搜索
上海交通大学联合上海创智学院团队提出 A²-Edit，它以统一框架支持任意物体类别和任意精度掩码，通过混合 Transformer 专家路由、掩码退火训练及 50 万级多品类数据，让用户只需给出粗略区域，也能完成身份一致、结构完整、自然融合的参考图引导局部编辑。
近日，清华大学与香港科技大学的研究团队提出 LiveEdit，一种面向通用文本指令的实时流式视频编辑框架。该方法以因果、分块的方式处理持续到来的视频，在 4 步 / 视频块的推理条件下实现 12.66 FPS 的流式编辑，并能保持被编辑区域的准确性以及未编辑区域的一致性。
过去的 Diffusion RL 多聚焦于奖励设计与优化算法，训练时的采样成本被忽视。DMSampler 指出：在在线 RL 中，限制规模化的不只是奖励信号或优化器，很多时候是 rollout 本身太贵。
DeepSeek-V4-Flash风评冲爆了，原生支持接入Codex，而且还强化了Agent能力。我第一时间把它接进了Codex，用cc swich非常方便。一个小时，跑了一亿多token。跟大家说说体感。
今日，华为开源基于昇腾NPU训练的盘古MoE模型openPangu-2.0-Pro。该模型是openPangu-2.0系列的最新开源模型，总参数规模5050亿，激活参数规模180亿，支持512K上下文长度，训练数据总量约34T tokens。另一轻量化模型openPangu-2.0-Flash已于6月12日开源，参数92亿，其中6亿为激活参数。
我们整理了最近半年来 OpenCode CEO Jay V 以及联合创始人 Dax Raad 近期在多档播客和访谈中的核心观点，试图还原一个完整的图景，一家开源公司究竟如何在巨头夹缝中找到自己的位置，以及他们怎么看待商业化和模型编排。
7月31日，DeepSeek正式向公众开放V4-Flash正式版API公测。这一次，最亮眼的关键词是——Agent能力大幅跃升。9项基准测试成绩全面披露，多项指标远超此前发布的V4-Pro-Preview预览版，直接将“代码智能体”的天花板又顶高了一截。
就在刚刚，字节跳动正式发布了自研视频模型Seedance 2.5，而我们熟悉的「即梦AI」作为模型的官方体验入口也第一时间妥妥接入。贴心的我呢，也直接帮友友们把这次新模型最夯夯夯夯的能力都扒好了，咱先一睹为快——
今天，Thinking Machines正式发布第二款重磅模型——Inkling-Small。276B总参数、12B激活参数，原生多模态，100万token上下文。半个月前，首个开源975B Inkling登场，曾在AI圈掀起了巨浪。
近日，比特无限发布的 Arko-T，是一款面向 Text-to-Structured 3D Generation 的 4B 参数基础模型。该模型由比特无限联创、首席科学家周平义博士带队完成。它接收自然语言描述，直接输出可执行的 Build123d 程序。程序经过 CAD 内核运行后，可以得到带有命名参数、结构特征和建模过程的 CAD 设计实体。