DiscoX构建了一套200题的长文翻译数据集，以平均长度1,712 tokens的长篇章做评测单元，要求整个长文文本作为一个整体来翻译，除翻译准确度外，重点考察跨段落的逻辑与风格一致性、上下文中的术语精确性、以及专业写作规范，贴合用户真实的使用场景。
这两天 AI 圈真的太热闹了，就在网传 DeepSeek 要更新支持 100 万 Token 上下文的新模型时，MiniMax 率先冲锋，更新了他们的新旗舰模型：MiniMax-M2.5。更有意思的是，国外网友这段时间对国内 AI 大模型的更新节奏格外关注，他们甚至把这种争先更新的现象称为：Happy Chinese new year！
春节假期还没到，DeepSeek 就先把礼物拆了一半。
最强的大模型，已经把scaling卷到了一个新维度：百万级上下文。
不久前在 AGI-Next 前沿峰会上，姚顺雨曾分享过一个核心观点：模型想要迈向高价值应用，核心瓶颈就在于能否「用好上下文（Context）」。
Clawdbot（现改名为 OpenClaw） 体验下来，持久的记忆管理系统很是让人惊艳——全天候保持上下文，无限期地记住对话并在此基础上持续深化互动。
过去一年，几乎所有 AI 产品都在谈一个词：记忆。
上下文分割（In-Context Segmentation）旨在通过参考示例指导模型实现对特定目标的自动化分割。尽管 SAM 凭借卓越的零样本泛化能力为此提供了强大的基础，但将其应用于此仍受限于提示（如点或框）构建，这样的需求不仅制约了批量推理的自动化效率，更使得模型在处理复杂的连续视频时，难以维持时空一致性。
让大模型轻松处理比自身上下文窗口长两个数量级的超长文本！
AI 时代飞书更大的价值，与打开更丰富「上下文」的输入端口紧密相关。
