开源模型质变：Claude Code 超级小白入门指南
开源模型质变：Claude Code 超级小白入门指南两个月以来，我一直想写一篇给小白的 CC 入门指南，今天终于可以写了。
来自主题: AI技术研报
7328 点击 2025-12-29 10:06
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
两个月以来，我一直想写一篇给小白的 CC 入门指南，今天终于可以写了。
面对苍白的CLI终端界面，有些深度依赖IDE的使用者，用Claude Code还是会不习惯的。于是我找了蛮多的资料，看看有没有适合新手的GUI工具。
告别碎片化！以全栈之姿，开启具身导航的 2026 新篇章。
近年来，大语言模型在「写得长、写得顺」这件事上进步飞快。但当任务升级到真正复杂的推理场景 —— 需要兵分多路探索、需要自我反思与相互印证、需要在多条线索之间做汇总与取舍时，传统的链式思维（Chain-of-Thought）往往就开始「吃力」：容易被早期判断带偏、发散不足、自我纠错弱，而且顺序生成的效率天然受限。
近日，多模态视频理解领域迎来重磅更新！由复旦大学、上海财经大学、南洋理工大学联合打造的 MeViSv2 数据集正式发布，并已被顶刊 IEEE TPAMI 录用。
当模型学会「左右互搏」的那一刻，平庸的模仿时代结束了，真正的硅基编程奇迹刚刚开始。
近年来，多模态大语言模型正在经历一场快速的范式转变，新兴研究聚焦于构建能够联合处理和生成跨语言、视觉、音频以及其他潜在感官模态信息的统一全模态大模型。此类模型的目标不仅是感知全模态内容，还要将视觉理解和生成整合到统一架构中，从而实现模态间的协同交互。
近日，部分L3级自动驾驶车型已经通过工信部批准正式上路，这标志着这我国自动驾驶产业的新阶段。
编辑｜张倩、陈陈 当智能体（Agent）开始深度介入人类世界，关于豆包 AI 手机的讨论可能只是个开始。 在此之前，手机、电脑软件都是给人用的 —— 人负责一步步操作，系统负责把信息存好、算好。但现在
开发周期被打破了。曾需数月打磨的 MVP，如今近七成可在一个月内上线；曾需十人协作的产研流程，如今超七成由三人以下小团队完成。AI Coding 工具已不再是辅助，而是主力：仅 1% 的创作者仍完全手写代码，近六成将多数乃至全部编码交予 AI。效率的跃升前所未有，但随之而来的是一个尖锐的问题：快，是否等于有价值？
由香港大学丁凯欣领导，联合华南理工大学周洋以及快手科技Kling团队共同完成的这项研究，开发出了一个名为“炼金师”（Alchemist）的AI系统。它就像一位挑剔的大厨，能从海量图片数据中精准挑选出最有价值的一半。
现在生成一个视频，比你刷视频还要快。
GitHub上最近出现了一个非常火的项目Agent-Skills-for-Context-Engineering，发布不到一周就斩获了2.3k Stars。为什么它能瞬间引爆社区？因为站在2025年末的节点上，我们已经受够了那些只存在于大厂白皮书里的Context Engineering（上下文工程） 理论。
字节最新数学推理专用模型，刚刚刷新战绩：拿下IMO金牌成绩。
AI提供1%的灵感，人类提供99%汗水！密歇根州立大学物理学家许道辉，在AI启发下，重新思考量子力学本质，在顶刊《物理快报B》上发表了相关结论。
大家好，我是被智谱卷到的袋鼠帝。 昨天智谱刚把GLM-4.7放出来，群里就有老哥找我写文章了..
前脚刚听完罗永浩和 MiniMax 创始人闫俊杰的超长播客，然后就看到 MiniMax M2.1 发布了。
Agent 的状态数据分两种：会话内的临时上下文和跨会话的长期知识。
在生成式AI（GenAI）的推动下，2025年标志着行业从“震撼期”正式步入“深水区”。这并非资本的泡沫，而是计算范式从CPU向GPU的根本性迁移——数据中心正进化为实时生产智能的“AI工厂”。相比于模型参数的单纯竞赛，AI应用带来的“任务执行”能力与直观体验，让人切身感受到从“信息检索”向“智能生成”的范式跃迁。
将多模态数据纳入到RAG，甚至Agent框架，是目前LLM应用领域最火热的主题之一，针对多模态数据最自然的召回方式，便是向量检索。
刚刚，由SciMaster团队推出的AI机器学习专家ML-Master 2.0，基于国产开源大模型DeepSeek，在OpenAI权威基准测试MLE-bench中一举击败Google、Meta、微软等国际顶流，刷新全球SOTA，再次登顶！目前该功能已在SciMaster线上平台开放waiting list，欢迎申请体验。
英伟达让AI仅靠「看直播」就学会了通用游戏操作。虚拟世界已成为物理智能的黑客帝国，看4万小时直播学会几乎所有游戏！
Epoch AI年终大盘点来了！出乎意料的是，AI没有停滞，反而变快了。
近年来，大语言模型的能力突飞猛进，但随之而来的却是愈发棘手的双重用途风险（dual-use risks）。当模型在海量公开互联网数据中学习时，它不仅掌握语言与推理能力，也不可避免地接触到 CBRN（化学、生物、放射、核）危险制造、软件漏洞利用等高敏感度、潜在危险的知识领域。
智谱作为「大模型第一股」赴港上市前夕，直接掏出了旗舰模型GLM-4.7并开源！
热门LoRA首次内置，控光换镜头实测可用。
视频生成模型总是「记性不好」？生成几秒钟后物体就变形、背景就穿帮？北大、中大等机构联合发布EgoLCD，借鉴人类「长短时记忆」机制，首创稀疏KV缓存+LoRA动态适应架构，彻底解决长视频「内容漂移」难题，在EgoVid-5M基准上刷新SOTA！让AI像人一样拥有连贯的第一人称视角记忆。
在代码大模型（Code LLMs）的预训练中，行业内长期存在一种惯性思维，即把所有编程语言的代码都视为同质化的文本数据，主要关注数据总量的堆叠。然而，现代软件开发本质上是多语言混合的，不同语言的语法特性、语料规模和应用场景差异巨大。
多模态大语言模型（MLLMs）已成为AI视觉理解的核心引擎，但其在真实世界视觉退化（模糊、噪声、遮挡等）下的性能崩溃，始终是制约产业落地的致命瓶颈。
你是否曾被AI视频生成的不连贯性所困扰？