跳到正文
10月23日周五
  1. IT之家65

    OpenClaw 创始人谈 AI 智能体:上个月消耗 Token 成本约 1000 万美元

    OpenClaw 创始人、OpenAI 技术团队成员 Peter Steinberger 透露,他上个月在 AI 工作上的 Token 费用高达 1,000 万美元,由投资者承担。他认为现有基础设施尚未完全跟上 AI 技术发展,并讨论了 AI 生成代码对开源社区的影响,提出贡献者应展示从问题到解决方案的思考过程。

  2. HuggingFace Daily Papers65

    WeVisOne-VL: 从目标到像素的统一视觉感知

    WeVisOne-VL 是一种强大的视觉语言模型,通过结构化下一词预测统一了目标级和像素级感知能力。该模型支持多种视觉任务,包括目标检测、指代定位、计数、OCR、分割和matting,能够在用户指定的任何粒度上进行定位,从点到框再到mask和alpha mattes。

    推荐理由:通过结构化下一词预测统一目标级与像素级感知,WeVisOne-VL 在30多个基准测试中领先,为VLMs迈向可靠感知系统提供新路径。

  3. HuggingFace Daily Papers40

    AnyGameRenderer: 跨游戏实体一致生成渲染器及实体级评测基准

    AnyGameRenderer 将 AI 编码 agent 生成的低质量游戏视频转换为高质量视觉内容,保持实体位置、时序和布局不变。该模型基于 MiniMax-H3 ref2va(33B 参数)通过 LoRA 微调训练,使用约 1 万对样本数据,在实体级评测基准中实体时序匹配率从 50.9% 提升至 62.9%,漏检率从 34.7% 降至 21.3%。

  4. 钛媒体78

    Mirendil发布千亿参数编码模型Mirendil-Base

    Mirendil发布编码专用基座模型Mirendil-Base,参数量1000亿~5000亿,由1名研究员和Agent团队在三个半月内完成训练,成本不到1000万美元。模型在部分编码指标上已接近Kimi K3、GLM-5.3等主流模型,99%代码由Agent生成。

    推荐理由:一人训练千亿参数模型展示了AI辅助研发的突破,但成本与人才门槛仍将限制其普及。

  5. 钛媒体65

    前千寻具身智能负责人解浚源北美创业,成立具身数采公司 gi labs

    前千寻具身智能部负责人解浚源已在北美创业,成立gi labs,主要聚焦于打造数采设备,包括动捕手套、多目相机、机器人夹爪等。公司目前在美国旧金山设立国外办公室,国内办公主要在苏州,正在研发新一代数据采集设备,预计11月初量产,定价单套3555元起。

  6. HuggingFace Daily Papers65

    SCOPE:将自然语言策略编译为神经符号谓词程序

    SCOPE是一种新方法,将自然语言策略编译为可执行程序,由小型模型、确定性提取器和组合代码组成。该方法在真实世界策略任务基准测试中,实现了跨任务和模型的最平均准确率,且预测更稳定、可解释,并能部署在低成本模型上达到前沿推理模型的准确率水平。

    推荐理由:SCOPE将自然语言策略编译为神经符号谓词程序,解决了LLM代理策略执行中的准确性与效率矛盾。

  7. 开源中国73

    MiniMax M3.1 Flash 正式开源

    MiniMax 开源了 M3.1 Flash 模型,该模型拥有 428B 总参数和 23B 激活参数,上线 72 小时内处理了超过 100 万亿 Token。相比上一代 M3,M3.1 Flash 能力全面提升,并重点优化了推理效率,包括全模型稀疏注意力等技术。

  8. 钛媒体80

    陶哲轩与邓煜探讨AI数学成果:从解题到理解的责任转移

    陶哲轩与邓煜在SAIR Foundation播节目中讨论AI与数学的未来,指出AI使'已有证明'与'能被理解'成为两条不同边界,提出改变学术激励标准、事前参与和开源数学模型等解决方案。陶哲轩称OpenAI发布的数学成果为'有毒废料',强调理解责任仍在于人类。

    推荐理由:陶哲轩与邓煜将AI数学争议从'能否解题'转向'如何理解与溯源',揭示出学术评价体系面临的结构性挑战。

  9. arXiv · cs.RO55

    一种用于可扩展跨会话室内导航的稀疏拓扑图

    Eun Sun Lee提出了一种稀疏拓扑图方法,用于室内导航中的跨会话导航。该方法通过编码局部3D几何和距离加权边的节点结构,实现了跨会话点对点导航,在Gibson数据集上达到77.1%的成功率,在3D-FRONT场景变化下达到40.0%的成功率,同时将内存需求降低两个数量级。该方法支持跨会话对齐和目标导向导航,具有强大的可扩展性和真实世界迁移能力。

  10. arXiv · cs.RO81

    OpenTac: 一种可定制、可扩展、可迁移的 3D 触觉感知开源生态系统

    研究人员提出 OpenTac,一种新型传感器和全栈生态系统,用于高度可定制、可扩展的触觉皮肤。该系统包括可扩展的电阻式触觉皮肤、传感器设计工具、传感器模拟器、跨传感器迁移和快速/自适应数据采集功能。团队已设计和制造了 30 多种传感器,并在四个真实机器人平台上展示了 3D 触觉感知在接触密集型反馈控制和操作策略学习中的广泛应用。

    推荐理由:从传感器设计到控制学习,OpenTac 构建了完整的触觉感知生态系统,开源硬件与工具降低了触觉研究门槛。

  11. 钛媒体85

    Gemini 4 Argon Token消耗量暴涨3倍,谷歌CEO首谈砍掉3.5 Pro内幕

    Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token,消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失,以及DeepMind核心管理层变动的幕后原因。

    推荐理由:Gemini 4 Argon上线72小时处理25万亿Token,谷歌CEO首次披露砍掉3.5 Pro内幕,模型迭代与算力博弈成焦点。

  12. 钛媒体81

    AI 3D「御三家」半年吸纳超80亿元

    Meshy、VAST和影眸三家AI 3D公司在半年内融资超80亿元。Meshy推出Meshy Edit实现3D模型局部编辑,VAST开源EdenLive世界模型,影眸布局专业级3D生成。Meshy ARR突破1亿美元,三家均推出Agent能力,同时字节、腾讯等大厂加速布局。

    推荐理由:半年内80亿元涌入AI 3D领域,资本热捧背后是编辑功能与Agent能力的产品竞赛。

  13. IT之家85

    MiniMax M3.1 Flash 开源模型权重,总参数 428B

    MiniMax 稀宇科技开源 MiniMax M3.1 Flash 模型权重,总参数 428B,激活参数 23B。该模型于 10 月 19 日上线,72 小时内真实用户处理超过 100 万亿 Token,通过全模型稀疏注意力、量化感知训练和 Power-aware scheduling 等优化提升推理效率。

    同一件事,精选收录的是《MiniMax发布M3.1 Flash模型,Agent能力跃居国产第一》

  14. 财联社电报65

    卫星应用智能体生态平台在上海发布

    上海浦东发布'卫星应用智能体生态平台',采用'一主两辅'架构,支持行业伙伴低代码发布智能体。四批共16家生态伙伴签约,覆盖高校、科研机构及卫星、AI、数据企业,'研—造—算—用'链条初步成形。同时举行'东太空'号卫星入轨仪式,将开展多项关键技术验证。

  15. 钛媒体78

    宇树缩短具身AI时间表并推出全球竞赛

    宇树创始人王兴兴在杭州世界物理AI大会上表示,具身AI已出现突破迹象,预计一至两年内可能实现关键进展。公司正在研发自进化V1.0大模型,并计划扩大产能和计算基础设施。同时,宇树宣布举办世界物理AI竞赛,设立八大赛道,奖金达数千万元人民币。

    推荐理由:宇树创始人将具身AI突破预期从数年缩短至一两年,同时推出全球竞赛加速技术验证,商业落地路径正从幻想转向务实。

  16. MIT Technology Review · AI70

    设计持久可靠的AI服务架构

    文章指出企业AI竞争优势更多取决于围绕模型的工程系统而非模型本身。随着AI从实验转向生产,企业领导者需要关注如何可靠、经济、规模化地交付智能,这取决于服务架构的设计。文章强调应根据工作负载而非模型选择来构建架构,并考虑系统各组件间的相互影响,同时为技术变化做好准备。