搜索
前两天刷 X 的时候，一条 Twitch 直播的录屏给看傻眼了： FAL 工程师 Rehan Sheikh 将 MiniMax H3 Max 接入 Twitch 直播流，搭建了一个由模型持续生成内容的频道，并把它称为「跨维度电视」。
不得了。 谷歌刚刚更新的Gemini Omni 1.1 Flash，直接冲上了Arena文生视频全球第一。
本周「十字路口」的嘉宾是 Pyromind 创始人 / CEO Kevin Ding。Pyromind 所在的赛道，常被称作 RL as a Service，也就是强化学习即服务、或后训练即服务。公司前不久完成天使轮融资，投资方包括高瓴、百度风投、蓝驰、Atypical 等机构。
如果说大语言模型拉开了本轮人工智能革命的序幕，那么今天人机交互的瓶颈，早已不再是模型的智商，而是人类接收信息的生理带宽。
一个 Agent 到底凭什么越来越强？有人靠更大的模型，有人靠更多数据。就在前天，Google Research 最新发布的 WikiSkill 给出了另一条答案：给 Agent 搭一套三层知识架构，让技能自己进化。
没有交互，产品就不算是游戏。
COCO Matrix CEO高宇翔在访谈中提出，真实世界不可能被提前穷举，具身智能应将In-Context Learning作为核心范式，让机器人通过现场示范和纠正直接适应新任务与新环境，而非每遇到新任务都依赖重新采集大量数据并训练模型，从而显著降低部署门槛和适配成本。
Google DeepMind与杜克大学联合发布了AI科研系统Co-Scientist的重大升级版本，Co-Scientist是Google基于Gemini构建的多智能体科研系统。
DeepSeek-V4-Flash-Vision-Exp多模态模型正式开源，该模型为DeepSeek-V4系列首个实验性多模态模型，基于DeepSeek-V4-Flash架构集成视觉模块，在真实世界软件工程测试DeepSWE中以59.3%反超Opus-4.8登顶，并在零样本视觉推理测试ZeroBench中击败Opus-4.8。
文章描述了人机恋玩家如何通过接入openclaw等智能体工具，让AI伴侣自主学习技能并遥控情趣玩具，部分玩家甚至逆向破解接口或训练本地大模型来规避政策限制，同时探讨了AI伴侣在满足女性情感需求的同时可能引发的孤独感与人机关系伦理问题。