论文《FlashWorld: High-quality 3D Scene Generation within Seconds》获得了海内外的广泛关注，在当日 Huggingface Daily Paper 榜单位列第一，并在 X 上获得 AK、Midjourney 创始人、SuperSplat 创始人等 AI 大佬点赞转发。
Windows Copilot正式更新，人人都能免费拥有操作电脑界面的AI助手了。
吴恩达指出，当下大模型的卷生卷死，谁是赢家不重要。关键的是谁能构建可信的AI应用，谁才能成为真正塑造未来之人，顺便成为下一个通过AI财富自由者。
互联网让知识触手可及，却也让真知难以抵达。
当大语言模型突破了 “理解与生成” 的瓶颈，Agent 迅速成为 AI 落地的主流形态。从智能客服到自动化办公，几乎所有场景都需要 Agent 来承接 LLM 能力、执行具体任务。
AGI炒作还是现实？AI新闻老将Matt Wolfe直击美国AI核心：从Demis Hassabis的理性谨慎，到扎克伯格的巨资投入，探索递归自我改进的潜在爆炸风险。
来自人大和清华的研究团队发布了 DeepAnalyze，首个面向自主数据科学的 agentic LLM。DeepAnalyze引起了社区内广泛讨论，一周内收获1000多个GitHub星标、20w余次社交媒体浏览量。
这两天，Physical Intelligence（PI）联合创始人Chelsea Finn在𝕏上，对斯坦福课题组一项最新世界模型工作kuakua连续点赞。
按从左到右的顺序依次生成下一个 token 真的是大模型生成方式的最优解吗？最近，越来越多的研究者对此提出质疑。其中，有些研究者已经转向一个新的方向 —— 掩码扩散语言模型（MDLM）。
在一场仅有少数头部机构参与的AI Infra闭门会上，一位顶尖AI公司创始人的这句话，让在场的许多云服务资深人士陷入了长久的沉默。
最近这两天，被一个三宫格AI图片给刷屏了。 还有那三句经典的台词： “山的那边是什么。” “你不用告诉我。” “我会自己去看。” 抖音和小红书上玩的人巨多，点赞量动辄几千几万。 群里的朋友们也都在玩。
美国当地时间 10 月 29 日，据外媒消息，AI 编码工具 Cursor 背后的公司 Anysphere 的联合创始人 Arvid Lunnemark 已离职。Cursor 最初由四位联合创始人创立，除了 Lunnemark 之外，还有 Aman Sanger、Michael Truell 和 Sualeh Asif。
就在昨晚 Google Labs 又发布了一个 AI 设计产品 Pomelli （labs.google.com/pomelli/），跟之前发布的 Stitch 专注于生产 UI 设计稿不同，这次 Pomelli 专注于帮企业低成本生成符合品牌调性的营销物料。你只需要把你的官网链接给他，他就会提取品牌设计相关的所有元素，
AI Coding火了大半年，AI Debugging也来了！刚刚，OpenAI发布由GPT-5驱动的“白帽”Agent——Aardvark（土豚）。这只“AI安全研究员”能帮助开发者和安全团队，在大规模代码库中自动发现并修复安全漏洞。
蛋白质大模型的最新突破，来自中国！最近，百奥几何「悄悄地」发布了新一代全场景原子级蛋白质基础大模型GeoFlow V3，给全球同行们树了一个新榜样。当其他模型还在“卷规模”的时候，GeoFlow V3选择了一条不同的路线——首次将多步推理引入蛋白质设计，让模型具备“自我评估、自主进化”的能力。
Nano Banana成为爆款之后，Gemini月活达到了6.5亿。AI业务带动之下，谷歌季度营收也首次突破千亿美元，交出了有史以来最亮眼的成绩单。什么概念？市值刚刚突破5万亿美元的英伟达，2025财年上半年的收入也刚刚突破1000亿。
今天，北京智源人工智能研究院（BAAI）重磅发布了其多模态系列模型的最新力作 —— 悟界・Emu3.5。这不仅仅是一次常规的模型迭代，Emu3.5 被定义为一个 “多模态世界大模型”（Multimodal World Foudation Model）。
Flint 的核心理念是将网站从静态资产转变为自主 agent。Michelle 在她的文章中直言不讳地说："是时候终结传统网站了。我们正在从网站作为静态资产的世界，转向网站成为自主 agent 的世界。"这句话听起来可能有些激进，但当你了解 Flint 的工作原理后，就会明白她为什么如此自信。
