搜索
多模态 Agent 的记忆系统，过去很容易被理解成一个升级版 RAG：图片、图表、PDF 进来之后，先抽取内容、做 embedding、写进向量库；用户提问时，再用 query 做检索，把命中的top-k图片、文档页或图表一并塞进上下文，再交给多模态模型回答。整个过程中，所有原始模态信息都会不加选择的塞给大模型。
我天天在ai news radar里刷呀刷，真刷出了个新的开源项目，Tutti。光看Readme的时候，我以为它又是一套给Agent套GUI的桌面壳，实际上它提供了一个实时共享的工作空间，我所有agent可以共享上下文，文件，应用和任务。
曾经人们讨论前沿模型时，话题通常是「它有多强」「它比竞品快多少」「它能取代什么工作」。但这一次，有人开始问它能不能跑在端侧。不过说实话，这个想法目前放在 Fable 5 身上，还是太乐观了，这毕竟是 Anthropic 第一个 Mythos 级的公开模型，100 万 token 上下文窗口，专为长时间异步任务设计
据 The Information 报道，MiniMax 正在研发一款参数规模达 2.7 万亿的大语言模型，内部代号暂定为 M3 Pro，最快有望于今年第三季度发布，并计划同步开源。相较于现有旗舰模型 M3 的 4280 亿参数，M3 Pro 的规模实现了数量级跃升，预计将在复杂推理、多步骤任务处理及长上下文理解等能力上进一步增强。
现在的 AI Agent 动辄需要处理超长上下文，既要看系统提示词、工具说明，又要翻阅历史对话和检索文档。为了省钱、省算力并降低延迟，很多开发者会给系统加上 “提示词压缩”（Prompt Compression）模块，把冗长的上下文浓缩后再喂给大模型。
刚刚，翁荔（Lilian Weng）又更新博客了！距离她上一次更新《谨慎对待 Scaling Law》还不到 10 天。这一次，她书写的主题是当前大热的 Harness Engineering，聚焦的正是当下 AI 研究最前沿一个环节：当模型本身的智能已经足够强大时，真正决定它能走多远的，或许是包裹在模型外面的那层「Harness」也就是负责编排模型思考、调用工具、管理上下文、评估结果的那套系统。
这两天，有位机智的老哥发现，只要把Fable 5的上下文转换成一张张密密麻麻写满文字的图片，再让模型通过OCR读回来，token输入成本最多能省下70%。更离谱的是，不只是普通对话，系统提示、工具文档、历史记录，全都能一股脑塞进图里。
北大团队雪梦未来（SnowOrigin）获龚虹嘉、陆奇及海外机构投资。公司以神经腕带、全景头环等可穿戴设备为入口，结合自研NMH（Neural Math Hybrid）AI 解码模型，试图将人类真实操作过程中的意图、姿态、发力趋势、微控制及环境上下文，转化为可用于机器人、世界模型和具身智能训练的结构化数据。
还在用 DragGAN、DragDiffusion 拖拽修图？点选拖拽容易变形、边界割裂、细节丢失的时代落幕了！ECCV 2026 ICRDrag 首创上下文区域拖拽模型，用掩码精准定位局部区域，移动、缩放、变形全都丝滑自然，兼顾精准度与画面真实感。
本篇文章根据我在本月 43 Talks 线下活动中的分享整理而成。主理人李继刚邀请我时，给的主题词只有一个：Context。我想从 Agent 的视角出发，讨论一个判断：随着模型和 Harness 逐步趋同，真正决定 Agent 能力边界的，会越来越是 Context。