搜索
科大讯飞推出基于全国产算力训练的语音识别大模型Spark-ASR-2.0，依托语音基座大模型Spark-Audio-1.0-Preview，在方言免切换识别、嘈杂环境、上下文纠错和口语规范化等方面均有提升，整体推理成本较Spark-ASR-1.0仅增10%，已上线讯飞输入法并通过讯飞开放平台提供API服务。
GLM-5.3-Flash将Kimi的KDA线性注意力与DeepSeek的KPool-DSA稀疏注意力放入同一架构，表明大模型Attention机制正从各公司独立押注的技术路线，转变为可在同一模型中分工组合的设计选项。
爱诗科技（AIsphere）发布的实时世界模型PixVerse R2上线即登上X（Twitter）趋势榜，通过Omni Causal AR与Real-Time Acceleration框架将世界建模能力与实时运行结合，实现用户对AI生成世界的持续操控与互动。
9 月 16 日，在谷歌 DeepMind 深度参与了 Gemini 2.5/3、世界模型 Genie 2/3 以及具身智能体 Sima 2 研发的核心研究员 Bonnie Li 宣布离职，转会 OpenAI。
字节跳动旗下豆包在日活跃用户突破2亿后收缩对话团队，通用Session团队规模预计缩减约一半，对话方向的产品后训练团队也在缩减，部分人员转岗至商业化及飞书团队，其余被裁撤，反映出对话产品商业化承压下豆包业务重心的调整。
过去一周，Jev 成了整个 AI 圈最火的新模型。
最近看到了一个挺有意思的东西，就是TypeSafe AI 做的 Jev。Reddit 上很多人用它玩 DOOM，也有人拿它玩 Mario。我申请之后，拿到 API Key 后，也做了一个网页小游戏，想看看它到底在里面起什么作用。一开始，我最想弄清楚的其实很简单：同样是让 AI 操作游戏，为什么要用 Jev？GPT 不能做吗？当然能。
就在今天，外媒The Information曝出内幕—— OpenAI内部的AI模型，已经开始「自己训练自己」了！
自现代大模型诞生以来，“下一个Token预测（Next-Token Prediction, NTP）”就被奉为不可撼动的黄金律条。然而，逼着模型逐字死记硬背，真能学会宏观语义规划吗？
让 AI 生成一张海报已经不难。更难的是，让它围绕同一个设计目标持续工作：理解品牌与产品要求，生成初稿；发现标题、产品位置或整体风格存在问题后，知道应该修改哪里、怎样修改；同时保留已经确认的内容。等到下一次活动，它还能延续此前确定的设计偏好和有效经验。