
Know AI. See What’s Next.
Slide 1 of 5: Developer Uses Gemini for WindowsiOS Demo, Running Windows 11 Locally on iPhone Duo
Latest news

Codex 大降价要来了,这份官方指南手把手教你高效榨干额度 (opens in a new tab)
这段时间以来,Codex 在社交媒体上是好评如潮。

3D创作迎来ChatGPT时刻:Meshy发布全球首个3D AI Agent (opens in a new tab)
在3D创作这个圈子,一直有个心照不宣的扎心真相: 那就是最难的一步从来不是生成,而是让模型变为可用资产。

指令遵循媲美Seedance 2.0!复旦腾讯联合提出Baton,多说话人场景M-WER暴降76% (opens in a new tab)
视频生成,早已不止于视觉。 随着生成式AI发展,联合视频—音频生成正成为重要研究方向。与视频优先、音频后期合成的传统流水线相比,原生同步生成的视听内容跨模态一致性更强,用户体验更沉浸。 但问题在于,现有开源模型面对复杂语义时力不从心。 遇到多阶段动作的组合式指令、涉及人与物体交互的复杂任务时,模型往往无法准确建模场景中的时序逻辑和因果关系——不仅要求长程语义推理能力,还必须在推理中维持视频与音频的时空一致性。 核心矛盾在于:现有方法依赖粗粒度全局文本嵌入指导扩散过程,无法将多阶段动作与多说话人对话分解为具有时间对齐的指导信息,视频和音频去噪轨迹因此各自演化,最终跨模态失配。 为解决这一问题,复

AI教育走出屏幕的第一步,是一台万元机器人 (opens in a new tab)
当 AI 教育从屏幕走向物理世界,松延动力正用小布米、课程体系和「学校—机构—家庭」生态闭环,把 K12 机器人教育变成具身智能走进千家万户的第一站。

刚刚,Anthropic道歉了 (opens in a new tab)
压力之下,刚刚,《连线》记者 Max Zeff 爆料称,Anthropic 正在撤销这一政策。该媒体从 Anthropic 获得了一份声明,其中写到:「我们正在调整 Fable 5 针对前沿 LLM 开发的安全限制,使其变得可见。」

拒绝被“偷懒”,这届年轻人买AI是为了“搞钱” (opens in a new tab)
AI带来的低门槛、高反馈的创作快感,让“创造”变成了年轻人日常自我疗愈和情绪出口。

半月内两次问鼎全球:中国创业公司,在AI图像生成赛道掀了桌子 (opens in a new tab)
每一次技术范式的重大转换,都是旧秩序松动、新物种诞生的窗口期。

深度|全球头部品牌纷纷上车,这家公司如何成为AI原生达人营销第一? (opens in a new tab)
最近几个月,海外主流社交平台X、YouTube、Instagram、LinkedIn、Facebook等的头部内容创作者,开始高频地提及同一个名字——AhaCreator 3.0。从科技博主、消费电子达人,到跨境电商品牌主理人,再到拥有百万粉丝的内容创作者,越来越多人在自己的内容中分享使用体验。

Anthropic CEO锐评AI现状和政策,但他只想保证自己的领先地位 (opens in a new tab)
Dario Amodei 又写长文了。 Anthropic 总是试图将自己的观点传遍全世界。就像前些天他们呼吁全球停止 AI 研发,声称递归自我改进的 AI 进化过快。 网友们的评论一边倒,认为 Anthropic 只想让自己保持领先的狼子野心昭然若揭。 让我们看看这次,Dario 又输出了什么样的观点。 这是一篇名为「Policy on the AI Exponential」的万字长文。和他以往几篇文章的路数一样,这次的主题依然宏大:AI 正在以指数级速度前进,但负责制定规则的政策体系还在用十年前的节奏走路。 他想要把这个差距摊到桌面上,然后告诉所有人该怎么做。 原文链接附上:https:/

斩获15个顶级零日漏洞:0G Lab联合新国立,北大和北邮团队构建的共识协议debug智能体框架 (opens in a new tab)
分布式系统的 “圣杯”—— 共识协议(Consensus Protocols),长久以来都是顶级基础设施工程师的 “Bug 地狱”。由于其状态极其复杂、多节点交织,传统测试和单体 LLM 对硬核的 Deep Bug(深层逻辑漏洞)几乎束手无策。

ACL 2026 Oral|语义推理如鲠在喉:大模型被「短语」难住了 (opens in a new tab)
AI 的能力边界正在不断被刷新。从数学推理到代码生成,再到数字化白领,语言模型和语言智能体在诸多基准测试中已展现出超越人类专家的表现。一个看似顺理成章的判断早已成为共识:语言模型已经具备了扎实的语言理解和语义推理能力。然而,ACL 2026 Oral 的一项研究工作从一个更基础的层面重新审视了这个问题:语言模型真的理解(短语)语义吗?

一篇综述看懂 agent context compression:怎么压、压什么、谁来压 (opens in a new tab)
LLM Agent 做长任务时,真正让人头疼的往往不是模型不会推理,而是上下文开始失控:前几步还很清楚,后面就忘约束、丢状态、重复试错,最后把任务跑成事故现场。

神话模型Fable 5被曝降智,只为防蒸馏?AI大佬抗议 (opens in a new tab)
Fable 5正在引发众多质疑:一声「你好」就能触发警报,一问高端技术就会被暗箱降智。Anthropic的安全承诺,正在变成一场开源圈愤怒的「安全谎言」。

Claude Fable 5的编程能力,夯爆了! (opens in a new tab)
AI编程的天花板,又被Claude Fable 5 抬高了。

大厂都在偷偷用的 AhaCreator 到底是啥 (opens in a new tab)
最近刷资讯的时候,我看到好几个海外大V都在推一个叫 AhaCreator 的产品,是一个 AI 达人接单平台,视频播放量和互动数据都还挺不错。

MBench: 清华x腾讯联合定义视频世界模型的长期记忆能力 (opens in a new tab)
随着视频生成技术的发展,模型正在从短视频片段合成,向流式长视频生成演进。然而,仅仅做到视觉上的逼真是不够的。一个功能完备的视频世界模型,必须能够在长时序交互中保持稳定的内部状态,并遵循真实世界的物理定律与逻辑规则。

谷歌开源26B文本扩散MoE,劈柴:生成速度像赛马一样快 (opens in a new tab)
今天一早,谷歌又发新模型了! Gemmna 家族有了新成员 ——DiffusionGemma,一个探索文本扩散的实验性开源模型,在文本生成任务上速度极快。 根据官方介绍,DiffusionGemma 采用了 Apache 2.0 许可证发布,是一个 26B 规模的混合专家模型(MoE)。 该模型没有沿用典型自回归大语言模型(LLM)那种按顺序、逐 token 生成的方式,而是可以同时生成整块文本,在 GPU 上,文本生成速度最高可提升至 4 倍。 DiffusionGemma 建立在 Gemma 4 家族业界领先的「每参数智能水平」之上,同时吸收了 Gemini Diffusion 的前沿研究

这个男人,用Janitor AI拿捏了1000万女性的深夜需求 (opens in a new tab)
一直以来,各大主流AI公司都严禁用户生成颜色内容,甚至连擦边球都不允许,以防外界对于AI产生什么不好的印象。

今夜,库克终极绝唱!25亿苹果设备用AI重生 (opens in a new tab)
就在刚刚,Siri借谷歌的1.2万亿参数Gemini「重生」了!在今夜的苹果WWDC 2026上,Siri彻底迎来新生。结合设备端小模型,苹果打造了混合智能架构,让Siri在各个APP之间无缝穿梭。

独家|让AI接手真实操作,字节系团队、GUI Agent平台Core-Mate获数千万元融资 (opens in a new tab)
独家获悉,GUI Agent(图形用户界面智能体)执行平台 「Core-Mate」 近日宣布完成数千万人民币融资。核心团队主要来自字节跳动,成员在用户产品、业务增长和商业化落地中积累了系统经验。在团队看来,下一代 AI 产品的关键不只在模型能力,也在入口、场景和用户行为。



