2026 年，阿联酋哈利法大学的邹航博士和他所在的团队，做出了全世界第一个射频大模型，名字叫 RF GPT。这个模型能直接看懂无线信号，就像 GPT 4o 能看懂图片、Qwen2 Audio 能听懂声音一样。你把无线信号扔给它，它不仅能告诉你这里面有几种信号、分别是什么技术，还能分析出有没有信号在打架、哪个是 5G 哪个是蓝牙、甚至能数出来 WiFi 网络里有多少个用户同时在用。
3月30日，阿里巴巴内部发布了 Wan2.7-Image 图像生成与编辑统一模型。根据官方公布的数据，在人类偏好盲测评分中，Wan2.7-Image 目前位列国内第一。从放出的评测雷达图来看，无论是文本生图（Text-to-Image）还是综合图像编辑（Image Editing），它的各项指标基本都盖过了市面上主流的几家头部模型。
龙虾终于会画图了！阿里Wan2.7-Image刚刚上线，捏脸到骨相级、首创「调色盘」、3K超长文本写满A4不崩，还能接入OpenClaw一句话出图。
最近关于Qwen3.5还有其幕后团队，市场上的讨论沸沸扬扬，但今天我们不聊八卦，主要讲讲干货。
人人都能创作视频的时代来了。
糟糕！现在Agent也会这招了：原神，启动！咳咳，这其实是字节最新手搓出来的原神Agent——Lumine。不仅在《原神》里玩得很6，跑图开荒以及动辄几个小时的长主线任务，Lumine都能自己搞定，而且水平还不菜。
最大的时代红利，属于今年四季度发布的中美两大明星产品，OpenAI 的 Sora 2 与阿里的 Wan2.5-Preview。其中，Sora 2 的登场堪称一场教科书级的营销战役。熟悉的邀请码机制再次奏效，用户为了获得一个入场券除了需要购买 GPT 的会员之外，甚至还在二手平台再花几十美金购买邀请码。更绝的是，它把自己变成了一个 AI 版抖音，
最近，一个视频在推上传疯了。
今天推荐一个 Dense Image Captioning 的最新技术 —— CapRL (Captioning Reinforcement Learning)。CapRL 首次成功将 DeepSeek-R1 的强化学习方法应用到 image captioning 这种开放视觉任务，创新的以实用性重新定义 image captioning 的 reward。
上海人工智能实验室发布新一代文档解析大模型——MinerU2.5。作为MinerU系列最新成果，该模型仅以1.2B参数规模，就在OmniDocBench、olmOCR-bench、Ocean-OCR等权威评测上，全面超越Gemini2.5-Pro、GPT-4o、Qwen2.5-VL-72B等主流通用大模型，以及dots.ocr、MonkeyOCR、PP-StructureV3等专业文档解析工具。
