9 月 25 日，百度创始人李彦宏在 2024 百度智能大会上公布了国内大模型领域规格最高、力度最大的创业大赛——“文心杯”创业大赛第二季结果，并指出智能体是他最看好的 AI 原生应用发展方向。“越来越多的人靠自然语言提示词，就可以做出很有用的智能体”，相当于 PC 时代的网站和自媒体时代的账号，李彦宏表示。对于国内云厂商来说，面对 AI 大模型时代的巨量算力需求，归根到底要解决好两个核心诉求：一

概要：Luma AI的Dream Machine引领视频生成技术新高度，展现多模态模型的创新及市场潜力。Twelve Labs通过Marengo模型的应用，展现了视频索引在AI搜索领域的创新与扩展。概要：Meta发布Llama 3.1，标志AI技术新纪元，强调开源AI的重要性及其广泛影响。- 🚀多模态模型的潜力：证明理解复杂世界的可能性，展现了多模态模型的广泛应用潜力。- 🔍3D技术新方法探索

就像在CES上意外爆火的AI陪伴玩具，以及这个春节收到关注的“元宝红包封面助手”，它们的共同点都是通过低门槛、贴地气的使用场景，不需要改变人类习惯，不需要教育用户认知。Tülu 3 405B在许多标准的基准测试中均实现了与Deepseek v3和GPT-4o相当或更优的性能，而且也超越了许多先前发布的后训练开源模型（同等参数规模），包括Llama 3.1 405B Instruct和Nous He

这是一款用于 Hopper GPU 的高效型 MLA 解码核，仅用了 24 小时就达到了接近 8k 的 star 量（详情请参见《刚刚，DeepSeek 开源 FlashMLA，推理加速核心技术，Star 量飞涨中》）。这是Claude系列中，迄今为止最智能的模型，几乎能够及时响应，并进行可扩展的、逐步的思考。在生成完视频之后，点击菜单栏中的“重绘”，就会弹出各种各样的风格，包括：梵高风、巴洛克风

慧思开物」通过统一架构，如同安卓系统为智能手机提供通用操作系统一样，打破传统机器人开发模式，解决了行业长期存在的碎片化、泛化性难的问题，统一为机器人赋予了跨场景、跨本体的智能化能力。发布会全程实时直播，并现场真实展示了搭载「慧思开物」平台的各构型机器人以行云流水般的动作，完成了工业分拣、积木搭建、桌面整理、物流打包四大场景任务，展现了自然语言理解、视觉理解、空间感知、复杂任务理解、任务精准拆解、工

谷歌Gemini 2.5 Pro，Grok 3，GPT-4o的原生图像功能，来自Grok、Perplexity和谷歌的Deep Research产品等等，让人惊呼：AI的又一波大爆发来了？可以说，全国AI发展看北京，北京AI发展看海淀。3月29日，智源研究院在2025中关村论坛「未来人工智能先锋论坛」上发布首个跨本体具身大小脑协作框架RoboOS与开源具身大脑RoboBrain，可实现跨场景多任务

这个浏览器不仅要解决现有工具的性能和部署问题，更核心的是要利用 LLM 和 VLM 赋予浏览器理解和适应网页变化的能力，让 AI Agent 能用更接近自然语言的方式与之交互，稳定地完成任务。在上述质检任务中，AI大小模型协同，视觉专家小模型负责业务目标的理解，通义千问VL大模型负责通用场景理解，还有阿里云提供的异步工程链路提高吞吐量，AI质检整体准确率达95%，事件准确率达80%。”如果没有强有

2024 年 7 月，Captions 获得了 Index Ventures 领投，a16z 等跟投的 6000 万美元 C 轮融资，这轮融资后，它的估值达到 5 亿美元。针对这个版本问题，大模型竞技场官方账号也给出了回应，称 Meta 的做法是对平台政策的误读，应该更清楚地说明他们的模型是定制模型。这一突破不仅为学术界提供了低门槛的研究工具，更为大模型性能优化提供了新的思路：通过智能调度实现异构

用他们的话来说，你们的对话，决定了「小美」的命运。然而，如果想要实现更多功能，例如深入精读或做笔记、存档，很多 AI 就难以满足需求了，因为目前真正为研究场景量身定制的 AI 助手并不多见。当然，这个工具只是初具雏形，还有很多可以改进的功能，比如播客的音色、停顿有时还不够自然，链接到的论文有时不支持直接精读（需要一个上传的操作）……回到Anuttacon与蔡浩宇，过去一段时间里，或许是人才涌入、A

早在三个月前，快手可灵 AI 就联合李少红、贾樟柯、叶锦添、薛晓路、俞白眉、董润年、张吃鱼、王子川、王卯卯等 9 位知名导演共同发起了「可灵 AI 导演共创计划」，制作出品 9 部 AIGC 电影短片。快手科技副总裁、大模型团队负责人张迪表示，「2024 年视觉生成领域 AI 大模型发展迅速，可灵 AI 自 6 月发布以来，已让众多用户感受到其在视频创作上的能力。自嘲用普通话不会写剧本的贾樟柯，在