搜索
当 Transformer 席卷计算机视觉领域，高分辨率图像、超长序列任务带来的算力与显存瓶颈愈发凸显：标准 Softmax 注意力的二次复杂度，让 70K+token 的超分辨率任务直接显存爆炸，高分辨率图像分割、检测的推理延迟居高不下。
投资界获悉，月之暗面Kimi正以投前估值180亿美元（约合人民币1200亿），进行新一轮10亿美元融资。大约一个月前，Kimi刚刚完成逾7亿美元融资，彼时估值100亿美元；而在去年底一轮5亿美元融资中，其估值还只是43亿美元。
今天上午，AI Agent创企MuleRun（骡子快跑）团队发布MuleRun 2.0，该产品是一个可自我进化的个人AI Agent助手。Mulerun创始人兼CEO陈宇森分享称，MuleRun的上手门槛更低，可以在给定目标的前提下主动工作，具有0门槛使用、极高安全性、稳定性、售后完善、自进化能力、24小时在线、主动性等优势。
就在刚刚，Moonshot AI（月之暗面）发布了一项足以撼动 Transformer 底层的研究：《Attention Residuals》。海外科技大 V，谷歌高级AI产品经理 Shubham Saboo 直接开启了“高赞”模式：“他们触碰了那个十年没人敢碰的部分。”
最近AI圈又多了一张硬核通行证，Anthropic刚刚在官网发布了Claude首个AI架构师认证。
Google 最近发了 Gemini Embedding 2，他们第一个原生多模态向量模型。文本、图像、视频、音频、文档，全部映射到同一个 3072 维向量空间。这是 Omni Embedding（全模态向量模型）的大趋势：一个架构吃下所有模态，从 jina-embeddings-v4 到 Omni-Embed-Nemotron 再到 Omni-5，大家都在往这个方向收敛。
近年来，多模态大模型（Multimodal Large Language Models, MLLMs）正在迅速改变人工智能的能力边界。从图像理解到视频分析，从语音对话到复杂推理，大模型正在逐步具备类似人类的综合感知能力。但一个关键问题仍然没有得到充分回答：这些模型真的能够理解人类情绪吗？
我们推出GLM-5-Turbo——一个面向OpenClaw龙虾场景深度优化的基座模型。 体验过OpenClaw的用户都有一个共同感受：模型能聊好天，但未必能干好活。问题的根源不在框架，而在底层模型本身
Karpathy让AI通宵干活，自己去蒸桑拿了。
你随手拍下一张照片，AI也许只会夸“真好看”，却说不出一句真正有用的建议。