搜索
5周内，他们如何做出了一个新的Agent产品，并完成了组织改造？那时，他们的公司火星电波成立了1年2个月，刚刚拿到新一笔200万美元融资。ListenHub——他们打造的一款AI驱动的音频内容生成工具，已经做到300万美元ARR，并实现了月度盈亏平衡。且，ListenHub仍在增长。按照原来的计划，他们会继续把它推向海外，到年底，营收或许还能再翻几倍。
你敢信？仅仅是让Fable 5数一下，单词raspberry里到底有几个字母r，结果就被一脚踢回了Opus 4.8！更离谱的还在后面。哈佛生物统计学家Kareem Carr，只是自报了一下家门——我是做生物统计的。话音刚落，Fable 5当场翻脸，直接强制降级。
还在用 DragGAN、DragDiffusion 拖拽修图？点选拖拽容易变形、边界割裂、细节丢失的时代落幕了！ECCV 2026 ICRDrag 首创上下文区域拖拽模型，用掩码精准定位局部区域，移动、缩放、变形全都丝滑自然，兼顾精准度与画面真实感。
本次访谈于2026年彭博科技大会举办，博通CEO陈福阳是业内知名的半导体并购大佬，正带领博通发力AI芯片赛道；采访者TomGiles为彭博资深科技记者，访谈恰逢博通财报发布后市场担忧其AI业务增长，他借此详解公司AI布局与发展预期。
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。
vLLM 社区推出的 Semantic Router 除了专注上面三个方向，正在更进一步：我们认为：router 不只是选择模型，还可以提升模型能力。用户不用改权重，也不用让每个 Agent 团队都自己搭一套 Graph，而是在一次普通 Model API 调用的内部，组织出一支有边界、有预算、有验证、有回退的 “小队”。
今天来好好盘点 2026 年上半年的图片与视频模型，伴随模型更新时间轴出现的，还有我一些当时的测试文章。也算是对不怎么努力也没什么收获的上半年做个总结汇报了。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
AI 创业公司「MobAI」已完成数百万元天使轮融资，由港股上市公司赤子城科技独家投资。目前，由MobAI开发的AI互动叙事应用Lunaverse Stories 已进入邀请制测试阶段。 熟悉AI互动类产品的人应该对MobAI并不陌生。
7月4日，豆包和通义千问宣布智能体功能将下线。豆包发布《豆包智能体功能下线通知》，称由于产品功能调整，智能体功能将于2026年7月15日下线。功能下线后，用户仍可在一段时间内查看并自行保存智能体信息及历史对话数据，10月15日后，豆包将根据《隐私政策》对智能体相关数据进行处理，后续将无法在豆包内查看或恢复。