搜索
由格灵深瞳灵感实验室主导研发的 LLaVA-OneVision-2.0，是一款面向下一代感知智能的视觉语言大模型。团队充分利用视频 Codec 流和自研 OneVision-Encoder，实现跨帧、跨事件的增量观测和连续证据流建模。本文将详细介绍模型架构、训练方法与能力验证，展示该技术在视频理解、空间推理和目标追踪等任务中的应用潜力。
随着大模型智能体深入渗透真实操作系统，一种全新的安全威胁悄然成型：行为越狱（Behavior Jailbreak）。现有安全基准只盯着模型「说了什么」，却对「做了什么」视而不见。新基准LITMUS是首个同时覆盖真实OS环境行为越狱、语义-物理双层验证与多攻击范式的完整评测体系，并首次系统量化了「执行幻觉」这一被整个评测社区忽视的致命盲区。
距离今年的苹果全球开发者大会 WWDC 还有几天， 关于苹果新系统的爆料也已经越来越完整，外界几乎快提前「拼」出了今年的软件版图。
今年，我们正在打开 AI 自我进化的大门，按下了通往 AGI 的加速键。
把一件皱成一团的衣服叠好，是家务，也是机器人操作里的“硬仗”。
2026 年初，各大 AI 厂商在上下文窗口长度上展开激烈角逐。Google 的 Gemini 3 Pro 已支持 100 万级 token 上下文，Meta 的 Llama 4 Scout 更宣称可处理 1000 万 token。GPT-5 系列也在快速推进长上下文能力。
AI模型在电脑上预测精度爆表，一到实验室就各种出错用不了？
核心观点：由前Apple Vision Pro两位技术负责人联合创办的Reactor，近期完成5900万美元种子轮及A轮融资，由Lightspeed Venture Partners领投，WndrCo
MiniMax M3 今日正式发布。MiniMax M3 在编程和智能体等专业任务上达到了前沿的能力。它使用了我们提出的全新注意力架构 MSA （MiniMax Sparse Attention），最高支持 1M 超长上下文。如外界所期待的那样，它也是一个原生多模态模型，支持图片和视频的输入，并能操作电脑桌面。
今天，扣子 3.0 正式上线，扣子手机端 （iOS / Android）、电脑端（Mac OS / Windows）、网页端（coze.cn）三端全量更新。这一次，扣子带来了全新电脑端，扣子 App 也全面升级，我们把 Agent 带进了更完整的工作现场：