终于！世界模型进入“有声时代”：24FPS画面+48kHz立体声实时生成
终于！世界模型进入“有声时代”：24FPS画面+48kHz立体声实时生成太卷了！过去两年，视频生成模型把画面参数几乎卷了个遍。
来自主题:
AI资讯
7384 点击 2026-08-17 16:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
太卷了！过去两年，视频生成模型把画面参数几乎卷了个遍。
今天，一条前两天的推文开始热传，内容只有 5 个词：Scott Gray 已离开 OpenAI。
测评 AI 这件事，如今越来越难做了。
今年AI圈最贵的一笔中间商买卖，落槌了！
8月17日，RoboScience机器科学正式发布轮式仿人形通用操作机器人——REX G1，定位为“新一代具身智能生产力伙伴”。
“全球首个具身 Physical AI 开源生态，将如何改写机器人行业格局？ ”
前两天，看到小米澎湃OS 4 Beta版开启招募，没有发布会，直接上。
上回说到，Seedance 2.5上线后，我们第一时间做了模型更新的能力测试。结果很惊艳，AI的指令遵循、运动效果、表演张力、人物一致性和全模态参考都有了大进步。
你有多少工作，是需要「外包」出去做的，比如交给同事或者实习生？
办公智能体正在成为最热门的赛道：写文档、做表格、订会议，各家都在往办公软件里塞一个更聪明的AI助手。
“北航90后副教授”、“在B站教AI”、“3岁小孩都能听懂”……
日产7.5万首，播放却不到3%。
给AI一道数学猜想，它先琢磨的居然是：怎么把它推翻找反例！！
过去几年，大模型推理系统优化的核心目标一直围绕一个问题展开：如何让 GPU 更高效地计算权重、激活、KV Cache 等高维张量？从并行策略、请求调度、显存管理到算子优化，学界业界大量优化技术不断提升模型推理效率。
上周我去参加了一场在旧金山举办的 robotics meetup，主办方是 Silicon Valley Robotics 和 Nomadic AI，地点在 717 Market Street。说实话，我去之前没有太高的预期，觉得这类活动大概就是几个人站着聊天喝酒，讲几个 demo 然后散场。但五个演讲下来，我发现我想多了。
当机器人把书放进抽屉，它看到的是一串二维图像，然而真正需要完成的，却是一段发生在三维空间、持续随时间演化的动作。
史上最大规模IPO前，Anthropic CEO罕见长文硬刚质疑!
AI的“情绪”也会影响工作状态？
马斯克的xAI联创们，全员离职后都去了哪儿？
AI自动科研的时代，彻底爆发了！
今日零时起，DeepSeek正式执行新版API价格，DeepSeek-V4-Flash和DeepSeek-V4-Pro两款主力模型首次采用峰谷定价，闲时价格统一为高峰时段的一半。此次调整同步抬高了两款模型的基础价格。DeepSeek-V4-Flash高峰时段每百万Tokens缓存命中输入、缓存未命中输入和输出价格分别为0.1元、3元和9元，闲时分别降至0.05元、1.5元和4.5元。
数字员工逐渐走进团队。
语音成为了AI交互的新方式。
我们很好奇：AI音乐，能否改写版权为王的竞争规则？
上周我去参加了 WorkOS 在旧金山 Regency Ballroom 举办的 Agent Night Live。说实话，这类活动我参加过不少，很多时候走进去，走出来，脑子里留下的东西并不多。
AI咋能代替人呢？
AI债务危机下篇：未来的五个风险事件
随着Agent走向真实工作，后训练和数据正在成为提升智能的关键。
上周一，我发了自己做的AIHOT大模型排行榜。
预计半年内，ChatGPT的下一代模型将能监视你的屏幕、记录每一次会议与通话，并完整掌握关于你生活的全部上下文。
