搜索
还在用 DragGAN、DragDiffusion 拖拽修图？点选拖拽容易变形、边界割裂、细节丢失的时代落幕了！ECCV 2026 ICRDrag 首创上下文区域拖拽模型，用掩码精准定位局部区域，移动、缩放、变形全都丝滑自然，兼顾精准度与画面真实感。
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。
vLLM 社区推出的 Semantic Router 除了专注上面三个方向，正在更进一步：我们认为：router 不只是选择模型，还可以提升模型能力。用户不用改权重，也不用让每个 Agent 团队都自己搭一套 Graph，而是在一次普通 Model API 调用的内部，组织出一支有边界、有预算、有验证、有回退的 “小队”。
今天来好好盘点 2026 年上半年的图片与视频模型，伴随模型更新时间轴出现的，还有我一些当时的测试文章。也算是对不怎么努力也没什么收获的上半年做个总结汇报了。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
今天，我们将面向任何用户推出OmicOS Science正式版（https://omicos.cn/），无论您处于世界上的任何区域，无论您使用的是任何模型，都可以享受AI时代的红利！我们深知，科学研究最关键的一环是可审计与可复现性。在OmicOS Science中，点击生成的每一张图，你都能看见这张图绘制的代码
AI新云赛道再现巨额融资。成立于2022年的AI新云（Neocloud）公司Together AI，于7月1日正式宣布完成8亿美元C轮融资，投后估值达到83亿美元。Together AI的核心业务是出租NVIDIA GPU集群及其他AI专用基础设施，为企业提供运行开源大模型的云平台。
2026 年，风向掉头了。几个最受关注的年轻 AI 人才，开始走进大厂。罗福莉，四川宜宾乡村出身，北大硕士，DeepSeek-V2 作者之一。被雷军点名后，“天才少女”四个字在热搜上挂了很久。她去了小米，负责大模型 MiMo。
就在昨天，网友们激动发现：Codex应用的底层代码中惊现GPT-5.6 Sol、Terra和Luna三大子模型标识。更令人期待的是，一个全新的「速度拨盘」功能也出现在代码中。根据爆料，OpenAI已经在内部定下了死命令：GPT-5.6发布的目标窗口直指下周二（7月7日）至7月9日。
Github热榜持续屠榜，短短几天一路狂揽15.4k stars，甚至一度冲到了Top 1的位置。不是啥大厂项目，也不是啥新模型。而是一个叫OpenMontage的开源「视频制作」系统～（剪辑人狂喜.jpg）