搜索
今天凌晨，Anthropic 一口气发布两款顶级模型 Claude Fable 5.2 和 Mythos 5.2。新模型在科学研究方面展示了多项成果，包括通过约 1000 个 AI 智能体协作，仅用 30 小时完成费马大定理证明的形式化。
走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。
大模型能看懂复杂的网页结构，也能理解各种游戏的通关规则。
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
Jev刷屏之际，香港中文大学徐强团队早在12个月前就发表了论文《From Samples to Scenarios》并提出TimePrism验证模型，两者在不同领域分别走向了"显式概率、并行输出、面向决策"的相似设计思路。
蚂蚁AI安全实验室与清华大学人机交互实验室联合开源9B模型Realtime-Venus，通过配套的Harness打通前后台，使AI助手在执行后台任务的同时能继续与用户对话，并在长视频问答等多项评测中取得领先成绩。
爱诗科技（AIsphere）发布的实时世界模型PixVerse R2上线即登上X（Twitter）趋势榜，通过Omni Causal AR与Real-Time Acceleration框架将世界建模能力与实时运行结合，实现用户对AI生成世界的持续操控与互动。
随着编辑工具与生成模型的快速普及，「改图」正在变得越来越容易，篡改者可以在几乎不改变画面观感的前提下完成内容伪造，给内容真实性核验、平台治理与数字媒体信任带来新的风险。因此，图像取证与可信鉴伪证据，成为了内容安全中尤为重要的一环。
PPL由前musical.ly与TikTok团队成员创立，用户可创建带有记忆与性格的AI角色，角色之间能够建立关系、留下共同经历，并通过living timeline持续记录互动演化，已获FirstMark领投的Seed轮融资。
文章指出当办公Agent深度介入工作后，用户面临工作方式主导权被平台锁定的风险，认为模型开源不等于Agent开源，Agent Runtime开源才是关键，并以DeepSeek发布的Harness和网易有道开源的LobsterAI（含OpenClaw）为例，说明开源Agent Runtime能为用户带来数据主权、可审计性、连续性和可定制性。