AI进家庭
字节跳动开源多模态AI Agent—UI-TARS-1.5
字节跳动开源了多模态AI Agent UI-TARS的最新1.5版本。 与上一代相比，1.5版本在计算机使用、浏览器使用和手机使用等基准测试中均表现非常出色。 在计算机使用方面，OSworld测试得分为42.5，高于OpenAI CUA的3...
AI视频创作平台Capsule，获1200万美元融资
AI视频创作平台Capsule宣布完成 1200 万美元的 A 轮融资。 本轮融资由 Innovation Endeavors 领投，Frame.io创始人Emery Wells、前Twilio高管 François Dufour、Ramp...
突发！OpenAI或将收购谷歌浏览器Chrome
今天凌晨4点，路透社消息，OpenAI一位高管在谷歌垄断案庭审中作证，将收购其浏览器Chrome。 目前，谷歌在美国正遭遇反垄断审判，如果上诉失败不仅Chrome会被拆分，其数字广告业务也会被剥离，会对谷歌进行大重组。 今天凌晨1点左右，...
突发！谷歌被逼卖身，OpenAI趁机收购Chrome？十亿搜索市场大洗牌
新智元报道 编辑：编辑部 【新智元导读】周二听证会上，美国司法部反垄断诉讼剑指谷歌，Chrome或被强制剥离！ChatGPT负责人放话：我们有兴趣收购。坐拥数十亿用户Chrome一旦易主，搜索领域将彻底洗牌。 OpenAI竟觊觎上...
GPT-4o能拼好乐高吗？首个多步空间推理评测基准来了：闭源模型领跑，但仍远不及人类
上海AI Lab 投稿 量子位 | 公众号 QbitAI GPT-4o会画吉卜力、会「自拍」，但是能拼好乐高吗？ 你有没有想过这样的问题： 多模态大语言模型真的具备理解和推理空间结构的能力吗？ 在多步空间推理任务上，现有 MLLMs 究竟...
对话Zilliz创始人星爵：我们没有对手，接下来的大事是 Agentic RAG
作者_｜Jessica 邮箱｜_JessicaZhang@pingwest.com 2025年春，AI行业正步入一个新的阶段。 Meta发布多模态模型Llama 4，OpenAI连续推出GPT-4.1、o3及o4-mini、计划发布首个“...
重磅开源！英伟达团队推出Eagle 2.5，8B参数性能叫板GPT-4o，附带全新数据集
文丨丁灵波 今天，英伟达、南京大学、香港理工大学、罗格斯大学团队合作推出一项最新成果：Eagle 2.5，简单来说这是一种用于长上下文多模态学习的视觉语言模型（VLM），为现有VLM打破局限性提供了一个创新解决方案。 为了应对行业中长视...
太酷了！直接跟虚拟人物对话！AI 虚拟助手Persona Engine (人格引擎)！
大家好，我是每日给大家推荐优秀开源项目的小G！ 今天，我要给大家介绍一个能够让你的数字角色焕发新生的神奇工具——Persona Engine。想象一下，你的角色不仅拥有生动的表情和实时动画，还能通过AI驱动的声音、个性和对话与你互动。这不仅...
MIT讲解AI模型后训练（Post-Training）方法
MIT讲解AI模型后训练（Post-Training）方法，一小时超长干货来了。课程通过讲座形式，详细介绍了从数据构建、训练算法到未来发展趋势的全过程，很适合对指令微调、行业模型优化、模型评测感兴趣的小伙伴。 本视频是MIT 6.S191《...
EasyDoc深度体验：让RAG开发者直呼好用的文档解析API（附案例详解）
在AI技术迅猛发展的今天，大语言模型（LLM）和检索增强生成（RAG）系统已成为开发者构建智能应用的核心工具。 然而，许多团队在落地过程中发现了一个关键痛点：AI模型的性能高度依赖于输入数据的质量。尤其是当处理非结构化文档（如PDF、扫描件...