AI画猫坐键盘却画出狗？别被“理解”二字骗了_服务软件

1. DeepSeek发布多模态论文又连夜删除

2. 多模态预训练，才是大模型的下一条路？Yann LeCun、谢赛宁参与

3. 2025年度AI全景报告：AI变强，人类抽象！ 2025年的AI进化史，比科幻电影更疯狂一、大模型篇：GPT-5.2、Gemini、Claude如何刷爆IQ测试二、AIGC篇：小香蕉和GPT-Image编辑现实三、人类怎么用AI：跟“神”谈恋爱四、AI机器人：伴侣还是终结者五、AI4S：人类最后的发明 #前沿科技趋势发布月 #抖音知识年终大赏 #AI新星计划 #AI #机器人

4. vibecoding宝藏工具和prompt分享

5. AI设计出来的火箭发动机，为什么让人类工程师看不懂？一个超越人类自身智力的AGI时代正在到来！#ai #火箭 #马斯克

6. 人人免费出大片！豆包Seedance 2.0实测对比+解析！

7. AI工作流已死？Agentic 时代，n8n这类工具还有学的必要吗？

8. 网友相信豆包「机票退票只扣5%手续费」，退票后发现与实际不符遂起诉字节，AI该为传达错误信息担责吗？

9. 为什么2026年大模型都在往“理解生成统一”方向发展？去掉VAE和VE到底能带来什么本质性的提升？

10. AI时代，Figma如何重塑设计和编程工作流

11. 盘点一周AI大事(5月3日)｜Google上线AI口语陪练 Google IO即将发布Gemini 4和Veo 4 Gemini上线原生文件生成 Google推出AI衣柜 Google翻译上线AI口语陪练 Claude 接入50多款创作软件，能直接操作Photoshop修图、做海报，接管Blender建模，用Ableton创作音乐英伟达开源全模态模型Nemotron 3 Nano Omni 研究员训练出复古大模型talkie KAIKAKU发布食品大模型Epicure 研究员开源突破性智能体协作框架Recursive MAS Moonlake上线Blender智能体Moonlake 3D Agent #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

12. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

13. 哈萨比斯指出，当前所有趋近通用智能的AI系统，在持续学习、在线学习及长期规划与推理三大核心能力上仍存在明显短板。换个视角，或许可以理解为这三种能力是人类智能的核心优势，它们不仅支撑着人类应对复杂世界的各类需求，更成为当前AI系统在认知层面，与人类存在本质差距的关键所在。

14. #DeepSeekV4发布# DeepSeek V4预览版终于来了！这次更新主要有三大亮点：产品分层：网页端上线了“快速模式”和“专家模式”。日常聊天用快速版，写代码、搞科研等复杂任务就切到专家版，虽然可能要排队，但逻辑和精度强很多。超长上下文：支持100万Token上下文，相当于能一次性吃透75万字的内容，处理整本小说或大型代码库毫无压力。原生多模态：虽然“视觉模式”还在灰度测试，但V4已经具备了原生看图、理解视频的能力，不再只是简单的“看图识字”，跨模态理解能力有了质的飞跃。今年大模型的进步绝对是突飞猛进，AI能力会呈现指数级提升。

15. DeepLearning AI 吴恩达和 Qdrant新出的这个课程看起来不错。Multi-Vector Image Retrieval，大多数检索系统都会用单个向量来表示一张图像。本课程展示了多向量方法如何将图像表示为由多个嵌入组成的集合，从而在文本查询与视觉内容之间实现更加精确的匹配，尤其适用于包含图片、图表和文字混合的文档场景。1 实现 ColBERT，用于理解多向量文本检索与延迟交互式搜索。2 应用 ColPali，从图像中提取更细粒度的局部补丁级特征，用于精细视觉检索。3 通过量化与池化技术优化内存占用。4 将多向量输出转换为 MUVERA 向量，以加速基于 HNSW 的快速检索。5 构建一个多模态 RAG 流水线，用于检索并推理复杂的视觉类文档。访问：learn.deeplearning.ai/courses/multi-vector-image-retrieval/#ai创造营# #程序员#

16. 500行极简开源框架，硬刚GPT/Gemini视觉极限！

17. 如何半小时搞懂一个陌生领域？我的自媒体工作流爆肝分享！ #人类对豆包的开发不足百分之一#三分钟生成PPT#豆包也太会写了#科技改变生活#AI新星计划

18. 显微镜让人类第一次看见细胞，望远镜让人类第一次看见宇宙。而AI，第一次让我们系统性地看见自己思考里的盲区。#大咖观察 #红衣聊AI #AI时代 #AI工具

19. AI圈最顶级的一次争吵，理解世界还是堆模型？ #大咖观察 #红衣聊AI #大模型 #人工智能

20. 个体用好AI，只能产生超级员工；只有组织为AI重新设计，才能产生超级公司。别做在旧厂房里换电机的傻瓜，要做那个拆掉旧工厂的人。#大有学问 #红衣聊AI #AI时代

21. 多模态大模型这条赛道，阿里云开始拉速度了

22. LeCun的JEPA已进化为视觉-语言模型，1.6B参数比肩72B Qwen-VL

23. “AI本质上是一种杠杆，个人能力越强、过往专业积累越深，这个杠杆带来的放大效应就越大。”李想对AI的本质看的真透彻。确实，用AI替代人，远不如用AI赋能人，让每个人都能把这根“杠杆”用起来，将每个人的能力通过AI进一步放大，这才是AI的意义。而且李想在B站最新一期的发布视频里称：MindVLA-o1已经具备3D ViT+多模态思考能力，让车真正具备理解3D空间的能力。也就是同一套VLA模型，既可以控制车辆，也可以控制机器人，自动驾驶只是物理AI的起点。长远看，物理世界AI的终局，是构建一个“硅基人”，让系统像人类一样，具备完整的感知和行动能力。#李想称机器人也用VLA##理想发布下一代自动驾驶基础模型##李想回应AI时代的焦虑#

24. 更全面的具身智能真机评测来了！CVPR 2026 ManipArena挑战赛邀你打榜

25. 【告别Few-shot，自我验证才是AI准确性的未来】Meta AI研究人员发现了一种让大模型准确率提升94%的技术，而且完全不需要任何示例。这就是"验证链"（Chain-of-Verification，CoVe）。传统提示词的困境在于：大模型会产生幻觉，自信满满地给出完全错误的答案。Few-shot示例虽有帮助，但受限于示例选择、token预算，且依然无法根治幻觉问题。我们一直在治标，而非治本。CoVe的核心逻辑是让模型自己检验自己，分四步走：1. 生成初始回答2. 规划验证问题3. 独立回答这些验证问题4. 基于验证结果生成最终答案关键在于"独立"二字。模型单独回答每个验证问题，避免了循环论证——不再是为自己的第一个答案辩护，而是客观地核查它。生成与验证分离，这才是破局之道。实测数据：复杂问答准确率从68%跃升至94%，适用于GPT-4、Claude、Gemini等主流模型，无需微调，零样本即可生效。可以直接使用的提示词模板：[你的问题]请按以下步骤执行：1. 提供你的初始答案2. 生成3-5个能暴露答案错误的验证问题3. 独立回答每个验证问题4. 基于验证结果提供修正后的最终答案有人质疑这项技术早在2023年9月就已存在，为何现在才火。技术的价值不在于发明时间，而在于被真正理解和应用的时刻。也有人指出，说Few-shot已死有些夸张——在教模型语气和结构方面，示例仍有用武之地。这是进化，不是替代。更深一层看，这揭示了一个范式转移：从"给更好的示例"到"让模型更好地思考"，再到"让模型学会自我怀疑"。真正的技能变成了：清晰描述任务，让模型思考，然后让模型质疑自己。AI准确性的未来，在于验证，而非生成。原文：x.com/godofprompt/status/2008125436774215722

26. 北大王选所彭宇新团队：让多模态大模型学会「看懂物种关系」丨CVPR 2026

27. #微博声浪计划##听见微博# DeepSeek正式跨入图文交互时代！5月9日开放“识图模式”，以“视觉原语思考”解决指代鸿沟，算力效率超GPT等10倍，适配国产昇腾芯片。实测在文化识别、生产力工具等场景表现亮眼，但存在进度落后、纯视觉识别易出错等争议。企业版已接入金融医疗，正融资500亿，下月将发布V4.1优化知识库问题。数懒小姐姐的微博音频

28. 港科大沈劭劼、谭平团队重磅开源！H-OmniStereo：280万全景数据集，实现零样本360°立体匹配

29. 全球大模型第一股，为啥是家中国公司？ #智谱 #智谱上市 #智谱IPO #GLM大模型 #全球大模型第一股诞生

30. AI分层设计已经到来，Nano Banana+lovart帮 AI终于可以分层设计了，1期视频0基础分享4大必学设计技巧！ #设计 #平面设计 #ai生图 #ai新星计划 #托尼三三

31. 2026年AI主线换了！这5大趋势必须看清。 #大咖观察 #红衣聊AI #趋势风口 #人工智能

32. AI如果要自我繁殖，人类要不要给它这个权限？ #大咖观察 #红衣聊AI #人工智能 #科技

33. 谷歌夺回王座：Gemini 3.1 Pro来了！姚顺宇：后面还有更好的

34. AIGC彻底变天！MiniMax Hub数字员工一键托管！搞AIGC创作、做电商、做自媒体的同学们注意啦！AI做视频新玩法太炸了！以前做AIGC视频，要自己找素材、写提示词、反复抽卡、剪辑拼接，一条视频做下来人都麻了。最近深度体验了 MiniMax Hub，感觉有亿点不一样。它就像我的专属数字员工，只要告诉它目标，它会自动拆解任务、调用模型，跑完一整套工业化工作流。从电商海报、小红书种草图，到产品宣传片、短剧脚本、分镜、角色图，甚至本地文件整理，都能按流程往下跑。 #AI #人工智能 #AIGC #MiniMaxHub #海螺AI

35. （一）认知的三大对象与目的

36. 现在AI的水平真的是太差太差太差了，复杂一点的事，它完全无法通过文字理解你的意图。今天让AI根据古诗《逢雪宿芙蓉山主人》画一幅水墨山水画，它花了20遍才画出我要的意境，然后把诗中的“柴门闻犬吠”的狗还画忘记了，然后我开始和豆包、文心一言、即梦战斗了20多次，目前还是没有画出正确的狗的位置和方向，真是太蠢了！现在的AI多模态理解能力完全不行，理解能力其实不如五岁的小孩！一年砸几百亿，就这水平？

37. //@陳龍龖龘:大雨老师总结的很好！语言（L）通过视觉语言（VL）预训练所获的的通识能力，通过采样离散token的过程，通过多步推理（CoT）,减少熵，增加信息量，并且提升确定性的过程，使最后输出行为时更加正确。Transformer的attention机制决定了语言（L）不是“转译”，也没有“信息损耗”，而是信息的“增量”！

38. 如何看待最新发布的国产统一多模态大模型让P视频像P图一样简单？未来的视频制作产业会发生什么变化？

39. 鲁豫说「AI 在乎完美，而人类在乎真实的瞬间」，怎么理解这句话？这一年属于你的哪些瞬间比完美更可贵？

40. 人类能活到150岁？癌症正被AI变成慢性病。 #大有学问 #红衣聊AI #医疗 #科研

41. 梦想照进现实！AI大模型全屋智能居然成了?!

42. 文科生要逆袭了！文科不会消失，反而会升级。因为语言能力、思辨能力、理解复杂人类意义的能力，是机器最难复制的部分。#大有学问 #红衣聊AI #文科生 #语言艺术 #学习方法

43. 阿里开源 Qwen3.5-Plus！三千行代码一次生！超强性能超低价格

44. Gemini 在关联 YouTube以后，已经能够回答「我今天看的那个 TED 视频里提到的两本书都是啥」这种个性化问题了。而且，在那个 TED 视频里，没说是哪两本书。等于 Gemini 又去做了一遍基于视频上下文内容—— Eric Schmidt 在那段提到了他和 Henry Kissinger的合作——的关联模糊搜索，把书给对了出来。感觉是 Personal Intelligence 的个人资料接入加上 Gemini Pro 才有的 research 技能。很好用。很有启发。

45. 盘点一周AI大事(4月5日)｜叫AI老公多干活 OpenAI内测下一代生图模型「GPT-Image-2」 OpenAI工匠计划「Project Stagecraft」曝光 Google发布最强开源小模型「Gemma 4」 Anthropic研究发现Claude有170种情绪向量阿里发布最强开源多模态大模型「Qwen3.5-Omni」 Sakana AI 发布AI战略官「Marlin」微软发布最强语音识别模型「MAI-Transcribe-1」研究员开源最强声音克隆模型「LongCat-AudioDiT」研究员开源最强语音合成模型「OmniVoice」工程师开源AI同事「同事.skill」爆火首个一人独角兽公司「Medvi」诞生 #前沿科技趋势发布月 #AI新星计划 #AI #OpenAI #AIGC

46. #科技先锋官# 你还以为 AI 只会聊天、写文案、做图文？那你已经彻底落后了！过去的 AI，只是虚拟世界里的 “文字玩家”，只会纸上谈兵；而 2026 年，AI 迎来真正的关键转折 ——从文本预测，正式杀入物理世界控制。具身智能 + 世界模型的爆发，让 AI 不再只活在屏幕里，而是拥有感知、行动、操控现实的能力。工业机器人、家用服务机、智能操作设备……AI 正在从 “理解世界” 变成 “改造世界”。有人说这是技术飞跃，也有人觉得危言耸听。当 AI 能亲手改变现实，人类的生活和工作将被彻底重构。这场颠覆式变革，你看懂了吗？AI 的下一站，到底有多疯狂？#过个有AI年##HOW I AI##微博超有用视频大赛##上微博涨知识# 种斌Marco的微博视频

47. （二）认知的四种方法

48. 杭州公司推宠物翻译神器，大模型+ 超 500 万条声纹数据，号称准确率 94%，是真突破还是智商税？

49. AI 视频生成的战场如何从「模型秀场」转向「工作流」？

50. 刚刚，智谱开源GLM-4.6V系列模型啦~GLM-4.6V系列型号包括两个版本：GLM-4.6V (106B)，一个为云端和高性能集群场景设计的基础模型，以及GLM-4.6V-Flash (9B)，一个针对本地部署和低延迟应用优化的轻量化模型。GLM-4.6V在训练中将其上下文窗口扩展到128k个token，并在同类参数规模的模型中实现了视觉理解的最先进性能。最关键的是，我们首次集成了原生的函数调用功能。这有效地弥合了“视觉感知”和“可执行动作”之间的鸿沟，为现实世界商业场景中的多模态智能体提供了统一的技术基础。GLM-4.6V 引入了几个关键特性：🌟原生多模态功能调用：实现了原生的视觉驱动工具使用。图像、截图和文档页面可以直接作为工具输入，而无需文本转换，同时视觉输出（如图表、搜索图像、渲染页面）会被解释并融入推理链条中。这闭环了从感知到理解再到执行的过程。🌟交错图文内容生成：支持从复杂的多模态输入中创建高质量的混合媒体内容。GLM-4.6V 处理多模态上下文—涵盖文档、用户输入和工具检索的图像—并合成与任务相关的连贯交错图文内容。在生成过程中，它可以主动调用搜索和检索工具来收集和策划额外的文本和视觉素材，生成丰富、视觉化的内容。🌟多模态文档理解：GLM-4.6V 能处理最多128K个标记的多文档或长文档输入，直接将富格式页面作为图像进行解读。它可以共同理解文本、布局、图表、表格和图形，从而准确理解复杂、以图像为主的文档，而无需将其先转换为纯文本。🌟前端复刻与视觉编辑：从 UI 截图重建像素级准确的 HTML/CSS，并支持自然语言驱动的编辑。它通过视觉检测布局、组件和样式，生成干净的代码，并通过简单的用户指令应用迭代的视觉修改。#科技先锋官#

51. OpenClaw 爆火背后，这种 AI 工作流，真能替代现有的办公习惯吗？是未来的标配还是小众自嗨？

52. 吃他汀类降脂药，注意三个副作用，以及三个意外情况。高血脂吃他汀的人，都要注意！医生发出提醒。同时探讨，人工智能AI是否能代替医生？张之瀛大夫的观点是：将来可能是人工智能AI和医生协同工作，而不是完全替代。#抖出健康知识宝藏 #新年囤点专业货 #高血脂 #他汀 #AI代替医生

53. 惠普战X 2026 详细评测：商务本也开始“既要又要”

54. “源神”的新年贺礼！深度实测Qwen3.5，原生多模态表现如何

55. 半夜，小米大模型团队发布小米全模态Agent基座大模型 MiMo-V2-Omni“MiMo-V2-Omni 专为现实世界中复杂的多模态交互与执行场景而生。从底层构建了融合文本、视觉、语音的全模态基座，并以统一架构将“感知”与“行动”深度绑定。这不仅打破了传统模型“重理解、轻执行”的局限，更让模型原生具备了多模态感知、工具调用、函数执行及 GUI 操作能力。”“MiMo-V2-Omni 可无缝接入各种 Agent 框架，实现了从理解到操控的跨越，大幅降低了全模态 Agent 的落地门槛。”“在正式发布之前，我们将一个早期测试版本以「Healer Alpha」为代号匿名上架 OpenRouter，没有任何宣传，纯粹让模型能力说话。结果调用量自然攀升至平台前列，并在 OpenClaw 测评榜单 PinchBench 上拿下均分第一，用户和基准双双给出了同一个答案。” “我们还与金山办公合作，将 MiMo-V2-Omni 接入 WPS Office，探索全模态智能体模型在日常生产力场景中的表现。”

56. #科技先锋官# 谷歌 Project Genie 横空出世，文本图片一键生成可交互游戏世界，直接让游戏股集体暴跌，也让它成了科技圈最具争议的焦点！有人说它是谷歌的王炸，丰富 AI 订阅服务、落地 Gemini 多模态能力，反哺模型迭代还打通生态闭环，让谷歌在 AI 格局中占据绝对优势。也有人骂这是市场过度恐慌，Genie 如今功能受限，既无完整游戏逻辑，也无法替代传统引擎，根本撼动不了 Take-Two、Roblox 的商业模式。 Meta、英伟达也在加紧布局世界模型，AI 造世界到底是颠覆行业的革命，还是徒有噱头的技术试水？看完这条视频，带你看清背后的真相！#微博超有用视频大赛##上微博涨知识##AI生活指南# http://t.cn/AXqrFsNg

57. AI时代保命符我们该教孩子什么 OpenAI掌门人山姆奥特曼对自己孩子未来的规划，AI时代到底学什么才不会被淘汰 #ai #教育 #认知

58. 第二代 VLA 物理 AI 大模型原生多模态赋能，重构智驾决策核心✅ 自动驾驶问题本质上也就是物理 AI 问题，L4能力=模型x算力x数据x本体✅ 以物理 AI 为核心，打造原生多模态基座大模型，深度理解物理世界✅ 实现看、听、读一体化融合，视觉思维链推理效率飙升 32 倍✅ 支持语音、视觉、动作多模态输出，自主推演最优驾驶策略，筑牢舱驾联动底层#小鹏第二代VLA发布##小鹏智驾负责人称拉开差距的时刻到了#

59. AI真人剧真的很恶心，你指望一堆数据演出什么属于角色的情感和血肉吗？AI根本就无法理解人类的喜怒哀乐，也无法理解人性的善恶与纠结，你让它怎么表达它要演绎的角色啊，靠着一堆哭了笑了痛了难过了的僵硬指令吗？谁还在意角色，谁还在意一部剧其实讲了很多角色鲜活璀璨又独一无二的一生呢？经常说某些演员演活了角色，让角色永远被记住。现在好了，AI真人剧让这个角色从一开始就是死的。

60. 从零入门讲讲人与AI的故事，给非专业人士制作的AI概念解析人类与 AI 的完整故事线 + AI 到底是什么。适合完全零基础、只想搞懂 “AI 到底在干嘛” 的人看。一、先讲清楚：AI 不是新东西，它已经活了 70 年你可以把 AI 的历史分成三个时代，特别好懂： 1. 远古时代：只会做一件事的 “笨机器”（1950～2010）最早的 AI 不是聊天机器人，而是：会下棋的程序会算数学题的程序会识别数字的程序它们的特点：只能干一件事，换个任务就彻底废了。就像计算器只会算、导航只会指路，不能聊天、不能画画。 2. 近代：深度学习爆发，AI 开始 “看懂世界”（2012～2020）这时候出现了一个关键技术：深度学习。简单说：给机器看海量图片、声音、文字，让它自己总结规律。于是 AI 突然会了：人脸识别语音转文字（Siri、微信语音转文字）推荐视频、商品机器翻译但它们依然不会思考、不会理解、不会聊天。 3. 现代：大模型时代，AI 突然 “能说人话”（2020～至今）转折点是 GPT、文心一言、豆包这类东西出现。它们不再只做一件事，而是：学会了人类的语言模式、知识结构、逻辑习惯。于是 AI 第一次能：跟你正常聊天写文章、写代码、写方案理解你模糊的要求甚至看起来 “有点聪明” 这就是我们现在所处的时代。二、用最通俗的话讲：AI 到底是什么？我给你一个所有人都能听懂的定义： AI = 从大量数据里找规律，然后模仿人类行为的计算机程序。没有灵魂、没有意识、没有自我、没有感情。它更像：一个看过人类所有书、所有对话、所有图片的超级模仿大师。拆成 3 句大白话它不 “懂” 世界，只是懂 “模式” 它知道 “天空→蓝色”“下雨→打伞”，但它没见过天空，也没淋过雨。它不会创造，只会重组与模仿它写的诗、画的画、做的方案，都是从人类作品里拼出来的。它越像人，只是因为它学了更多人的表达不是它变聪明了，是数据多了、算法强了。三、AI 是怎么 “学会说话” 的？（极简版）你不用懂技术，只要懂这个逻辑：把人类所有公开文字丢给它书籍、网页、新闻、问答、小说…… 让它练一个游戏： “给你前半句，猜下一个词” 比如： “今天天气很__” 它猜：好 / 热 / 冷猜了几万亿次后它就掌握了人类的语言逻辑、常识、风格。最终表现出来：它能流畅跟你对话，像个知识渊博的人。本质：概率游戏 → 看起来像智能。四、现在的 AI 能做什么？不能做什么？能做的（非常强）信息整理、总结、提炼写作、翻译、润色做计划、给方案、想创意代码、表格、数据分析画图、做视频、配音不能做的（非常弱）没有真正理解它不知道自己在说什么没有自我意识它不会开心、难过、害怕不会真正创新只能组合人类已有知识容易一本正经胡说八道这叫 “幻觉”，它自己不知道错了没有道德、没有价值观它只是模仿人类的正确表达五、人类与 AI 的关系：从 “工具” 到 “伙伴” 整个故事可以浓缩成三句话：过去：人类教机器做具体动作按按钮、输指令、走流程。现在：人类教机器理解语言与意图你说 “帮我写一封请假条”，它懂你要什么。未来：AI 成为人类能力的放大器你负责思考、决策、创意 AI 负责执行、整理、跑腿、干活 AI 不是取代人类，是取代 “重复性劳动”。六、最容易被误解的 4 个 AI 真相 AI 不会突然觉醒、造反它没有欲望、没有目标、没有生存本能。 AI 越强，越依赖人类没有数据、没有引导、没有校准，它就是乱说话的机器。 AI 没有 “记忆力”，只有 “上下文” 它不记得你昨天说什么，只记得你当前这一段对话。 AI 没有价值观，人类才有好坏、善恶、公平、正义，都是我们教它的。七、一句话总结整个故事人类花了 70 年，终于造出了一个能听懂人话、会模仿人类表达的超级工具。它没有生命，但足够强大，能帮我们把效率提升十倍、百倍。（http://t.cn/AXMtBBFr）

61. #微博声浪计划##听见微博# DeepSeek于5月9日开放“识图模式”，正式跨入图文交互时代。该模式以“视觉原语思考”框架解决“指代鸿沟”，算力效率突出，适配国产昇腾芯片。实测在文化识别、生产力工具等场景实用，但用户反馈两极分化。其推动国产AI多模态竞争升级，企业版已接入金融医疗领域，正寻求500亿元融资，下月将发布V4.1版本优化知识库问题。 http://t.cn/AXihYtWS

62. #融合千问的全新夸克AI浏览器来了#刚刚推出的夸克AI浏览器迫不及待地去试用了一下，它的多模态理解能力远超我的预期，文本、图像、语音等形式输入都支持。实时推理引擎的表现也很不错，毫秒级响应不是吹的，即使是复杂任务，也能很快完成分析和处理，基于Qwen大模型上的回答更领先，也更聪明。#更强大的夸克AI浏览器#

63. 如何用AI做TVC创意大片！4步搭建完整工作流 #ai新星计划 #ai #ai视频 #ai教程 #ai工具

64. 盘点一周AI大事(1月25日)｜Agent进化，24小时打工开源视频制作Remotion Skills爆火 AI编程开无限画布插件Pencil 爆火开源个人AI助手Clawdbot爆火，7成24小时给你打工 Claude Excel插件更新 Runway上线最强视频模型Gen 4.5 字节开源视频参考模型OminiTransfer 字节发布最强数字人直播模型FlowACT R1 阿里开源最强文本转语音模型Qwen 3 TTS #AI新星计划 #抖音知识年终大赏 #AI #OpenAI #AIGC

65. 「Github一周热点95期」META 3D 模型、智能体记忆引擎、向量数据库、 Web 3D 引擎、AirPods 跨平台、数据库管理工具

66. 2026年了，AI可以无条件相信吗？怎么用才能不翻车？

67. Gemini 3.1 Pro VS千问3，2026年还需要付费制AI吗

68. #DeepSeek是国产识图最强AI吗# 鑫人觉得谈不上最强，DeepSeek识图开放确实搅动了国产多模态格局。目前国产第一梯队是通义千问Qwen2‑VL、智谱GLM‑4V、DeepSeek V4，各有长板。通义视觉精度强、开源生态全；智谱中文复杂理解深；DeepSeek胜在图文联动推理强，能看图做逻辑推导，不只是描述画面。DeepSeek识图能搞定日常物体、图表、错题解析，但手写体、极端密集场景仍有误差。国产整体水平：中文场景不输国际顶尖，本地化理解招牌、菜单、国潮设计甚至更优；短板在幻觉控制、超高精度识别、复杂3D空间推理。DeepSeek入场后，国产多模态从“拼识别”转向“拼理解+推理”，竞争更激烈，对普通用户来说，实用选择更多了。#人工智能##ai#

69. Qwen3.5 开源王炸！多模态性能屠榜，本地部署 + OpenClaw 实战全流程！|零度解说

70. #科技先锋官# 2026年AI代理预测将成为驱动产业效率革新的核心力量，也因此被业界定义为AI代理年。企业无需专业团队即可快速部署，让AI代理高端配置变为普惠工具，企业级需求的爆发成为核心推力。数据显示，2026年全球AI代理市场规模预计达85亿美元，企业级应用覆盖将超10万家。过去AI多聚焦单一基础场景，而AI代理可自主理解目标、规划流程并执行复杂任务，在客服、销售、运维等领域大幅提升效率，这种一站式解决能力精准匹配了企业降本增效的核心诉求。随着算力租赁模式成熟与国产芯片技术突破，2026年企业AI算力成本较上年再降40%。以往中小企业因百万级训练成本望而却步，如今通过按需租用模式，算力投入门槛降至传统模式的1/10，加上动态扩缩容技术提升资源利用率，即使是中小微企业也能负担AI代理应用，为市场爆发奠定了基础。AI代理已突破早期对话局限，具备多模态交互、上下文理解与跨系统集成能力。依托检索增强生成与自主学习技术，其任务处理准确率超95%，可无缝对接企业CRM、订单系统等核心平台。MaaS模式将复杂技术封装为标准化服务。#AI创造营##AI创作热点##一分钟视频创作季# 种斌Marco的微博视频

71. 独家 | Humanify 获数千万元首轮融资打造 AI OS，97 年创始人不卷 AI 智商、押注 “类人认知”

72. 不写提示词，也能用AI做出专属你的游戏大作演示视频 2分钟拆解，近期爆款的游戏大作demo如何不写提示词用工作流复刻，而且还可以随意修改!#ai #ai工具 #ai视频 #ai教程 #ai创作浪潮计划

73. 实测 20 款多模态模型，情感理解能力仍有巨大短板

74. CLIP 的局限性

75. 大模型应用

76. Gemini 图片理解教程，图文识别转文字表格

77. Gemini 多模态图文理解，10 秒看懂图中内容 + 文字

78. Gemini 图像理解（识图/分析）

79. Gemini在多模态图像处理上的领先性核心在于底层原生多模态融合架构，而非简单的功能叠加；它可保留图像原生宽高比，实现像素级精准分析与空间感知，避免缩放裁剪的细节损失；兼具高准确率的图像文本解析能力，能完成图表数据提取等跨模态复杂任务，多模态推理表现突出，可处理多图序列并保持逻辑连贯；同时支持自然语言驱动的精准局部图像修改，让多模态图像处理更高效自然。

80. 实测Gemini 3.1｜免登直连不折腾，职场图文处理真能省一半时间？

81. 2026年Gemini办公场景深度应用

82. ChatGPT多模态技术拆解

83. 图解大模型，第十二章

84. 斯坦福李飞飞团队重磅研究揭示

85. 概率拟合与真实理解

86. AI 真的理解世界吗？

87. AI绘画是数据裁缝，人类是生命建筑师

88. AI的智能，到底是不是幻觉? 我和AI聊了聊

89. Nature | 新方法让AI像人一样视觉理解

90. 北京科研团队构建新型神经网络，实现类人概念形成、理解与交流

91. 3分钟搞懂多模态AI

92. 每天一个AI小知识

93. AI是怎么学会”看图说话”的？

94. 大多数人不了解

95. AI名词解释 S2E05｜多模态 Multimodal 是什么？

96. 多模态AI爆发元年

97. NVIDIA开发MMOU:长视频多模态理解测试让AI\

98. 教培专属AI系统如何实现多模态交互？看懂这三点就够了

99. 多模态理解 | 新榜智汇GEO词典

100. 多模态AI革命

101. 利多星智投

102. 多模态数据处理-跨模态检索

103. 谷歌与大阪大学联手

104. Gemini3.1Pro对比GPT-4o编程数据分析多模态三场景实测

105. 抢先实测豆包1.8模型，多模态Agent超强！

106. Gemini 3.1深度测评

107. AI编程工具实测

108. 人类秒懂,AI却懵圈:VLM2-Bench揭示视觉语言模型「视觉关联」能力短板

109. AI看图说话首超人类!微软认知AI团队提出视觉词表预训练超越Transformer

110. 上交&上海AI Lab提出LEGION:AI图像伪造克星,反哺生成模型进化

111. AI 绘画原理｜（五）CLIP ～众里寻她千百度

112. 深度学习与计算机视觉(11)基于deep learning的快速图像检索系统

113. 使用美篇平台提供的AI工具用自己的图片由Ai自动生成配文的文案

114. 2025最新5款AI图片去水印工具实测:一键消除水印不伤原图!

115. AI 应用工具对比分析

116. 钉钉悟空上手,AI终于能帮我整理旧文档了

117. 一文吃透 CLIP：多模态对齐的基石

118. 从文本到视觉：CLIP的范式跃进

119. 智慧谷企链通的AI多模态引擎

120. 一篇看懂 CLIP：图像和文字是怎么对齐的？

121. Claude 4.7论文研究视觉 - 文本跨模态推理的技术革新与场景落地

122. 一文看完多模态：从视觉表征到多模态大模型

123. 多模态原生融合如何实现音视频图文的统一理解与生成？

124. 多模态大模型训练营

125. 人类思考与AI信息处理的本质差异

126. 大模型实习笔记之多模态(Early Multi-Modal Model篇)

127. 多模态基础二：CLIP

128. 2026黑科技AI加持的PNG图片文字提取，快准稳颠覆传统识别体验

129. 桃多多：多模态 AI 进入深水区，智能理解实现全维度突破

130. AI做图视频2026：智能视觉新纪元

131. Gemini 3表现如何？多模态和代码生成实测

132. 2026 Gemini多模态进阶教程：图文音视频高效创作，解锁高阶玩法

133. AI多模态模型和工具--图像和视频

134. 2026年摄影AI：第一季度趋势分析与实践指南

135. Gemini多模态全能教程：图文音视频一键搞定，新手零门槛上手

136. AAAI 2026 杰出论文 | 多模态表征模型能力边界 LLM2CLIP

137. 为什么说CLIP是多模态大模型的基石？

138. 多模态模型之——文搜图和图搜图

139. CLIP 驱动的多模态哈希方法

140. 多模态与视觉大模型开发实战 - 2026必会资料

141. Mobile-O：轻量级生成和理解多模态大模型

142. 2026年多模态AI翻译工具横向评测：文声图能否挑战讯飞？

143. 如何从原理上理解 AI 对多模态内容（图文、视频）的「理解」？在 GEO 策略中应如何有效运用？

144. Gemini 图片理解教程：一键图文识别、转文字 \u002F 表格 - 哔哩哔哩

145. 全能多模态大模型Omni：全新上下文展开机制，单模型统一图文视频3D推理生成【多模态大模型论文解读】

146. CLIP 的图文对比：多模态的突破

147. ICCV 2025 | 北大新突破！ToolVQA数据集：多模态工具+多步推理，革新视觉问答工具使用评估

148. 多模态大语言模型语义理解面经

149. AAAI 2026 | GMAI-VL & GMAI-VL-5.5M：通用医学多模态大模型与大规模数据集

150. 知新研学 |Synergy-CLIP：扩展CLIP的多模态融合表征学习框架

151. 重新理解模态鸿沟！ anisotropic几何修正让纯文本训练多模态大模型【多模态大模型】

152. AI架构深度解析：多模态大模型从原理到实践

153. 2026年AI创作工具应用图谱：从文生图到图生视频的能力跃迁

154. 实测对比：在多平台电商场景下，四款AI生图工具的差距有多大？

155. 多模态大模型CLIP与infoNCE学习记录

156. 2026年AI创作工具选型实战：视觉生成能力深度对比

157. Seedance 2.0 对比 Higgsfield Cinema Studio：多模态能力全面实测

158. 多模态 AI 交互机器人横评：5 款旗舰产品实测对比，哪个最值得选？

AI画猫坐键盘却画出狗？别被“理解”二字骗了

精选参考来源