本周三，Zed 宣布推出全新的 Agentic Editor 功能，并声称其为目前市场上速度最快的 AI 代码编辑器。此举无疑将加剧开发者在选择代码编辑器时的考量，使得原本就备受关注的编辑器之争更趋激烈。
日本AI产业呈现封闭生态，头部公司Preferred Networks和PKSHA依赖本土大企业定制化服务，缺乏国际化突破。前者技术强但转向本土合作，后者侧重应用型AI盈利。产业链由大企业、政府、大学形成闭环，政策推动项目制需求，抑制通用型AI创新，导致日本错失全球AI竞争机遇。
最近，DeepSeek工程师在GitHub上高亮了来自腾讯的代码贡献，并用“huge speedup”介绍了这次性能提升。
用1/8成本比肩Claude 3.7，刚刚，“欧洲OpenAI”Mistral AI发布多模态新模型。
法国初创Mistral，刚刚推出定价碾压DeepSeek V3的模型，而模型性能，却超过Claude Sonnet 3.7的90%。不过在网友们的实测中，它却翻车了？有人建议：不必下载浪费流量和硬盘空间。
字节开源图像编辑新方法，比当前SOTA方法提高9.19%的性能，只用了1/30的训练数据和1/13参数规模的模型。
紧接着 Gemini 开了教育优惠之后，Cursor Pro 在昨晚也提供了教育优惠，融到钱了就是财大气粗！在校学生凭 edu 邮箱可以直接验证领取一整年的免费 Cursor Pro，具体的教程可以去小红书上搜。但目前网上的教程全需要教育邮箱，作者本人亲测无需在校身份，无需 edu 也可白嫖～教程如下：
摩根士丹利的案例表明，企业应用AI离不开快速试错与优化。AI通过分析海量数据打造个性化体验，Indeed的职位推荐和Lowe’s搜索优化证明了数据与AI结合的巨大潜力。
随着Gemini、GPT-4o等商业大模型把基于文本的图像编辑这一任务再次推向高峰，获取更高质量的编辑数据用于训练、以及训练更大参数量的模型似乎成了提高图像编辑性能的唯一出路。然而浙大哈佛这个团队却反其道而行之，仅用以往工作0.1%的数据量（获取自公开数据集）和1%的训练参数，以极低成本实现了图像的高质量编辑，在一些方面媲美甚至超越商业大模型！
人类在辩论中被AI说服的可能性有多大？
