你的龙虾 AI 怎么这么费钱？拆解 OpenClaw 源码帮你省钱。
你的龙虾 AI 怎么这么费钱？拆解 OpenClaw 源码帮你省钱。最近在研究 OpenClaw，这个工具的火热程度不用再赘述。
来自主题:
AI技术研报
9804 点击 2026-03-11 09:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
最近在研究 OpenClaw，这个工具的火热程度不用再赘述。
Plaud 在国内与大厂们的「竞赛故事」仍在继续。
大家是否有这样的感觉？给定几张场景中拍摄的图片，往往能够在脑海中想象出这个场景的三维布局，然而当前的多模态大模型还停留于纯文本或者 2D 视觉的推理表示，限制了图像中隐含几何结构的表达能力。
扩散模型终于学会“看题下菜碟”了！
1984年，教育心理学家本杰明·布鲁姆（Benjamin Bloom）的一项实验，揭示了一个惊人的事实：接受一对一辅导的学生，成绩可以超越传统班级里98%的同学。这种效果被称为两个标准差优势，它证明了个性化教学的巨大潜力。但它也带来了一个现实难题：一对一辅导成本极高，无法普及。
用强化学习微调扩散模型，还有更好的办法吗？
NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
微信，终于不再躺平了。 就在刚刚，据 The Information 独家爆料，腾讯正在打造一款「绝密级」AI 智能体，直接内嵌进微信，能够帮你打车、买菜、订机票、全程代劳的「真·生活管家」。 这也意味着，14 亿月活用户即将拥有一个能动手绝不动口的超级助理。
刚刚，据多家媒体报道，Moltbook 这场轰轰烈烈的全网社会实验被 Meta 端走了。是的，Meta 已经正式收购了专为 AI 智能体打造的社交网络 Moltbook，并将该平台的两位核心创作者 Matt Schlicht 和 Ben Parr 招致麾下。
Dify 完成了 3000 万美元 Pre-A 轮融资，由红杉领投，GL Ventures、Alt-Alpha Capital（Bessemer Venture Partners 新孵化基金）、五源资本、瑞穗力合投资和 NYX Ventures 跟投。
3 月 10 日，APPSO 中文独家获悉，世界模型研究所/创业公司 AMI 已完成 10.3 亿美元融资，投前估值 35 亿美元。该公司由图灵奖得主、前 Meta 首席 AI 科学家杨立昆 (Yann LeCun) 创办。
猛料又来了，为了在24小时内打击伊朗的1000个目标，美国军方让Claude跟军方的Maven系统合作，提供目标建议，找到了精确的位置坐标！早在2021年美军撤军阿富汗时，Maven就被使用过。现代战争，已被AI重塑。
如果有价值 $100 万美金的顶级专家任务，AI 能完成其中多少？
微软选择了 Anthropic，而不是 OpenAI。
37位来自OpenAI、谷歌的AI科学家发文声援。
用「无本体数采」的方式训练具身模型，灵初智能的这条路径是 VLA 之后行业最热的方向之一。
估值高达390亿美元、英伟达持续看好的Figure，刚刚放出了最新进展，引来大量网友围观。
拟开源NemoClaw。
昨日，OpenAI 宣布收购了 Promptfoo 以保障其 AI 智能体的安全。这家成立于 2024 年的 AI 安全初创公司，专注于保护大语言模型免受网络攻击。OpenAI 在一篇博客文章中表示，交易完成后，Promptfoo 的技术将整合进 OpenAI Frontier，该平台是其近期推出的、供企业构建和管理 AI 智能体的平台。
英伟达200亿美元「招安」Groq，推理芯片赛道一夜变天。但在大洋彼岸，一家北大系创业公司刚刚交出了自己的流片答卷。
第1周几乎灾难，第4周效率加倍。
三年前，我们发布了这份榜单的第一版，目标很简单：找出哪些生成式 AI 产品真正被主流消费者使用。在当时，「AI 原生」公司和其他公司之间的界限很清晰。ChatGPT、Midjourney 和 Character.AI 都是围绕基础模型从零构建的产品，而软件行业的其他玩家还在摸索这项技术该怎么用。
亚历山大王（ Alexandr Wang，汪滔）从Meta离职了？
供货蔚来比亚迪，美格智能再战港股。
DragStream，首次实现视频生成时的实时拖拽编辑。用户可随时拖动画面中的物体，自由平移、旋转或变形，系统自动保持后续帧连贯自然，无需重训模型，无缝适配主流AI视频生成器，真正实现「所见即所得」。
视频生成进入大规模时代，但计算成本也炸了。
如果你在过去一年关注过大模型训练的技术，大概率听过 Muon 这个名字 —— 这个在月之暗面 K2 模型的相关讨论中走红的优化器，被视为是可能挑战 Adam 的新秀。它的思路很直接：对动量矩阵进行正交化，让各个奇异方向上的更新速率一致，提升训练效率。
谷歌首席AI科学家、传奇工程师Jeff Dean，在最新访谈中放出了一个炸裂预言： 未来每个工程师可能会各自管理50个智能体实习生，完成大量并行任务，而且沟通效率会比人更高效。
在生成式 AI 的浪潮中，自回归（Autoregressive, AR）模型凭借其卓越的性能占据了统治地位。然而，其「从左到右」逐个预测 Token 的串行机制，天生限制了并行生成的可能性。
OpenClaw爆火但安装门槛极高，催生天价代装生意。AutoClaw（澳龙），将其打包为一键安装桌面应用，小白也能1分钟上手。内置全新Agent模型Pony-Alpha-2，支持模型热插拔与飞书集成，50+技能开箱即用，彻底终结「付费装虾」时代。
