近日，由复旦邱锡鹏担任首席科学家的模思智能发布了多说话人自动语音识别（ASR）模型 MOSS-Transcribe-Diarize，不但可以语音转文字，还可以将音频片段与对话中不同的说话者关联起来，性能超过了 GPT-4o、Gemini、豆包等一众模型。
马斯克的 xAI 非常神秘。
视频世界模型领域又迎来了新的突破！
AI写代码，这次玩大了。 Cursor创始人宣布一项疯狂实验的结果：让数百个AI智能体连续跑了整整一周，从零开始，硬生生造出了一个可用的Web浏览器。项目代号FastRender，产出超过300万行代码，核心是一个用Rust从头写的渲染引擎，甚至还自带一个定制的JavaScript虚拟机。
随着AI大模型研发在架构、记忆、存储等等领域的深水区创新，OCR重新成为了技术专项。DeepSeek在研究、智谱在研究、阿里千问和腾讯混元也都在研究……还得是吴恩达老师，火速来了新课程，帮你速通OCR。
2025 年，AI 智能体“跨过了鸿沟”，开始被更广泛、务实的用户群体采用，不再只是少数发烧友或愿景家在用。
短视频搜索业务是向量检索在工业界最核心的应用场景之一。然而，当前业界普遍采用的「自强化」训练范式过度依赖历史点击数据，导致系统陷入信息茧房，难以召回潜在相关的新鲜内容。
戴明博表示，这家名为 Elorian 的新公司目前正在与投资人洽谈，计划完成一轮约 5000 万美元的种子融资。知情人士透露，由前 CRV 普通合伙人 Max Gazor 于去年 10 月创立的风投机构 Striker Venture Partners 正在洽谈领投该轮融资。
近期，DeepSeek-OCR 凭借其创新的「视觉文本压缩」（Vision-Text Compression, VTC）范式引发了技术圈的高度关注。为了解答这一疑问，来自中科院自动化所、中国科学院香港创新研究院等机构的研究团队推出了首个专门针对视觉 - 文本压缩范式的基准测试 ——VTCBench。
在这场一年狂飙的亲历者之一——MCP 联合创作者、核心维护者 David Soria Parrra 看来，最戏剧性的分水岭发生在四月前后：当 Sam Altman、Satya Nadella、Sundar Pichai 先后公开表态，Microsoft、Google、OpenAI 都将采用 MCP，“大客户”突然从 Cursor、VS Code 扩散到整个行业。
