刚刚，全网最懂图文调研的智能体模型震撼上线，看完我直接卸了浏览器
刚刚，全网最懂图文调研的智能体模型震撼上线，看完我直接卸了浏览器疯狂的七月已经落下了帷幕，如果用一个词来形容国产大模型，「开源」无疑是当之无愧的高频词汇。
来自主题: AI资讯
5508 点击 2025-08-15 13:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
疯狂的七月已经落下了帷幕，如果用一个词来形容国产大模型，「开源」无疑是当之无愧的高频词汇。
在生成式 AI 时代，全球数据总量正以惊人速度增长，据 IDC 预测，2025 年将突破 180ZB，其中 80% 为非结构化内容，传统数据分析在应对多模态信息和打破结构化数据技术壁垒方面尽显乏力，“人工找数 + 手动分析” 的模式严重抑制甚至沉没了数据价值。
近半年，Agentic AI 创新步伐明显加快。更强的自主决策、更丰富的多模态融合，以及与外部系统的深度协作，正推动产品加速落地与商业化。
视频Agent生成过程中顶多也就是让我点点选项，或者直接针对某一处不满意的地方用对话形式修改，甚至可能我提了一个意见，直接整个片子都给我换了个不一样的。
2025年被视为 AI Agent元年，各家科技巨头也纷纷出手，谁都不想错失这个火热的赛道。
年初，DeepSeek 前脚带来模型在推理能力上的大幅提升，Manus 后脚就在全球范围内描绘了一幅通用 Agent 的蓝图。新的范本里，Agent 不再止步于答疑解惑的「镶边」角色，开始变得主动，拆解分析需求、调用工具、执行任务，最终解决问题……
刚刚，一篇来自香港大学 XLANG Lab 和月之暗面等多家机构的论文上线了 arXiv，其中提出了一个用于构建和扩展 CUA（使用计算机的智能体）的完全开源的框架。 使用该框架，他们还构建了一个旗舰模型 OpenCUA-32B，其在 OSWorld-Verified 上达到了 34.8% 的成功率，创下了新的开源 SOTA，甚至在这个基准测试中超越了 GPT-4o。
最近 AI 界的大新闻是 GPT-5 和谷歌的世界模型 Genie 3。然而，在无人在意的角落里，微软悄悄把 Edge 进化成了了 AI 浏览器。
GUI 智能体正以前所未有的速度崛起，有望彻底改变人机交互的方式。然而，这一领域的进展正面临瓶颈：现有数据集大多聚焦于 10 步以内的短程交互，且仅验证最终结果，无法有效评估和训练智能体在真实世界中的长时程规划与执行能力。
之前在X上看到过一个新加坡版的DeepSeek，叫Agnes AI，主打一站式Agent空间。 但当时我自己搞产品焦头烂额的，随手点开看了看，就放下了。 后来在Product Hunt上又看到这款产品，以及各种海外平台时而刷到。