搜索
导读：视觉 latent reasoning 希望让多模态模型在内部生成连续 latent token，用这些中间表示补充多模态理解和推理任务中缺失的视觉证据。但问题在于，模型生成出来的 latent token 可能并不落在它原本熟悉的视觉输入空间里；如果模型无法稳定读取这些 token，它们就很难成为有效的中间视觉证据。
离谱了。 这两天，AI 圈都在疯传一个叫 Le Chaton Fat 的新模型。 30T MoE、256 个专家、100 万上下文窗口、多模态多语言，跑分全面碾压 Claude Fable 5、Claude Opus 4.8 和 GPT-5.5。
我们在上周五开源了 MiniMax M3 模型权重，同步发布了 MSA（MiniMax Sparse Attention）技术论文。MSA 的架构设计让 M3 在长上下文下的计算成本大幅降低，论文中完整披露了架构与工程实现细节。
6 月 15 日，腾讯 Robotics X、福田实验室与混元团队联合发布面向真实世界机器人操作任务的端到端具身智能模型 Hy-Embodied-0.5-VLA（简称 HyVLA-0.5）。
法国初创公司 Mistral AI 正洽谈融资约 30 亿欧元（合 35 亿美元），估值约 200 亿欧元，据知情人士透露，这为欧洲人工智能领军企业提供了资金注入，使其在与美国和中国竞争对手的昂贵计算竞赛中保持竞争力。
当用户给出一句简单提示词时，当前的音视频生成模型往往已经能够生成具有不错质量的视听内容。然而，一旦提示词变得复杂，问题便开始暴露出来。
当视频生成模型走出娱乐创作的舒适区，进入科学、医疗、教育等知识密集场景，它们是否还能生成事实准确、清晰可用的视频？
PE-Field将传统的2D位置编码扩展为结构化的3D场，使DiT能够更加直接地在3D空间中处理几何信息。
就在昨天，外媒The Information爆料——前阿里巴巴千问大模型负责人林俊旸创办的AI实验室已经完成首轮融资，融资总额达数亿美元，投后估值达20亿美元！其中，红杉中国、高榕资本各投1亿美元领投，互联网巨头腾讯狂掷2000万美元跟投。
OpenRouter 上线了一个叫 Fusion 的新功能，把同一道题丢给一组模型，再让一个裁判模型把答案揉成一份。结果是，几个便宜的开源模型组起团来，能直接打平 Fable 5，价格只有其一半。