多模态模型这两年有个默认做法:视觉走外挂编码器,文本走主干,两路信号在中间层对齐。美团LongCat团队11月2日发布的LongCat-2.5换了个思路——视觉不再是外挂,而是拆成token混进主...
多模态模型这两年有个默认做法:视觉走外挂编码器,文本走主干,两路信号在中间层对齐。美团LongCat团队11月2日发布的LongCat-2.5换了个思路——视觉不再是外挂,而是拆成token混进主...
大模型拼参数这件事,商汤这次换了个玩法。10月30日开源的SenseNova Loop-9B-Preview,总参数约9B,却把解码器第4至27层连续执行两遍——32层权重完成56层计算,训练上下...
机器人这行有个老问题:模型在实验室里练得再好,换到真实场景还是会翻车,而且翻车之后怎么改,往往得推倒重来。智元机器人10月底发布的GO-3 Preview,想解的就是“练完之后怎么继续长本事”这件...
视频剪辑这件事,费时间的往往不是剪,而是看。一段三十分钟的口播素材,你得从头到尾过一遍,才能决定哪里留哪里切。Browser Use团队4月开源的video-use,换了个思路:不做逐帧视觉分析,...
本地AI智能体这两年冒出来不少,但多数有个共同问题:开一会儿还行,挂一整天账单就有点难看。OpenClacky这个2026年3月开源的项目,卖点不是“更聪明”,而是“开一整天也不心疼”。MIT协议...
语音输入这件事,卡点往往不在识别,而在“说出来的东西没法直接用”。口头禅、改口、念错的专有名词,转成文字后还得手工清理一遍。SayIt这个2026年5月开源的Windows工具,想省的就是这一步:...
同时挂三四个编程智能体的时候,终端标签栏就不够用了。一个在跑测试,一个在改代码,一个卡在等确认,你根本分不清哪个是哪个。cmux这个macOS终端工具,2026年1月开源,做的事情就是把“开了几个...
写公众号长文最烦的,往往不是写,而是写完还得在排版器里重排一遍。nexu-io团队5月开源的HTML Anything,想省的就是这一步:源文件留Markdown,看到的是渲染后的HTML,中间那...
终端编程智能体这个赛道,产品逻辑正在分化。一派押最强模型,一派押工具链厚度。Command Code走的是后一条路——它不自己训练模型,而是接入约50款开放权重模型,用一层工具链把模型差异抹平,让...
同一台机器上装了ChatGPT、Codex CLI、Claude Code,每个工具一套账号、一份配置文件,换个模型要挨个改TOML和JSON,新机器到手光是装环境就得折腾半天。独立开发者edis...