搜索
DeepSeek Harness官方发布“创造模式”（Creator Mode）指南，用户输入一句自然语言即可让AI编写并安装插件，同时免费公开7套官方提示词，示例覆盖3D建模与游戏、视频剪辑、海报设计、论文阅读、界面改造和Token统计。
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
OpenAI将从12月起合并Plus、Pro用户的ChatGPT与Codex用量额度并统一按Token计费，基础Instant聊天除外，ChatGPT近乎无限的聊天额度将结束。
百度智能云推出AI Infra与Agent Infra双层基础设施，通过百舸AI计算平台6.0提升资源与Token效率，支撑智能体长期稳定运行及产业场景落地。
清华大学研究团队提出动作级在线蒸馏ActionOPD，在学生实际访问状态下以语义动作监督策略优化，使轻量Agent学习教师决策而非模仿Token，并支持黑盒接口、跨家族蒸馏及Self-ActionOPD自蒸馏。
一张高清照片中，远处的手提包是什么颜色？一页票据里，某项费用到底是多少？面对这些问题，多模态大模型常常需要先找到相关区域，再放大查看。但如果第一步就框错了位置，后面的推理也可能跟着出错。视觉思维链让模型能够边看边想、调用工具寻找证据。不过，许多方法仍然像生成句子一样，把边界框坐标逐个写成文本 token。连续的空间位置，为什么要通过离散文字来表达？
10月21日，柏林GTC大会，黄仁勋又把AI的未来讲出了新高度。
K2 Lab（攀峰智能）做到了很多 AI 应用想做但没做到的商业模式：不按 Token 收费，按结果收费。
大模型Agent正在从简单问答，快速走向搜索、代码生成、网页操作和多轮工具调用。
OpenAI发布GPT-6.1 Terra，每百万token输入1美元、输出5美元，较上代大幅降价，并强化视觉理解、写作和电脑操作；Agents’ Last Exam中追平GPT-6 Astra且速度快3倍以上，第三方评测幻觉率由88%降至38%，现已全面开放。