搜索
最近有个挺有意思的对比实验，来自 Composio 团队。他们用同一个模型 Kimi K3，分别放进三个不同的 agent 框架（harness）里跑 ——Claude Code、Hermes 和 Kimi Code—— 一共测了 28 个完全相同的任务。
目前，这项技术已成功应用于上海人工智能实验室Intern-S2-Preview 35B/397B系列多模态大模型的预训练中，有效提升了模型的科学推理与多模态理解能力。值得一提的是，相关研发均基于国产昇腾算力平台完成，并成功实现了面向大规模预训练的深度适配与优化。
近日，清华大学与香港科技大学的研究团队提出 LiveEdit，一种面向通用文本指令的实时流式视频编辑框架。该方法以因果、分块的方式处理持续到来的视频，在 4 步 / 视频块的推理条件下实现 12.66 FPS 的流式编辑，并能保持被编辑区域的准确性以及未编辑区域的一致性。
过去的 Diffusion RL 多聚焦于奖励设计与优化算法，训练时的采样成本被忽视。DMSampler 指出：在在线 RL 中，限制规模化的不只是奖励信号或优化器，很多时候是 rollout 本身太贵。
今日，华为开源基于昇腾NPU训练的盘古MoE模型openPangu-2.0-Pro。该模型是openPangu-2.0系列的最新开源模型，总参数规模5050亿，激活参数规模180亿，支持512K上下文长度，训练数据总量约34T tokens。另一轻量化模型openPangu-2.0-Flash已于6月12日开源，参数92亿，其中6亿为激活参数。
就在刚刚，字节跳动正式发布了自研视频模型Seedance 2.5，而我们熟悉的「即梦AI」作为模型的官方体验入口也第一时间妥妥接入。贴心的我呢，也直接帮友友们把这次新模型最夯夯夯夯的能力都扒好了，咱先一睹为快——
今天，Thinking Machines正式发布第二款重磅模型——Inkling-Small。276B总参数、12B激活参数，原生多模态，100万token上下文。半个月前，首个开源975B Inkling登场，曾在AI圈掀起了巨浪。
近日，比特无限发布的 Arko-T，是一款面向 Text-to-Structured 3D Generation 的 4B 参数基础模型。该模型由比特无限联创、首席科学家周平义博士带队完成。它接收自然语言描述，直接输出可执行的 Build123d 程序。程序经过 CAD 内核运行后，可以得到带有命名参数、结构特征和建模过程的 CAD 设计实体。
今天，全网都被这位25岁「AI先知」的故事刷屏了。 就在刚刚，华尔街上演了一场教科书级别的平仓。这场血雨腥风的主角，是被硅谷奉为「AI预言家」的Leopold Aschenbrenner，以及他那只439%逆天回报率的对冲基金——Situational Awareness（情境感知）。
今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。