安爸

「o3 达到或接近天才的水平。」 就在刚刚，OpenAI o3/o4 mini 模型终于正式推出。直播用时接近 30 分钟，节奏快到飞起，信息量却满满当当。 o3 的发布历程本身也极具反转，今年 2 月，OpenAI 曾宣布搁置 o3 的独立发布计划，技术会打包塞进 GPT-5 里。到了 4 月初，深谙「饥饿营销」 的 Altman 却宣称计划有变： o3...

在多模态大模型（MLLM）竞速赛中，很多模型要么偏理解（看图说话），要么偏生成（画图作诗），更别提两者统一的效率与表现了。 最近，一款由字节跳动、华中科技大学和香港大学等机构联合开源的强大模型：Liquid，以其无缝集成的视觉理解与生成能力惊艳亮相。 它不仅能读懂图片和文字，还能生成图像与文本，且无需外部视觉模型。 Liquid 是一个 7B 参数的多模态...

line-bot-mcp-server：将AI Agent与LINE官方账号无缝连接的MCP服务器。亮点： 通过LINE Messaging API实现高效消息推送； 支持文本和高度自定义的Flex消息； 提供用户详细资料获取功能。 参考文献： [1] http://github.com/line/line-bot-mcp-server （文：...

co-browser/browser-use-mcp-server：一个 MCP 服务器，它允许 AI Agent通过浏览器控制器来浏览网页，提升自动化效率。亮点： 支持SSE和stdio双协议传输； 实时VNC流媒体功能，可实时监控浏览器操作； 异步任务执行，提升操作灵活性。 参考文献： [1] http://github.com/co-brows...

微软研究院整了个活，发布了个原生 1-bit 的大语言模型 —— bitnet-b1.58-2B-4T。有啥意义吗？有的，这个模型虽然将权重量化到超低精度（实际是1.58位，权重只有{-1, 0, +1}三个值），但它在性能上几乎能与其它2B参数规模的全精度模型相媲美。 与传统模型相比，这个1-bit模型带来了惊人的效率提升： 内存占用只有0.4GB（其他...

字节开源了一个新型多模态生成模型 Liquid，核心创新在于将图像和文本统一编码到同一个离散的 token 空间中，并使用一个单一的大语言模型（LLM）同时处理视觉理解和生成任务。 核心发现是：虽然在小模型中多模态训练会影响语言能力，但随着模型规模的增大，这种性能下降会逐渐消失，甚至互相促进。 参考文献： [1] https://huggingface....

在Transformer几乎一统天下的今天，MiniMax-01选择了另一条路：放弃“主流”Transformer，押注更小众但计算更高效的线性注意力（linear attention），并将其规模推进到惊人的4560亿参数，搅动开源圈。 线性注意力是什么？一句话解释，它是一种能将原本计算量为 O(n²) 的attention结构压缩为 O(n) 的优化方法...

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。主要功能 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 提供 API 和可视化操作 U...

Pixel Converter 是一个开源的简单快速图像格式转换器。 参考文献： [1] https://pixel-converter.app/ [2] https://github.com/katbella/pixel-converter （文：NLP工程化） Pixel Converter 是一个开源的简单快速图像格式转换器最先出现在每时AI...

今天凌晨1点，OpenAI进行了技术直播，发布了最强、最智能模型o4-mini和满血版o3。 o4-mini和o3是两款多模态模型，能同时处理文本、图像和音频，并且能作为Agent智能体自动调用网络搜索、图像生成、代码解析等工具以及深度思考模式（思维链中可以思考图像）。 根据OpenAI公布的测试数据显示，o4-mini在AIME2024和2025中，分别达...