模型变强没有用，创作仍然碎片化！面向长程多模态创作的开放式Harness
模型变强没有用，创作仍然碎片化！面向长程多模态创作的开放式Harness近几年，多模态生成模型进步很快。一句指令就能生成图片、视频、音频、网页、UI、分镜，甚至整套演示文稿。只看成品，创作门槛似乎已经大幅降低。
来自主题: AI技术研报
7075 点击 2026-07-30 15:55
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
近几年，多模态生成模型进步很快。一句指令就能生成图片、视频、音频、网页、UI、分镜，甚至整套演示文稿。只看成品，创作门槛似乎已经大幅降低。
近期，SemiAnalysis 创始人 Dylan Patel 先后做客红杉资本的《Training Data[1]》和 WisdomTree 的《The Next Big Thing[2]》。两期访谈从模型和芯片，一路延伸至内存、能源、数据中心与 AI 商业模式，并指向同一个变化：AI 竞赛的焦点，正从单纯比较模型能力，扩展到谁能以更低成本、更大规模，把模型能力稳定地交付出来。
过去两年，多模态模型的竞争看起来像一场“造眼睛”的竞赛：更高的图像分辨率、更多的视觉 token、更大的模型，以及更昂贵的训练。行业似乎默认，只要第一次看得足够清楚，AI 就能从“看见”抵达“洞见”。
模型越来越多，入口却不一定越来越好用。
三智一体不断演进，开启具身智能新未来。
如果说过去三年的 AI 狂飙时期给我留下了什么，那就只有一个词，AI 创业者。
今日，马斯克旗下SpaceXAI宣布推出新一代语音模型Grok Voice Think Fast 2.0，这是该公司迄今能力最强的语音到语音（speech-to-speech）模型。马斯克连发两条推文，第一条宣布“Grok Voice现在在智能体性能方面排名第一”，第二条则直接喊话网友“试试新的Grok Voice”。
AI 算力的下一个浪费重灾区，可能就在价值数百万美元的整柜系统内部。
近日，OpenAI 和 Hugging Face 披露了一起AI 安全失控事件。
在日常摄影中，后期处理往往是决定照片最终观感的重要一步。