/
字节跳动发布GAR：让AI能像人类一样精准理解图像任何区域的突破性技术
字节跳动等机构联合发布GAR技术，让AI能同时理解图像的全局和局部信息，实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法，在保持全局视野的同时提取精确细节，在多项测试中表现出色，甚至在某些指标上超越了体积更大的模型，为AI视觉理解能力带来重要突破。
Inclusion AI推出万亿参数思维模型Ring-1T：首个开源的超大规模推理引擎如何重塑AI思考边界
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T，通过IcePop、C3PO++和ASystem三项核心技术突破，解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分，IMO-2025达到银牌水平，CodeForces获得2088分，展现出卓越的数学推理和编程能力，为AI推理能力发展树立了新的里程碑。
复旦大学团队推出首个多轮视频对话评测基准，AI视频理解能力大起底
复旦大学等机构联合推出全球首个多轮视频对话评测基准MT-Video-Bench，系统评估了20个先进AI模型在视频理解和对话互动中的真实表现。研究发现即使最强AI模型准确率也仅68%，在跨场景推理和主动互动方面存在明显短板，为AI视频理解技术发展指明改进方向。
香港大学团队突破视频生成瓶颈：一小时超长视频也能保持完美连贯性
香港大学团队开发的VideoSSM突破了AI视频生成的时长瓶颈，通过创新的双重记忆架构，能生成一小时长度且保持完美一致性的视频。该系统模仿人脑记忆机制，结合局部和全局记忆模块，在长视频生成测试中取得领先成绩，为视频创作普及化奠定了技术基础。
人脑如何看世界？MIT和魏茨曼研究所首次用AI大规模解密视觉皮层的秘密语言
MIT和魏茨曼研究所联合开发的BrainExplore系统首次实现了对人脑视觉皮层的大规模自动化分析。该研究使用AI技术分析73000张图像对应的大脑扫描数据，发现大脑视觉功能的精细化程度远超预期，能够区分"冲浪"、"踢足球"等具体运动项目，为脑机接口技术和神经系统疾病诊断奠定基础。
香港中文大学新研究：AI视频理解为什么不需要冗长"思考"，简洁推理反而更高效？
香港中文大学研究团队发现，当前视频AI系统的冗长"链式思维推理"既低效又不准确，提出了基于简洁推理和视觉压缩的新方法。该方法通过直接训练避免模仿人类思考过程，在九项视频理解测试中全面超越传统方法，推理速度提升10倍，为视频AI发展指明新方向。
史上最严格的AI合作模式研究：Google和MIT团队破解多智能体系统何时有效的终极密码
Google和MIT联合研究团队通过180个严格控制的实验配置，首次科学量化了AI智能体协作的效果规律。研究发现协作效果完全取决于任务特性：金融分析等可分解任务中多智能体能提升80%性能，但游戏规划等序列任务中反而降低39-70%表现。团队建立了预测模型，准确率达87%，为AI系统设计从经验猜测转向科学计算提供了重要工具。
迪士尼授权超200个角色给OpenAI，开启生成式AI新合作
迪士尼与OpenAI达成三年合作协议，授权200多个迪士尼、皮克斯、漫威和星球大战角色用于Sora视频和ChatGPT图像生成。迪士尼将向OpenAI投资10亿美元股权，成为其主要客户。协议明确不包含真人演员肖像和声音授权，仅限动画版本角色。同时迪士尼向谷歌发出停止侵权通知，要求停止基于其IP生成内容。这标志着娱乐巨头积极拥抱AI技术变革。
OpenAI发布GPT-5.2挑战谷歌和Anthropic
OpenAI推出GPT-5.2模型，专为专业工作场景优化。新模型在创建电子表格、制作演示文稿、编写代码等方面表现更佳。GPT-5.2 Thinking版本在多项基准测试中超越前代产品，数学问题获得满分，事实性回答错误率降低30%。该发布被视为OpenAI对谷歌Gemini 3 Pro的"红色警报"回应，旨在重新夺回AI领域领先地位。
Oracle预计OCI利润率将提升30-40%
Oracle发布第二财季收入161亿美元，同比增长13%，连续三季度实现双位数增长。云收入达80亿美元，增长34%，占总收入50%。CEO表示通过加速容量交付来改善AI工作负载毛利率，目标在30-40%。公司采用三种数据中心融资模式：客户自带硬件、租用容量和Oracle预付硬件费用。执行董事长介绍了AI数据平台，能够统一企业数据并支持大型语言模型进行多步推理。
A2A协议与AAIF基金会竞相制定AI智能体互通标准
为解决不同厂商AI代理间的协同工作问题，Google主导的A2A协议和由OpenAI、Anthropic等联合成立的AAIF基金会成为两大竞争标准。A2A协议基于HTTP等现有协议，定义了客户端与远程代理的任务分配机制；AAIF则整合了OpenAI的AGENTS.md格式和Anthropic的MCP协议。两个标准都获得了众多科技巨头支持，反映出AI代理生态系统对多层次互操作标准的迫切需求。
AI语音技术助力创业者提升四倍工作效率
研究表明，人们说话速度是打字速度的2.5倍，这个差距代表着大量时间浪费。现代AI语音转文字工具如Wispr Flow能够将口语思路转换为格式化文本，用户可在任何应用中用语音替代打字。这项技术让创业者随时随地记录灵感，摆脱键盘束缚，同时改善工作姿势。AI还能自动整理语音内容，将零散话语转为专业文档，大幅提升工作效率。
甲骨文AI投资支出激增致股价创24年最大跌幅
甲骨文公司股价周四暴跌16%，创2001年以来最大跌幅，市值蒸发约1020亿美元。公司第二财季资本支出达到120亿美元，比上一季度85亿美元大幅增长，远超分析师预期的82.5亿美元。虽然云业务收入增长34%至79.8亿美元，但仍略低于预期。公司预计2026财年资本支出将达到500亿美元，比此前预测增加150亿美元。投资者担心大规模AI基础设施投入转化为收入的速度不及预期。
Oracle携手OpenAI构建企业级AI平台引发关注
Oracle正大力投资云计算基础设施，主要服务于OpenAI等AI模型公司。尽管华尔街担心Oracle过度依赖OpenAI（其5233亿美元收入积压中有3000亿来自OpenAI），但Oracle管理层强调公司将保持投资级债务评级，并只在满足盈利要求时扩展业务。Oracle计划通过AI数据平台整合企业私有数据，让AI模型能够跨数据库和应用进行推理，这将成为比公共数据训练更大的商业机会。
Runway发布首个世界模型，为最新视频模型增加原生音频功能
AI视频生成公司Runway推出首个世界模型GWM-1，通过逐帧预测创建具备物理理解能力的仿真环境。该公司还发布了三个专门版本：GWM-Worlds用于交互式场景创建，GWM-Robotics利用合成数据训练机器人，GWM-Avatars模拟真实人类行为。同时，Runway更新了Gen 4.5模型，新增原生音频和长视频生成功能，支持一分钟视频制作及多镜头叙事。
西湖大学与清华大学联合发布TwinFlow：让AI图像生成秒变魔术，一步搞定原本需要100步的任务
西湖大学等机构联合发布TwinFlow技术，通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步，速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制，无需额外辅助模型，成功应用于200亿参数超大模型，在GenEval等标准测试中表现卓越，为实时AI图像生成应用开辟了广阔前景。
当AI学会分辨真假照片：中山大学团队让图像生成器彻底告别"塑料感"
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制，让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示，RealGen在逼真度评测中大幅领先现有模型，在与真实照片对比中胜率接近50%，为AI图像生成技术带来重要突破。
复旦大学团队突破AI视频理解：让机器像侦探一样逐步推理，识别视频中的目标物体
复旦大学团队突破性研究ReVSeg将AI视频理解从简单的物体识别提升到真正的推理分析。该系统采用三步骤分解推理链条：语义理解、时间定位、空间定位，结合强化学习优化推理过程。在多个标准测试中性能提升超过11个百分点，推理过程透明可解释，为自动驾驶、安防监控、医疗诊断等领域开辟新的应用可能。
京公网安备 11010802021500号
