Google 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google 发布 Gemini Robotics 2.5,称其为迄今最强的视觉-语言-动作(VLA)模型。该模型提升了机器人可学习技能的广度和学习速度,帮助机器人走出实验室进入真实世界环境,目前已开始向其机器人合作伙伴推送。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
Google 发布 Gemini Robotics 2.5,称其为迄今最强的视觉-语言-动作(VLA)模型。该模型提升了机器人可学习技能的广度和学习速度,帮助机器人走出实验室进入真实世界环境,目前已开始向其机器人合作伙伴推送。
本文介绍了 TVM-TIRx,一个专为 Agent 时代设计的轻量级、模块化机器学习编译基础层,支持多语言混合驱动、动态扩展和底层工具链对接,旨在帮助 AI 快速迭代和验证编译模块。
Google 推出名为 Tabletop 的实验性 AI 工具,可通过描述需求生成储蓄追踪、家务表、行程规划等自定义协作工具。用户添加链接、文件和想法后提示 @tabletop 或选用模板即可生成,再把邀请链接发到群聊,多人可像 Google Doc 一样同时使用。Tabletop 测试版通过等待名单开放,目前仅限美国 18 岁以上用户。
Databricks 推出新一代 Genie,定位为可持续承担长周期企业工作的自主 AI 智能体,可追踪进度、跟进缺失输入并随新信息采取行动,用户设定护栏并按需审批。
记者 Alex Heath 发布对 AWS CEO Matt Garman 的长访谈,Garman 表示 AI 推理市场仍处 super early 阶段,规模甚至不足最终规模的 1%。
Marktechpost 上线 GPU Leaderboard,按 $/GPU-hr 对 24 家供应商的 201 个实时 GPU 报价排序,并提供按整次运行计价的推理成本计算器。
Tim O'Reilly 撰文提出 AI 的杀手级应用可能尚未出现,ChatGPT、Claude、Gemini 相当于浏览器时代的浏览器,Claude Code、Codex、Cursor 等编程智能体只是这个时代的 BASIC 和基础设施。
OpenRouter 宣布 Extractions API 在其平台以 alpha 版上线。用户通过描述所需字段(如邮件中的姓名或收据上的总额),即可从文本、图片和 PDF 中提取信息并返回结构化数据,指南见 openrouter.ai/blog/announcements/extractions-api/。
MiniMax 官方分享一幅以传统艺术语言表现现代题材的图像生成示例,主题为唐代敦煌土墙壁画风格的现代空间站外部维护。正文附完整提示词,指定飞天式技术员、石青色太阳能板方块、矿物颜料颗粒与自然剥落等细节,并明确排除科幻盔甲和摄影式星空等元素。
Jim Fan 发布一段未剪辑、1 倍速的实机视频,展示 GR00T 2 控制真实灵巧手端到端完成化学实验并自行清理。这是其机器人视频系列第一期,后续将持续更新原速视频。
谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,可将预测从宽泛组织缩小到单个细胞类型与状态,识别可改变基因表达的变异数量较初代接近翻倍。
MiniMax 官方演示其图像生成能力支持在单次生成中输入 16 张参考图。官方称该能力适用于素材排布、空间构图、产品包装等场景,并配有视频演示。
MiniMax 演示 H3-Image 将复杂信息转成图表和海报,并能把冗长案件叙述整合为单张证据板,把时间线、立场与证词分组、标注并连线。示例提示词要求为六名嫌疑人 A-F 的盗窃谜题生成 16:9 电影黑色侦探风证据板,标出每条陈述真假、高亮真凶,并附六种假设下真陈述数量的验证表。
MiniMax 官方分享一条 Dreamcore 风格图像生成提示词,展示一名男子坐在无边雏菊花田中使用老式 CRT 电脑办公的超现实画面。提示词完整给出了场景描述、构图(竖版 9:16)、光线与 Kodak Portra 400 胶片质感等细节,图片水印显示由 Hailuo AI 与 MiniMax 生成。
MiniMax 官方分享一条用于生成复古运动摄影效果的提示词,配图为 Hailuo AI 生成的骑行者慢门追随拍摄画面。提示词详细描述了慢快门追随摄影、方向性运动模糊、背景拉丝色带、低角度暖侧光和去饱和复古胶片色调等要素,并要求避免高速定格、数字速度线和商业广告式锐化。
Unsloth 发布 Qwen3.8-27B 的 Dynamic V3.1 GGUF 量化版本,称在 DeepSWE v1.1、Terminal Bench 2.1 等智能体基准上平均准确率领先 5–10%,支持 256K 上下文。
德国国防科技公司 Helsing 在柏林发布 agentic 智能平台 Clarity,用数百个专用 AI 智能体融合传感器、开源情报与报告数据,识别军事目标并生成打击建议,最终由人类选定目标并授权移交武器系统。
Simon Willison 整理了 Anthropic IPO 路演视频的转录稿,称其中包含此前未公开的业务信息。
Voice Arena 推出首个开放 AI 听写应用基准 Dictation Bench,在 Mac 上用 761 段来自 87 位说话人的录音实测 10 款真实应用(非 API),由 5 个 LLM 评审判断草稿能否直接发送。结果显示 Wispr Flow 得分 79%,Apple 仅 35%。
作者尝试通过机场节点注册 Claude 新号并使用新加坡区苹果支付,但因触发新号风控而导致苹果账号被永久封禁,表明该渠道目前订阅难度大。
Google DeepMind 发布 AlphaGenome 2,能预测相同 DNA 在不同细胞中被差异读取的方式,为理解人类遗传学提供新的可能性。模型现可通过 API 和交互式 Colab 教程供非商业研究使用,详情见 https://goo.gle/4zikg3w。
Google DeepMind 发布 AlphaGenome 2,模型逐个细胞类型分析组织,避免整体观察时遗漏单个细胞内部的变化。模型基于覆盖 68 种组织的 100M+ 谱 trained 训练,识别的基因开关突变数量接近上一代模型的两倍。
你的心脏、大脑和免疫系统拥有相同的 DNA 序列。那么,单个字母的改变为何会影响某些细胞中的疾病,却不影响其余细胞? AlphaGenome 2 是我们的新 AI 模型,它能聚焦特定细胞,帮助科学家理解疾病的驱动因素。🧵
a16z 发布分析文章,提出 B2A(Business to Agent)经济概念,认为 AI 智能体已构成互联网主要流量,并将替用户决定购买与订阅。
OpenAI 开启 ChatGPT 企业入驻 Beta 测试,支持企业认领主页并利用自有数据构建 Business Agent 服务客户。
Google DeepMind 发布下一代 DNA 序列模型 AlphaGenome 2,可预测 DNA 变异如何影响数百种人类细胞类型中的基因表达。
百度 ERNIE 5.5 Flash Preview 现已在 Arena 平台上线,用户可在 Battle Mode 中用编码、Web 开发和实际任务测试,Code Arena 分数即将公布。
Databricks 周三发布升级版 AI 智能体 Genie,可基于其构建的本体(ontology)调用客户在 Databricks 平台上的数据,无人监督完成多步任务。
Databricks 宣布 Genie Ontology 正式可用(GA),该本体由 Agent 从仪表板、SQL 查询、notebook 和 Power BI 等语义模型中自动学习业务上下文,人工通过 Unity Catalog 治理关键定义,并经 OntoRank 按权威度排序供给 Agent。
Databricks 宣布 Genie One 成为面向企业的 AI 协作中枢,统一搜索、构建成果物与跨工具行动,并由 Unity Gateway 治理。