。过去的行业共识是：端侧只能跑小模型，性能与体验必须妥协；真正的能力仍得依赖云端最强模型。万格智元要打破的，正是这条旧认知。公司正在打造的cPilot端侧算力引擎，选择了一条更难、却更接近未来的路径：通过自研的非GPU推理引擎，让300亿、500亿等超大模型在性能有限制的消费硬件上高效推理
英伟达在开源模型上玩的很激进： “最高效的开放模型家族”Nemotron 3，混合Mamba-Transformer MoE架构、NVFP4低精度训练全用上。而且开放得很彻底：
能自动查数据、写分析、画专业金融图表的AI金融分析师来了！最近，中国人民大学高瓴人工智能学院提出了一个面向真实金融投研场景的多模态研报生成系统——玉兰·融观（Yulan-FinSight）。
最近，清华大学教授、智谱AI首席科学家唐杰发了一条长微博，总结了自己2025年对大模型进展的感悟。从预训练到中后训练、长尾场景的对齐能力，再到Agent、多模态和具身智能的发展，其中有不少亮点。
GitHub上最近出现了一个非常火的项目Agent-Skills-for-Context-Engineering，发布不到一周就斩获了2.3k Stars。为什么它能瞬间引爆社区？因为站在2025年末的节点上，我们已经受够了那些只存在于大厂白皮书里的Context Engineering（上下文工程） 理论。
字节最新数学推理专用模型，刚刚刷新战绩：拿下IMO金牌成绩。
语音，或许是最快跑通 PMF 的模型。
前脚刚听完罗永浩和 MiniMax 创始人闫俊杰的超长播客，然后就看到 MiniMax M2.1 发布了。
Agent 的状态数据分两种：会话内的临时上下文和跨会话的长期知识。
在生成式AI（GenAI）的推动下，2025年标志着行业从“震撼期”正式步入“深水区”。这并非资本的泡沫，而是计算范式从CPU向GPU的根本性迁移——数据中心正进化为实时生产智能的“AI工厂”。相比于模型参数的单纯竞赛，AI应用带来的“任务执行”能力与直观体验，让人切身感受到从“信息检索”向“智能生成”的范式跃迁。
