​新一代AI应用搭建平台——扣子（Coze），宣布正式推出对DeepSeek Function Calling工具调用能力的独家支持。扣子平台此次更新的核心亮点在于其对DeepSeek模型的深度整合。用户不仅能够免费体验DeepSeek的R1和V3模型，还能通过扣子平台实时查看模型的思维链内容。这一功能的推出，使得开发者能够在调试区、扣子商店等场景中直观地观察模型的推理过程，并通过API获取思维链字段的具体内容，从而更好地理解和优化模型的表现。

据彭博社记者马克·古尔曼报道，苹果计划最早于四月将 Apple Intelligence 集成至 Vision Pro 头戴设备。该 AI 套件最初于2024年6月发布，此次将通过 visionOS2.4软件更新引入，预计本周向开发者开放。就在 Apple Intelligence 于2024年6月首次发布几周后，Gurman 报道称，苹果正寻求将其 AI 工具套件引入 Vision Pro，尽管关于如何重新构想这些工具以实现混合现实体验仍存在一些问题。据报道，苹果目前计划将 Apple Intelligence（包括写作工具、Genmoji 和 Image Playground）纳入其 visionOS2.4软件更新中，并最早于本周

近日，Exafunction团队发布了Windsurf系列的第三个更新，名为Wave3，旨在提升用户在Windsurf编辑器中的整体。此次更新引入了一系列新功能以及体验体验，主要包括模型上下文批协议（MCP）支持、Tab跳转、Turbo模式、拖放图像自定义应用程序图标等。核心新功能包括:模型上下文协议（MCP）支持: Windsurf Editor现在支持MCP服务器。MCP是Exafunction与Anthropic合作推出的一项协议，允许AI应用程序通过MCP服务器安全地访问和利用信息。用户可以在设置面板中通过JSON指定MCP服务器，从而增强Windsurf中Cascade功能

随着人工智能技术的不断发展，视觉与文本数据的融合成为了一项复杂的挑战。传统的模型往往难以准确解析表格、图表、信息图和图示等结构化视觉文档，这一限制影响了自动内容提取和理解能力，进而影响了数据分析、信息检索和决策等应用。面对这一需求，IBM 近期发布了 Granite-Vision-3.1-2B，一款专为文档理解设计的小型视觉语言模型。Granite-Vision-3.1-2B 能够从各种视觉格式中提取内容，包括表格、图表和图示。该模型基于精心挑选的数据集进行训练，数据来源包括公共和合成源，能够

苹果公司正全力加速其人工智能（AI）的研发进程，以期重回行业领先地位。为实现这一目标，苹果进行了重要的人事调整，资深执行副总裁Kim Vorrath被调任至人工智能与机器学习部门，担任AI主管John Giannandrea的首席副手。Vorrath以其卓越的问题解决能力和推动重大项目成功的经验而闻名，此次调任被视为苹果加强AI团队，并重塑其AI竞争力的关键举措。Vorrath在苹果公司工作了36年，曾领导多个关键项目，包括原始iPhone软件的推出和Vision Pro头显的开发。她以建立高效流程和快速修复问题的能力

为了加强其AI模型的透明性和可追溯性，Anthropic于周四宣布推出一项新功能——Citations。该功能旨在帮助开发者在通过Claude AI系列生成的答案中，提供来自源文档的精确引用，包括句子和段落。这一创新功能首次推出后，立即在Anthropic的API和Google的Vertex AI平台上提供支持。Citations功能:提高文档透明度与准确性根据Anthropic的介绍，Citations功能可以自动为开发者提供AI模型生成的答案来源，引用源文档中的确切句子和段落。这一功能尤其适用于文档摘要、问答系统以及客户支持应用程序，能够

在最近举行的甲骨文云世界巡回展上，甲骨文宣布了在其 Oracle Fusion Cloud Sales 中推出新的 AI 代理和生成式 AI 功能。这些新功能旨在帮助销售团队更有效地与客户互动，加快销售流程，提高工作效率。图源备注:图片由AI生成，图片授权服务商Midjourney新推出的 AI 功能是 Oracle Fusion Cloud 客户体验（CX）的一部分，利用来自财务和供应链的连接数据，帮助销售团队为每个客户提供个性化和相关性强的体验。通过这些 AI 代理，销售人员能够节省时间，将更多精力投入到与客户建立关系上。其中，客

2025年1月22日，字节跳动旗下的火山引擎宣布正式发布豆包大模型1.5，并全面上线火山方舟平台。此次发布的豆包大模型1.5在多个领域取得了显著的性能提升，综合能力达到全球领先水平，标志着字节跳动在人工智能领域的又一重要突破。

量子计算正迅速成为人工智能（AI）领域的新机会。在过去的一段时间里，AI 已成为科技行业最大的投资热点，半导体股票因其在生成 AI 应用中的关键角色而受益匪浅。然而，最近量子计算这一领域逐渐引起了投资者的关注，成为投资的新亮点。图源备注：图片由AI生成，图片授权服务商Midjourney根据最近的市场趋势，许多量子计算公司的股票在2024年底时经历了显著的上涨，包括 IonQ、D-Wave Quantum、Quantum Computing 和 Rigetti Computing 等。这些公司在2024年初时的股价还很低，但经过一段时间的快速

来自纽约大学、麻省理工学院和谷歌的研究团队近日提出了一个创新框架，旨在解决扩散模型在推理时间扩展方面的瓶颈问题。这一突破性研究超越了传统简单增加去噪步骤的方法，为提升生成模型性能开辟了新途径。该框架主要从两个维度展开:一是利用验证器提供反馈，二是实施算法以发现更优的噪声候选。研究团队以256×256分辨率的预训练SiT-XL模型为基础，在保持250个固定去噪步骤的同时，创新性地引入了专用于搜索操作的额外计算资源。在验证系统方面，研究采用了两个Oracle Verifie

2025年1月15日，北京月之暗面科技有限公司宣布全新多模态图片理解模型moonshot-v1-vision-preview正式发布，该模型完善了moonshot-v1模型系列的多模态能力，助力Kimi更好地理解世界。Vision模型具备强大的图像识别能力，能准确识别图像中的复杂细节和细微差别，无论是食物还是动物，都能区分出相似但不相同的对象。例如，面对16张相似的人眼较难区分的蓝莓松饼和吉娃娃图片，Vision模型能精确地区分和识别。

在2025年国际消费电子展（CES）上，三星宣布了其最新电视系列，强调Vision AI 技术将为用户带来更智能和便捷的观影体验。此次推出的Vision AI 不仅仅提升了画质，还将改进声音效果，并增加了多种全新的使用体验，改变了用户观看电视的方式。新系列的电视将升级包括 AI 画质提升、自动 HDR 重制和自适应声音专业版等功能。此外，三星还推出了全新的色彩增强技术 Color Booster Pro，通过 AI 技术提供更加丰富和鲜艳的色彩表现。为了帮助用户发现新内容，三星的电视还将推出一系列 AI 功能。

随着大语言模型（LLM）在现代人工智能应用中的广泛应用，诸如聊天机器人和代码生成器等工具依赖于这些模型的能力。然而，随之而来的推理过程中的效率问题也日益突出。尤其是在处理注意力机制时，如 FlashAttention 和 SparseAttention，面对多样化的工作负载、动态输入模式以及 GPU 资源限制时，往往显得力不从心。这些挑战加上高延迟和内存瓶颈，迫切需要更高效、灵活的解决方案，以支持可扩展和响应迅速的 LLM 推理。为了解决这一问题，来自华盛顿大学、NVIDIA、Perplexity AI 和卡内基梅

在足球技术的革新上，上海交通大学和阿里巴巴的研究人员迈出了重要的一步。他们的新型人工智能系统——MatchVision——不仅能观看足球比赛，还能识别关键打法，并提供与人类播音员类似的评论。该技术基于名为“SoccerReplay-1988”的大型数据集开发，该数据集包含从2014年至2024年期间欧洲顶级联赛和欧洲冠军联赛的近2，000场完整比赛，共计超过3，300小时的比赛片段。每个比赛平均有76个评论片段。该表显示了 MatchVision 如何识别比赛中的关键时刻并为每个场景生成评论。| 图片:Rao、Wu 等

备受瞩目的GPT-5项目（代号Orion）已研发超过18个月，却迟迟未能面世。据《华尔街日报》最新报道，知情人士透露，尽管Orion的表现优于OpenAI现有模型，但其进步幅度尚不足以证明继续投入巨额成本的合理性。更令人担忧的是，全球数据量的匮乏，可能正成为GPT-5迈向更高智能水平的最大障碍。据称，GPT-5至少经历了两次训练，每次训练都暴露出新的问题，未能达到研究人员的预期。每轮训练耗时数月，仅计算成本就高达5亿美元。这个项目能否成功、何时能成功，目前尚不明朗。训练之路困

香港中文大学（CUHK）的研究团队成功开发了一种新的基础人工智能模型“VisionFM”，专注于眼科疾病的诊断与预测，特别在疾病筛查和青光眼进展预测等方面表现出色。相关研究已于上月发表在《NEJM AI》期刊上。图源备注:图片由AI生成，图片授权服务商MidjourneyVisionFM 的能力令人瞩目。研究显示，该模型在诊断12种眼科疾病时，其精确度不仅可与中级眼科医生相媲美，甚至在部分任务中表现更优，尤其在预测青光眼进展方面，超过了此前眼科领域的基础模型 RETFound。研究团队认为，随着训练

据《华尔街日报》最新报道，OpenAI 备受关注的下一代人工智能模型 GPT-5（代号 Orion）研发进展不及预期，该项目正面临重大挑战。报道披露，在为期18个月的开发过程中，OpenAI 已完成至少两轮大规模训练。然而，初始训练速度低于预期，导致后续大规模训练既耗时又成本高昂。虽然 GPT-5的性能较前代有所提升，但目前的进展尚不足以证明其巨大的运营成本具有合理性。为推进项目发展，OpenAI 采取了多管齐下的数据获取策略。除利用公开数据和授权内容外，公司还专门雇用人员创建新数据

在近日的 AWS re:Invent 大会上，Stable Diffusion3.5 Large（SD3.5Large）宣布正式在亚马逊 Bedrock 平台上可用。作为 AWS 的完全托管平台，Bedrock 旨在为开发者提供构建和扩展生成式人工智能应用的基础模型。通过将 SD3.5Large 引入亚马逊 Bedrock，Stability AI 希望满足开发者在可信的 AWS 环境中进行工作和部署的需求，从而使初创企业和大型企业能够安全、便捷地使用这一先进模型，而无需担心额外的基础设施问题。Stable Diffusion3.5 Large在文本到图像生成方面表现卓越，具有多种关键能力。首先，它支持多样

今天，脑机接口（BCI）公司 Precision Neuroscience Corporation(简称 Precision)宣布成功完成由 General Equity Holdings 领投的1.02亿美元 C 轮融资。此次融资还得到了 B Capital、Stanley F. Druckenmiller 的投资公司 Duquesne Family Office 和 Steadview Capital 的参与，使得该公司至今已筹集到1.55亿美元资金，成为脑机接口行业资金最充足的公司之一。Precision 将利用这笔新融资来扩展团队、推进临床研究工作，并进一步优化其人工智能大脑植入物的未来版本。这款大脑植入物的目标是让严重瘫痪的用户仅凭思维就能操作电脑

在视频分析领域，物体的持久性是人类理解物体即使在完全遮挡情况下依然存在的重要线索。然而，目前的物体分割方法大多只关注可见（模态）物体，而缺乏对无模态(可见 + 不可见)物体的处理。针对这一问题，研究人员提出了一种基于扩散先验的两阶段方法Diffusion-Vas，旨在提升视频无模态分割和内容补全的效果，能追踪视频中的指定目标，然后利用扩散模型补全被遮挡的部分。该方法的第一阶段涉及生成物体的无模态掩码。研究人员通过将可见掩码序列与伪深度图结合，来推断物体边