搜索
在过去很长一段时间里，科技圈似乎人均都成了“提示词工程师”，大家都在琢磨怎么用最精妙的语言驯服AI。但包括Andrej Karpathy在内的很多行业大佬已经开始反思了，他们认为，决定AI效果的关键，可能早就不是怎么问，而是你给AI喂了什么料。这个思路，就是最近越来越火的上下文工程（Context Engineering）。
编程Agent王座，国产开源模型拿下了！就在刚刚，阿里通义大模型团队开源Qwen3-Coder，直接刷新AI编程SOTA——不仅在开源界超过DeepSeek V3和Kimi K2，连业界标杆、闭源的Claude Sonnet 4都比下去了。
今天，人在腾讯的发布会现场。 上次他们从深圳飞来北京开这种小规模的私密发布会，已经是半年前了，这个发布会场地，我都见了第三次了，属实是老演员了。
火到不能再火的Agent，零一万物也下场了。
开源大模型正在进入中国时间。 Kimi K2风头正盛，然而不到一周，Qwen3就迎来最新升级，235B总参数量仅占Kimi K2 1T规模的四分之一。 基准测试性能上却超越了Kimi K2。
健身不戴表，等于没健身。 经常用 Apple Watch 的人都知道这里面的门道有多深，作为一个对打卡有执念的 Apple Watch 用户，我每天的头等大事，就是把三个圆环「活动、锻炼、站立」尽可能闭合。
如何让AI像人一样，仅凭少量演示，就能稳健适应复杂多变的真实场景？ 美国东北大学和波士顿动力RAI提出了HEP（Hierarchical Equivariant Policy via Frame Transfer）框架，首创“坐标系转移接口”，让机器人学习更高效、泛化更灵活。
前不久看到群里的聊天，正好聊到用纳米AI做视频很方便，当时太忙了没来得及体验，隔了一周后，在我好友小熊猫Loki群里再次看到了朋友Hank给吴老师做的视频成品，是个制作精良的小动画，画面、配音、节奏都不错。感觉真的很有趣，于是我花了几天体验了一下纳米AI。
人形机器人作为用于复杂运动控制、人机交互和通用物理智能的多功能平台，正受到前所未有的关注。然而，由于其复杂的动力学、欠驱动和多样化的任务需求，实现高效的人形机器人全身控制 (Whole-Body Control，WBC) 仍然是一项根本性的挑战。
6月30日，OpenAI支持的Chai Discovery推出Chai-2，这款多模态生成模型展现出强大的抗体设计能力，一经发布便引起巨大轰动。