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？
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。
这次创作终于不烧心了。
《读佳》独家获知，Soul将推出专为交互场景打造、超具活人感的语音合成产品“Loxinity（洛希无限）”，和市面上面向配音、短视频的TTS不同，这套模型从底层瞄准实时交互场景，主打强活人感。它支持单人配音、多人对话两种模式，配套音色克隆、音色设计等工具，还开放API接入。Loxinity下辖语音合成模型Loxi Speech和视频生成模型Loxi Avatar。
《读佳》获知，在线教育公司“伴鱼”成立了增势智能AI品牌，加码营销AI赛道，目前已上线4款to B工具AdsTurbo、PopTo爆款兔、MaxAEO和TOPPP。
开发者pepsipu借助Codex开发出纯软件越狱工具ns2jb，一天内为Switch 2的《马里奥卡丁车世界》制作出可加入《我的世界》Steve等角色的Mod，但任天堂已下架相关漏洞并警告违规可能导致主机或在线服务受限。
生产级 AI 内容创作与 Demo 式生成工具的核心区别是什么？
美团AI也在加码中。
大家好，我是最近被Opus视频刷屏的袋鼠帝 我的X和朋友圈几乎被它刷屏了，产品宣传片、数据动画、手绘风科普……动效都很丝滑，字和图表清清楚楚，看着还挺高级的。
近期，六角未来沿着 Physical Coding 的思路，进一步构建了 HexaShell-Preview。根据官方评测结果，在 RoboDojo 全部 42 项任务上，HexaShell-Preview 取得了 46.9% 的成功率、53.2 的进度得分，成功率高出第二名 7.5 个百分点，领跑 RoboDojo-Agent 榜单。