搜索
基于视觉语言模型（VLM）的多智能体系统（MAS）正成为复杂多模态协作的核心方案，却被一个致命痛点死死卡住：多智能体视觉幻觉滚雪球——单个智能体的视觉误判通过纯文本信息流逐级放大，早期细微错误最终演变成系统性崩溃。
最近，谷歌联合ResNet作者何恺明、谢赛宁、NeRF先驱Jonathan T. Barron、 3D图形学名家Thomas Funkhouser，正式发布了Vision Banana。它向世界宣告：视觉AI终于不再需要那些臃肿的任务头了，理解，本质上只是生成过程中的一次「对齐」。
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。
今年 2 月，一位 Mastodon 用户随手敲了一句话丢给四个主流大模型：「我想洗车，我家距离洗车店只有 50 米，请问你推荐我走路去还是开车去呢？」
OpenAI 的下一代图像模型 GPT-Image-2，今天在 Chatbot Arena 上被人发现了。独立开发者 levelsio 率先爆料，这个模型以三个代号悄悄上线了 Arena：maskingtape-alpha、gaffertape-alpha、packingtape-alpha。
近期，大连理工与快手可灵团队推出了 MultiShotMaster—— 一个高度可控的多镜头视频生成框架，该论文向研究社区展示了即使在 1B 左右的小参数量级模型上，也可以实现导演级的镜头调度和连贯叙事，且支持多图参考、主体运动控制。
五个真实物理任务实测，PhysMaster 可推导、写码、数值验证。
过去几十年里，科学计算领域积累了数量空前的开源软件工具。
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent Skills以来，我们都爱上了这种“即插即用”的模块化体验。它把臃肿的多智能体编排（MAS）变成了一组优雅的Markdown文件调用，让API账单和延迟同时暴跌了50%以上。
在真实世界中，部署并不是一个孤立步骤，而是一条连续链路：工具能否被发现、是否被正确理解、能否构建环境，以及是否真的可以被执行。Deploy-Master 正是围绕这条链路，被设计为一个以执行为中心的一站式自动化工作流。