Runway 推出 Media Router:生成式媒体进入“模型调度”阶段
Runway 发布面向开发者的 Media Router,可按质量、速度、成本等偏好,为图像、视频、音频生成请求自动选择模型。此举显示生成式媒体竞争正在从单一模型能力,转向模型编排与基础设施能力。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅Runway 发布面向开发者的 Media Router,可按质量、速度、成本等偏好,为图像、视频、音频生成请求自动选择模型。此举显示生成式媒体竞争正在从单一模型能力,转向模型编排与基础设施能力。
阅读全文OpenAI 将 ChatGPT Health 扩展到美国所有 18 岁以上登录用户,覆盖免费与付费套餐。用户可连接 Apple Health、MyFitnessPal、医院系统等数据,但医疗安全边界仍是最大争议。
阅读全文Google 第二季度营收依然强劲,但 AI 数据中心和基础设施投入增长更快,使公司上市以来首次出现季度自由现金流为负。资本开支继续上调,投资者开始重新评估 AI 军备竞赛的成本。
阅读全文由三名哈佛辍学生创办的 AI 芯片公司 Etched 完成 3 亿美元 C 轮融资,估值达到 103 亿美元。公司押注推理计算瓶颈,试图用自研芯片、内存与互连系统挑战 GPU 主导格局。
阅读全文Google 在 2026 年第二季度财报电话会上披露,Gemini 月活用户已超过 9.5 亿,距离十亿级产品仅一步之遥。这个数字显示,AI 助手竞争正从模型能力之争,进入分发、生态和使用场景的综合较量。
阅读全文AgentDebugX 是一个开源调试框架,试图解决 LLM Agent 失败时“报错点不等于根因点”的常见难题。它将调试组织为检测、归因、修复、重跑的闭环,并提供库、CLI、Web 控制台等入口。
阅读全文Mage-Flow 试图证明,图像生成模型的竞争力不只来自参数规模,也来自 tokenizer、主干网络与训练系统的协同设计。它以 4B 规模同时覆盖文生图和指令式图像编辑,并提供 Base、RL 对齐和 4 步 Turbo 版本。
阅读全文异步强化学习能提升吞吐,但 rollout 与训练之间的策略滞后会放大更新风险。SAT 试图把 PPO 的裁剪区间与样本陈旧度对齐,让高不匹配样本获得更保守的更新约束。
阅读全文这篇论文关注 MoE 训练中常被低估的显存大户:优化器状态。作者提出 SkewAdam,按骨干网络、专家和路由器的差异分层分配状态,在显著降内存的同时保持甚至提升验证困惑度表现。
阅读全文一篇新论文用因果可解释性方法研究文生图 Diffusion Transformer,发现文本模板 token 虽然在编码器输出处几乎不携带具体提示词信息,却会在生成过程中成为维持对象身份的关键语义寄存器。
阅读全文这篇论文提出,RLVR 提升大模型推理能力时,权重奇异值谱几乎没有被重写,真正承载新能力的是输入与输出奇异向量框架的变化。基于这一观察,作者构建了固定谱的 ISO 优化栈,覆盖离线模型合并与在线训练优化。
阅读全文Meta AI 提出 GAMUT 基准,用两层元评分表评估开放式长文本回答是否“说全了”。它试图补上当前事实性评测偏重“说得对”、却较少衡量“是否遗漏关键事实”的短板。
阅读全文nyra labs 的论文指出,现代 ASR 常把“逐字转写”和“整理后转写”混在一起学习,导致识别结果、WER 评估和词级时间戳都不稳定。研究尝试用任务 token 与交叉注意力微调,让模型按需输出可控的逐字稿或意图稿。
阅读全文PaddleOCR 团队提出 HPD-Parsing,用分层并行解码替代整页自回归生成,缓解 VLM 文档解析中的长序列瓶颈。该方法在公开基准上达到 4,752 tokens/s,同时保持有竞争力的解析精度。
阅读全文SciForma 面向科学方法图生成中的“结构保真”难题,将图表质量拆分为组件、箭头和文本三条轴线,并用多维偏好优化强化同时正确。它试图解决当前开源模型看起来像图、但逻辑关系和标注容易出错的问题。
阅读全文这篇论文提出 Masked Visual Actions,把动作表达为视频中某个实体被部分揭示的像素轨迹。它让同一个视频模型既能预测机器人动作带来的场景变化,也能从目标物体运动反推机器人应如何行动。
阅读全文AlayaWorld 试图把文本、图像或视频输入转化为可探索、可持续演化的虚拟环境。它围绕长时程一致性、交互控制和推理效率,提出了一套基于视频扩散 Transformer 的世界建模方案。
阅读全文ABot-World-0 试图把“可控制的视频生成”推进到可实时闭环交互的世界模型形态。它围绕数据、训练蒸馏和推理系统做了端到端设计,在单张 RTX 5090 上实现 720P 最高 16 FPS 流式生成。
阅读全文DataFlow-Harness 试图弥合自然语言需求与平台化数据流水线之间的断层:不再让智能体只吐出脚本,而是引导其构建可持久保存、可视化编辑的 DAG 工作流。
阅读全文