最初说不做视频生成模型的百度，现在在视频生成的路上一路狂奔！ 就在刚刚，百度蒸汽机（MuseSteamer）视频生成大模型升级至2.0版本，主打多人有声音视频一体化生成。
进入 2025 年，GUI Agent 赛道热度逐渐抬升 —— OpenAI 推出 Operator 并发布了 ChatGPT Agent，字节则发布了 UI-TARS-1.5 定位 GUI 开源方案。但大多数产品依然依赖本地执行，难以 24h 稳定运行。
智谱今天，终于发了AutoGLM2.0。 想一想，AutoGLM1.0的版本，距离我第一次首发写他们，已经过去快10个月了。
AI Agent正陷入一个矛盾的处境：技术突飞猛进，应用却支离破碎。
国产开源版 Genie 3 问世，昆仑万维用 1.8B 模型跑出了神级效果。如果你上传一个神庙逃亡游戏的截图，就可以在这个世界模型里面开一局，AI 脑补出来的画面会无限地向前延伸。
100+AI专家Agent天团同时开工，分分钟并行拿下5、6个复杂任务。 “AI智囊团”现在都进化到这种程度了？
上海人工智能实验室等团队提出Lumina-mGPT 2.0 —— 一款独立的、仅使用解码器的自回归模型，统一了包括文生图、图像对生成、主体驱动生成、多轮图像编辑、可控生成和密集预测在内的广泛任务。
今年的世界人工智能大会（WAIC）可谓热闹非凡，据说有的展台甚至一度拥挤到工作人员都难以进入。 在出圈的众多机器人和终端产品之外，另一个领域也值得我们关注：科学智能（AI for Science，AI4S）。
过去因为技术门槛而止步的需求，开始通过 AI 变成现实。
字节跳动在 Trae IDE（Visual Studio Code 的分支）中发现的令人担忧的性能和隐私问题。主要发现包括：资源消耗过高（33 个进程 vs. VSCode 中为 9 个进程）、无论用户如何设置，遥测数据都会持续传输，以及令人担忧的社区管理实践。
