TimeScope是一个全新的开源基准测试工具，专门用于评估视觉大模型在处理长视频方面的能力。它不仅测试模型的检索能力，还涵盖了视频合成、时间定位以及细粒度运动分析等多个维度，从而提供对模型时间理解能力的全面...

Voxtral团队最新发布了Voxtral Mini和Voxtral Small两款多模态音频聊天模型，在语音理解和文本处理方面均达到业界领先水平。这两款模型能够同时处理语音音频和文本文档，在多项音频基准测试中取得了最先进的性能表现...

OpenAI最新推出的ChatGPT Agent标志着人工智能助手能力的重大飞跃。该产品深度融合了Operator的网页浏览功能和Deep Research的分析能力，并配备专属虚拟计算机系统，能够自主完成多步骤复杂任务。从技术架构来看，Ch...

苹果公司近期在其机器学习研究官网发布了《Apple Intelligence Foundation Language Models Tech Report 2025》技术报告，正式公开了支撑Apple Intelligence功能的两大核心基础模型。报告显示，这两个模型具备多语言...

据The Information记者Stephanie Palazzolo独家报道，OpenAI正在为ChatGPT开发新型智能体（agent）功能，旨在将其打造为白领工作的核心工具。这些功能将允许用户直接通过ChatGPT创建兼容Microsoft PowerPoint和Excel...

开发者Henry和Roman近日推出开源项目Cactus，这是一个专为智能手机设计的跨平台框架，支持本地部署大型语言模型（LLM）、视觉语言模型（VLM）和文本转语音（TTS）模型。与Ollama专注于笔记本和边缘服务器不同，Cactu...

NotebookLLaMa是一个完全开源的项目，旨在提供NotebookLM的替代方案。该项目利用LlamaCloud进行文档处理，结合OpenAI的内容生成能力和ElevenLabs的语音合成技术，构建了一个功能强大的知识管理平台。作为开源社区的...

当前AI技术发展正从通用型向垂直领域深度渗透。行业专家指出，构建针对特定领域的AI智能体需深度融合三大核心要素：1) 行业关键工作流的上下文理解能力，2) 专业领域知识库与专家经验体系，3) 行业专属数据资产。这...