要让视频生成模型真正成为模拟真实物理世界的「世界模型」，必须具备长时间生成并保留场景记忆的能力。然而，交互式长视频生成一直面临一个致命短板：缺乏稳定的场景记忆。镜头稍作移动再转回，眼前景物就可能「换了个世界」。
昨晚睡不着，我把四份最新AI纪要摊床上，越看越像四盘菜：Kimi那盘是精算师凉面，DeepSeek端上战略家佛跳墙，ChatGPT递来脱口秀炸酱面，Gemini则摆好外交官寿司。
大模型与多模态之间的关系，可以理解为大模型就像是人脑中的‘前额叶’，主要负责高级认知功能，但只有前额叶的大脑是无法处理复杂任务的，这就需要多个不同模型之间互相协调，从单纯的“前额叶”走向“完整的大脑”，从而处理更加复杂的现实任务。
就在刚刚，全球首个手机通用Agent，来了！
RoboNeo 拿下百万 MAU 后，美图财报依旧强势。7 月中旬，美图上线了面向影像领域的 AI Agent RoboNeo，并靠“emoji 小人”的社媒风潮获取了第一批用户，上线一个月左右的时间，已拿下 100W 左右的 MAU。美图又以极快的速度，推火了一款新产品。在 AI 时代，聚焦影像的美图，有点乘风起的意味，如其昨天发布的半年报。
近年来，扩散大语言模型（Diffusion Large Language Models, dLLMs）正迅速崭露头角，成为文本生成领域的一股新势力。与传统自回归（Autoregressive, AR）模型从左到右逐字生成不同，dLLM 依托迭代去噪的生成机制，不仅能够一次性生成多个 token，还能在对话、推理、创作等任务中展现出独特的优势。
虽然大模型的优越表现令人瞩目，但动辄高昂的使用成本也让不少用户望而却步。 为平衡性能与成本，上海人工智能实验室科研团队基于前期技术积累，开源推出了Avengers-Pro多模型调度路由方案。
智谱今天，终于发了AutoGLM2.0。 想一想，AutoGLM1.0的版本，距离我第一次首发写他们，已经过去快10个月了。
京东云于今年 7 月正式开源了JoyAgent‑JDGenie，这是业内首个“完整产品级”通用多智能体系统——覆盖前端／后端／智能体框架／执行引擎以及众多子 Agent（如报告、代码、PPT 智能体）；在权威 GAIA 基准测试中取得 75.15% 整体准确率，，显著超越 OWL、OpenManus 等同类开源产品。
早在"AI Agent"这一术语出现之前，安娜·摩纳哥（Anna Monaco）就已经开始构建 AI Agent系统。在开发了众多聊天机器人后，她开始寻找更适合 AI Agent的其他交互界面，最终将目光锁定在了电子表格上。
