“史上最强视觉生成模型”，现在属于快手。一基双子的可灵AI基础模型——文/图生图的可图、文/图生视频的可灵，都重磅升级到2.0版本。可图2.0，对比MidJourney 7.0，胜负比「(good+same) / (same+bad)」超300%，对比FLUX超过150%；
Transformer架构主导着生成式AI浪潮的当下，但它并非十全十美，也并非没有改写者。
一叠便签纸、一个普通书签和一支笔，售价2美元（折合人民币14.7元）。一个能做类似事情的钛合金AI书签，售价129美元（折合人民币947元），你会心动吗？
最近一段时间，各家新势力都在角力部署端到端的智能驾驶系统。
港中文和清华团队推出Video-R1模型，首次将强化学习的R1范式应用于视频推理领域。通过升级的T-GRPO算法和混合图像视频数据集，Video-R1在视频空间推理测试中超越了GPT-4o，展现了强大的推理能力，并且全部代码和数据集均已开源。
两个月后就号称要淘汰GPT-4.5的GPT-4.1，实力究竟如何？在众多实测中，它的表现的确可圈可点，但却依然打不过Gemini 2.5 Pro和Claude 3.7 Sonnet。那么问题来了，OpenAI为何要发布一个远远落后于谷歌的模型？
知名科技记者马克·古尔曼曾在3月爆料，苹果公司的Siri可能要到2027年才能真正实现现代化的对话式功能。这个爆料并非空穴来风。苹果向来是科技行业的风向标，其遵循押注未来科技发展趋势，而非仅追求当前利益。在2023年，库克就宣布计划每年花费10亿美元开发生成式AI产品，但事实却是——与其他科技巨头相比，苹果的AI步伐迟缓无比。
国内大模型赛道出现了第一家启动 IPO 的创业公司。
前段时间，GPT-4o 火出了圈，其断崖式提升的生图、改图能力让每个人都想尝试一下。虽然 OpenAI 后来宣布免费用户也可以用，但出图慢、次数受限仍然困扰着没有订阅 ChatGPT 的普通人。
移动GUI自动化智能体V-Droid采用「验证器驱动」架构，通过离散化动作空间并利用LLM评估候选动作，实现了高效决策。在AndroidWorld等多个基准测试中任务成功率分别达到59.5%、38.3%和49%，决策延迟仅0.7秒，接近实时响应。
