搜索
这些项目未必都是最成熟的，但它们有一个共同点：没有把模型本身当作产品，而是把 AI 放进一条具体的任务链里，让一个想法变成物品，让一个需求得到回应，或者让一套智能系统真正运转起来。
以往的空间音频模型，要么受限于实验室的苛刻采集条件，要么被高昂的人工标注成本卡住脖子。而团队的核心洞察是：相机的自运动本身就是一种免费的监督信号。当相机转动时，声源在声场中的相对位置随之改变——这种变化无需人工标注，模型即可从中学习空间对应关系。这项工作入选CVPR 2025 Highlight，投稿论文前2%。
Agent 执行任务的时候，会反复踩坑、不断试错，最后积累一些正确的经验。但这些经验通常只能停留在当前会话，或者当前 Agent 的记忆里，很难传给其他 AI。一个 Agent 调用某个 API，花了半个小时查文档、改参数，连续失败好几次，最后终于找到正确方法。
最近，DeepSeek 接连上了几次热搜。先是因为一张实习 offer 引发围观。一位清华学生在社交媒体晒出录用信息，岗位是 DeepSeek 实习生，税前日薪 5500 元。按每月 22 个工作日计算，月薪超过 12 万元。
近日，专注于第二代人工智能制药技术的元示科技有限公司完成近亿元最新一轮融资。公司由北京大学前沿交叉学科研究院2017级博士吴佳奇创立，核心研发方向为人工智能虚拟细胞与通用细胞大模型，是国内较早布局细胞级AI药物研发的初创团队。
两年前，Patrick Coughlin 的母亲接到了一通电话，来电显示是女儿的号码，电话里也出现了女儿的声音。随后，一名男子声称绑架了她，要求立即支付 1200 美元，否则就会在当地一家沃尔玛的停车场伤害她。
多模型Agent系统显然是未来的趋势。cursor 的一篇很不错的文章。他们的最新研究表明，将前沿模型作为规划者和协调者，与一个更廉价的“主力”模型搭配，可以大幅降低项目中总token的成本，从而实现 15 倍的成本改进。
停停停！Kimi K3的最佳打开方式可能不在Coding——用它做前端设计，才是真·Interesting。在Design Arena最新公布的单次生成前端榜单中，Kimi K3以1414分位列第一，力压Fable 5和GPT-5.6 Sol。
E-GRM的核心思路就是让模型自己判断输入复杂度——通过多次采样看答案是否收敛。收敛了就直接回答，不收敛再触发CoT。在RM-Bench、RMB、RewardBench三个基准上，约58%的样本被智能路由到“直答”，延迟降低62%，同时准确率还有提升。
就在刚刚，Anthropic正式发布了Opus 5。这款定位是「深思熟虑且积极主动」的模型，不仅成本只要Fable 5的一半，而且在大多数跑分上直接碾压。在最近的IMO 2026中，它不靠任何外部工具和Agent框架，就拿下了42/42的满分！