搜索
近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。
一周之内大语言、图片、视频模型都迎来新赛季：OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender，自己改场景、自己跑、自己测；GPT-image-2.5上线，更快更强，图片编辑和关键帧动画显著提升；fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型，5秒视频3秒内推理，实时生成和互动玩法纷纷涌现。
崔添翼最近在 X 上刷屏有点多。9 月 9 日，这位今年 3 月加入 DeepSeek、负责 Agent 运行和评估基础设施的 Harness 团队成员发推称，V4.1 Flash 在性能、费用、速度和总用时等方面全面超过 V4 Pro，因此 V4.1 Flash 上线后、V4.1 Pro 上线前，所有发往 V4 Pro 的请求都会被路由到 V4.1 Flash，按 Flash 的价格计费。
个性化在通用AI产品中一直是个加分项。无论是ChatGPT、Gemini还是Claude，还是今年的Openclaw、Harmes都把记忆和个性化当成核心卖点，理由是它能提高可用性、参与度和用户满意度。学术界对个性化的研究，也几乎全部集中在"如何做得更好、更准、更符合用户口味"上。
「麻烦你，帮我看一下。」
不得不说，国内Agent大战已经到了白热化阶段，就在昨天，小米也正式下场。开放桌面端应用：MiMo Desktop。目前是邀测阶段。
数宗科技创始人丁天（南京大学00后）创立AI Agent公司，开发企业级产品Brand Master，通过虚拟消费者模拟帮助品牌在新品上市前完成全生命周期测试，将新品研发周期从2个月缩短至1周，营销ROI平均提升80%，已服务雅诗兰黛、盒马、7-Eleven等客户。
具身智能初创公司费莫一科技（PHYMI）已完成近亿美元种子轮融资，由IDG资本领投，资金将主要用于Physical Agent核心技术研发、真实动态数据体系建设、产品工程化与场景落地以及团队扩充。
李沐在小红书开设AMA在线答疑，围绕AI时代的学习方向、编程必要性、职业选择与具身智能等话题回答网友提问，建议普通人善用Agent、保持深度优先并重新思考人与AI的分工。
太震撼了！ 就在刚刚，谷歌DeepMind正式发布「阿尔法」重磅成果——AlphaGenome Atlas。这是一个有前沿AI加持、覆盖全基因组的可搜索预测数据库。