搜索
GPT Image 2 凭什么这么强？是扩散模型又迭代了一版？是把 DiT 的参数量从 7B 扩到 20B？是训了更多高质量数据？先给结论：OpenAI 很可能已经不在“纯扩散模型”这条主赛道上了。他们已经把图像生成从“美术课”调到了“语文课”——用一个能读懂指令、能记住上下文、能理解物体关系的 LLM 主导语义规划，至于最后一步的像素生成，可能由扩散组件或其他解码器完成。
来自USC、CMU、CUHK和OpenAI的全华阵容研究团队，提出了一种叫FD-loss的方法，把“算统计的样本池”和“算梯度的batch”彻底解耦。依靠数万张图像组成的大容量缓存队列或指数移动平均机制，稳定完成分布估算，仅针对当下小批量数据开展梯度回传。
上周太集中发的后果就是光在用GPT -5.5了，小米的Mimo-V2.5-Pro，DeepSeek V4 Pro还没有放在Agent的场景上测。所以我跟钱包一拍即合，复制了4个一模一样的Hermes Agent，记忆一样，skill一样，系统设置一样，能调用的工具也一样。
当AI生图真的开始被普通人使用，它会先被用在哪里？所以这次我没有继续测模型或者写Prompt分享。而是去找了10个身边的普通人，问他们怎么开始用AI生图，又为什么会在这些具体的小事上用到它。
从去年开始做这个账号以来，我其实写过不少测模型的文章。我相信也有很多朋友是因为看了我测评的文章关注我的。但从过年之后，真的就很少写模型评测的文章了。主要是我写文章的速度甚至一度跟不上模型发布的速度了。
GPT Image 2的发布给整个AI圈带来了亿点点震撼。但很多人可能没注意到，幕后最会玩梗的居然是他——主力训练者陈博远。他和奥特曼同台主持，悄悄修好了中文渲染；给模型起代号“布基胶带”，还拿香蕉艺术品玩梗；为了秀模型的文字能力，设计了米粒刻字、漫画套娃、视觉证明题这些“彩蛋级”测试。
来自华为泰勒实验室、北京大学和上海财经大学的研究团队提出了 SHAPE（Stage-aware Hierarchical Advantage via Potential Estimation），给推理链装上了一套「里程碑 + 推理税」机制——不仅告诉模型每一步推得对不对，还让它为啰嗦付出代价。结果是：准确率平均提升 3%，token 消耗直降 30%。
SenseNova U1 是商汤最新发布的一个开源的多模态模型，它的 Lite 系列 8B 和 A3B 参数版本，目前已经在 Hugging Face 和 GitHub 上开源。APPSO 也提前拿到了测试资格，我们发现商汤这款新一代原生理解生成统一模型，就开源模型来说，已经做到了最好水平。
腾讯ima最新上线了copilot模式，你可以“领养”一只小熊猫，自由设定人设、性格、说话风格。让它记住你的习惯、你的资料、你做过的事，调教出一个会说话、会干活的专属知识伙伴。
商汤刚刚开源了一个全新架构的理解生成统一模型SenseNova-U1，虽然小尺寸版本只有8B，却能复刻不少GPT-Image-2的拿手绝活。太阳系图解，八大行星各自的轨道、属性、图文介绍一应俱全，看着挺像那么回事。