Know AI. See What’s Next.
第 1 张，共 5 张：当年「字节投毒实习生」田柯宇，估值 2 亿美元，要挑战李飞飞做世界模型
最新资讯流
医疗AI智能体全面综述：行业爆发，年增长130%！（在新窗口打开）
AI智能体正把医疗AI从「看片子」升级成会思考、能行动的「医生搭档」。研究人员发表的最新综述，用通俗语言拆解智能体如何读懂多模态数据、像专家一样规划决策，又能扮演医生、护士、健康管家等多重角色；同时提醒：越智能越危险，必须配套严格评估、隐私保护与伦理护栏，才敢让它走进真实诊疗。
视频模型真在推理，还是「表演」推理？港中文等质疑：Chain-of-Frame是真的吗？（在新窗口打开）
近年来，以 Veo、Sora 为代表的视频生成模型展现出惊人的合成能力，能够生成高度逼真且时序连贯的动态画面。这类模型在视觉内容生成上的进步，表明其内部可能隐含了对世界结构与规律的理解。更令人关注的是，Google 的最新研究指出，诸如 Veo 3 等模型正在逐步显现出超越单纯合成的 “涌现特性”，包括感知、建模和推理等更高层次能力。
Agent 如何用搜索？这家最懂 AI 搜索的团队，把踩过的坑都分享出来了（在新窗口打开）
「过去，我们作为人类用户使用搜索的习惯和要求，与现在 AI 对搜索的需求截然不同。」
烧掉700亿！他为谷歌赢得诺奖，却将ChatGPT拱手让人（在新窗口打开）
11年前，谷歌收购DeepMind，花巨资买来一个「诺贝尔奖 + 顶级科学家 + 世界级实验室」，没想到却被OpenAI抢先推出ChatGPT，几乎动摇谷歌核心搜索业务，这一切背后的核心人物正是谷歌的AI掌门人哈萨比斯。
Gemini 3 来了：忘掉聊天，一句话生成一个世界 （附与Gemini 团队沟通实录）（在新窗口打开）
Gemini3太强了。 11月18日，在所有人的期待中，Google的最新AI模型Gemini3正式发布。这次，一切都回到了Google的节奏。 彻底屠榜 这是一个几乎“屠榜”了所有评测集的模型，而且
被东北雨姐舔耳10小时后，我终于被AI asmr睡服了（在新窗口打开）
谁能想到，AI把ASMR也给干了...... 那是一个困倦的午后，吃饱饭的我正瘫在工位上准备入眠。我瘫在椅子上，耳机里传来轻柔的ASMR助眠声音。那里的毛刷轻轻刮着麦克风，发出微弱的、令人神经愉悦的摩擦音。而我也在这声音的安抚下昏昏欲睡。
速递｜日本AI独角兽Sakana AI，以26.5亿美元估值完成1.35亿美元B轮融资（在新窗口打开）
当美国巨头如Google、OpenAI 和 Anthropic 竞相开发支撑其 AI 产品的大型语言模型时，Sakana AI、Mistral AI、DeepSeek 和 AI21 Labs 等初创公司正凭借为特定地区、行业或独特功能设计的专业模型开辟自己的细分市场。
32个随机数字，1分钟推演地球未来15天丨谷歌DeepMind（在新窗口打开）
天气预报的时代真的变了。谷歌DeepMind最新发布的WeatherNext 2，让查天气这件事升级成了小时级、实时化。它的运行速度比上一代快8倍，分辨率提高到小时级，也就是说不再是传统预报里的“明天下午有雨”，而是可以细到“明天2–3点有小雨，3–4点雨势增强，5–6点逐渐停止”的节奏。
啊？微博7800美元训的大模型，数学能力超了DeepSeek-R1（在新窗口打开）
近日，微博正式发布首个自研开源大模型VibeThinker，这个仅拥有15亿参数的“轻量级选手”，在国际顶级数学竞赛基准测试上击败了参数量是其数百倍的、高达6710亿的DeepSeek R1模型。
真机RL！最强VLA模型π*0.6来了，机器人在办公室开起咖啡厅（在新窗口打开）
本周，美国具身智能创业公司 Physical Intelligence（简称 PI 或 π）发布了旗下的最新机器人基础模型 π*0.6。PI 是一家总部位于旧金山的机器人与 AI 创业公司，其使命是将通用人工智能从数字世界带入物理世界：他们的首个机器人通用基础模型名为 π₀，让同一套软件控制多种物理平台执行各类任务。
速递｜AI机器人数据管理Foxglove，获Bessemer领投4000万美元，估值翻三倍达1.5亿美元（在新窗口打开）
最近风投机构对所谓"新实验室"有一系列投资动向。
两个世界首富吵起来了！贝索斯融资 447 亿复出搞 AI，马斯克：跟屁虫（在新窗口打开）
本该是前世界首富杰夫·贝索斯的高光时刻，结果被一只猫咪表情包搅了局。
4万亿刀，仅3.6万人！英伟达揭残酷真相：劳动正与财富大脱钩（在新窗口打开）
当沃尔玛十年营收增长2000亿却员工零增长时，「劳动力脱钩」已渗透非科技领域。英伟达以4万亿市值创造新纪录时，劳动与资本大脱钩早已开始。此时，需要重新理解AGI：它并非突发事件，而是渐进革命。
上下文工程：为什么你的 AI Agent 总是“断片”？（在新窗口打开）
AI Agent 在处理复杂任务时经常“掉链子”。你刚告诉它的信息，它很快就忘了。给它的工具越多，它反而越混乱。这不是个例。
金山与华科发布多模态模型MonkeyOCR v1.5：文档解析能力超越PaddleOCR-VL，复杂表格解析首次突破90%（在新窗口打开）
是金山派来的猴子，复杂文档解析有救了！ 2025年6月以来，多模态文档解析领域迎来新一轮研究热潮，该方向逐渐成为多模态理解及大模型数据来源的重要前沿课题。 在数字化办公与AI技术深度融合的今天，文档智能解析技术已成为信息抽取、检索增强生成和自动化文档分析的核心基石。然而，现实世界中的文档往往布局复杂、表格嵌套、内含图片公式，甚至跨页分布，这让许多现有的OCR（光学字符识别系统，Optical Character Recognition）系统感到棘手。 MonkeyOCR v1.5是一个全新的统一视觉-语言文档解析框架。它在全能多模态文档解析基准OmniDocBench v1.5，OCRFlux
韩松等提出FlashMoBA，比MoBA快7.4倍，序列扩到512K也不会溢出（在新窗口打开）
今年 2 月，月之暗面提出了一种名为 MoBA 的注意力机制，即 Mixture of Block Attention，可以直译为「块注意力混合」。
Gemini 3.0还在预热，中国AI抢先！30秒造APP全网首测（在新窗口打开）
Gemini 3.0还未杀到，一系列惊艳实测就已宣告：AI「生成涌现」时代，真的来了！几乎同一时间，国内一款新生AI神器，竟将这股超能力塞进手机，30秒手搓一个APP。
谢赛宁盛赞字节Seed新研究！单Transformer搞定任意视图3D重建（在新窗口打开）
单Transformer搞定任意视图3D重建！
让大模型学会「心灵感应」：基于思维沟通的多智能体合作范式来了（在新窗口打开）
如果多个大模型能读懂彼此的想法，会发生什么？
Agent的RL和LLM的RL是一回事吗？牛津用500+论文写成综述，一次说清Agentic RL（在新窗口打开）
当我们谈论大型语言模型（LLM）的"强化学习"（RL）时，我们在谈论什么？从去年至今，RL可以说是当前AI领域最炙手可热的词汇。