近期，大模型智能体（Agent）的相关话题爆火 —— 不论是 Anthropic 抢先 MCP 范式的快速普及，还是 OpenAI 推出的 Agents SDK 以及谷歌最新发布的 A2A 协议，都预示了 AI Agent 的巨大潜力。
将自己的宠物犬的照片、视频或是叫声发给Traini，这款App会即刻根据宠物专家给出的专业知识，分析出狗狗想要表达的内容，用人类语言表达出来；同时，也可以将主人的指令翻译成犬吠声，以此达到与自己宠物的“无障碍”交流。
知道大模型接下来要卷视觉推理，但没想到这么卷——数学试卷都快要不够用了。
一股由ChatGPT引爆的AI玩偶热潮正在席卷全球社交媒体！从领英到TikTok，人人都在将自己变成可爱玩偶，搭配个性配饰，装进精美包装盒。你准备好了吗？
“史上最强视觉生成模型”，现在属于快手。一基双子的可灵AI基础模型——文/图生图的可图、文/图生视频的可灵，都重磅升级到2.0版本。可图2.0，对比MidJourney 7.0，胜负比「(good+same) / (same+bad)」超300%，对比FLUX超过150%；
不止GPT-4o可以制作吉卜力风格图像！更多工具都可以制作吉卜力风图像。甚至2分钟之内，还能用照片生成吉卜力风格动画：蒙娜丽莎给你说Hello。
仅隔一天，OpenAI再次突然放大招： 一口气，o3和o4 mini同步上线。
GPT - 4o、Deepseek - R1 等高级模型已展现出令人惊叹的「深度思考」能力：理解上下文关联、拆解多步骤问题、甚至通过思维链（Chain - of - Thought）进行自我验证、自我反思等推理过程。
满血版o3和o4-mini深夜登场，首次将图像推理融入思维链，还会自主调用工具，60秒内破解复杂难题。尤其是，o3以十倍o1算力刷新编程、数学、视觉推理SOTA，接近「天才水平」。此外，OpenAI还开源了编程神器Codex CLI，一夜爆火。
港中文和清华团队推出Video-R1模型，首次将强化学习的R1范式应用于视频推理领域。通过升级的T-GRPO算法和混合图像视频数据集，Video-R1在视频空间推理测试中超越了GPT-4o，展现了强大的推理能力，并且全部代码和数据集均已开源。
