字节团队提出UNO模型，能处理多主体图像生成任务。该模型基于FLUX改进，解决了数据可扩展性和主体可扩展性问题，并在DINO和CLIP得分上达到SOTA水平。

Kimi团队发布开源轻量级视觉语言模型Kimi-VL及其推理版Kimi-VL-Thinking，参数为16B但推理时仅激活2.8B。具备强大的多模态推理能力和Agent能力。支持128K上下文窗口，采用宽松的MIT许可证。

谷歌推出A2A协议（Agent2Agent），允许不同生态系统中的AI Agent安全协作。通过统一界面，招聘经理可以下达任务给专业Agent寻找合适的候选人，并利用多Agent协同完成复杂工作流。

人 ： 不光有地上跑的， 也有天上飞的 ： 还有 “不归牛顿管” 的：BMW新世代驾趣概念车。 科技

的垂直行业当中，开始涌现出AI落地的经典实践案例。 教育领域中，专注于职业教育培训的 粉笔 ，就是其

（3DGS）成为新一代高效三维建模技术，它的自适应特性却悄然埋下了安全隐患。在本篇 ICLR 202

中科大等团队提出VCR-Bench评估基准，用于评价视频理解中的CoT推理能力。该基准包含七个独立评估维度的任务框架，覆盖视觉感知和逻辑推理两大类别。结果显示当前多模态模型在复杂视频推理任务上...

清华和上海AI Lab团队通过测试时强化学习方法，提升模型数学能力159%，在多个数据集上表现显著。

排名第二，面对如此泼天的流量，该用什么“姿势”来接住？ 在千变万化、快速发展的生成式AI时代下，如此

基双子的可灵AI基础模型——文/图生图的可图、文/图生视频的可灵，都重磅升级到2.0版本。 可图2.

）技术迅速崛起，正成为推动数字内容创作革新的关键力量，特别是在游戏、影视、虚拟现实和工业设计等领域表

哈工大博士生李俊劼的研究成果GiVE首次实现了指令驱动的全景式感知，解决了传统多模态模型'选择性失明'的问题。通过引入AG-Adapter模块和设计三种专门损失函数，GiVE能灵活调整注意力...

复旦大学和美团的研究者们提出UniToken——一种创新的统一视觉编码方案，在一个框架内兼顾图文理解与图像生成任务，并在多个权威评测中取得领先性能表现。

拥有“独家预报” ——这并非科幻场景，而是上海“扶摇”气象大模型带来的突破。 近日，由上海科学智能研

成 。 AI智能助手领跑50+类 高价值细分赛道 ，夸克等头部产品月访问量达到 数千万 甚至过亿，豆

530万美元融资了呀！ 21岁小哥（称他为小李）这几天公布了一则喜讯，他们初创公司Cluely获得来

UC伯克利研究发现，强制要求模型跳过思考过程仍能保持或提高推理能力。使用DeepSeek-R1模型，在定理证明任务中仅需30%的Token就能达到与完整思考相同的准确率。

达摩院在ICLR 2025提出了动态架构DyDiT，通过智能资源分配将DiT模型的推理算力削减51%，生成速度提升1.73倍，FID指标几乎无损，并且仅需3%的微调成本。

降低，一个关键问题浮现在每一位企业决策者面前： 如何让AI真正成为企业的“智慧大脑”，驱动业务决策全

阿里通义万相Wan2.1最新版发布，基于首尾帧技术能生成流畅、连贯的5s/720p视频。模型参数规模达到百亿级，支持在官网和多个开源平台使用。实测显示其表现优秀，具备较强的主体一致性、前后连贯...