阿里发布数字员工产品QoderWake,可承担工程师、运营、销售等岗位角色
推荐理由:属于AI商业化应用中的产品案例,展示AI在企业多岗位场景的落地。
阿里推出数字员工产品QoderWake,支持企业根据自身业务流程定制具备工程师、运营、销售等角色能力的AI员工,实现自动化任务执行与岗位协作。
推荐理由:属于AI商业化应用中的产品案例,展示AI在企业多岗位场景的落地。
阿里推出数字员工产品QoderWake,支持企业根据自身业务流程定制具备工程师、运营、销售等角色能力的AI员工,实现自动化任务执行与岗位协作。
推荐理由:涉及AI模型新功能实测与性能表现,符合模型发布及评测兴趣。
文章实测了DeepSeek新上线的识图模式,验证其是否为独立新模型,并指出在非思考模式下响应速度极快。
推荐理由:展示了AI智能体在商业场景中的落地成效与收入结构变化
云迹科技2025年报显示智能体应用收入增长194.1%,占总收入11.3%;HDOS订阅客户数增925%,AI数字化系统收入占比升至29.2%,公司加速向服务智能体平台转型。
推荐理由:涉及AI在具身智能与自动驾驶中的落地应用及数据驱动模式
优时科技完成数亿元B2轮融资,基于L4视觉自动驾驶技术,通过低成本小车在大流量场景积累高动态社交数据,构建具身智能数据飞轮,并向人形机器人延伸,打造可造血的AI Agent商业闭环。
推荐理由:涉及AI模型发布及商业化应用场景,符合用户兴趣。
生数科技发布登顶榜单的AI视频生成模型,展示其在复杂长程任务中的工业级应用能力,并涉足具身智能领域。
推荐理由:涉及AI在移动端的视觉智能应用落地
苹果计划在iOS 27中为相机应用新增Siri模式,整合视觉智能功能,并采用Apple Intelligence风格的新快门按钮。
推荐理由:深入解析大模型异常行为成因,具技术参考价值
文章分析了GPT-5中出现的“哥布林输出”现象,追溯其时间线、根本原因及修复方案,揭示AI模型行为中人格化怪癖的技术根源。
推荐理由:涵盖AI模型评测、编程能力实测及商业化落地挑战,契合用户兴趣
文章深入评测DeepSeek V4模型,聚焦其在代码生成、智能体(Agent)能力及工程优化上的表现,并结合开发者与创业者的真实体验,分析其在AI编程和应用落地中的优势与局限。
推荐理由:涉及AI模型评测瓶颈及优化,契合模型评测与工具链主题
文章探讨AI评估(evals)正成为新的计算瓶颈,分析其对模型开发和部署的影响,并讨论优化评估流程的技术方向。
推荐理由:展示了AI在消费级产品中的创新应用,属于AI商业化落地案例。
Google Photos 新增 AI 虚拟试衣功能,利用用户相册中的照片构建虚拟衣橱,支持混搭已有衣物、保存造型并分享。
推荐理由:涉及大模型技术细节与性能优化,符合模型发布及评测兴趣
文章介绍了 IBM 发布的 Granite 4.1 系列大语言模型的架构设计、训练数据和优化策略,强调其在代码生成和多语言支持方面的改进。
推荐理由:涉及 AI 基础设施建设,支撑大模型发展
OpenAI 正在扩展其 Stargate 计算基础设施,以支持通用人工智能(AGI)的发展,并新增数据中心容量应对不断增长的 AI 算力需求。
推荐理由:分析甲骨文AI战略及商业化路径,契合AI行业应用主题
文章探讨甲骨文公司如何押注AI,转型为AI基础设施服务商,虽非大模型厂商,但通过数据中心和SaaS业务布局AI商业化未来。
推荐理由:涉及AI Agent工具发布与具身智能商业化落地,契合AI工具与应用主题。
腾讯ima推出知识Agent copilot,支持创建专属智能体并具备记忆系统;魔法原子发布世界模型及人形机器人,规划2036年达140亿美元营收。
推荐理由:展示了AI大模型在汽车行业的规模化落地应用
通用汽车宣布将通过OTA升级,为2022年及之后生产的凯迪拉克、雪佛兰、别克和GMC车型(约400万辆)引入Google Gemini AI助手,取代现有Google Assistant,提升车载信息娱乐系统的智能交互体验。
推荐理由:热门AI开源项目,具备实用部署价值
腾讯开源Hy-MT1.5-1.8B-1.25bit翻译模型,仅440MB,支持33种语言,可在手机端离线运行。
推荐理由:热门AI开源项目,适合移动端部署
腾讯开源一款仅0.4G的轻量级手机端离线翻译模型,支持33种语言,无需联网即可本地运行。
推荐理由:涉及AI模型能力对比与开源进展,契合模型评测兴趣点
文章称Kimi K2.6在设计能力上超越Claude Design,并提及‘全球最强开源’的含金量持续提升。
推荐理由:涉及AI模型架构创新与开源发布,契合模型评测与工具推荐兴趣。
该开源模型通过创新架构统一了图像理解与生成任务,无需依赖超大参数量,已在全网开放使用。
推荐理由:探讨AI核心瓶颈与发展方向,具启发性
普林斯顿大学刘壮在访谈中指出,AI发展的关键在于数据而非架构,当前智能体只是过渡方案,记忆能力才是AI的最大瓶颈。