搜索
香蕉也能变礼服？Google 真的做到了！ 在最新一期谷歌开发者节目里，Google DeepMind 团队首次全面展示了 Gemini 2.5 Flash Image —— 一款拥有原生图像生成与编辑能力的最新模型。
微软紧跟OpenAI的节奏，在同一天也亲自下场发布了微软自研的两个大模型：语音模型MAI-Voice-1和通用模型MAI-1-preview。对于这位老大哥，亲自下场做的第一个AI大模型，效果究竟怎么样？
针对OpenAI最新开源的GPT-OSS，这一篇面向零基础小白用户的手把手式的详细训练教程或许能帮助你完成你的第一个GPT训练项目。
大厂在 AI Agent 上的每一步动作，都值得紧盯。因为没人能预测，一个看似小小的产品，最终会被扩展到多大规模，串联出怎样的「新业务体系」。
小某书最新起号方式，还得看AI（doge）。 这两天打开一看，几乎全被各种精致逼真的手办图刷屏了
近日，上海交大和上海人工智能实验室的研究发现，AI 的风险正从个体失控转向群体性的恶意共谋（Collusion）——即多个智能体秘密协同以达成有害目标。Agent 不仅可以像人类团队一样协作，甚至在某些情况下，还会展现出比人类更高效、更隐蔽的「团伙作案」能力。
说个热知识，现在的大模型，也可以轻松被投广告了。 我们之前也确实发现过这类现象，当时是在研究一家做 GEO（生成式引擎优化）的公司。通过在网上堆出大量正面内容，把某个特定品牌、网站、课程甚至微商产品，默默地塞进了大模型推荐结果里。
不卷参数的专业模型，会不会被通用大模型取代？ 在医疗领域，这个疑问正在被打破。
Nano Banana我之前预告过说要写，今天终于写完了。Nano Banana就是现在谷歌的gemini-2.5-flash-image-preview（看你这么厉害，后续就晋升缩写为NB吧），确实是很不错，我尝试了多种玩法，现在分享给大家，今天废话少说，但是案例管饱，来来一起往下看！
OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理，支持图像输入、远程MCP服务器与SIP打电话，极大简化语音智能体构建；而新一代语音到语音模型gpt-realtime，在音质、理解力、指令遵循和函数调用上全面提升，语音几乎媲美真人，还能多语种切换与细腻表达。