近日，微博发布了首个开源模型 VibeThinker，它以15亿的微小参数 与7800美元的极低成本，在国际顶级数学测试中获得相对高分，刷新智能极限。这一结果，无异于以轻巧之姿，刺向了“规模即智能”的行业铁律。
学术界看不下去了，直接戳破：华尔街在尬吹谷歌TPU！起因是Meta被曝要和谷歌签订数十亿美元的TPU订单，消息曝出后英伟达盘中最大跌幅达到了7%，按照现在的市值计算，一举蒸发了超3000亿美元。反观谷歌，在盘中情绪最热烈时涨幅一度达4%，换算成市值相当于增加了约1500亿美元，合人民币超1万亿。
让AI推荐一款家用车、一款新手机，甚至一家本地餐厅，10秒钟，看起来无所不知的AI就能迅速给出“智能推荐”名单。然而这份看起来客观中立的答案，背后可能早已被“精心策划”过。
REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维度拼接后共同加噪训练，从而显著提升 Diffusion 的收敛速度与性能上限。在 ImageNet 256×256 上，
深圳的冬天依然晴朗无云。站在 2025 IDEA 大会的会场，我今年最大的感受是大会现场有关「AGI 焦虑」变少了，对 AI 落地的「颗粒度」变细了。与去年相比，人们不再讨论 AGI 到底什么时候到来，不再充斥着对参数规模的盲目崇拜，而是更关注如何让 AI 带来更多的价值。
大无语事件天天有，今天特别多——AI大模型公司阶跃星辰的研究员，自曝被苹果挂在arXiv上的论文，狠狠坑了一把。自己去反馈问题，对方简单回了两句就把issue关了；直到自己留下公开评论，对方才撤稿下架代码了。
“爸，门口有个流浪汉，说认识你。”Joe给正在上班的父亲发去一张图片，是一个胡子拉碴的陌生男人站在门口，父亲称并不认识这个人，“他想做什么？”“他说你们俩曾经一起上学，我请他进来了。”之后，Joe又陆续给父亲发去了这个貌似流浪汉的陌生人在翻家里的冰箱、用父亲的牙刷刷牙、甚至在父亲床上睡觉的图片……
人工智能在过去的十年中，以惊人的速度革新了信息处理和内容生成的方式。然而，无论是大语言模型（LLM）本体，还是基于检索增强生成（RAG）的系统，在实际应用中都暴露出了一个深层的局限性：缺乏跨越时间的、可演化的、个性化的“记忆”。它们擅长瞬时推理，却难以实现持续积累经验、反思历史、乃至真正像人一样成长的目标。
窗外是极端天气，看上去不适合出门。房间内点着一团噼啪作响的篝火，角落里还有充足的物资来捱过这个冬天……这里看起来像是世界末日场景下的庇护所，在每天晚上，你都能在抖音和B站的直播间内找到这些由AI生成的安全屋实景视频，它们正陪伴着很多人，度过一个又一个不眠之夜。
“星巴克内部正在计划，希望在三年内为所有员工配备一个‘数字员工助手’，可能不止一个。有了这样的助手，我们会有更多的时间思考和创新，这些是 AI 永远也给不了的。”
