Moonshot AI发布了新一代视觉语言模型Kimi-VL，该模型采用混合专家架构，仅用2.8B激活参数就能媲美大型模型性能。其创新包括原生分辨率视觉编码器、128K长上下文处理能力和长链思考推理机制。在多项基准测试中，Kimi-VL在数学推理、文档理解、智能体任务等方面表现出色，证明了小参数高效能的设计理念，为AI技术的普及和可持续发展提供了新思路。

2023年AI成为热词，OpenAI的Chat-GPT引领第一波AI浪潮。2024年，苹果Vision Pro带来空间计算概念，OpenAI的Sora掀起第二波AI浪潮。Sora的文本到视频转换技术，结合Vision Pro的空间视频功能，展现了AI与XR设备的融合潜力。

按照惯例，在I/O的第二天，谷歌会组织一场针对全球媒体的小范围群访。今年也一样，包括Alphabet兼谷歌CEO桑达尔·皮查伊(Sundar Pichai)在内的三位核心管理层，在采访中讨论了AI产品的策略、市场竞争、Gemini的进化、搜索的变革、智能眼镜的复活、AGI的未来等约20个问题。科技行者Techwalker连续第二年参与此类群访。

有购买需求就要考虑价格问题,数字化系统也不例外。

沿着这条「遗忘小径」走一走，看看那些曾经风靡一时、最终却被智能手机普及所淘汰的技术。

针对存储行业的需求和关注，SPC创建了全球第一个存储行业标准的性能标准。从组件级评估到完整的存储系统测量，SPC提供了严格的、经过审计的、可靠的和可重复验证的性能度量。

最大的难题在于如何在当今世界同时完成上述目标，也就是在从根本上转变我们工作方式的同时，还要改变我们与客户进行互动的方式。我们将其称为构建智能化企业的过程。

Testin 云测正是在这时代变革的交汇点成立的。

ByteDance研究团队构建了Multi-SWE-bench，这是首个覆盖七种主流编程语言的AI编程能力评测平台，包含1632个人工验证的真实Bug修复案例。测试显示现有顶级AI模型存在严重的语言偏见，在Python以外语言上表现大幅下降。研究同时启动了Multi-SWE-RL开源社区，发布4723个训练实例，为开发通用AI编程助手提供基础设施。

从发展历程、核心技术、人才团队、商业模式等方面深度揭秘OpenAI。

公有云主机的CPU处理能力到底如何？为什么至顶网云能力评估小组一直提倡采用双核云主机？网络、计算、存储中云主机的系统盘存储能力又是如何？这些问题我们会在本篇文章中再继续为大家进行解读。

韩国多机构联合研究团队提出QGuard方法，通过让AI回答精心设计的安全问题来识别有害内容，无需重新训练模型。该方法支持文字和图像的多模态检测，采用图论算法综合分析，在多个基准测试中表现优异，同时提供透明的决策解释，为AI安全防护提供了高效灵活的新思路。

MWC 2022上，荣耀正式发布旗下最新旗舰手机——荣耀Magic4系列，包括荣耀Magic4和荣耀Magic4 Pro两款产品，即将在全球多个国家和地区正式开售。

三星SAIL实验室开发了一套AI游戏制作系统，包含评测器AVR-Eval和制作器AVR-Agent。系统能通过观看游戏录像来评判质量，并基于反馈不断改进游戏。测试显示该方法比一次性生成效果好79.2%，但AI目前还不能有效利用外部资源和反馈，展现了人机创作的根本差异。

OpenAI内斗的来龙去脉。

AI工具在为教育工作者和学生带来了前所未有的机遇与便利，但同时，AI对教育行业的冲击究竟有多大？甚至，有人提出一个终极之问：“AI时代是否还需要人类老师和学校？”智能教育时代，如何在AI和人类教师之间找到平衡？

在疫情的背景下，头部企业纷纷积极采取数字化转型等应急战略，以获得可持续的竞争优势。纵观整体行业，数字化系统驱动企业业务运营的理解与应用有一定偏差，但这并未阻碍众多企业在实践中不断探索的步伐。

华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道，研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节：模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性，更深入分析思考质量，为提升AI系统的可靠性和透明度提供了重要方向。

智能汽车的驾驶辅助系统可能被对手通过在道路上布置干扰误导，或在训练阶段加入有毒样本实现物理后门，导致汽车偏离路线。对抗性机器学习研究这种对手与模型间的对抗博弈。

MIT研究团队开发出TIM系统，通过模仿人类认知的"聪明遗忘"机制，让AI能够进行无限长度的复杂推理。该系统将推理任务分解为树状结构，自动清理已完成子任务的细节信息，仅保留关键结论，实现了用不到50%内存完成相同推理任务的突破。配合TIMRUN引擎，TIM还支持端到端工具调用，大幅降低了成本和复杂度，为开发真正智能的AI助手开辟了新路径。