搜索
阶跃星辰正式发布并开源图像编辑大模型 Step1X-Edit，性能达到开源 SOTA。该模型总参数量为 19B (7B MLLM + 12B DiT)，具备语义精准解析、身份一致性保持、高精度区域级控制三项关键能力；支持 11 类高频图像编辑任务类型，如文字替换、风格迁移、材质变换、人物修图等。
他们打造的端侧大模型已经可以在树莓派这样的微型设备上流畅运行，首批搭载Yan架构大模型的具身智能机器人也已经面世。当下AI算力竞赛愈演愈烈之际，他们的“低算力”“群体智能”之路正在获得更多关注。本期「大模型创新架构」主题访谈，量子位邀请到RockAI CEO刘凡平，聊聊他们选择非Transformer架构路线背后的故事，以及通过架构及算法创新实现AGI的技术愿景。
纳米 AI 也上了带 MCP Server 的 Agent，交互形式类似 Manus 和扣子空间，上手难度为0。没选择只堆功能数量，而是给出了新的版本答案。上线了上百个 MCP，常用的 MCP 甚至把 API Key都提前买好、配置好、成为默认能力了（真土豪。。。）
最近，北京大学陈宝权教授带领团队在三维形状生成和三维数据对齐方面取得新的突破。在三维数据生成方面，团队提出了3D自回归模型新范式，有望打破3D扩散模型在三维生成方面的垄断地位。
Humane 的创始人 Imran Chaudhri 和 Bethany Bongiorno 曾在苹果参与缔造了 iPhone、iPad 等划时代产品，深谙设计与用户体验之道。这样的背景，自然吸引了大量顶级风投的目光，也让 AI Pin 从一开始就自带“精英”和“颠覆者”的光环。
OpenAI推出图像生成API，低至0.02美元/张，支持多模态定制。
上个月，OpenAI 在 ChatGPT 中引入了图像生成功能，广受欢迎：仅在第一周，全球就有超过 1.3 亿用户创建了超过 7 亿张图片。就在刚刚，OpenAI 又宣布了一个好消息：他们正式在 API 中推出驱动 ChatGPT 多模态体验的原生模型 ——gpt-image-1，让开发者和企业能够轻松将高质量、专业级的图像生成功能直接集成到自己的工具和平台中。
，2025年，大模型计算效率的提升并未给AI基建按下暂停键，微软、亚马逊、谷歌、Meta四大科技巨头2025年在AI技术与数据中心的资本支出将达3200亿美元（约合人民币2.33万亿元）；OpenAI、软银等企业总投资5000亿美元（约合人民币3.66万亿元）的“星际之门”项目也已动工。在这波AI大基建浪潮中，提供硬件与算力服务的“卖铲人”们正赚得盆满钵满。
你是否设想过，仅凭几张随手拍摄的照片，就能重建出一个完整、细节丰富且可自由交互的3D场景？
白猫、黑猫，抓住老鼠就是好猫！