北大校友官宣推出号称“最强通用Agent” Fairies（中译仙女），能执行Deep research、代码生成、发邮件等1000个操作。关键是无需邀请码，Mac和Windows用户只需下载APP就能立即上手试玩。(⊙ˍ⊙)
Genspark 借助 Claude 打造自适应的 AI Agents，改变了人们研究和创建内容的新姿势，为复杂的工作流提供了极大的效率和规模。Genspark 借助 Claude 打造自适应的 AI Agents，改变了人们研究和创建内容的新姿势，为复杂的工作流提供了极大的效率和规模。
据 BloomBerg 报道，Abridge AI Inc. 是一家利用人工智能转录医疗对话的AI笔记初创公司，目前正在进行一轮由 Andreessen Horowitz 领投的 3 亿美元新融资。
2025年，DeepSeek迅速席卷全国医疗行业。
人工智能搜索引擎Perplexity重磅发布新产品Perplexity Labs，这是一款面向专业版用户（20美金/月）的智能Agent工具，为用户提供了更强大的生产力解决方案。用户可以在搜索框下方一键切换至"实验室模式"，通过该模式可高效生成：专业分析报告、结构化电子表格、交互式网页应用、数据可视化图表等。
近年来，语言模型技术迅速发展，然而代表性成果如Gemini 2.5Pro和GPT-4.1，逐渐被谷歌、OpenAI等科技巨头所垄断。
GPT-4o-Image也只能完成28.9%的任务，图像编辑评测新基准来了！360个全部由人类专家仔细思考并校对的高质量测试案例，暴露多模态模型在结合推理能力进行图像编辑时的短板。
FLUX.1 Kontext是一款融合即时文本图像编辑与文本到图像生成的新一代模型，支持文本与图像提示，角色一致性强，速度快达GPT-Image-1的8倍。
字节跳动开源了一个口碑还不错的模型——BAGEL （ByteDance Agnostic Generation and Empathetic Language model）, 一个统一多模态基础模型。啥叫“统一”？一个模型就能同时理解和生成文本、图像、视频！
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。
