安爸
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
MMSI-Bench团队 投稿 量子位 | 公众号 QbitAI AI能看图，也能讲故事，但能理解“物体在哪”“怎么动”吗？ 空间智能，正是大模型走向具身智能的关键拼图。 面对1000道多图推理题，开源大模型集体失守——准确率不到30%，甚至不如瞎猜！就连最强的OpenAI o3，也只答对了41%。 这一专为多图像空间智能设计的MMSI-Bench由上海人工...
我们跟美团技术的同学聊了聊“NoCode”的背后，顺手用它搭了个社区……
作者_｜骆轶航 邮箱｜_tluo@pingwest.com 我不是一个“懂代码”的人。 作为一家日益专注AI的科技内容社区的CEO，我的团队与AI 创业者和研究人员进行访谈，发布文章，举办各种各样的AI 论坛、黑客马拉松和workshop；我还在硅谷成立了一个 叫GenAI Assembling的AI 开发者社区，定期举办线下活动和闭门讨论。 我们不仅有读...
“甲方快乐模型”诞生，拿下平面设计新SOTA！多条件一键生成，还能独立调整元素 复旦＆字节
CreatiDesign团队 投稿 量子位 | 公众号 QbitAI 平面设计师有救了！ 复旦大学和字节跳动团队联合提出CreatiDesign新模型，可实现高精度、多模态、可编辑的AI图形设计生成。 △CreatiDesign能生成各种类型的平面设计图，如电影海报、品牌促销、产品广告和社交媒体图。 AI虽然在文生图领域已取得了很大的突破，但以往方法在处理...
全世界第一个 AI 超级应用诞生｜AI产品榜·网站榜5月榜单
欢迎阅览由李榜主发起的：AI产品榜。 第 24 期 AI产品榜·网站榜(Web)（2025 年 05 月）由 AI产品榜、36kr、硅星人｜沃垠AI 联名发布。 1 AI产品榜·网站榜(Web) 2025 年 05 月 本文里包含 18 个 AI 榜单，更多/更全 AI产品榜单 可在文末点击 “阅读原文” 免费访问 或 直接访问官网 AI产品榜 aicpb...
医学领域也有世界模型了：精准模拟肿瘤演化，还能规划治疗方案
MeWM团队 投稿 量子位 | 公众号 QbitAI 医学领域，也有自己的世界模型了。 来自香港科技大学（广州）、约翰霍普金斯大学等机构的学者联合提出了提出医学世界模型（Medical World Model, MeWM），赋予了AI“预演”疾病发展的能力。 MeWM可以基于临床治疗决策，模拟未来肿瘤演化过程，可以为个性化治疗提供可视化、可评估、可优化的辅助...
大厂争当AI“婆婆”
文章转载于字母榜 作者：张琳 争当年轻人的“AI婆婆”，如今成了科技大厂攒APP月活跃度的固定操作。 BAT们纷纷下场，并在“AI婆婆”争夺战中花开两朵：一类在AI助手应用中嵌入各类角色智能体，腾讯元宝、字节豆包和阿里通义都为AI角色开了专属入口，豆包里历史名人如鲁迅教你辞职，荧屏老公“相柳”单日曾带动元宝下载排名跃升到了21位。 另一类则是借用独立APP...
“折价”卖身腾讯音乐后，喜马拉雅宣布拥抱AI
喜马拉雅称，于腾讯音乐的收并购，源于公司对正在发生的行业和技术深刻变革的回应，未来将拥抱AI。 文|张洋洋 在公开腾讯音乐收购消息后，喜马拉雅联合创始人陈小雨、余建军发布全员内部信，发布内部信阐述这起交易的由来和对公司的战略思考。 内部信称，这一决定，是在双方经过多轮深入探讨、达成共识后的慎重抉择，是公司发展历程中关键的里程碑，这次并购，并非偶然发生，...
多模态语音表征新突破！CoGenAV：高效、鲁棒、通用的语音识别“利器”
在人工智能领域，语音识别和处理一直是研究热点。然而，传统的语音识别系统在复杂环境下的表现往往不尽如人意，尤其是在高噪声或多人说话的场景中。近年来，多模态学习逐渐成为解决这一问题的关键。通义联合深圳技术大学推出的CoGenAV模型，通过融合音频和视觉信息，为语音识别和处理带来了新的突破。 一、项目概述 CoGenAV（Contrastive-Generat...
上线 o3-pro、降价 80%、联手谷歌、还全网宕机，OpenAI 今天杀疯了
OpenAI 终于发布新模型了。 但不是 GPT-5。 而是，o3-pro。 严格来说，o3-pro 不是完全“新”的模型，更像是 o3 的高阶形态。 一个专为 ChatGPT Pro 用户准备的高算力版本，也正式接替了上一代的 o1-pro。 与此同时，OpenAI 还宣布：o3 模型的 API 定价，直接下调了 80%。 而这，只是 OpenAI 一...
弄明白智能体的运作流程，才能知道智能体目前存在那些问题，以及应该怎么解决
“ 智能体的运作流程非常复杂和不可控，因此需要其它解决方案来解决这些问题。” 从结构上来看智能体的实现非常简单，就是大模型LLM+工具Tools；而构建工具主要有两种方式，Function call和MCP协议。但由于智能体是由大模型自己决定怎么使用工具，以及怎么处理工具需要的参数和返回值。 而这个过程对技术人员是完全不可控的，因此这一点也是智能体执行过...