搜索
自 Stable Diffusion、Flux 等扩散模型 (Diffusion models) 席卷图像生成领域以来，文本到图像的生成技术取得了长足进步。但它们往往只能根据精确的文字或图片提示作图，缺乏真正读懂图像与文本、在多模 态上下文中推理并创作的能力。能否让模型像人类一样真正读懂图像与文本、完成多模态推理与创作，一直是学术界和工业界关注的热门问题。
交易成了！OpenAI前CTO初创拿到了20亿种子轮融资，成立5个月公司估值冲到120亿美元。未来几个月，这个汇聚OpenAI顶尖大佬团队，将发布首个多模态AI产品，还会开源部分组件。
三周前，我离开了 OpenAI[1]。我是在 2024 年 5 月加入这家公司的。我想分享我的这些思考，是因为外界关于 OpenAI 在做什么的讨论充满了迷雾和噪音，但很少有人能第一手地描述在那里工作的文化到底是什么感觉。
知名全栈开发者和 AI 工具重度使用者 Ras Mic 在最新一期播客中，对市面上的十类热门的 AI 工具进行了深入剖析。从 n8n、Lindy、Claude Code、Devin、Code Rabbit，到 Bolt、Lovable、VAPI、MCP，再到 Vibe Coding 工具的应用，他详细讲解了这些工具的真实用途、适用人群、可达成的效果，以及隐藏的门槛和误区。
想象一下，你在加拿大的森林里迷路5小时，手机电量只剩3%，Google Maps失灵，信号微弱。但ChatGPT靠实时坐标救了场，堪称AI导航的教科书，快来围观。
刚刚，国内首个免费可用Deep Research上线了！它在多个权威评测中拿下第一，准确率直接碾压开源WebSailor。研究过程中，它能多线迭代追搜，直至逻辑闭环。更绝的是，一键生成炫酷的互动研究报告，视觉效果直接拉满。
仍旧记得 2023 年微软发布 Office Copilot 时，我的朋友圈很多人都无比兴奋，大家看到了 Office 和 AI 结合带来的种种便利。当时我也觉得挺酷的，沉寂多年的 Office 系列终于开始往前走了一步。
亚马逊最近发布了Kiro IDE，网址是 https://kiro.dev 。这是他们自己的开发平台，设计理念很明确：让Vibe编程应用能够顺利进入生产环境。这听起来简单，但实际上是当今大多数Vibe编程平台都还没解决的核心问题，原型很炫酷，但距离真正可用的生产系统总是差那么一截。
时间线里，一个少女的身影不断出现。很多人晒出自己和她的对话视频，有的在闲聊，有的要她唱歌跳舞，还有人激动地说：「升到三级以后，她开始撩我了。」
AI音乐人如Aventhis在Spotify等平台走红，由Suno等AI工具生成，引发版权归属模糊、收入被分流及平台默许传播争议。规则滞后于技术，Deezer等开始限制以保护人类创作者，但真假边界模糊威胁音乐产业生态。