搜索
今天，他们自称发布了世界上最好的 OCR API，它能够将复杂的 PDF 文件转换为文本文件，以便 AI 模型处理。现在，所有大模型的输入端格式都是文本，或者规整的、容易识别的文本文件，但这个世界上，还有很多文件是粗糙的，不规整的，难以识别的，它需要依赖强大的 OCR 功能才能转换为文本。
AI Agent是一个应该非常个人化的东西。
藏了下一代Ray-Ban Meta的影子。
Manus发布后的火爆完全超出了团队预期，注册端口还遭到了暴力破解，团队一直在处理各种问题，目前仍处于超负荷运转状态。
码来！
M3 Ultra终极引擎，可跑千亿模型
新趋势、新业态
StyleStudio能解决风格迁移中风格过拟合、文本对齐差和图像不稳定的问题，通过跨模态AdaIN技术融合文本和风格特征、用教师模型稳定布局、引入基于风格的无分类器引导，实现精准控制风格元素，提升生成图像的质量和稳定性，无需额外训练，使用门槛更低！
less structure,more intelligence.
一条鲶鱼，让AI搜索格局从内容生态驱动转向内容形式驱动
张涛此前在字节跳动负责国际化产品的战略规划与落地，2023年，他加入王慧文创办的人工智能公司光年之外，担任产品负责人，主导AI产品的研发与商业化探索。2024年7月，张涛与首席科学家季逸超（Peak）、连续创业者肖弘（Red）共同创立Manus AI，并担任合伙人。他目前主要负责产品战略、市场沟通及用户体验优化。
Manus 被喷了一天。3/5晚上发布时，几乎所有我关注的AI开发者都在转发，集体情绪是非常兴奋的。大家都觉得这是一个非常牛逼的产品。然后早上各大AI自媒体发了测评，情绪推向了极致。
最近两天，我们见证了 Manus 的破圈。但邀请码一码难求。这就不禁让我想到，是否能做一个开源版呢？于是和同事吃完饭的时候一拍即合，回公司搓了三个小时，终于把这个 OpenManus 完成了！
傍上中国移动和华为两个“大哥”， 乐聚人形机器人迎来“智变”。
当涉及到空间推理任务时，LLMs 的表现却显得力不从心。空间推理不仅要求模型理解复杂的空间关系，还需要结合地理数据和语义信息，生成准确的回答。为了突破这一瓶颈，研究人员推出了 Spatial Retrieval-Augmented Generation (Spatial-RAG)—— 一个革命性的框架，旨在增强 LLMs 在空间推理任务中的能力。
智源联手多所顶尖高校发布的多模态向量模型BGE-VL，重塑了AI检索领域的游戏规则。它凭借独创的MegaPairs合成数据技术，在图文检索、组合图像检索等多项任务中，横扫各大基准刷新SOTA。
故事从去年10月26日说起，在那天，黄叔非常喜欢的Arc浏览器被创始人Josh Miller决定战略性放弃，开始开发新的AI Agent浏览器Dia： 同一天，HideCloud和Peak刚从武汉飞回北京，落地后，HideCloud震惊的发现，打开手机刷的第一条推特就是上面这条，因为，此前的两天，他们在武汉决定了终止AI浏览器的研发工作，莫名其妙的中美两只团队在同一刻达成了共识。
仅用32B，就击败o1-mini追平671B满血版DeepSeek-R1！阿里深夜重磅发布的QwQ-32B，再次让全球开发者陷入狂欢：消费级显卡就能跑，还一下子干到推理模型天花板！
DeepSeek-R1 作为 AI 产业颠覆式创新的代表轰动了业界，特别是其训练与推理成本仅为同等性能大模型的数十分之一。多头潜在注意力网络（Multi-head Latent Attention, MLA）是其经济推理架构的核心之一，通过对键值缓存进行低秩压缩，显著降低推理成本 [1]。
Manus刷屏一天，从开始的一夜成名，到中间的一码难求，再到质疑它的宣发一掷千金，整个过程里，FOMO情绪和直觉警惕交缠不休，是很有意思的传播学样本。
AI催生数据标注员，文科生转型与大厂调整。
腾讯AI助手腾讯元宝APP近期修改用户协议内容一事引发关注，成为热搜。焦点是使用AI应用或者产品的用户上传和生成内容的权利归属问题。自2月以来，有网友发现腾讯元宝的用户服务协议中，知识产权和其他权利的部分，包括了用户上传的内容，以及用元宝大模型生成的内容。
当下，很多人想进入AI行业谋职。而在其中，文科人因为和AI之间隔着技术的壁垒，成为了转行难度看起来最难的一群人。我们拜访了一些成功入职AI行业的文科生，发现文科生转行AI，没那么难。他们说，当下踟蹰犹豫的人，可能会错过入行的最佳时机。
昨夜，AI Agent 产品 Manus 横空出世，瞬间点燃科技圈。此刻，所有 AI 爱好者都在疯抢 Manus 邀请码，甚至在某二手交易平台上，邀请码的价格已经被炒到 999 元到 5 万元不等。
当模型复杂度增加到一定程度后，模型开始对训练数据中的噪声和异常值进行拟合，而不是仅仅学习数据中的真实模式。这导致模型在训练数据上表现得非常好，但在新的数据上表现不佳，因为新的数据中噪声和异常值的分布与训练数据不同。
AI Coding 是我们长期关注的领域，在这个领域中我们已经介绍过 bolt.new、Cursor 等公司，Lovable 是最新快速崛起的一家公司。Lovable 产品自发布以来就展示了惊人的增长速度，ARR 几乎每周增长 100 万美元，3 个月 ARR 就从 0 增长至 1700 万美元，付费用户数高达 3 万多人，成为欧洲历史上增速最快的初创企业。
基于闭源评测基准，近期司南针对国内外主流多模态大模型进行了全面评测，现公布司南首期多模态模型闭源评测榜单。首期榜单共包含 48 个多模态模型，其中包含：3 个国内 API 模型：GLM-4v-Plus-20250111 (智谱)，Step-1o (阶跃)，BailingMM-Pro-0120 (蚂蚁)
Manus 来了。它让我想起两个概念：「抽象之梯」和「抽象泄漏」。我感觉的趋势：AI 的抽象封装越来越完善，抽象泄漏问题被更好地解决，留给与人交互的界面，变得极为简单直接。这时候，人在这个界面中，交互什么呢？交互自己当前在「抽象之梯」的所在位置（理解深度）。
用AI能下沉成功吗？当北上广打工人在深夜焦虑自己的岗位会不会被deepseek取代时，他们会默默打开短视频，假装自己又学习了新的AI知识，并没有被时代时代的浪潮甩下。
DeepSeek现身香港？
