开源复现o3图像思考！快手让AI不再被动看图，模型自主生成代码调用工具
开源复现o3图像思考！快手让AI不再被动看图，模型自主生成代码调用工具在Openai 发布o3后，think with image功能得到了业界和学术界的广泛关注。
来自主题: AI技术研报
6820 点击 2025-08-21 15:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在Openai 发布o3后，think with image功能得到了业界和学术界的广泛关注。
Memory 一直是 AI 产品的技术「痛点」和必争之地。因为决定用户留存，很多有野心的创业者在思考如何借助 AI 长期化时，都会聚焦 AI + Memory 领域。
4 个月前，OpenAI 的 o3 模型凭借视觉推理能力模块和智能的进化，在 AI 创投圈子引起新一轮的震撼与海啸，解锁了一大批新的「套壳」创业机会。正如我们在《谢谢 OpenAI，谢谢 o3，新的「套壳」创业机会来了 | 附 12 个潜力方向》一文中预测的那样，VLM 确实带来了新的创业机会。
进入 2025 年，GUI Agent 赛道热度逐渐抬升 —— OpenAI 推出 Operator 并发布了 ChatGPT Agent，字节则发布了 UI-TARS-1.5 定位 GUI 开源方案。但大多数产品依然依赖本地执行，难以 24h 稳定运行。
硅谷各个模型公司在这个季度，开始分化到各个领域，除了 Google Gemini 和 OpenAI 还在做通用的模型；Anthropic 分化到 Coding、Agentic 的模型能力；Mira 的 Thinking Machines Lab 分化到多模态和下一代交互。
自从 GPT-5 发布后，DeepSeek 创始人梁文锋就成了 AI 圈最「忙」的人。
AI Agent正在被要求处理越来越多复杂的任务。 但当它要不停地查资料、跳页面、筛选信息时，显存狂飙、算力吃紧的问题就来了。
在经过长足的预热，并且见识到谷歌堪比阿勃维尔的保密程度之后，我们终于迎来了 2025 年谷歌的 Pixel 系列新品的正式发布。
自2024年5月谷歌推出AI Overviews（AI概览）功能以来，用户无需点击即可获取答案，这导致新闻网站和独立博主的点击量暴跌。数据显示，全球新闻网站的月自然访问量从2024年7月的23亿次骤降至2025年5月的不到17亿次
众所周知，前不久 Anthropic 宣布对用户实行每周速率限制。其中，在解释原因时，Anthropic 提到“虽然 Pro 和 Max 套餐提供了充足的 Claude 访问权限，但一些高级用户却全天候不间断地运行 Claude，消耗的资源远远超出了正常使用量。一位用户在 200 美元的套餐中消耗了数万个模型使用量。”