搜索
我国自主研发的“风清”“风雷”“风顺”“风和”等气象大模型，不仅在实战中并跑国际同类系统，更让气象服务走向个性化、精准化与智能化。在“风和”大模型的对话框输入上述问题，AI立刻展现出它的“思考轨迹”：先定位时间与地点，调取该时段温度、风力、湿度等数据，继而生成贴心的穿搭提醒——“内薄外厚，方便调节室内外温差”“早晚温差大，建议携带外套”“室内暖气较足
Meta 收购 Manus 无疑是本月最重磅的行业新闻。不到一年时间，产品上线、拿到美元投资、团队主体搬到新加坡、一亿美元 ARR，然后就是被 Meta 收购，Manus 发展速度惊人。 这其中，搬到
最近在研究 RAG 系统优化的时候，发现了一个有意思的格式叫 TOON。全称是 Token-Oriented Object Notation，翻译过来就是面向 Token 的对象表示法。
业界都在讨论的AGI之争，陶哲轩是如何看待的？就在刚刚，陶哲轩po文明确了自己的态度——还不行。他认为，目前还无法实现AGI。
大家好，我是袋鼠帝 在过去的2年里，我为了写教程，也为了让AI帮我躺平，前前后后试了上百种AI工具，有免费的，有付费的，有本地部署的。 有些工具很棒，有些一言难尽，甚至有些已经不在了 最近几天我把这2
又一个中国新模型被推到聚光灯下，刷屏国内外科技圈。IQuest-Coder-V1模型系列，看起来真的很牛。在最新版SWE-Bench Verified榜单中，40B参数版本的IQuest-Coder取得了81.4%的成绩，这个成绩甚至超过了Claude Opus-4.5和GPT-5.2（这俩模型没有官方资料，但外界普遍猜测参数规模在千亿-万亿级）。
今天，我看了卡兹克的《我的 2025 年度 AI 大盘点——前路已明》读罢总觉得侧重于参数罗列，内容略显单薄，缺乏实战的颗粒度，我较为认同秋芝的《年度好用 AI 大赏——小白必备》但细节描述上不够详细。
近日，美国华盛顿大学博士生邵如琳和合作团队打造出一个名为 Deep Research Tulu（DR Tulu）的深度研究小助手。使用一次 OpenAI 的 Deep Research 服务可能需要大约 1.8 美元，而 DR Tulu 使用一次的成本却不到 0.002 美元，这几乎是千倍的效率提升，这意味着未来个人或者小团队也能负担得起高质量、高可信度的 AI 研究服务。
我认为 Jack & Jill 代表的不仅仅是一个新的招聘工具，而是整个招聘行业范式的转变。从被动的信息匹配到主动的智能撮合，从冰冷的简历筛选到有温度的对话理解，从单向的申请流程到双向的精准对接。这种转变的意义，远远超出了提升效率这么简单。
为什么AI算力霸主永远是英伟达？不算不知道，一算吓一跳：在英伟达平台每花一美元，获得的性能是AMD的15倍。