
今夜,语音模型第一次超越人类!OpenAI再现Her时刻,95后华人研究员坐镇(在新窗口打开)
OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理,支持图像输入、远程MCP服务器与SIP打电话,极大简化语音智能体构建;而新一代语音到语音模型gpt-realtime,在音质、理解力、指令遵循和函数调用上全面提升,语音几乎媲美真人,还能多语种切换与细腻表达。
共 46 篇

OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理,支持图像输入、远程MCP服务器与SIP打电话,极大简化语音智能体构建;而新一代语音到语音模型gpt-realtime,在音质、理解力、指令遵循和函数调用上全面提升,语音几乎媲美真人,还能多语种切换与细腻表达。

近日,为了加速多元素催化剂的发现与优化,美国麻省理工学院团队开发了一个多模态机器人平台——CRESt(Copilot for Real-world Experimental Scientists)。该平台能够结合自动化设备、大规模模型和实验室监测,在实验设计中融入人类经验、文献知识和显微结构信息,从而加速多元素催化剂的发现和优化加速发展。

Claude Code 源码被泄露了。率先发现并公开披露这一「漏洞」的,是开发者 Chaofan Shou(寿超璠)。开发者 @realsigridjin 动作极快,第一时间将泄露的源码备份至 GitHub,仓库名为 instructkr/claude-code,标注为「Claude Code Snapshot for Research」。

Digital Connexion 是由穆克什·安巴尼的依赖工业有限公司 、布鲁克菲尔德资产管理公司以及 Digital Realty Trust 共同组建的合资企业,已签署协议计划到 2030 年投资 110 亿美元在印度南部开发 数据 中心设施,标志着对科技领域增长最快赛道之一的最新投资。

爱诗科技(AIsphere)发布的实时世界模型PixVerse R2上线即登上X(Twitter)趋势榜,通过Omni Causal AR与Real-Time Acceleration框架将世界建模能力与实时运行结合,实现用户对AI生成世界的持续操控与互动。

SparkChat,就盯上了这类朋友之间很日常的社交问题,由Digipals推出,核心创始人Peggy Wang是斯坦福CS本硕,做过Lyft Level 5和Meta Reality Labs,第一次创业的Ego便进入了YC W24,并累计融资750万美元。

今天,来自ZJU-REAL的团队带来了ClawGUI,一个覆盖GUI智能体在线RL训练、标准化评测、真机部署完整生命周期的开源框架。不是三个独立工具的简单拼接,而是一条打通的流水线:用ClawGUI-RL训练,用ClawGUI-Eval评测,用OpenClaw-GUI部署,端到端验证。

软硬协同决定成败。 过去几年,人工智能的进展主要发生在数字环境中。技术演进的路径大多指向同一个方向:让算法在虚拟环境中变得更好用。 随着这一轮技术热潮进入中段,更现实的产业问题浮现:当人工智能进入充满噪声和物理约束的工厂与电网时,它还能保持“智能”吗? 在工业 AI 从试验走向规模化部署、虚实融合加速深化的背景下,西门子于2026年3月23-24日在北京召开RXD大会(Real meets Digital),让AI走出数字环境、在复杂物理场景中稳定可靠运行。 作为同时贯通电气化、自动化、数字化到智能化,并具备工业软件与工程经验的百年工业巨头,西门子在本次大会上集中探讨了AI深度进入生产流程后的

测评 AI 这件事,如今越来越难做了。 几年前,AI 还是聊天机器人时,测评主要就是做题:写作的、数学的、编程的……最后形成一套跑分,用分数代表模型能力。 但当 AI 从聊天框里走出来,变成能够调用工具、操作网页、处理文件、跨系统执行任务的 Agent,情况就变得复杂起来。 平时我们看到的,是 AI 出现在手机上,能够刷淘宝、加购物车,最后下单。实际上在商家的那一端,也有 AI 的参与,承担着比选购和下单更复杂的工作。 在专门考察电商环境中模型表现的 RealReplicaBench 测试中,经过 107 个真实商业任务的考核,所有参评模型都没有达到 60 分——都没有及格。 选手一共 13

逸文科技(Even Realities)宣布完成Pre-B轮融资,融资金额1.5亿美元,投后估值超10亿美金,正式跻身独角兽行列。本轮融资由美团龙珠及美团战投领投,腾讯及其他老股东超额跟投。023年底才成立的逸文科技,用G1和G2两代产品打破了用户对智能眼镜不过是“科技玩具”的刻板印象。