谷歌发布AI绘图工具NanoBananaPro（Gemini3ProImage），凭借深度思考模式、精准文字生成和搜索增强功能实现技术突破。该工具不仅能模拟物理逻辑生成图像，还能正确书写文字、保持角色一致性，并实时联网获取最新信息进行可视化创作。其"指哪改哪"的编辑方式和知识整合能力，使AI绘图从艺术创作升级为信息表达工具，展现出谷歌在AI领域的技术底蕴。

Grok推出全新图像生成功能，实现从文字到图片再到视频的"一条龙"服务。其特色包括：8秒生成视频的超快速度、语音控制创意输出、自动匹配音效等沉浸式体验。最引人注目的是"Spicy"模式，允许生成带性感元素的内容，突破了行业常规限制。马斯克将Grok深度整合到X平台，打造AI内容生态，同时重新定义AI安全标准。这一创新虽然提升了创作效率，但也带来深度伪造风险、

Meta发布SAM3系列AI模型，实现视觉理解能力质的飞跃。新一代SAM3不仅能识别物体，更能理解复杂概念，支持开放式文本提示分割目标，性能超越现有系统2倍。同时发布的SAM3D可从单张图像重建3D场景，已应用于电商预览等场景。Meta通过"人机混合"数据引擎训练模型，并推出在线Playground降低使用门槛。该技术已应用于Instagram创作工具和野生动物保护项目，将重塑

摘要：OpenAI发布GPT-5.2，与Google的Gemini3Pro展开AI领域竞争。新版本具备深度思考能力，在专业任务表现超越人类专家11倍，成本仅1%。其突破包括：1）从简单对话升级为项目执行，可自动生成专业PPT等成果；2）编程能力大幅提升，能独立完成全栈开发；3）错误率降低38%，减少"幻觉"问题；4）具备超长文本处理（25万token）和精准图像识别能力。该AI

谷歌发布Gemini3 AI模型，在推理能力上实现重大突破，拿下多项测试最高分。其创新点包括：1）推出"VibeCoding"概念，能理解模糊需求生成代码；2）DeepThink模式增强复杂问题解决能力；3）多模态交互更贴近真实场景。该模型不仅参数提升，更改变了人机交互方式，从工具向"思维伙伴"转变。这一突破引发对AI发展速度及其对人类影响的新思考。

​上期图文，我们刚介绍了 transformer 模型与 Mamba 模型，觉得 Mamba 模型的发布可以有效改善 transformer 模型长序列输入复杂度的问题，应该能够成为下一个大语言模型的基石。谁想Mamba2 还没有发布几天，这边最新的大语言模型TTT模型发布，成功撼动了 transformer 与 Mamba 模型。​

Meta开源全语言语音识别系统OmnilingualASR，支持1600+种语言（含500种首次被AI识别的语言）。该系统突破性地采用70亿参数语音编码器和大语言模型架构，实现"零样本"学习新语言的能力。通过Apache 2.0许可证完全开源，包括模型家族和350种语言的语料库。这一技术突破标志着AI发展从追求极致性能转向包容普惠，使边缘语言群体首次获得数字话语权。虽然10%的

打听过很多程序猿，发现他们有个心照不宣的秘密：真正花在"写"代码上的时间，可能不到20%。剩下的80%？都在跟别人的（甚至自己的）代码缠斗。

在 Transformer 已统治 AI 世界七年的今天，几乎没人再质疑它的地位。无论是 GPT-5、Claude 4.5，还是 Gemini 2.5，全都建立在同一个信条上——“Attention is all you need.”

摘要：月之暗面(MoonshotAI)推出革命性开源模型KimiK2Thinking，具备1万亿参数和256Ktoken上下文窗口，采用MoE架构。这款"思考代理人"能自主完成200-300步复杂任务链，实现推理与工具调用的无缝衔接。在HLE等基准测试中表现优异，以44.9%成绩超越GPT-5，且训练成本仅460万美元。其突出特点包括深度推理、超长记忆、稳定行为和高性价比，标志