小米在通用音频智能领域扔出一颗“重磅炸弹”：小米MiMo-Audio大模型，预训练数据规模直接干到1亿多小时的狠角色。在MMSU（多模态语音理解）、MMAU（多模态音频理解）、MMAR（多模态音频推理）、MMAU-Pro（多模态音频理解-专业版）这些业内公认的基准测试里，它成了开源7B（70亿参数）模型里的“天花板”，也就是SOTA（State-Of-The-Art，当前最佳）。小米把所有相关资源

潘淳老师会从 “智能体时代的协议革新” 切入，深度拆解 MCP 框架的核心价值，让你明白为什么 MCP 能成为 AI Agent 互联的 “关键桥梁”；更会手把手分享 MCP 驱动的智能体构建路径，从原理到实操，哪怕是刚接触智能体开发的新手，也能找到落地方向！当 AI 智能体从概念走向落地，“如何让不同智能体高效协同、稳定交互” 成为开发者核心痛点 —— 而 MCP 协议的出现，正为这场 “智能体

一个叫MiroMind的AI公司，在全球首个动态实时预测基准FutureX上拿了第一。老板，是陈天桥。就是那个创办了盛大网络，后来跑去做脑科学研究的陈天桥。从网游、到人脑、再到人工智能，这位大佬好像总在琢磨未来的事。

中国科学院自动化研究所的李国齐、徐波团队发布全球首款大规模类脑脉冲大模型SpikingBrain 1.0。处理一段400万token的超长文本，它的速度比现在主流的Transformer模型快了100多倍。更离谱的是，它的训练数据量，只有别人家的2%。

一篇发表在2025年《自然·机器智能》（Nature Machine Intelligence）上的研究，像一颗深水炸弹，炸开了人工智能和人类认知之间最深的那道墙。这篇由二十多位国际顶尖专家联手的研究，它告诉我们，AI和人类在“泛化能力”上，压根就不是一回事。什么叫泛化能力？说白了，就是举一反三、活学活用的本事。你给一个小孩看几把椅子，他就能认识世界上所有的椅子，甚至能把一个没见过的墩子也叫“椅子

大语言模型记性不太好。具体来说，它们在解决需要多个步骤的复杂问题时，经常“顾尾不顾头”。比如它刚辛辛苦苦推导出一个几何级数求和公式解了一道题，下一道题遇到类似的问题，它就把刚才的功夫忘得一干二净，又从头开始重新推导一遍。这个过程不仅浪费了大量的计算资源，还拖慢了响应速度。这就像一个学生，每次考试都现场推导勾股定理，而不是直接记住a²+b²=c²。Meta、Mila-Quebec人工智能研究所、蒙特

大语言模型记性不太好。具体来说，它们在解决需要多个步骤的复杂问题时，经常“顾尾不顾头”。比如它刚辛辛苦苦推导出一个几何级数求和公式解了一道题，下一道题遇到类似的问题，它就把刚才的功夫忘得一干二净，又从头开始重新推导一遍。这个过程不仅浪费了大量的计算资源，还拖慢了响应速度。这就像一个学生，每次考试都现场推导勾股定理，而不是直接记住a²+b²=c²。Meta、Mila-Quebec人工智能研究所、蒙特

大语言模型记性不太好。具体来说，它们在解决需要多个步骤的复杂问题时，经常“顾尾不顾头”。比如它刚辛辛苦苦推导出一个几何级数求和公式解了一道题，下一道题遇到类似的问题，它就把刚才的功夫忘得一干二净，又从头开始重新推导一遍。这个过程不仅浪费了大量的计算资源，还拖慢了响应速度。这就像一个学生，每次考试都现场推导勾股定理，而不是直接记住a²+b²=c²。Meta、Mila-Quebec人工智能研究所、蒙特

谷歌大力布局AI支付了！2025年9月17日，它扔了两颗核弹。正式推出智能体支付协议AP2（Agent Payments Protocol）并开源。宣布和全球支付巨头PayPal搞了多年的战略合作。

中国科学院香港创新研究院人工智能与机器人创新中心（Centre for Artificial Intelligence and Robotics, CAIR）发布了一个名为“聆音”（EchoCare）的超声大模型。用一个超过400万张图像的、目前全球已知规模最大的超声数据集，通过“自监督学习”框架，“自学成才”训练出了一个AI。结果是，这个AI在好几项关键的诊断任务上，把之前的最高纪录都给破了。