在刚刚结束的 Google I/O 开发者大会中，Google 宣布上线由 Gemini 驱动的高级 AI 搜索模式 AI Mode，可以应对复杂问题，支持追问。与之前的 AI Overviews 对 AI 搜索的浅尝辄止不同，Google 终于不再死抱着“关键词+链接列表”，开始拥抱“自然语言交互+结构化答案”的“新”范式了。
2025年，ChatGPT依旧领跑，但DeepSeek、Qwen等开源劲敌正加速追赶。从「推理革命」爆发到 DeepSeek开源，一场围绕算力、架构与生态的战争已悄然打响，开源势力正以星星之火之势挑战闭源巨头。
Manus在agent领域可谓「炙手可热」，但受限于网络以及少得可怜的积分，很多人还是无法用得上。AI Agent的处理逻辑：无非就是用AI根据用户需求，规划好要做的事后，不断的调用不同的工具来实现。
来自香港中文大学（深圳）等单位的学者们提出了一种名为 DriveGEN 的无训练自动驾驶图像可控生成方法。该方法无需额外训练生成模型，即可实现训练图像数据的可控扩充，从而以较低的计算资源成本提升三维检测模型的鲁棒性。
这次，引领者又是中国公司！在5月中旬拿到GAIA榜首的这个AI版office，直接结合了Deep Research和通用Agent两大神器的优点，从此office三件套彻底进入第四代。
就在刚刚，Anthropic正式发布Claude 4系列模型：Claude Opus 4和Claude Sonnet 4。没喊口号，没搞长篇论文，这次Claude升级的关键词只有一个：干活。据Anthropic宣称，Opus 4是目前全球最强的编程模型，能够稳定胜任复杂且持续时间长的任务和Agent工作流。而Sonnet 4则着重强化了编程和推理能力，能更精准地响应用户的指令。
普林斯顿大学与字节 Seed、北大、清华等研究团队合作提出了 MMaDA（Multimodal Large Diffusion Language Models），作为首个系统性探索扩散架构的多模态基础模型，MMaDA 通过三项核心技术突破，成功实现了文本推理、多模态理解与图像生成的统一建模。
判断AI是否智能，评价维度如今已不仅限于刷榜成绩。
大家好，我是「沉浸式学AI」，专注于分享AI前沿技术与实战经验。2025年，要搭建一个真正“聪明又自主”的AI代理，离不开一整套“全家桶”式的开源工具——从大脑（推理、记忆），到肢体（浏览器、桌面操控），再到声音（语音交互），全流程打通。
Flowith 发布了它们最新的 Agent，Neo，这是世界上第一个能够做到无限上下文，无限推理步骤的 Agent，并且它还拥有着无限输出的能力。
