上海人工智能实验室发布新一代文档解析大模型——MinerU2.5。作为MinerU系列最新成果，该模型仅以1.2B参数规模，就在OmniDocBench、olmOCR-bench、Ocean-OCR等权威评测上，全面超越Gemini2.5-Pro、GPT-4o、Qwen2.5-VL-72B等主流通用大模型，以及dots.ocr、MonkeyOCR、PP-StructureV3等专业文档解析工具。
新官上任三把火，自从 OpenAI 应用部门 CEO Fidji Simo 上岗之后，动作也是接连不断。 之前就有消息传出， Fidji Simo 正在组建新团队，准备给 ChatGPT 引入广告业务，新团队负责人更是要全面操盘 OpenAI 的盈利大计，广告也好订阅也罢，反正就是要把钱赚到位。
在 2025 云栖大会前沿应用馆，最先吸引人们注意力的，可能不是某个具体的产品，而是一面面展示年轻人群像和提问的展墙，和墙前驻足的年轻人们。
今年 8 月，GPT-5 发布，其在多个任务和基准上都表现卓越，但几乎和人世间的所有事物一样，并不是所有人都满意。尤其是 GPT-5 发布后「OpenAI 移除 ChatGPT 中模型选择器」的做法更是备受诟病（尤其是移除了情感表达更佳的 GPT-4o），甚至引发了诸多用户的「网上请愿」，详见我们的报道《用户痛批 GPT-5，哭诉「还我 GPT-4o」，奥特曼妥协了》。
在三维重建不断走向工程化的今天，前馈式3D Gaussian Splatting（Feed-Forward 3DGS）正火速走向产业化。 然而，现有的前馈3DGS方法主要采用“像素对齐”（pixel-aligned）策略——即将每个2D像素单独映射到一个或多个3D高斯上。
百度杀入 AI 视频生成赛道后，就一直加班加点卷个不停。 7 月初，百度第一次正式官宣蒸汽机 1.0 模型，以极致指令遵循能力惊艳亮相；8 月底，百度又发布全球首个中文音视频一体化模型百度蒸汽机 2.0，实现生成视频中人物口型、表情、动作的毫秒级同步。
作者：张小珺 2024年12月底，正在休假的汤道生，在腾讯集团总办层提出了一个建议。 过去一年，他一直在思考一个问题：AI Chatbot市场正从技术底层研究，转向前线产品用户的争夺，腾讯元宝该如何拿
我想聊个反向操作：咱们普通人，如何用有限的资源，轻松驯服一个 AI 模型，让它变成我们专属的垂直领域小能手？主角，就是最近华为刚刚开源的一个大小仅为 1B 的模型 openPangu-Embedded-1B，它不仅全面领先同规格模型，甚至与更大规模的 Qwen3-1.7B 也难分伯仲。
几个月前，影石创新正式登陆科创板，成为 A 股“智能影像第一股”；近日，发布了旗下首款 AI 录音全向麦克风 Wave，“进入”拥挤的会议转录赛道。Wave 定位为“办公场景的声音枢纽”，在声音收录环节做了内外双重优化。
来自上海交通大学计算机学院、西蒙菲莎大学、清华大学、中国人民大学的合作团队，带来基于树形框架的智能表格问答系统（ST-Raptor），其不仅能精准捕捉表格中的复杂布局，还能自动生成表格操作指令，并一步步执行这些操作流程，最终准确回答用户提出的问题 —— 就像给 Excel 装上了一个会思考的 “AI 大脑”。
