全新开源模型复现o3视觉推理，无需大量训练即可实现深度思考
全新开源模型复现o3视觉推理，无需大量训练即可实现深度思考OpenAI o3的多轮视觉推理，有开源平替版了。并且，与先前局限于1-2轮对话的视觉语言模型（VLM）不同，它在训练限制轮数只有6轮的情况下，测试阶段能将思考轮数扩展到数十轮。
来自主题: AI技术研报
7516 点击 2025-09-16 10:02
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI o3的多轮视觉推理，有开源平替版了。并且，与先前局限于1-2轮对话的视觉语言模型（VLM）不同，它在训练限制轮数只有6轮的情况下，测试阶段能将思考轮数扩展到数十轮。
谷歌这只「香蕉」火得有些疯狂：Nano Banana（即 Gemini 2.5 Flash Image）自 8 月底上线以来，仅用几周就吸引了超过 1,000 万新用户，并在 Gemini 应用中完成了 2 亿次图像编辑请求
本文来自加州大学圣克鲁兹分校（UCSC）、苹果公司（Apple）与加州大学伯克利分校（UCB）的合作研究。第一作者刘彦青，本科毕业于浙江大学，现为UCSC博士生，研究方向包括多模态理解、视觉-语言预训
让AI生成的图像更符合人类精细偏好，在32块H20上训练10分钟就能收敛。腾讯混元新方法让微调的FLUX1.dev模型人工评估的真实感和美学评分提高3倍以上。
“氛围编码”留下的烂摊子，终究要让那些被裁掉的人回来收拾。
华人 95 后“叫板”谷歌搜索，联合创办 AI 搜索公司融资 6 亿多元！2021 年，美国哈佛大学华人校友 Jeffrey Wang 和室友威尔·布莱克（Will Bryk）创办了一家名为 Exa 的 AI 搜索公司。经过几年的发展，其于当地时间 2025 年 9 月 3 日宣布已筹集到 8500 万美元的 B 轮融资（约等于 6.16 亿人民币），公司估值达到 7 亿美元。
你有没有想过，AI 陪伴这件事可能从一开始就走错了方向？当 Replika、Character.AI 这些平台让用户与 AI 聊天机器人建立一对一关系时，我们是在解决孤独问题，还是在加剧它？这个问题值得深思，因为一家来自柏林的创业公司 Born 刚刚用 1500 万美元的 A 轮融资，向整个行业提出了一个完全不同的答案：真正的 AI 陪伴不应该让人更孤立，而应该让人更好地连接。
你有没有想过，为什么那些最聪明、最赚钱的人，会突然放弃年薪百万美元的工作去创业？29岁的Harry Qi就做了这样一个决定。这位在23岁时就已经成为对冲基金顶级量化交易员的天才，放弃了接近7位数的年终奖金，和两个同样优秀的朋友一起创办了Motion。
近日，Gamma 创始人 Grant Lee 首次公开了公司的真实营收数据： 月经常性收入（MRR）已达到 480 万美元，折算年经常性收入（ARR）超过 5000 万美元。
诺奖得主哈萨比斯直击AI痛点：当前LLM远非博士级智能，仅在特定领域闪光，却缺乏全面性和一致性。真正的AGI，还需1-2项关键突破，等待有5-10年。