搜索
谷歌Gemini迈出关键一步：「睁眼看世界」。用户发现Gemini新增实时屏幕共享功能，能准确识别屏幕上的内容并实时互动；并且可以打开摄像头与物理世界交互，帮用户给釉陶「上色」。
当你想将tool带入一个你无法控制的Agent时，MCP就是有用的。
最近，全球 AI 和机器学习顶会 ICLR 2025 公布了论文录取结果：由蚂蚁数科与清华大学联合团队提出的全新具身协同框架 BodyGen 成功入选 Spotlight（聚光灯/特别关注）论文。
香港科技大学谭平教授团队在 CVPR 2025 发表两项三维生成技术框架，核心代码全部开源，助力三维生成技术的开放与进步。其中 Craftman3D 获得三个评委一致满分，并被全球多家知名企业如全球最大的多人在线游戏创作平台 Roblox, 腾讯混元 Hunyuan3D-2，XR 实验室的 XR-3DGen 和海外初创公司 CSM 的 3D 创作平台等重量级项目的引用与认可。
进入2025年，AI Agent迎来了蓬勃发展的新阶段。
谷歌发言人 Alex Joseph 在给The Verge的电子邮件中证实，谷歌已开始向 Gemini Live 推出新的 AI 功能，使其能够看到你的屏幕或通过你的智能手机摄像头回答有关实时问题。
Epoch AI高级研究员预测：2030年实现人类水平的AI的可能性至少10%。他认为AI从监督学习到GenAI，模型范式转变迅捷，预测AI只能从第一性原理出发。参考人类大脑，他估算了发现人类水平的AI需要的算力，得到相关结论。
3 月份发布的 Manus，让大众第一次感受到了 Agent 的强大。
知名 AI 工程师、Pleias 的联合创始人 Alexander Doria 最近针对 DeepResearch、Agent 以及 Claude Sonnet 3.7 发表了两篇文章，颇为值得一读，尤其是 Agent 智能体的部分。
Grok连夜上线图片编辑功能，继Gemini引爆图片编辑热潮后，动动嘴就能实现「证件照换西装」、「黑发变金发」等专业级P图效果。随着AI巨头内卷加剧，很多工作可能会经历「从复杂操作到简单交互」的范式转移，大模型内卷，受伤可能是传统软件。