近期在GitHub上开源的ReVisiT项目，通过创新性地利用内部视觉标记（vision tokens）引导生成过程，显著提升了大型视觉语言模型（LVLM）的视觉定位能力。这一技术突破解决了当前多模态模型在生成文本时与视觉内容对齐...

OpenAI首席执行官Sam Altman近期发表题为《温和奇点》的专题文章，系统阐述了人类即将构建数字超级智能（Digital Superintelligence）的技术前景与社会影响。该文通过逐段解构发现，Altman试图传递一种审慎乐观的技...

谷歌最新一期Release Notes播客深度解析了I/O 2025大会的AI技术突破，重点介绍了三大核心创新：1) Gemini 2.5 Pro Deep Think作为下一代多模态AI系统，通过增强的递归神经网络架构实现复杂逻辑推理，其万亿级参数规...

谷歌最新一代多模态AI模型Gemini 2.5 Pro在非官方测试中完成了一项里程碑式挑战——通过实时直播完整通关经典游戏《精灵宝可梦蓝》。这一突破性演示由开发者社区发起，展示了大型语言模型在复杂游戏环境中的决策能力和...

近日，科技社区热议的π0.5（Pi-0.5）模型在开放世界泛化能力上取得重要进展。该视觉语言模型（VLA）通过创新架构设计，在未见过的新场景中展现出超越同类模型的零样本学习能力。技术博客透露，其核心突破在于动态多...

谷歌最新宣布，Gemini Advanced用户即日起可利用Veo 2模型实现文本到视频的AI生成能力。这项突破性技术可将自然语言描述直接转化为1080P分辨率、具有电影质感的动态影像，标志着多模态AI在视频创作领域的重大进展。V...

谷歌云在Next 25大会上宣布Vertex AI迎来重大更新，其视频、图像、语音及音乐生成模型获得增强功能，显著提升企业创意工作流的智能化水平。谷歌AI推出面向企业的专用AI代理解决方案，通过优化任务自动化流程实现生产...

谷歌宣布其新一代多模态大模型Gemini 2.5 Pro正式进入公测阶段，开发者现可通过Google AI Studio的Gemini API进行体验，而企业级平台Vertex AI的支持也即将上线。作为Gemini系列的最强版本，2.5 Pro在跨模态理解、长...