Transformer已满8岁，革命性论文《Attention Is All You Need》被引超18万次，掀起生成式AI革命。Transformer催生了ChatGPT、Gemini、Claude等诸多前沿产品。更重要的是，它让人类真正跨入了生成式AI时代。
最强推理模型一夜易主！深夜，o3-pro毫无预警上线，刷爆数学、编程、科学基准，强势碾压o1-pro和o3。更惊艳的是，o3价格直接暴降80%，叫板Gemini 2.5 Pro。
AI行业爆发补贴大战，Perplexity、OpenAI和Google等公司提供免费会员和折扣吸引用户，类似滴滴和美团历史。这些补贴旨在提升ARR指标以融资，但导致亏损加剧；创业公司面临巨头竞争，用户可利用低价机会。补贴未来可能退潮，价格恐上涨。
付费订阅或许是一切AI助手的归宿，继OpenAI的ChatGPT、谷歌的Gemini，以及Anthropic的Cluade之后，Meta的AI助手Meta AI也准备提供付费订阅服务了。在日前举行的Meta年度股东大会上，扎克伯格除了确认Meta AI已实现10亿月活跃用户的成绩之余，还宣称“随着Meta AI不断改进，未来也将有机会推出付费推荐或额外算力使用的订阅服务。”
模型卷得差不多了，AI硬件竞争开启了。Google前脚刚在I/O大会上预告，整合了Gemini AI的Android XR设备即将问世；OpenAI就紧随其后，宣布将以近65亿美元（约合人民币468亿元）的全股权交易方式，收购一家硬件初创公司IO。
逻辑推理是人类智能的核心能力，也是多模态大语言模型 (MLLMs) 的关键能力。随着DeepSeek-R1等具备强大推理能力的LLM的出现，研究人员开始探索如何将推理能力引入多模态大模型(MLLMs)
谷歌深夜携全新Gemini 2.5 Pro强势归来，仅用一个月碾压旧版Gemini 2.5。数学、编程、推理全面封神，稳坐所有榜单第一。
上个月 21 号，Google I/O 2025 开发者大会可说是吸睛无数，各种 AI 模型、技术、工具、服务、应用让人目不暇接。在这其中，Gemini Diffusion 绝对算是最让人兴奋的进步之一。从名字看得出来，这是一个采用了扩散模型的 AI 模型，而这个模型却并非我们通常看到的扩散式视觉生成模型，而是一个地地道道的语言模型！
在机器人抓香蕉这个事情上，它们依赖的是手眼协调，靠视觉学习如何抓取香蕉。它们最有独创性的地方在于它不是因为我们教了它上千次如何抓香蕉，而是它从 Gemini 那里获得了关于“如何抓取物体”的知识，然后将这些知识应用到现实世界的动作中。
长视频理解是多模态大模型关键能力之一。尽管 OpenAI GPT-4o、Google Gemini 等私有模型已在该领域取得显著进展，当前的开源模型在效果、计算开销和运行效率等方面仍存在明显短板。
