搜索
人形机器人对跳舞这件事，如今是越来越擅长了。北京大学与BeingBeyond团队联合研发的BumbleBee系统给出了最新答案：通过创新的“分治-精炼-融合”三级架构，该系统首次实现人形机器人在多样化动作中的稳定控制。
阿里迄今为止，参数最大的模型诞生了！昨夜，Qwen3-Max-Preview（Instruct）官宣上线，超1万亿参数性能爆表。在全球主流权威基准测试中，Qwen3-Max-Preview狂揽非推理模型「C」位，直接碾压Claude-Opus 4（Non-Thinking）、Kimi-K2、DeepSeek-V3.1。
Dify 又偷偷更新了！本次更新不仅支持了期待已久的“图文混答”，几乎是 重构了“知识库”，可以用工作流的方式创建“知识库”，并且支持调试，具备“工作流”的完整功能，是一个正经的”工作流“。提升了知识库开发的灵活性，与智能体的交互体验。
智东西9月5日消息，刚刚，大模型独角兽月之暗面发布新模型Kimi K2-0905，目前，Kimi应用和网页版中的K2模型已全量升级到Kimi K2-0905。该模型的核心升级点为Agentic Coding能力增强、支持256K上下文、API支持高达60-100Token/s的输出速度、支持Claude Code。
ChatGPT的新功能，终于是千呼万唤始出来了—— 分支对话（Conversation Branching）。
硅谷AI传奇，仍在不断上演。00后华人女CEO带队闯入好莱坞，首年狂揽8亿营收，还甩出《科尔特斯》、《太空计划》两部史诗级大作。从3D场景到最终镜头，皆由AI一键生成，效果美到炸裂。 她，21岁，曾是谷歌秘密实验室最年轻的工程师，和团队一起将产品卖给fortune 500的客户，从0带到10。
AI自己玩手机、玩电脑、操作网页浏览器……背后还只靠一个模型。 卷王字节Seed又把智能体带到了一个全新level~
Nano banana 爆火之后，果真催生了很多 App。 这些 App 的创意目前都还是仅停留在对照片的编辑上，而没有探索进一步的玩法。
为了“骗”过模型，有人每天陪AI聊天，摸透模型的脾气和规则；有人在图片里用透明字体写上诱导语，扰乱模型答案排序。
Meta内讧大戏再升级！首席AI官Alexandr Wang审核图灵奖大佬论文，LeCun亲自发帖疑似暗讽28岁新上司。没有PhD、没开源代码、没发表论文，都称不上AI研究员。
无需海量数据标注，智能体也能精确识别定位目标元素了！ 来自浙大等机构的研究人员提出GUI-RCPO——一种自我监督的强化学习方法，可以让模型在没有标注的数据上自主提升GUI grounding（图形界面定位）能力。
9 月 5 日，全球主流大模型之一 Claude 背后的开发商 Anthropic 发布一则《更新对不受支持地区的销售限制》公告。该公告指出，根据最新政策，立即停止 Claude 提供给多数股权由中国资本持有的集团或其子公司使用。
老黄正在看好什么？ AI编程。 这不，英伟达刚刚收购了一家AI coding初创公司，Agent方向。
OpenAI和微软领英打起来了！战火烧至招聘领域。 OpenAI计划2026年推出一款由AI驱动的在线招聘平台—— OpenAI Jobs Platform，其核心目标就是借助人工智能技术，将企业需求与员工能力进行完美匹配。
年轻父母又多了一个哄小孩法子。 前段时间，博主 Rory Flynn 在 X 上发了个帖子，说他妈妈发来一张 30 年前的涂鸦画，他反手就用 Midjourney 做成了「妈妈拿彩虹木勺大战巨龙」动画。
DeepSeek下一步，被曝剑指智能体。 知情人士透露，DeepSeek正在开发具有更强大AI Agent能力的新模型，预计在今年年底就会推出。
9 月 4 日消息，Atlassian 宣布已同意以 6.1 亿美元现金收购初创企业 The Browser Company。后者是最近知名的 AI 浏览器 Dia，以及 Arc 浏览器的母公司。
做内容，既讲创意，也讲「勤奋」。当你真正动手，会突然发现环节繁多：选题、脚本、口播、拍摄、剪辑、配乐、配图、封面，直到发布。
今年9月3号的阅兵式，想必大家还意犹未尽。 朋友圈和各种群里讨论最热烈的，可能都是那些块头巨大的大杀器，比如东风系列新成员：DF-61和DF-5C。
存款60美元、欠债1.5万美元，82岁的Luis正在积极学习提示词策略，创办科技公司，他想用AI为自己的人生来一场漂亮的收官；年近80的Scalettar，教会了96岁丈夫使用AI编辑。AI为许多美国老年人打开了一个新世界，他们比许多年轻人更接受，也更会用AI。
9月3日消息，美国哈佛大学博士生赛义德·侯赛尼（Seyed M. Hosseini）与盖伊·莱廷格（Guy Lichtinger）近日发布研究报告，名为《生成式AI：一种偏向资历的技术变革》。该研究使用2015年第一季度至2025年第一季度美国近28.5万家企业、约6200万员工的简历和招聘数据，研究 “生成式AI采用如何影响不同资历员工的就业情况”。
虽然大家都期待未来的 Agent 能够真正端到端完成所有任务，并且在出错时也知道如何重新开始，但目前 AI 还没有达到这种能力。
8月，nano‑banana登顶LMArena文生图像榜单，带动LMArena社区流量暴增10倍，月活用户300万+。nano‑banana在LMArena启动盲测后，短短两周便吸引了超过500万次总投票，并单独赢得了250万+直接投票，创下历史最高参与度。
就在刚刚，斯坦福大学经典 CV 课程 ——《CS231n：深度学习与计算机视觉》（2025 春季）正式上线了！课程网站：https://cs231n.stanford.edu/该系列课程深入探讨了深度学习架构的细节，并重点关注围绕图像分类、定位和检测等视觉识别任务的端到端模型学习，尤其是图像分类领域。
订阅了 ElevenLabs 的小伙伴看过来，它的开源平替来了！Chatterbox 是全球首个支持强烈情绪控制的开源TTS 模型，更是号称开源 TTS 中的 SOTA ，由 Resemble AI 推出。
这并非科幻片中的桥段，而是来自清华大学与北京航空航天大学团队的最新成果——BSC-Nav 的真实演示。通过模仿生物大脑构建、维护空间记忆的原理，研究团队让智能体拥有了前所未有的「空间感」。
图像生成中的多指标一致性问题，被字节团队解决了！ 字节UXO团队设计并开源了统一框架USO，让看上去不关联的任务相互促进，实现风格迁移和主体保持单任务和组合任务的SOTA。
本文主要介绍来自该团队的最新论文：TRKT，该任务针对弱监督动态场景图任务展开研究，发现目前的性能瓶颈在场景中目标检测的质量，因为外部预训练的目标检测器在需要考虑关系信息和时序上下文的场景图视频数据上检测结果欠佳。
2年之间，美国技术岗换了江湖：裁员潮退去但岗位增量有限，资深职位逆势成主流；AI工程师需求爆表，湾区继续称霸；大厂任期普遍拉长，人才流动更「内循环」。
金色外观擎天柱首次曝出！一双与人类无异的双手震惊全网，且设计与现有第二代有所不同。网友纷纷猜测，Optimus第三代要来了。
