搜索
多模态大推理模型的幻觉，很多时候并非「没看见」，而是在最不确定的推理阶段想偏了。最新研究发现，模型在生成because、however、wait等transition words时，往往处于高熵关键节点，更容易脱离图像证据、转向语言脑补。LEAD在高熵阶段不急于输出单一离散token，而是先在潜在语义空间保留多种候选推理方向，并通过视觉锚点持续拉回图像证据，显著缓解幻觉。
近日，京东开源图像模型JoyAI-Image-Edit，将空间智能纳入图像理解与编辑，让AI开始处理真实世界中的空间关系，让模型真正“理解空间，编辑空间”。简单解释，这是一个以空间智能为核心的图像生成与编辑模型，让 AI 真正“看懂”三维空间，从而让生成更合理、编辑更精准。
4 月 10 日，MiniMax 又带来一次重磅更新，其中最核心的新功能，就是 Cover 翻唱。一首平平无奇的生日快乐歌，可以被 cover 成 EDM 风格：经典的《友谊地久天长》也能被 AI 改编成灵魂乐调调：
哦豁，马斯克一个“不小心”，把Claude参数抖出来了？？？长话短说：Sonnet 1T、Opus 5T。起因是老马发帖表示，xAI的Colossus 2超算正在训练7个模型，其中最大的一款，参数量直接冲到了10万亿。
HiVG是一个面向SVG生成的层次化分词框架，在减少63.8% token数量的同时，以仅3B参数在多项指标上超越所有开源SVG模型和GPT-5.2等闭源模型。仅3B参数的HiVG，在SVG生成任务中多项指标超越了GPT-5.2、Claude-4.5-Sonnet等闭源模型。
刚刚，这只爆火的「欢乐马」被认领了！是来自阿里巴巴 ATH 旗下郑波团队的模型，ATH 也就是不久前阿里刚成立的 AI 核心事业群 Alibaba Token Hub。阿里巴巴 ATH 表示：HappyHorse 是阿里 ATH 旗下创新事业部研发的模型，目前正处于内测中，也会于近期开放 API。
最近，来自Meta与University of Copenhagen的研究者提出了OneStory: Coherent Multi-Shot Video Generation with Adaptive Memory（收录于CVPR 2026）。这项工作聚焦于一个核心问题：如何在生成多镜头视频时，有效保留长程跨镜头上下文，从而实现更强的叙事一致性。
据彭博最新报道，美国财长贝森特与美联储主席鲍威尔于本周二在华盛顿财政部总部紧急召集华尔街主要银行CEO开会，会议核心议题是Anthropic最新AI模型Mythos可能带来的网络安全威胁。
HappyHorse身份曝光，或将明天上线？
多 Agents 协同方案成了现在 AI 圈的主流玩法，以前是一个 Agent 能搞定一个人要做的事，现在是多个 Agent 完成一个团队要做的事。