论文一作刘少腾，Adobe Research实习生，香港中文大学博士生（DV Lab），师从贾佳亚教授。主要研究方向是多模态大模型和生成模型，包含图像视频的生成、理解与编辑。作者Tianyu Wang、Soo Ye Kim等均为Adobe Research Scientist。
近日中国AI大模型“六小虎”之一的智谱，管理层发生了以下变动：前Midjourney亚洲副总裁王玥婷加入智谱，主要负责多模态产品和市场；智谱首席战略官张阔、副总裁曲滕于近日离职。
我宣布，今年除夕夜拿春晚当BGM，但手里正儿八经真正在做的事，已经有了！
赶在放假前，支棱起来的国产 AI 大模型厂商井喷式发布了一大堆春节礼物。前脚 DeepSeek-R1 正式发布，号称性能对标 OpenAI o1 正式版，后脚 k1.5 新模型也正式登场，表示性能做到满血版多模态 o1 水平。
跟AI交互这事儿，商汤最新发布的大模型，是有点“够快、够准、够好”在身上的。
刚刚发布的豆包大模型1.5，不仅多模态能力全面提升，霸榜多个基准；更难得的是，它在训练过程中从未使用过任何其他模型生成的数据，坚决不走蒸馏「捷径」。
近年来视觉语⾔基础模型（Vision Language Models, VLMs）在多模态理解和⾼层次常识推理上⼤放异彩，如何将其应⽤于机器⼈以实现通⽤操作是具身智能领域的⼀个核⼼问题。这⼀⽬标的实现受两⼤关键挑战制约：
我勒个老天奶，大模型六小强之一的阶跃星辰，给大家拜早年的方式可真不一样——
提一个冷知识。
下一代 AI 的发展，似乎遇到了难以逾越的瓶颈。去年 12 月，OpenAI 在 ChatGPT 两周年期间连续发布了 12 天，我们期待的新一代大模型 GPT-5 却从头到尾没有踪影。
