Claude Cowork刚发布，就有大佬开源复刻了！支持三方 API，让 AI 帮你干活！
Claude Cowork刚发布，就有大佬开源复刻了！支持三方 API，让 AI 帮你干活！如果说 2024 年我们还在惊叹于 AI 能写代码、能画图，那么 2025 年的关键词一定是：Agent（智能体）。
来自主题: AI技术研报
8327 点击 2026-01-14 11:51
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
如果说 2024 年我们还在惊叹于 AI 能写代码、能画图，那么 2025 年的关键词一定是：Agent（智能体）。
今天DeepSeek又发表了一篇论文，让AI解读，仔细读完，觉得很牛逼。
从ChatGPT爆火以后，就总有“AI太牛了，自己是不是要失业了”等等类似的声音出现。
2025 年，AI 智能体“跨过了鸿沟”，开始被更广泛、务实的用户群体采用，不再只是少数发烧友或愿景家在用。
还在看国内自媒体“二传手”的资讯？
哈喽，大家好，我是刘小排。 使用Claude Code最大的痛点是什么？其实不是贵，而是封号。因为就算使用Claude Max Plan 每月$200美金，虽然看上去贵，但是一个月能轻松用上价值数千美金甚至上万美金的token，是很便宜的。
过去几十年里，科学计算领域积累了数量空前的开源软件工具。
假如你是一个致力于将 AI 引入传统行业的工程团队。现在，你有一个问题：训练一个能看懂复杂机械图纸、设备维护手册或金融研报图表的多模态助手。这个助手不仅要能专业陪聊，更要能精准地识别图纸上的零件标注，或者从密密麻麻的财报截图中提取关键数据。
故事得从我们那个行业交流群说起。
“软工任务要改多文件、多轮工具调用，模型怎么学透？高质量训练数据稀缺，又怕轨迹含噪声作弊？复杂 RL 训练成本高，中小团队望而却步？”
近年来，视频扩散模型在 “真实感、动态性、可控性” 上进展飞快，但它们大多仍停留在纯 RGB 空间。模型能生成好看的视频，却缺少对三维几何的显式建模。这让许多世界模型（world model）导向的应用（空间推理、具身智能、机器人、自动驾驶仿真等）难以落地，因为这些任务不仅需要像素，还需要完整地模拟 4D 世界。
深夜，梁文锋署名的DeepSeek新论文又来了。这一次，他们提出全新的Engram模块，解决了Transformer的记忆难题，让模型容量不再靠堆参数！
256K文本预加载提速超50%，还解锁了1M上下文窗口。
爆火神经网络架构KAN一作，毕业新去向已获清华官网认证： 刘子鸣，拟于今年9月加入清华大学人工智能学院，任助理教授。
上个月我和黄叔在视频号连麦，顺手注册了这个公众号。说实话，当时心里没底，也就是抱着试一试的心态。
现有的视觉大模型普遍存在「语义-几何鸿沟」（Semantic-to-Geometric Gap），不仅分不清东南西北，更难以处理精确的空间量化任务。例如问「你坐在沙发上时，餐桌在你的哪一侧？」，VLM 常常答错。
如果你在做 AI Agent 开发，大概率已经发现一件事： Agent 几乎是传统软件测试方法的反例。
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent Skills以来，我们都爱上了这种“即插即用”的模块化体验。它把臃肿的多智能体编排（MAS）变成了一组优雅的Markdown文件调用，让API账单和延迟同时暴跌了50%以上。
企业级场景中，无论是做RAG还是agent，我们都会面临一个问题：出于数据隐私以及合规要求，数据必须保留在本地。但传统的本地存储方案往往存在数据隔离性差、崩溃易丢数据、配置管理混乱、操作不可撤销等问题。
2024 年底，硅谷和北京的茶水间里都在讨论同一个令人不安的话题：Scaling Law 似乎正在撞墙。
短视频搜索业务是向量检索在工业界最核心的应用场景之一。然而，当前业界普遍采用的「自强化」训练范式过度依赖历史点击数据，导致系统陷入信息茧房，难以召回潜在相关的新鲜内容。
过去一年，大模型在语言与文本推理上突飞猛进：论文能写、难题能解、甚至在顶级学术 / 竞赛类题目上屡屡刷新上限。但一个更关键的问题是：当问题不再能 “用语言说清楚” 时，模型还能不能 “看懂”？
事情开始变得有趣起来了。
想象一下，一群 AI 程序在一台虚拟计算机里相互猎杀，目标只有一个：生存。
小模型身上的“秘密”这下算是被扒光了！
大模型能写代码、解奥数，却连幼儿园小班都考不过？简单的连线找垃圾桶、数积木，人类一眼即知，AI却因为无法用语言「描述」视觉信息而集体翻车。大模型到底「懂不懂」，这个评测基准给出答案。
Deepmind推出的SIMA 2，让智能体能在虚拟环境（商业游戏）中，边聊天边进行复杂的多模态推理。作为具身通用智能的原型，SIMA 2已从静态数据集迈向无限程序化生成的训练场。
GRPO 是促使 DeepSeek-R1 成功的基础技术之一。最近一两年，GRPO 及其变体因其高效性和简洁性，已成为业内广泛采用的强化学习算法。
近期，DeepSeek-OCR 凭借其创新的「视觉文本压缩」（Vision-Text Compression, VTC）范式引发了技术圈的高度关注。为了解答这一疑问，来自中科院自动化所、中国科学院香港创新研究院等机构的研究团队推出了首个专门针对视觉 - 文本压缩范式的基准测试 ——VTCBench。
SmartSnap的核心思想是将GUI智能体从“被动的执行者”转变为“主动的自证者”。简单来说，智能体在完成任务的同时，还会主动收集、筛选并提交一份“证据快照集”。