在大模型的竞赛中，参数规模往往被视为性能的决定性因素。但近期，Liquid AI 的研究团队提出了一个不同寻常的案例：一个仅有 3.5 亿参数的模型，经过微调后，竟能在中短上下文的实时日语英语翻译任务上，与 GPT-4o 竞争。
过去几年，大语言模型（LLM）的训练大多依赖于基于人类或数据偏好的强化学习（Preference-based Reinforcement Fine-tuning, PBRFT）：输入提示、输出文本、获得一个偏好分数。这一范式催生了 GPT-4、Llama-3 等成功的早期大模型，但局限也日益明显：缺乏长期规划、环境交互与持续学习能力。
好家伙，我直呼好家伙。 号称「赛博白月光」的 GPT-4o，在它的知识体系里，对日本女优「波多野结衣」的熟悉程度，竟然比中文日常问候语「您好」还要高出 2.6 倍。
覆盖桌面、移动和 Web，7B 模型超越同类开源选手，32B 模型挑战 GPT-4o 与 Claude 3.7，通义实验室全新 Mobile-Agent-v3 现已开源。
GPT-4o发布才过去半年，Nano Banana这种「下一代」的生图模型就出来了。 这难道是AI界的摩尔定律？不敢想再过半年后，会是什么样的「魔鬼级」生图模型来屠Nano Banana
人类心理学说服策略可以有效迁移至LLM 你有没有试过让ChatGPT骂你一句？（doge） 它大概率会礼貌拒绝：私密马赛，我不能这样做orz 但最新研究表明，只需要擅用一点人类的心理技巧PUA，AI就会乖乖（骂你）听话。
谷歌这次又赢麻了！ 神秘图像编辑模型 nano banana 被谷歌认领、正式改名为 Gemini-2.5-flash-image 后，热度仍居高不下，火爆程度丝毫不亚于 GPT-4o 掀起的「吉卜力热潮」。
近年来，以GPT-4o、Gemini 2.5 Pro为代表的多模态大模型，在各大基准测试（如MMMU）中捷报频传，纷纷刷榜成功。
OpenAI与Retro Biosciences合作，借助定制模型GPT-4b micro成功设计出优化版「山中因子」，大幅提升了成体细胞逆转为多能干细胞的效率。这一成果不仅改进了细胞工程，更展示了AI赋能生命科学研究的全新范式，加速科研进入全新时代。
就在刚刚过去的一天，OpenAI 宣布他们与生物科技初创公司 Retro Bio 合作，研发的新模型 GPT-4b micro，设计出了新型且显著增强的山中因子变体。
