图像生成
图像,绘画
谷歌DeepMind首发AGI终极考纲！20万全球悬赏，撕下所有大模型伪装
谷歌DeepMind发布《Measuring Progress Toward AGI: A Cognitive Framework》论文，提出一套基于认知科学的AGI评估体系，旨在解决当前AGI进展缺乏客观度量标...
第二代PPTAgent来了！中科院软件所开源首个本地通用幻灯片智能体，9B参数打平GPT-5
DeepPresenter 是中国科学院软件研究所中文信息处理实验室推出的第二代 PPT 生成智能体系统，旨在解决当前 AI 生成幻灯片中普遍存在的内容空洞、排版混乱与不...
第一个同时为人类和Agent设计的AI视频产品，它叫，LibTV。
LibTV作为一款面向AI时代的视频创作工具，展现出同时服务人类创作者与AI Agent的独特架构。产品核心分为两大交互路径：一是为专业用户设计的无限节点画布，二...
5B参数+4060Ti，10秒出图，全流程开源可复现！补齐统一多模态生成编辑的开源版图，让高质量图像生成真正变得更轻量、更普及
DeepGen 1.0是一个参数量为5B（含3B视觉语言模型VLM与2B扩散变换器DiT）的轻量级统一多模态生成编辑模型，旨在解决当前工业级模型参数庞大、部署成本高、功能...
港大赵恒爽团队论文：让扩散模型既拿高分又不「作弊」丨CVPR 2026
GDRO是一种针对扩散模型的后训练方法，核心创新在于引入组级奖励排序机制以优化生成能力。该方法旨在解决当前生成模型中普遍存在的“奖励作弊”问题——即模型为...
一手实测首个龙虾模型：长路径任务不失误，一人包揽全栈开发
GLM-5-Turbo作为全球首个面向“龙虾”（即复杂长流程任务）场景定制的大模型，核心能力聚焦于深度优化工具调用与多智能体协同机制，使其在高吞吐、长链路的极限...
五百行代码打造SOTA视觉智能体！UniPat AI最新开源
SWE-Vision是一种极简的视觉智能体框架，旨在通过让模型编写并执行Python代码来弥补其在基础视觉任务中的精度缺陷。研究发现，尽管当前多模态大模型在编程能...
OpenClaw 3.12来了：UI大翻新，模型提速，更耐造更安全
OpenClaw 近期连续发布 2026.3.11 与 2026.3.12 两个版本，聚焦实际业务场景中的稳定性与易用性提升。Control UI 经历 V2 级重构，采用模块化设计，将概览、...
3亿美元巨额融资，AI视频新独角兽爱诗科技，正在抢跑「实时世界模型」
爱诗科技作为成立不到三年的中国AI视频创业公司，近期完成3亿美元C轮融资，创下国内该赛道单笔融资纪录，累计融资近30亿元人民币,跻身独角兽行列。本轮投资方...
这年头学不会数理化，只能怪自己懒，谷歌NotebookLM上新，秒出科普视频
谷歌NotebookLM新推出的“电影级视频概览”功能，允许用户上传资料后自动生成定制化、沉浸式视频讲解，依托Gemini 3、Nano Banana Pro与Veo 3等前沿AI模型实现...
