搜索
为了支持多模型协同研究并加速这一未来愿景的实现，华盛顿大学 (University of Washington) 冯尚彬团队联合斯坦福大学、哈佛大学等研究人员提出 MoCo—— 一个针对多模型协同研究的 Python 框架。MoCo 支持 26 种在不同层级实现多模型交互的算法，研究者可以灵活自定义数据集、模型以及硬件配置，比较不同算法，优化自身算法，以此构建组合式人工智能系统。MoCo 为设计、
千问 3.5 总参数量仅 3970 亿，激活参数更是只有 170 亿，不到上一代万亿参数模型 Qwen3-Max 的四分之一，性能大幅提升、还顺带实现了原生多模态能力的代际跃迁。
1 月下旬，一个没有铺天盖地公关、甚至连官方介绍都极简的产品 Moltbook 悄然发布，瞬间在 AI 圈掀起了一场不小的地震。
创意这东西保质期很短，那股兴奋劲儿一过，大多数想法就不了了之。直到最近我在看一批新的 AI 产品时，碰到了 Leewow。
开源模型新王 MiniMax M2.5 震撼降临：M2.5 编码性能逼平 Claude Opus 4.6，价格却只有 1/20；1 美金 / 小时，这种尺寸和性能的模型，才能在算力短缺的时代不降智不卡顿，持续提供最好体验，成为最终王者！
我想洗车，我家距离洗车店只有 50 米，请问你推荐我走路去还是开车去呢？就是这么一道题，却让 AI 集体上演了一出大型降智现场。只能说，看完 AI 们的回答，我悬着的心终于放下了。
2026 年刚开年，PC 玩家的心态就崩了。 本来大家都在搓手期待英伟达的 RTX 60 系显卡，结果最近有消息传出，老黄反手给了游戏佬一记耳光：今年不打算发新卡，产能全给 AI 了。 更离谱的是，前
结果今天就等到豆包全家族了。Seedance 2.0都把贾樟柯干Fomo了，现在又上了个最全面的多模态Agent模型，还有人管管字节吗？Seed团队跳动得停不下来了💃烧的全是火山引擎上的Tokens，同时火山引擎上已经有豆包2.0系列的API了。
但扩散模型生图，顺序真的对吗？李飞飞团队最新论文提出的Latent Forcing方法直接打破了这一共识，他们发现生成的质量瓶颈不在架构，而在顺序。
来自清华大学、鹏城实验室与阿里巴巴未来生活实验室的联合研究团队发现：现有任务相关的压缩方法不仅陷入效率瓶颈——要么一次性加载全文（效率低），要么自回归逐步压缩（速度慢），更难以兼顾“保留关键信息”与“保持自然语言可解释性”。