腾讯混元最新世界模型开源！支持实时生成交互，突破长期空间记忆
腾讯混元最新世界模型开源！支持实时生成交互，突破长期空间记忆可支持24帧/秒的长时流式生成。
来自主题: AI技术研报
8284 点击 2025-12-18 10:48
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
可支持24帧/秒的长时流式生成。
提起马卡龙，你会想到什么？是橱窗里的精致甜点，一种“少女心”的味觉象征？还是代表了温柔优雅的时尚配色？当一个AI产品也被命名为“马卡龙”，这份联想便悄然发生了偏移：从舌尖的甜，转向科技的未知，却又奇妙地保留了那一份色彩与气质。
今天，我们非常高兴地向大家宣布： ListenHub PPT 正式上线了。在开发这款产品的过程中，我们一直在思考：如何让创作者从繁琐的格式调整和素材制作中解放出来，回归内容本身？于是，我们带来了这款全球首个自带视频讲解的 PPT。
一直以来，传统 MAS 依赖自然语言沟通，各个 LLM 之间用文本交流思路。这种方法虽然可解释，但冗长、低效、信息易丢失。LatentMAS 则让智能体直接交换内部的隐藏层表示与 KV-cache 工作记忆，做到了：
在本次 Z Potential 独家专访中，我们邀请到了 Striker Venture Partners 合伙人、Skild AI 与 Reflection AI 的早期投资人 Brian Zhan，深度解析他在 AI 时代如何快速投出明星级别的独角兽公司。
REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维度拼接后共同加噪训练，从而显著提升 Diffusion 的收敛速度与性能上限。在 ImageNet 256×256 上，
这两年，写代码这件事变了。GitHub Copilot、Cursor、Devin 一路登场，工程师开始习惯“打一段话，几千行代码自己长出来”。写得出东西，变得前所未有地容易。但很快大家发现，真正拖住上线节奏的，不再是「能不能写出来」，而是「敢不敢放上生产环境」——代码量指数级增长，验证、回归、极端场景覆盖反而被彻底压缩，测试成了 AI 时代新的“硬瓶颈”。
“What is meant often goes far beyond what is said, and that is what makes conversation possible.” ——H. P. Grice
无需额外训练即可适配预训练生成模型的编辑方法，凭借灵活、高效的特性，已成为视觉生成领域的研究热点。这类方法通过操控 Attention 机制（如 Prompt-to-Prompt、MasaCtrl）实现文本引导编辑，但当前技术存在两大核心痛点，严重限制其在复杂场景的应用
今年 2 月，月之暗面提出了一种名为 MoBA 的注意力机制，即 Mixture of Block Attention，可以直译为「块注意力混合」。