/
不用再训练AI模型，香港科技大学团队发明"智能管家"，让AI一眼就知道该抓哪里用哪里
香港科技大学团队开发出A4-Agent智能系统，无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程，在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路，使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST让SVG动画脱胎换骨：AI如何破解矢量图形的"语义迷宫"让静态图标活起来
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理，解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画，生成的动画文件比传统视频小54倍，在多项评估中超越顶级竞争对手，为数字创意产业带来重大突破。
华为诺亚方舟实验室新突破：不加内存也能让AI变聪明的神奇方法
华为诺亚方舟实验室提出VersatileFFN创新架构，通过模仿人类双重思维模式，设计了宽度和深度两条并行通道，在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算，实现了参数重用和自适应计算分配，为解决AI模型内存成本高、部署难的问题提供了全新思路。
北大团队突破AI绘画新难题：让机器像人一样精准识别和创作多主体图像
北京大学团队开发了名为Scone的AI绘画新技术，解决了现有AI在复杂图像中无法准确识别指定对象的问题。该系统通过"理解桥梁"策略，让AI能像人类一样精准理解用户指令，在包含多个候选对象的图像中准确识别目标并生成相应画面。团队还创建了SconeEval评测基准，Scone在测试中表现优异，在开源模型中排名第一。
YouTube推出基于Gemini 3的创作者游戏制作工具
YouTube Gaming宣布推出Playables Builder开放测试版，允许特定创作者使用基于Gemini 3的原型网页应用制作小型游戏，无需编程知识。该工具类似于Google Labs的Disco和GenTabs项目，通过自然语言输入生成交互式内容。尽管AI助手能帮助用户无需技术知识即可创作，但优秀游戏需要技巧、迭代和专业知识才能打造真正有趣的体验。
英伟达是唯一能负担免费提供AI模型的厂商
英伟达凭借其庞大的硬件业务利润，成为唯一能够承担免费提供AI模型成本的公司。随着OpenAI、Anthropic等专有模型制造商竞争加剧，Meta考虑转向封闭模型，英伟达却加倍投入开源Nemotron模型。公司可以成本价获得任何规模的AI集群进行训练，其AI Enterprise软件栈年费仅4500美元。新发布的Nemotron 3采用混合专家架构，结合Mamba-Transformer技术，显著提升推理效率和内存使用率。
OpenAI发布新旗舰图像生成AI模型GPT Image 1.5
OpenAI推出全新旗舰图像生成模型GPT Image 1.5，具备更强的指令理解能力、精准图片编辑功能，生成速度提升四倍。新模型在修改现有照片方面表现出色，支持实用的照片编辑、逼真的服装发型试穿效果，以及保持原图精髓的风格滤镜和概念转换。ChatGPT侧边栏新增专用图像标签页，提供预设滤镜和热门提示。OpenAI将此定位为企业级实用工具，从新奇图像生成转向实用高保真视觉创作。
脑启发算法可大幅降低AI能耗
普渡大学和佐治亚理工学院研究人员提出采用脑启发算法构建AI计算机架构的新方法。研究显示，传统冯·诺依曼架构中处理器与内存分离造成数据传输瓶颈，随着AI模型规模四年内增长5000倍，能耗问题日益严重。研究团队建议采用脉冲神经网络和存内计算技术，将处理和存储功能集成，突破"内存墙"限制，显著降低AI模型能耗，使AI设备更适用于医疗、交通和无人机等实际应用场景。
OpenAI推出GPT Image 1.5模型加速图像生成竞争
OpenAI推出ChatGPT Images新版本GPT Image 1.5，承诺更好的指令遵循、更精确的编辑功能和高达4倍的图像生成速度。该模型面向所有ChatGPT用户和API开放。这是OpenAI在CEO奥特曼宣布"红色警报"后与谷歌Gemini竞争的最新升级。新模型提供后期制作功能，支持更精细的编辑控制，能在编辑过程中保持面部相似度、光照、构图和色调的视觉一致性，解决了传统AI图像工具迭代编辑时缺乏一致性的问题。
Zoom推出AI Companion 3.0智能体工作流程
Zoom推出AI Companion 3.0，采用联邦AI架构结合自研模型与OpenAI、Anthropic等第三方大语言模型。新版本具备智能工作流、对话式工作界面等功能，可将会议对话转化为洞察、进度跟踪和文档内容。系统支持加密传输，不使用客户内容训练模型。用户可通过ai.zoom.us访问，或以每月10美元独立购买。
ChatGPT成为互联网最受阻止的爬虫机器人
根据Cloudflare 2025年度报告，ChatGPT的爬虫GPTBot是互联网上被阻止最多的机器人，而其最大竞争对手谷歌则是最被允许的爬虫。报告显示，非人类机器人现占互联网流量的56.5%，其中AI服务爬虫增长最快。不同网站对爬虫态度各异，一些希望获得流量，另一些则认为机器人在未给予充分补偿的情况下获取价值。在爬取与推荐比率方面，Anthropic的表现最差，达到10万比1。
英伟达推出开源权重模型填补美国AI市场空白
英伟达发布三款全新开源权重模型Nemotron，包括Nano、Super和Ultra三个版本，参数量分别为300亿、1000亿和5000亿。这些模型采用混合潜在专家架构，结合Mamba-2和Transformer技术，支持百万token上下文窗口，可在企业硬件上高效运行。英伟达还将开源训练数据和强化学习环境，帮助企业定制化模型。
Meta推出SAM Audio模型：AI音频分离新突破
Meta发布新款SAM Audio模型，能够通过文本、时间段标记和视频视觉选择等多种提示方式分离和编辑音频。该模型可从歌曲中提取特定乐器声音，或从录音中去除背景噪音，大幅减少传统音频编辑的手工操作。Meta声称这是首个统一的多模态音频分离模型，已在Segment Anything平台上线并开放下载。
英伟达推动数据中心增长，以太网交换机销售创纪录
Dell'Oro集团研究显示，第三季度数据中心存储、服务器和以太网交换机显著增长，推动组件销售同比激增40%。以太网交换机表现突出，收入达到创纪录的80亿美元。在AI热潮推动下，超大规模厂商持续引领数据中心基础设施增长。英伟达、三星和SK海力士在GPU、CPU等半导体领域获得丰厚收益。Dell'Oro预测未来五年服务器和存储系统组件收入将以26%的复合年增长率增长。
Quobyte推出GPU融合存储技术优化AI集群数据处理
Quobyte发布GPU融合存储解决方案，通过整合GPU服务器现有驱动器创建共享存储池，将数据更靠近GPU处理单元。该技术利用GPU服务器中闲置的CPU、内存和NVMe存储资源，消除外部存储阵列需求，降低延迟并提升数据传输速度。系统具备容错能力，可应对GPU节点频繁重启和故障。相比传统架构，该方案可显著降低基础设施成本和功耗，每增加一个GPU节点即可自动扩展存储容量和吞吐量。
艾伦人工智能研究所推出Molmo 2，为AI系统带来开放视频理解能力
艾伦人工智能研究所推出Molmo 2多模态模型系列，在图像理解基础上扩展至视频和多图像理解能力。该系列包含三个变体：8B、4B和2-O 7B模型，分别基于阿里巴巴Qwen 3和研究所自研Olmo模型构建。新模型在保持高效性能的同时显著缩小了参数规模，8B模型在关键图像理解任务上超越了原版720亿参数模型。Molmo 2具备视频定位、多对象追踪和时序推理等创新功能，为物理AI、自动驾驶、机器人等领域提供重要技术支撑。
Adobe Firefly新增基于提示词的视频编辑功能
Adobe更新其AI视频生成应用Firefly，新增支持精确提示词编辑的视频编辑器，并集成Black Forest Labs的FLUX.2和Topaz Astra等第三方模型。新编辑器允许用户通过文本提示编辑视频元素、颜色和摄像机角度，提供时间轴视图便于调整帧、声音等特性。用户可使用Runway的Aleph模型进行具体指令操作，Adobe自有Firefly Video模型支持上传起始帧和参考视频重现摄像机角度。
AI Institute杀手锏：用单元测试训练出超强文档识别神器，准确率飙升至82.4%
艾伦人工智能研究所开发的olmOCR 2通过创新的单元测试训练方法，将文档识别准确率提升至82.4%，在处理复杂数学公式、表格和多栏布局方面表现卓越。该系统采用强化学习和合成数据生成技术，实现了完全开源，为全球研究者提供了先进的OCR解决方案，推动了AI技术民主化发展。
苹果公司发布Pico-Banana-400K：40万图片训练数据让AI修图像人类一样聪明
苹果公司发布了包含40万张图片修改案例的AI训练数据集Pico-Banana-400K，涵盖35种修图操作类型。该数据集采用严格质量控制，包含成功失败案例对比和多轮修图场景。研究显示AI在全局修改方面表现优秀，但精细操作仍有挑战。这为AI修图技术发展奠定基础，未来将让修图软件更智能易用。
香港大学团队破解电脑操作难题：让AI通过看视频学会自己使用电脑
香港大学团队开发了VideoAgentTrek系统，通过自动分析YouTube教程视频训练AI学会电脑操作。该系统使用Video2Action模块从39000个视频中提取152万操作步骤，让AI任务成功率从9.3%提升至15.8%，为AI助手实用化开辟新路径。
京公网安备 11010802021500号
