搜索
想象一下，只需要一句话描述，AI 就能为你拍出一部完整的短剧？为了让这个想法变成现实，香港大学黄超教授团队开源了 ViMax 框架，并在 GitHub 获得 1.4k + 星标，专注于 Agentic Video Generation 的前沿探索。通过多智能体协作，ViMax 实现了真正的 "自编自导自演"—— 从创意构思到成片输出的完整自动化，把传统影视制作的每个环节都搬进了 AI 世界。
对了，这个工具叫Seko，我相信大家应该也从一些大佬那里刷到过吧。它是一个Agent，只需要给一个方向，就能自动直出剧本、分镜、人物、场景、风格、批量出分镜图、批量转视频，甚至配音，BGM都给你裁剪卡上了，最后导出一个完整的作品。
扩散语言模型（Diffusion Language Models）以其独特的 “全局规划” 与并行解码能力广为人知，成为 LLM 领域的全新范式之一。然而在 Any-order 解码模式下，其通常面临
主攻 AI 视频与多媒体生成技术的独角兽 Runway 也来了一波大的：一口气来了 5 个「激动人心的宣布」。这一波更新之猛，甚至让人觉得他们是不是把过去半年的大招一次性全放了出来。Runway 这一波发布，不仅刷新了视频生成的各项指标，更重要的是，他们正式对外展示了其在通用世界模型（General World Models/GWM）上的野心。
要吊打 Gemini 的 GPT 5.2 在今天凌晨正式发布了，向所有用户推出。 上个月刚刚退订掉 ChatGPT Plus，转到 Gemini，这次需要因为 GPT-5.2 再回去吗？ 看完下面这些网友真实的体验分享，还有 APPSO 的上手实测，或许能有个答案。
昨夜，OpenAI用专家级GPT-5.2复仇Gemini 3成功！而在GPT-5.2发布前一个多小时，谷歌就率先推出全新版Gemini Deep Research Agent。谷歌对Gemini深度研究进行了重新构想，使其比以往任何时候都更加强大。
红色警报拉响，OpenAI是真急了：30天，GPT-5.2系列紧接着GPT-5.1而来，这次还专门强化了打工能力。这是GPT-5.1 Thinking和GPT-5.2 Thinking做人力资源表格的对比：虽然版本号只加了0.1，但是在多个实用领域都更强了：做表格、做PPT、写代码、理解长文档、调用工具、处理复杂多步骤项目……
智能体（Agent），即基于语言模型且具备推理、规划和行动能力的系统，正在成为现实世界 AI 应用的主导范式。
从 AI 助手到 AI 同事，从降本到增收，Agent 如何真正走入企业核心流程？
实现通用机器人的类人灵巧操作能力，是机器人学领域长期以来的核心挑战之一。近年来，视觉 - 语言 - 动作 (Vision-Language-Action，VLA) 模型在机器人技能学习方面展现出显著潜力，但其发展受制于一个根本性瓶颈：高质量操作数据的获取。