最近，Yoodli宣布完成了1370万美元的A轮融资，由Neotribe Ventures领投，Madrona和Cercano等现有投资者跟投。这使得他们的累计融资超过2000万美元。但让我感兴趣的不仅仅是融资数字，而是这家公司正在创建的全新品类：AI角色扮演。
多模态大模型（MLLM）在静态图像上已经展现出卓越的 OCR 能力，能准确识别和理解图像中的文字内容。MME-VideoOCR 致力于系统评估并推动MLLM在视频OCR中的感知、理解和推理能力。
昨晚，终于等到了DeepSeek-R1-0528官宣。升级后的模型性能直逼o3和Gemini 2.5 Pro。如今，DeepSeek真正坐实了全球开源王者的称号，并成为了第二大AI实验室。
斯坦福Hazy实验室推出新一代低延迟推理引擎「Megakernel」，将Llama-1B模型前向传播完整融合进单一GPU内核，实现推理时间低于1毫秒。在B200上每次推理仅需680微秒，比vLLM快3.5倍。
3月时候GPT迎来了一波更新，在文生图、图生图领域带来了巨大更新，而紧接而至的却是一些创业公司的哀嚎：
当别人还在抢流量，快手已经在抢效率了。5月27日，快手发布2025年第一季度财报。其营收同比增长10.9%至326亿元，经调整净利润达46亿元，保持8个季度盈利，经调整净利润率提升至14%。
AI建模界的“作弊神器”真的来了！
AI越来越聪明，但如果它们反应慢，效率低，也难以满足我们的需求。
大语言模型遇上加密数据，即使是最新Qwen3也直冒冷汗！
来自中国人民大学高瓴人工智能学院与值得买科技 AI 团队在 CVPR 2025 会议上发表了一项新工作，首次提出了一种从静态图像直接生成同步音视频内容的生成框架。其核心设计 JointDiT（Joint Diffusion Transformer）框架实现了图像 → 动态视频 + 声音的高质量联合生成。
