天下 AI Coding 产品如过江之鲫。正当我们在策划「Vibe Coding 产品千千万，谁是你的 No.1」活动时，我们发现了 ZOER.AI，让我们眼前一亮。ZOER.AI 是一个主打「Database-First」（数据库优先）的全栈应用构建平台，旨在解决当前 AI Coding 工具「前端能力强、后端能力弱」的结构性问题。
Kimi K2 Thinking训练真的只花了460万美元？杨植麟亲自带队，月之暗面创始团队出面回应了。这不是官方数据。训练成本很难计算，因为其中很大一部分用于研究和实验。他们还透露训练使用了配备Infiniband的英伟达H800，GPU数量也比巨头的少，但充分利用了每一张卡。
临床诊断并非一次性的「快照」，而是一场动态交互、不断「探案」的推理过程。然而，当下的大模型大多基于静态数据训练，难以掌握真实诊疗中充满不确定性的多轮决策轨迹。如何让AI学会「追问」、选择检查，并一步步抽丝剥茧，迈向正确诊断？
你是否曾为搭建具身仿真环境耗费数周学习却效果寥寥？ 是否因人工采集海量交互数据需要高昂成本而望而却步？ 又是否因找不到足够丰富真实的开放场景让你的智能体难以施展拳脚？
复旦⼤学、上海创智学院与新加坡国立⼤学联合推出全模态端到端操作⼤模型 RoboOmni，统⼀视觉、⽂本、听觉与动作模态，实现动作⽣成与语⾳交互的协同控制。开源 140K 条语⾳ - 视觉 - ⽂字「情境指令」真机操作数据，引领机器⼈从「被动执⾏⼈类指令」迈向「主动提供服务」新时代。
全开源多模态大模型（MLLM）的性能，长期被闭源和半开源模型“卡脖子”。
通用人工智能的终极瓶颈不是算法、算力和数据的“三驾马车”，而在思想史。
Leonis Capital 在全球超过 10,000 家 AI 初创公司中，基于融资、招聘、用户使用情况，GitHub 趋势、新闻、ProductHunt、ARR 预估等数据和信号，筛选出了 100 家增长最快的初创公司。他们对这 100 家 AI 初创公司进行了详细分析，制作了一份 The Leonis AI 100 的研究报告。
马斯克麾下的新AI虚拟女友Ani看似风光地上线，背后却被曝出员工被迫提供面容和声音等生物数据用于训练。这一做法在xAI公司内部引发争议，多名员工担心自己的相貌和声音可能被滥用于深度伪造，或在未授权情况下被他人使用。此事也让业界反思，在AI竞赛中冲锋陷阵的公司，是否正在以侵犯隐私和道德边界为代价换取技术进步。
OmniVinci是英伟达推出的全模态大模型，能精准解析视频和音频，尤其擅长视觉和听觉信号的时序对齐。它以90亿参数规模，性能超越同级别甚至更高级别模型，训练数据效率是对手的6倍，大幅降低成本。在视频内容理解、语音转录、机器人导航等场景中，OmniVinci能提供高效支持，展现出卓越的多模态应用能力。
