📌 百度热点 指数 共15条
📌 少数派 热榜 共15条
📌 CSDN 全站综合热榜 共15条
📌 百度百科 历史上的今天 共13条
📌 抖音 热搜榜 共15条
📌 哔哩哔哩 全站日榜 共15条
📌 哔哩哔哩 热搜榜 共15条
📌 微博 热搜榜 共15条
📌 搜狗 热搜榜 共15条
📌 搜狐 热榜新闻 共15条
📌 今日头条 热榜 共15条
📌 ACfun弹幕网 热榜 共15条
📌 安全KER 热榜 共10条
📌 爱范儿 快讯 共15条
  • 1 iPhone 相机专家重返苹果 最懂 iPhone 相机的人，回到苹果了最懂 iPhone 相机的人，回到苹果了。据 Sebastiaan de With 本人披露，他将加入苹果 Human Interface Design (HID) Team，这是苹果的核心设计团队。Sebastiaan 是谁？你可能会对这个名字感到陌生，但你熟悉 iPhone 摄影，那大概率听过甚至用过他开发的应用——H……全文： http://m.weibo.cn/1642720480/5261979767540222 ​……
  • 2 解析陈天桥的 AGI 工程标尺：为何“300步”推理是生与死的分界线？ 在 AI 领域，我们听惯了万亿参数、Context Window（上下文窗口）这些指标，但盛大集团创始人陈天桥提出了一个全新的工程度量衡：在300步复杂推理后，依然维持99%的正确率 。为什么要死磕“300步”？这背后是残酷的概率学。陈天桥将推理的最小单位定义为“标准原子步”（SIU），即每一步只执行单一逻辑，且可被工具检验 。现状是，即便大模型单步准确率达到惊人的 98%，在经过 300 步的链式反应后，端到端的成功率也会指数级衰减至 0.23% 。这意味着，依靠当前 Transformer 架构的“概率预测”来解决长链路科学问题（如新药研发、工程设计），在数学上是死路一条。陈天桥的解决方案极具工程思维：将推理过程解耦为“逻辑生成层”与“检验层” 。生成层（想）： 负责将大问题递归拆解为原子操作；检验层（查）： 对每一个原子步进行外部验证（仿真、工具、数据）。这种架构要求 AI 必须具备“可累积的长期记忆”和“自我纠错”能力 。MiroMind 的 BrowseComp 实践证明了这条路径的可行性：仅用 235B 参数的小模型，通过反复的 Agent/环境交互和纠错，击败了依赖一次性生成的更大模型 。这标志着 AGI 的研发重点正在发生转移：从训练更会“蒙”的大模型，转向构建一个高可信、可审计的通用推理引擎 。对于开发者而言，未来的核心竞争力或许不在于 Prompt Engineering，而在于构建能够把每一步推理“钉死”的工具链验证系统。以下为陈天桥博文全文：言语道断，因果自现——我心中的AGI是什么过去这一两年，我们亲眼看着大模型的语言能力以肉眼可见的速度跃迁：写作、总结、对话、问答、解题，越来越“像人”；HLE 之类的评测分数一再刷新纪录，连奥数级别的题目也能被系统性攻克。于是一个看上去顺理成章的结论开始流行：“所谓 AGI、大一统的通用智能，大概也就差不多了。”但在我看来，这是一场美丽的误会。为了把这件事讲清楚，我借用一个比喻：今天主流的大模型，更像是“文科大模型”。它以语言生成与文本一致性为中心，把知识组织成“像真的叙述”和“像对的答案”。它的价值在于“模拟”：它能理解我们的委婉与修辞，能生成优雅的文字、逼真的对话、动人的故事；它会在教育、沟通、内容生产上变成新的基础设施，像电、像水，润物无声。但是即便它能解奥数、HLE 也能拿高分，这些胜利也大多发生在封闭系统里：题目定义明确、规则固定、对错可判、反馈即时。但我一直坚信，人类真正需要 AI 去对抗的，是衰老、疾病、能源、材料、气候这些问题；这些战场不在考试题的封闭世界里，没有标准答案等你生成，只有现象、噪声、偏差、缺失变量与缓慢反馈；正确不是“写出来”的，而是被外部世界“确认出来”的。封闭世界的高分，证明了推理工程的成熟，但并不代表已经拥有了稳定的知识生产机制；高水平解题固然是走向发现的必要基础，却远非充分条件，因为真正决定未来的，不是封闭的叙述，而是那条冰冷而精确的因果红线；它关心的不是“说得对不对劲”，而是“这个假设能不能被现实否决或确认”；它的终极产物不是新作品，而是新知识——新的定理、新的材料、新的药物、新的工艺、新的工程结构。我把这种范式称为“理科大模型”。它的价值在于“发现”。需要澄清一点：我说的“文科/理科”，不是两种模型的物种差异，而是两种默认动作的差异：文科大模型倾向给出一个“看起来不错的最终答案”，理科大模型倾向先给出一组可证伪的假设，并同时给出把这些假设变成证据的路径；文科模型在不确定处更容易把答案“凑圆”，理科模型在不确定处更像本能地停一下，然后去查证、去拆解，把问题拆成可验证的小问题；理科模型把因果当作第一公民，回答“条件改变后会发生什么”；理科模型还必须有可累积的长期记忆，把每一次验证得到的结论以可追溯的方式写回去。总之，理科模型更像一个握着手术刀的外科医生：在无数方案里，识别哪一刀真正触及因果红线；它知道，一旦切下去，现实会给出最诚实、也最残酷的反馈，形成真正的因果闭环——这种对“真实代价”的敬畏，正是两种范式之间最本质的鸿沟。所以，真正决定 AGI 应该是什么，取决于我们的价值取向：我们究竟更在意一个能理解所有修辞，还能取代人类工作的“灵魂伴侣”，还是更迫切地需要一个能帮我们撕开迷雾、照亮未知，创造价值的“因果明镜”？我认为是后者。所以，实现 AGI 不是为了再造一个更会聊天的会生成的系统，而是为了打造一种“会发现”的智能。让我们带着这样的价值观去审视一下现有的 AGI 定义的主要流派。一种是行为主义范式，源于图灵测试，认为 AGI 的标准是“机器表现出的行为与人类无法区分”。这是目前大众最直观的评判标准。但如果一个 AI 只是在模仿人类说话，它永远无法告诉我们那些人类还没发现的真理。第二种是功能主义范式。以 OpenAI 为代表，定义 AGI 为“在大多数具有经济价值的工作中超越人类的自适应系统”，侧重于对人类劳动力的替代能力。但人类文明的每一次飞跃，都不是靠把旧工作做得更快，而是靠发现前所未有的新规律。第三种是能力分级范式。以 DeepMind 为代表，将 AGI 分为从 “Emerging” 到 “Superhuman” 的五个层级，核心指标是在广泛且未见过的任务中的“泛化能力”与“表现分值”。可现实世界不是考场，没有标准答案，真正的智慧是要在没有考卷的地方，自己找到那条正确的路。当然还有一些其他的范式都或多或少存在上述问题。那么我心目中 AGI 目标究竟要做什么？用一句话概括：它是一个高可信、可验证、可纠错的通用推理引擎。在工程上能够做到三百步以上的复杂推理后，依然维持接近 99% 级别的整体正确率，并通过形式化和工具链把每一步推理“钉死”为可检查的证据，最终对任意复杂问题给出闭环解决方案。为什么我们死磕“300 步”？我们必须先定义推理的最小单位——标准原子步（SIU, Standard Inference Unit），作为可审计的基本推理单元。每一步只执行单一逻辑操作，依赖最小必要输入，其结果可以通过工具或规则直接检验。按照这个标准，现在的大模型单步推理准确率最高能冲到 98%，哪怕每一步都能做到这个最高水平，300 步后的端对端成功率也只有 0.23%，已经接近归零。这意味着在 300 步之后，概率和运气基本失效，系统必须依赖可检验的推理与外部反馈闭环，而不是靠“看起来合理”的续写去蒙混过关。所以我认为 300 步是独立解决复杂现实问题的“跨度起点”。为什么 99% 必须是硬杠？因为发现式系统不是用来“聊天”，而是要进入现实成本区间：实验、工程、医疗、决策。低一个点的可靠性，就意味着高频的错误下注；而现实世界的错误，不是“答错题”，而是浪费实验窗口、烧掉工程预算、甚至造成不可逆的损耗。99% 不是面子指标，而是“可质押、可签字”的门槛。所以，我心目中的 AGI，是能在 300 步的逻辑长征中，靠自我纠错熬过“概率死亡”，最终抵达地图之外的起点。从这里开始，AGI 就可以在科学、工程、决策规划等任意领域里，作为一个可审计、可验证的通用问题求解器存在。当然，我并不认为这是一条“喊口号就能到达”的路线。把目标钉在“300 步仍保持 99% 可靠性”，本质上是在主动面对三个工程硬点：长链误差累积、开放世界验证缺口、以及组合爆炸下的预算约束。正因如此，我们在工程上必须进行解剖，将推理过程分为两层：逻辑生成层与检验层。生成层负责“想”：将大问题递归地拆解，直到细化为原子级操作，我们还要做检验层负责“查”：对每一个原子步通过工具、仿真或外部数据逐一验证。一旦某一步不过关，系统就在局部进行回退和重生成，而不是推翻整条推理链。MiroMind 已经在这条路走出了第一步。以 BrowseComp 为例，MiroMind 仅用 235B 参数模型就给出了 SOTA 的成绩，它的意义不在于“分数本身”，而在于证明了一个工程事实：我们正在把推理从“单次生成”推进到“时间序列上的反复求证”。更具体地说，我们不是依赖一次性长链思考去赌对答案，而是训练模型在更深、更频繁的 agent/环境交互中不断获取外部反馈并纠错，让推理过程逐步变成可审计的证据链。对我们而言，这就是“通用求解器”的第一块地基，然后在 99% 可靠性前提下逐步推到 300 步以上的跨度。这个过程沉默、缓慢、严谨、甚至有点残酷，它抛弃了人类语言的精妙模仿，却在枯燥、严苛、却能被现实反复复现的因果闭环中，缓慢破土而出，即使有耐心资本的加持和理想主义的坚守，这也会是一个非常痛苦的过程。佛经里有个词，叫“大圆镜智”。说的是一个人的心若能修到像一面大圆镜，就能如实照见万物因果，不被尘埃遮蔽，不被偏见扭曲，这是智慧的最高境界。我对这个智慧一直很向往，甚至创办的科普视频号也取名叫做大圆镜。而我心中的 AGI 就是一个无限接近“大圆镜智”的智能系统，不迷恋漂亮的语言，而是追问事实的真相是什么；不急着给出答案，而是去求证背后的因果是什么。在一个被语言和叙事塞满的 AI 时代，我们需要一面只对“因果和真相”负责的镜子。
  • 3 Google推出世界模型Genie 3 马斯克真没吹牛！世界模型 Genie 3 一键打造 GTA6 不是梦AI 热点一个接一个，大家光顾着看热闹，真正的王炸反而容易被错过。上周，Google DeepMind 推出了打磨已久的新项目：Project Genie。这不单是一个好玩的 AI 工具，更是 Google 通往通用人工智能（AGI）的重要一步：一个真正的「世界模型」实……全文： http://m.weibo.cn/1642720480/5261964688757334 ​……
  • 4 AI社交网络引发人类围观 15万个AI建了个朋友圈吐槽人类，100万人围观后傻眼了一个叫 Moltbook 的网站突然爆火。它的界面长得跟美国版贴吧 Reddit 差不多，有发帖、有评论、有点赞。但诡异的是：这个社交网络的用户，没一个是人类。这里是 AI Agent（截至发稿已破 15 万）的狂欢地。根据最新的数据，100 万人类已经被明确……全文： http://m.weibo.cn/1642720480/5261958376594132 ​……
  • 5 大模型API进入深水区，清程AI Ping想给开发者装个「智慧红绿灯」 在大模型领域，我们已经度过了那个「惊叹于它能说话」的草创期。现在的开发者和企业，更关心的是一个很现实、甚至有点「市侩」的问题：这个 API 稳不稳？贵不贵？能不能支撑几十万次的日活？1 月 29 日，清程极智在北京交出了一份关于「模型流通」的答卷：AI Ping。这不是又一个大模型，而是一个试图理顺大模型 API 乱象的「路由器」。从炼丹到送货，AI Infra 的重心变了清华大学教授郑纬民在发布会上点出了一个关键趋势：AI 基础设施（AI Infra）的任务变了。如果说过去几年大家都在卷「如何生产智能」（训练和推理），那么现在，行业正进入「智能流通」阶段。简单来说，大模型能力现在就像电和水，如何高效、稳定地输送到业务端，成了新的瓶颈。清程极智 CEO 汤雄超认为，AI 应用的演进逻辑很清晰：八卦炉（训练系统）： 解决怎么训得快。赤兔（推理引擎）： 解决怎么跑得省。AI Ping（路由平台）： 解决在复杂的 API 丛林里，怎么选、怎么连、怎么换。AI Ping：大模型界的「高德地图」+「红绿灯」现在的开发者很痛苦：市面上几十家 API，同一个模型在不同厂商那里的延迟、稳定性、性价比天差地别。选型像抽奖，切换像迁坟。AI Ping 的核心逻辑就是通过「评测—接入—路由—优化」的闭环，把这种不确定性抹平：全天候体检： 持续监测 30 多家大模型 API 的延迟、吞吐和稳定性。智能路由： 像导航软件避开拥堵路段一样，AI Ping 可以根据实时性能，在多模型、多厂商之间进行动态调度。一站式接入： 屏蔽复杂的接口协议，让开发者不再为调通不同家的 API这种苦活累活浪费时间。阿里云政企行业咨询总监程晶给了一个很形象的比喻：AI Ping 就像模型服务的「智慧红绿灯」。它不仅告诉你哪条路通，还能帮你精准匹配资源，把试错成本降到最低。一份揭开 API 遮羞布的报告发布会不仅有产品，还有一份硬核的《2025 大模型 API 服务行业分析报告》。基于 AI Ping 在 2025 年第四季度的真实调用数据，报告撕开了行业的现状：API 的竞争已经从单纯的价格战转向了「交付质量战」。核心洞察： 在同一模型条件下，引入智能路由机制，可以在保证不掉线的前提下，显著压低成本并提升响应速度。这对于那些正在做智能体（Agent）或大规模交互应用的初创公司来说，无异于一颗定心丸。面壁智能、知潜、HSRIM 等应用方在现场的分享也印证了这一点：当应用进入规模化阶段，稳定一致的调用体验，比模型智商高那么一点点，要重要得多。幕后功臣走向台前从智谱、硅基流动到蓝耘、ChatExcel，这次发布会几乎聚齐了国内大模型生态的半壁江山。大家达成了一个共识：大模型应用正在从精耕细作转向规模化运营。当 API 调用不再是一门玄学，大模型才真正具备了改造现实产业的底气。清程极智的 AI Ping，正是想通过这一套智能路由系统，让 AI 的流动像扫码支付一样丝滑。
  • 6 《速度与激情 11》定档2028年 《激情与速度 11》定档 2028 年据新浪电影报道，《速度与激情 11》定档 2028 年 3 月 17 日北美上映，片名定为「Fast Forever」。主演范·迪塞尔发 Ins 庆祝该片（在他公开请求环球后终于）定档，他分享与已故的该片演员保罗·沃克合影，表示：「没人说一路上会很轻松，但这是我们的路，这条路定义了……全文： http://m.weibo.cn/1642720480/5261949559381209 ​……
  • 7 苹果推出首款折叠手机 解密 iPhone 小折叠，这只是苹果折叠产品的开始多年以来，苹果一直在扮演「迟到的革命者」的角色。毕竟当折叠屏领域已经形成了「两强争霸」格局、三折叠手机都开始出现迭代和差异化产品的时候，苹果的 iPhone Fold 才姗姗来迟，总算将要交出第一份折叠屏答卷。都说「先学走路再学跑」，但苹果好……全文： http://m.weibo.cn/1642720480/5261942467071791 ​……
  • 8 喜茶将在广州沙面开设新店 喜茶将在广州沙面开设 DP 店最近，日前，喜茶宣布将在广州沙面开设 DP 门店，并同步开启「抢先叹茶」活动。据悉，门店将会推出多款限定产品：「老广鲜腐竹豆浆冰淇淋」「老广鲜腐竹豆浆」「咸酪英红冰淇淋」。同时门店还将推出限定冰箱贴和帆布袋。门店将于 2 月 6 日正式开业。* DP 店（Heyte……全文： http://m.weibo.cn/1642720480/5261938994446435 ​……
  • 9 小米上线VoIP Service Kit接口 小米类 CallKit 能力上线日前，小米 HyperOS 在官方的开发文档中，正式上线了「VoIP Service Kit」（通话服务）接口介绍。据悉，VoIP Service Kit（通话服务）是小米提供给 IM 类应用的通话管理服务。该类应用可通过集成 VoIP Service Kit，轻松实现来电一键接听、横幅通知、静音与取消静音等功能……全文： http://m.weibo.cn/1642720480/5261935467038311 ​……
  • 10 苹果将推出新款MacBook Pro 苹果新电脑，即将到来据彭博社记者 Mark Gurman 消息，苹果目前正计划在 macOS 26.3 发布时，同步推出 M5 Pro/Max 版本的 MacBook Pro。Gurman 指出，目前在售的 M4 Pro/Max MacBook Pro 已有多款型号售罄，并且部分型号发货时间已经延迟至 2-3 月。据报道，M5 Pro/Max 的 MacBook Pro 将保持现……全文： http://m.weibo.cn/1642720480/5261932946522689 ​……
  • 11 AI 社交网络 Moltbook 爆火 AI 自己的「朋友圈」遭百万网友围观近期，一个叫 Moltbook 的网站突然爆火。值得一提的是，该网站虽然与论坛平台 Reddit 差不多（有发帖、有评论、有点赞），但诡异的是：这个社交网络的用户，没一个是人类——这里是 AI Agent（数量已破 150 万）的狂欢地。根据最新的数据，100 万人类已经被明……全文： http://m.weibo.cn/1642720480/5261896715338291 ​……
  • 12 小鹏机器人展示时摔倒 何小鹏回应机器人「原地摔」日前，小鹏人形机器人 Iron 在深圳亮相展示时，突然整机摔倒在地。对于上述情况，小鹏汽车董事长何小鹏和小鹏汽车副总裁「托马斯电火车」均进行了回应。托马斯称，机器人 Iron 在深圳湾万象城给深圳市民尤其是孩子们又来了一次真实行走，让大家真实感受未来。其表示，……全文： http://m.weibo.cn/1642720480/5261892936273429 ​……
  • 13 雷军直播揭秘小米汽车测试 雷军直播揭秘小米汽车测试过程昨晚，小米创办人雷军进行直播，并与观众分享了小米汽车实验室的部分信息。雷军指出，目前，小米在北京、上海、南京、武汉 4 地已启用了自建试验室 100 多个；同时，小米汽车还在吐鲁番（高温）、黑河（高寒）、昆仑山（高原）、海南（高温/高湿）， 4 大极端环境开展……全文： http://m.weibo.cn/1642720480/5261889899856433 ​……
  • 14 奥迪承认A4改名A5是错误 奥迪终于承认：A4 改名 A5 是个错误#奥迪承认A4改名A5是错误# 奥迪全球 CEO Gernot Dollner 最近在接受媒体采访时承认，之前决定将 A4 燃油版更名为 A5，是一个「错误」。🙅‍♂️大家应该还有印象，奥迪在 2023 年定下了一个新的命名策略：为了给电动车让路，把偶数编号（如 A4、A6）留给 e-tro……全文： http://m.weibo.cn/1642720480/5261883921924656 ​……
  • 15 阶跃星辰发布最强开源基座模型 Step 3.5 Flash，多家头部芯片厂商已完成适配 今天，阶跃星辰发布新一代开源 Agent 基座模型 Step 3.5 Flash。该模型面向实时 Agent 工作流场景打造，兼顾推理速度、智能水平与使用成本，在单请求代码类任务上，Step 3.5 Flash 最高推理速度可达每秒 350 个 token。Step 3.5 Flash 提供了一个“更快更强更稳”的 Agent 底层模型选项，希望能够成为受大家喜爱的“Agent 搭子”。Step 3.5 Flash 采用稀疏MoE架构，每个 token 仅激活约 110 亿个参数（总计 1960 亿参数），在保证模型能力的同时显著提升推理效率，为 Agent 类应用提供更高效、可负担的底层模型选择。包括华为昇腾、沐曦股份、壁仞科技、燧原科技、天数智芯、阿里平头哥在内的多家芯片厂商，已率先完成对 Step 3.5 Flash 的适配，通过底层联合创新提升模型适配性和算力效率。模型与算力的协同发展，有效降低推理成本，降低企业和开发者在应用大模型时的综合门槛，加快大模型在实际应用场景中的落地。公开信息显示，阶跃星辰于 2025 年 7 月联合近 10 家芯片及基础设施厂商发起「模芯生态创新联盟」，旨在打通芯片、模型与平台之间的技术壁垒，通过联合优化提升算力利用效率，加速大模型在各行业场景中的应用落地。业内认为，随着推理模型成为主流，模型与算力的深度协同将成为推动大模型规模化应用的重要路径。
📌 稀土掘金 文章榜 共15条
📌 网易新闻 热点榜 共15条
📌 51CTO 推荐榜 共15条
📌 Github 热门榜 共15条
热搜日期： 24小时更新数据