随着视频内容的重要性日益提升，如何处理理解长视频成为多模态大模型面临的关键挑战。长视频理解能力，对于智慧安防、智能体的长期记忆以及多模态深度思考能力有着重要价值。
去年 Anthropic 发布 Computer Use 的时候，引发了一次大家对 AI agent 的想象。
刚刚，又一个中国血统智能体，让歪果仁大呼“疯狂”。
谷歌DeepMind研发的DreamerV3实现重大突破：无需任何人类数据，通过强化学习与「世界模型」，自主完成《我的世界》中极具挑战的钻石收集任务。该成果被视为通往AGI的一大步，并已登上Nature。
随着人工智能和大语言模型（LLMs）的不断突破，如何将其优势赋能于现实世界中可实际部署的高效工具，成为了业界关注的焦点。
Genspark 是啥？我们在去年 6 月就有过介绍，Genspark 是由前百度小度的 CEO 景鲲和 CTO 朱凯华创业做的 Agent 产品，去年刚开始的定位还是 Agent Search Engine，到了今天升级了不少。并且在今年三月，官宣拿到了一亿美金的 A 轮融资。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
刚刚，Local AI 领域的 Libra 团队发布了一段最新技术演示视频，展示了用户通过自然语言交互直接生成 Agent，并利用本地消费级算力支持 Agent 进行长程 (Long-Horizon) 推理，最终完成复杂任务。
“你想搭建一个怎样的智能体？”
iTerms Pro，一个为法务“真干活”的AI智能体。
