Aoyii

品玩3月6讯，OpenAI今日正式推出GPT-5.4及GPT-5.4 Pro模型，面向ChatGPT、API及Codex平台同步上线。作为当前最高效、能力最强的前沿模型，GPT-5.4融合GPT-5.3-Codex的顶尖编码能力，并在多工具协同、文档处理、电子表格与演示文稿生成等专业任务中显著提升准确性与效率。 核心升级： 原生计算机操作能力：支持在桌面和浏览器环境中执行复杂工作流，OSWorld-Verified基准中75.0%成功率超越人类水平（72.4%） 工具搜索机制：减少4...

编者按：本文来自微信公众号 蔚来资本（ID：niocapital），创业邦经授权转载。 a16z发布了第六版Top 100 Gen AI报告《Top 100 Gen AI Consumer Apps: March 2026》。这份报告跳出了前两年行业爆发式增长的流量喧嚣，直指当前Gen AI市场的"固化"格局与"转向"信号：ChatGPT的绝对优势仍在，但它的"阴影"之下，已显现出AI交互从Web窗口向桌面、浏览器、语音延伸的趋势。 三大平台博弈：ChatGPT、Gemini 与 Claude 市场格局：ChatGP...

编者按：本文来自微信公众号 蔚来资本（ID：niocapital），创业邦经授权转载。 a16z发布了第六版Top 100 Gen AI报告《Top 100 Gen AI Consumer Apps: March 2026》。这份报告跳出了前两年行业爆发式增长的流量喧嚣，直指当前Gen AI市场的"固化"格局与"转向"信号：ChatGPT的绝对优势仍在，但它的"阴影"之下，已显现出AI交互从Web窗口向桌面、浏览器、语音延伸的趋势。 三大平台博弈：ChatGPT、Gemini 与 Claude 市场格局：ChatGP...

编者按：本文来自微信公众号 蔚来资本（ID：niocapital），创业邦经授权转载。 a16z发布了第六版Top 100 Gen AI报告《Top 100 Gen AI Consumer Apps: March 2026》。这份报告跳出了前两年行业爆发式增长的流量喧嚣，直指当前Gen AI市场的"固化"格局与"转向"信号：ChatGPT的绝对优势仍在，但它的"阴影"之下，已显现出AI交互从Web窗口向桌面、浏览器、语音延伸的趋势。 --- ## 三大平台博弈：ChatGPT、Gemini 与 Claude **市场格...

本文是 OpenClaw 专题系列的第三篇。SOUL.md 回答了"你是谁"的问题，但知道你是谁，不等于知道怎么活。AgentS.md 就是 OpenClaw 给 Agent 写的"怎么活"。 标题：一个词的重量 AgentS.md——复数。这暗示了一种可能性：这套行为准则不只适用于一个 Agent，而是适用于所有基于 OpenClaw 运行的 Agent。它是一个种族的宪法，不是一个个体的日记。 再看副标题："Your Workspace"——你的工作空间。这里的"Your"指向 Agent——这是你的地方...

近日，光轮智能完成 10 亿元 A++ 及 A+++ 轮融资。本轮融资引入新希望集团、鼎邦投资、奥克斯、鼎石资管等产业投资方，以及建投华科、国方创新、道禾长期投资、清新资本等财务投资机构。 本轮融资完成后，光轮智能成为全球首个具身数据领域的独角兽企业。 资金将重点投入于物理仿真引擎持续研发、规模化模型评测体系升级与全球交付及本地部署能力建设。 01 物理 AI 时代：新的基础设施正在形成 过去十年，算力定义了 AI 的基础...

Cloudflare 推出了 "Markdown for Agents" 功能，使 AI 爬虫能够通过发送 Accept: text/markdown 请求头来获取网页的 Markdown 版本。该公司还同时提出了一种名为 "Content Signals" 的机制，允许内容发布者声明其内容是否可以用于 AI 训练、搜索索引或推理使用。 核心要点 Markdown for Agents：AI 代理通过 Accept 请求头指定 text/markdown 即可触发转换，一篇 16,180 个 token 的博客文章转换为 Markdown 后仅需约 3,150 个...

🤖 AI早知道 📅 2026年3月13日 · 昨日AI要闻简报 🔵 大模型 · 重磅 OpenClaw 3.8 炸场发布，Claude 3.7 实测封神 MiniMax 年化 ARR 增长 50%，M2 模型 Token 用量增长 6 倍 🟡 产品 · 变现 腾讯 QQ、微信双端接入 DeepSeek"小龙虾" 谷歌 NotebookLM 上新，秒出科普视频 🟢 行业 · 融资 爱诗科技 AI 视频获 3 亿美元融资，估值独角兽 OpenAI 工程师：AI 写得代码太多，人类检查跟不上 💡 观点 · 洞察 Anthropic 报告说透 AI 时代...

什么是原生全模态Embedding？ 如果说 ChatGPT 等生成式 AI 大模型是 AI 用来表达的「嘴」，那么 Embedding（嵌入）模型就是负责理解与检索的「记忆神经」。 长期以来，这条记忆神经处于割裂状态。过去让 AI「听懂」播客，必须外挂语音识别模型先转成纯文本，导致说话人略带反讽的语调、背景里刺耳的警笛声等「冗余信息」瞬间灰飞烟灭。 如今，Gemini Embedding 2 直接「生吞」MP3 音轨的波形与高分辨率图片的原始像素，那些只可...

引言 随着人工智能技术的快速发展，个人和企业对AI助手的需求日益增长。传统的云端AI服务虽然强大，但在隐私保护、响应速度和离线可用性方面存在局限性。OpenClaw（原Clawdbot）应运而生，作为一个革命性的本地AI编排平台，为用户提供了一个全新的AI助手体验模式。 OpenClaw的核心理念 OpenClaw的设计哲学建立在"本地优先"的基础上，它允许用户在自己的设备上运行AI模型，同时提供强大的编排能力来协调多个AI工具和服务。这种架...

核心洞察：为什么灵巧手比行走更难？ 通过观察2023-2025年机器人行业实践，我们发现：机器人行走需要解决的是"稳定性"问题，而灵巧手需要解决的是"精细操作"问题。人手拥有27个自由度，而机器人灵巧手通常需要6个以上，高端产品可达20-27个。灵巧手的控制难度是机器人行走的10倍以上，这也是为什么灵巧手价格远高于机器人整机的原因。 "不可能三角"的行业实践解读 在机器人灵巧手领域，一直存在一个"不可能三角"：性能、成本、...

人形机器人2025量产，特斯拉、Figure AI领跑，B端工业应用加速。 （1）人形机器人：孕育下一个百倍机会的温床 人形机器人产业正处在从研发演示向量产落地的关键拐点。 基于当前头部企业如特斯拉（ Optimus 计划 2026 年量产）、 Figure AI 及国内优必选等的量产规划， 2025-2026 年被视为产业规模化验证与商业化加速的关键窗口期。 当前人形机器人 呈现出“ 硬件降本 ”&...

GO-1是什么 GO-1（Genie Operator-1，智元启元大模型）是智元机器人推出的首个通用具身基座模型。模型采用Vision-Language-Latent-Action（ViLLA）架构，由VLM（多模态大模型）和MoE（混合专家）组成。VLM借助海量互联网图文数据，赋予模型通用场景感知和语言理解能力；MoE中的Latent Planner（隐式规划器）通过大量跨本体和人类操作视频数据，获得通用的动作理解能力；Action Expert（动作专家）则基于百万真机数据，实现精细...

开源 2.0 ：变脸堪比整容 等了一百多天，悬念终于揭晓。 9 月 13 日上午，蚂蚁集团开源团队（「开源技术增长」）携《 2025大模型开源开发生态全景图 》2.0 版，亮相上海外滩大会。 三个月前，「一场直播中的『现实世界的黑客松 』(A Real-world Hackathon )」的断言，今天依然成立—— 彼时「撕拉片」记录下生态初现的模样，而今，已经大变样。 访问地址：https://antoss-landscape.my.canva.site/ 这一...

8月的AI应用榜单出来了，乍一看，多少有点魔幻。 一边，是聊天机器人赛道锣鼓喧天，用户数以亿计，豆包、DeepSeek们几乎成了手机里的新“基建”；另一边，是图片视频应用闷声发大财，在收入榜上遥遥领先，把流量巨头们远远甩在身后。 一半是海水，一半是火焰。如果你还看不懂这个局，那你可能还没真正理解AI应用落地的残酷真相。 “美貌”依然是第一生产力，而且更贵了 我们先来看火热的“火焰”——收入榜。 中国AI应用收入排行榜TOP30...

视觉语言模型 (VLM) 能够支持文本输入的同时进行视觉理解。它们通常是通过将视觉 token 从预训练的视觉编码器通过投影层传递到预训练的大型语言模型 (LLM) 来构建的。通过利用视觉编码器丰富的视觉表征以及 LLM 的世界知识和推理能力，VLM 可以广泛应用于各种应用，包括无障碍助手、UI 导航、机器人技术和游戏。 VLM 的准确度通常会随着输入图像分辨率的提高而提升，因此需要在准确度和效率之间做出权衡。对于许多生产用例而言...

能看懂视频并进行跨模态推理的大模型Keye-VL 1.5，快手开源了。 相比此前的预览版本，Keye-VL 1.5的时序定位能力进一步升级，并且支持跨模态推理。 还创新性地提出Slow-Fast双路编码机制，给模型带来了128k的超长上下文窗口，而且速度与细节兼顾。 成绩上，不仅在Video-MME短视频基准斩获73.0的高分，还在通用、视频和推理场景的大量Benchmark当中领跑同级模型。 视频元素0.1秒级定位，还支持推理 要说Keye-VL-1.5最大的亮点，...

Junie是什么 Junie 是 JetBrains 推出的AI编程助手，通过 AI 技术帮助开发者更高效地完成编程任务。能理解项目上下文，提供智能代码补全、多行代码生成、单元测试生成等功能。Junie 支持跨语言开发，可一键将代码转换为不同语言。Junie 的核心优势在于深度集成 JetBrains IDE（如 IntelliJ IDEA 和 PyCharm），结合了专有的大语言模型（LLM），具备上下文感知能力，能根据项目需求提供精准的代码建议。 Junie的主要功能 如何使...

最强实时语音模型支持笑声捕捉、无缝切换语言。 智东西8月29日消息，今天凌晨，OpenAI发布为开发人员打造的语音转语音模型GPT-RealTime，并同步更新了包括远程MCP服务器支持、图像输入和SIP（通过会话发起协议）电话呼叫支持的API功能。 OpenAI称这是其迄今为止最先进的语音合成模型，GPT-RealTime在遵循复杂指令、精确调用工具以及生成更自然、更具表现力的语音方面有所改进。该模型可以自然朗读重复的字母、数字，无缝切换语...

OmniHuman-1.5是什么 OmniHuman-1.5 字节推出的先进的AI模型，能从单张图片和语音轨道生成富有表现力的数字人动画。模型基于双重系统认知理论，融合多模态大语言模型和扩散变换器，模拟人类的深思熟虑和直觉反应。模型能生成动态的多角色动画，支持通过文本提示进行细化，实现更精准的动画效果。OmniHuman-1.5 的动画具有复杂的角色互动和丰富的情感表现，为动画制作和数字内容创作带来全新的可能性，大大提升创作效率和表现力...