一句话生图要过时了？开源图像生成Agent进化出「工具编排」
一句话生图要过时了？开源图像生成Agent进化出「工具编排」图像生成正在从「一句话生成一张图」，走向更接近真实创作流程的开放任务。
来自主题: AI技术研报
8069 点击 2026-07-01 15:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
图像生成正在从「一句话生成一张图」，走向更接近真实创作流程的开放任务。
对于Python、Java、JavaScript这些语言，大模型通常能给出相当成熟的答案。
当所有人都在比谁「想得更久、算得更多」——推理模型动辄输出成千上万个思考 token，循环式架构恨不得在内部反复迭代十遍八遍——一项新研究反手泼了盆冷水：
AgentSociety²是清华大学团队推出的社会科学研究新工具，通过AI智能体模拟社会行为，帮助研究者构建实验环境，直接运行社会假设。它让AI同时扮演研究助手和实验参与者角色，使复杂社会问题能被构造、运行和分析，提升研究效率与可复现性。
卫星和航空影像里的目标，不仅大小相差悬殊，还可能朝向任意方向：一边是细长的桥梁、船舶，一边是密集的小车和大面积运动场。PKINet-v2是一种改进的遥感目标检测模型，能同时处理复杂形状和尺度变化的问题。
如果只看标题，它很容易被归到“又一个万亿参数大模型”的队伍里：1.6 万亿总参数、MoE 架构、100 万 token 上下文、面向代码和 Agent 场景。但这次真正值得看的，不只是模型有多大，而是它背后的三个问题：国产算力能不能支撑前沿级大模型训练？
AI 圈最近又热了一个词：Loop Engineering。
长期以来，机制可解释性（mechanistic interpretability）领域有一个几乎从未被明说、却被视为理所当然的前提：模型对于同一种任务的能力或表现，背后对应着一条唯一的、或近乎唯一的内部「电路」（circuit）。该领域的研究者们之所以要做「电路发现」（circuit discovery），是为了要把这些「特定的」电路找出来。
近期，DeepSeek发布DSpark让大模型推理效率再次成为行业焦点。
2026 年 6 月，大模型行业正在经历一场前所未有的「开源海啸」：英伟达放出了 550B 参数的混合架构模型，谷歌送出多模态的 Gemma 新版本，智谱用最宽松的协议全量开源了自家旗舰模型。