搜索
一张高清照片中，远处的手提包是什么颜色？一页票据里，某项费用到底是多少？面对这些问题，多模态大模型常常需要先找到相关区域，再放大查看。但如果第一步就框错了位置，后面的推理也可能跟着出错。视觉思维链让模型能够边看边想、调用工具寻找证据。不过，许多方法仍然像生成句子一样，把边界框坐标逐个写成文本 token。连续的空间位置，为什么要通过离散文字来表达？
10月21日，柏林GTC大会，黄仁勋又把AI的未来讲出了新高度。
K2 Lab（攀峰智能）做到了很多 AI 应用想做但没做到的商业模式：不按 Token 收费，按结果收费。
大模型Agent正在从简单问答，快速走向搜索、代码生成、网页操作和多轮工具调用。
OpenAI发布GPT-6.1 Terra，每百万token输入1美元、输出5美元，较上代大幅降价，并强化视觉理解、写作和电脑操作；Agents’ Last Exam中追平GPT-6 Astra且速度快3倍以上，第三方评测幻觉率由88%降至38%，现已全面开放。
北京AI Token生产服务商趋境科技（Approaching.AI）完成超13亿元B轮融资，年内累计募资24亿元，资金将用于高品质AI Token产能扩张、ATaaS平台升级及推理底层技术研发。
去讯飞一年一度的全球1024开发者节走了一圈，感受就一个： 热闹，真热闹啊。
不准联网，也没有共享可写文件，隔离的 AI 还是传上了话。
OpenRouter数据显示，Anthropic的Claude 5.5家族日调用量创下2.95万亿Token纪录，Fable 5.5则被曝已向摩根大通、Meta等企业客户灰度部署。
文章指出，AI短剧消耗国内55% Token和占据一半算力的说法并不准确，但其快速增长正创造新增推理需求，并推动视频模型与算力基础设施扩张。