搜索
大模型混战，一边卷能力，一边卷“低价”。 DeepSeek彻底让全球都坐不住了。 昨天，马斯克携“地球上最聪明的AI”——Gork 3在直播中亮相，自称其“推理能力超越目前所有已知模型”，在推理-测试时间得分上，也好于DeepSeek R1、OpenAI o1。不久前，国民级应用微信宣布接入DeepSeek R1，正在灰度测试中，这一王炸组合被外界认为AI搜索领域要变天。
任何一张照片，直接就能定位照片中的具体所在地，并呈现出对应的3D场景。GeoSpy使得这一切都成为了现实，但大家也都为此而感到隐私泄露的巨大风险和潜在危害。
接了 AI，带有翻译功能的蓝牙耳机，在美国彻底卖爆了。 在 TikTok 上，你能看到各色博主在向外国消费者推荐 9.9 美元的「翻译耳机」，尤其在 AI 创新最为积极的美国，人们对于这些所谓「接入 AI」的蓝牙耳机趋之若鹜。
带点特斯拉、SpaceX 基因，工程能力很强。
就在刚刚，奥特曼发了个推特，轻描淡写透露了个大消息： For our next open source project……
不过半月，Ilya神秘初创SSI又被曝出将完成超10亿美金新一轮融资，估值超300亿。成立8个月时间，官网至今也只有一页文字。
随着 Roblox 和 Minecraft 等游戏平台在年轻儿童中越来越受欢迎，以及 YouTube 等平台占据了他们每天大量的屏幕时间，教育科技公司在吸引他们的注意力方面面临挑战。
刚刚，马斯克xAI的Grok 3终于亮相（超300万人次围观）！一出道即巅峰，竞技场（lmarena.ai）官方给出了这样的评价：Grok 3是首个突破1400分的模型，并且在所有类别中排名第一。
近两年来，AI Coding赛道迎来井喷式发展，GitHub Copilot、Cursor等产品收入增长迅猛，科技巨头和风险投资纷纷加码，新一代AI Coding产品在提升开发效率、减少错误和确保代码质量方面表现出色，正在深刻改变软件开发生态。
刚刚，阶跃星辰联合吉利汽车集团，开源了两款多模态大模型！新模型共2款：全球范围内参数量最大的开源视频生成模型Step-Video-T2V行业内首款产品级开源语音交互大模型Step-Audio多模态卷王开始开源多模态模型，其中Step-Video-T2V采用的还是最为开放宽松的MIT开源协议，可任意编辑和商业应用。
毫不意外地，DeepSeek的火烧到了硬件行业。
为了更好地了解DeepSeek的沟通路径，并且如何在沟通过程中呈现“TA沟通分析心理学”的特质，我们特别邀请了中国沟通分析协会（CTAA）副理事长、大陆首位国际认证沟通分析师CTA徐丽丽老师，来分享她使用DeepSeek后的经验与感受。
苏州的人工智能强在哪里
一些推理模型的使用技巧和启示
四万字深聊DeepSeek！2025年1月底在媒体聚集的达沃斯论坛上，微软CEO Satya Nadella以及Scale AI创始人Alexandr Wang的发言直接将DeepSeek推到风口浪尖...
开源AI短剧神器来了！来自昆仑万维，一次性开源两大视频模型——国内首个面向AI短剧创作的视频生成模型SkyReels-V1；国内首个SOTA级别基于视频基座模型的表情动作可控算法SkyReels-A1。
当 DeepSeek 在春节期间爆火，所有人都在猜测国内 AI 厂商将会如何跟进时，腾讯元宝上周宣布接入满血版 DeepSeek R1，APPSO 体验后彻底告别了「服务器繁忙」。而就在刚刚，腾讯元宝正式推出自研的 Hunyuan T1 快速深度思考模型，给了我们两种深度思考模型的选择，APPSO 也提前体验了这款模型，第一时间给大家送上使用指南。
在深入学习和阅读智能体（Agent）相关的英文技术文章时，我发现传统的翻译软件和方法往往难以将这些文章准确、流畅地转换成地道的中文。逐字逐句的直译不仅导致"翻译腔"严重，还会使句子结构生硬，专业术语处理不当，这让读者理解起来非常吃力。
唯一限制超级应用吞噬 AI 生态的，可能只有算力了。
应用内接入 DeepSeek-R1 已经成了一种潮流。
Grok 3 的表现究竟如何？
增长玩的很溜，但产品内核呢？
信息大爆炸是我一直在思考的问题。毕竟跟我自己的媒体专业相关，看到的更多一点。新年的第一周，我跟 Y 同学一起讨论出了我作为媒体老编辑相对满意的 AI 方案。跟大家分享一下。
AI“下沉”北方小城
基于三家企业、127 页文字访谈实录总结的产业观察
AI让定制化服务成为可能
36氪获悉，具身智能创业公司“自变量机器人（X Square Robot）”完成数亿元Pre-A++轮融资。本轮融资由光速光合与君联资本领投、北京机器人产业基金、神骐资本跟投。融资将用于下一代统一具身智能通用大模型的训练与场景落地。
“AI+”及泛AI方向研报激增
接入DeepSeek，不等于All in DeepSeek
尽管多模态大模型在通用视觉理解任务中表现出色，但不具备细粒度视觉识别能力，这极大制约了多模态大模型的应用与发展。针对这一问题，北京大学彭宇新教授团队系统地分析了多模态大模型在细粒度视觉识别上所需的 3 项能力：对象信息提取能力、类别知识储备能力、对象 - 类别对齐能力，发现了「视觉对象与细粒度子类别未对齐」