CLIP 看不清的细节，FG-CLIP 看懂了 作者 | 谢春宇，王斌，360人工智能研究院 责编 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 还在为搜图不够精准、推荐不够懂你而烦恼？ 360 人工智能研究院发布的全新 FG-CLIP（Fine Grained CLIP） 模型，让 AI 也能像"老司机"一样，练就"眼观六路"的本领。 有了 FG-CLIP，它能瞬间辨别 "穿着浅蓝色夹克的男人" vs "穿着草绿色夹克男人"、" 陶瓷茶杯"与"玻璃茶杯" 的细微差别，图片被裁切也不怕，照样 精准识别目标，甚至连那张藏在小狗身后、位于画面角落的 浅棕色木凳子 ，它也不会放过。 大家平时刷到的那些"神操作" 其实都离不开它：比如用手机输入文字就能生成动漫插画、风景海报的绘图软件（Stable Diffusion、可图），还有能 把 "小猫追蝴蝶" 的文字描述变成动态视频的工具（Sora、即梦），背后都需要这位 "翻译官" 先把文字和图片的信息 "翻译" 成机器能懂的语言，让两 者 "对上频道"。 不只是这些有趣的应用，咱们日常生活里处处都有它的影子： 图文跨模态模型 显式双塔结构解耦： 突破传 ...

Core Viewpoint - Tencent has launched the Hunyuan Image 2.0 model, which features real-time image generation and significantly improved image quality and interaction experience compared to its predecessor [1][3]. Group 1: Model Performance - The Hunyuan Image 2.0 model has increased its parameter count by an order of magnitude, utilizing a high-compression image codec and a new diffusion architecture, achieving millisecond-level response times for image generation [3]. - The model's image generation quality has improved, effectively avoiding the "AI flavor" commonly found in AIGC images, resulting in high realism and rich details [3][4]. - In the GenEval benchmark for complex text instruction understanding and generation, the model achieved an accuracy rate exceeding 95%, outperforming other similar models [4]. Group 2: User Experience - The model allows users to generate images while typing or speaking, transforming the traditional "draw-wait-draw" process into a more interactive experience [3][6]. - A real-time drawing board feature has been introduced, enabling users to see coloring effects as they sketch or adjust parameters, enhancing the creative process for professional designers [13]. Group 3: Future Developments - Tencent hinted at the upcoming release of a native multimodal image generation model, which will excel in multi-round image generation and real-time interaction [15].

【CSDN 编者按】 在 AI 技术飞速发展的今天，OpenAI API 已成为众多 SaaS 开发者手中的得力工 具。但高额的 Token 消耗，也让成本控制成为开发者不得不面对的难题。本文作者以一个月消耗 94 亿 Token 的实战经历，毫无保留地分享了优化成本的关键经验。 原文链接 ： https://www.reddit.com/r/LLMDevs/comments/1kigp51/spent_9400000000_openai_tokens_in_april_ here_is/ 作者 | tiln7 翻译 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 大家好！刚刚 结束了 一个 对 我们 SaaS 产品 来说 强度 非常 大的 OpenAI API 调用 月， 我 想 顺 便 分享一些踩坑总结。 通过下面这几条优化策略， 我们成功将 成本 降低了 43%！ 希望这能帮到 同样也在用 OpenAI API 的开发者朋友们。 选对模型是关键中的关键 用好提示词缓存（Prompt Caching） 这点完全是意外收获。OpenAI 平台会自动缓存完全一致的提示词（prompt），在重复调用相 ...

分享嘉宾 | 郭春超 责编 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 现在这个时代，我们玩的游戏、看的电影、甚至未来的虚拟世界，都离不开精细逼真的三维（3D）模型。然而，制作这些 3D 内容，过去常常意味着 耗时数周甚至数月的人工建模，成本高昂且效率低下。就像平面设计曾被 Photoshop 改变一样，人工智能正在瞄准 3D 领域，试图彻底革新数字内容 的生产方式。 在这场由 AI 驱动的 3D 生成浪潮中，腾讯混元团队推出的开源项目 Hunyuan 3D 成为了全球开发者社区的焦点。它不仅在 GitHub 上迅速积累了超过 9.6k 的 Star，跻身 3D 生成开源项目的第一梯队，更凭借其出色的模型生成效果，赢得了"几乎没有变形的 Image to 3D，恐怖如斯"这样的用户评 价。 AI 生成 3D 的能力发展到什么阶段了？它离真正改变游戏、影视、数字人等行业还有多远？ 在 4 月 18-19 日举行的 2025 全球机器学习技术大会 （ML-Summit）上，腾讯混元 3D 负责人 郭春超 对此进行了详尽解读，并在会后接受了 CSDN 专访。 令人意外的是，尽管当前 3D AIG ...

【编者按】GitHub Copilot 智能体模式 (agent mode) 正式登录 Visual Studio！ 责编 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 微软 Visual Studio 官方 X 上正式宣布，备受期待的 GitHub Copilot 智能体模式 (agent mode) 正 式登陆 Visual Studio 17.14 预览版！ 开发者通过一个提示即可让 Copilot 自主处理从计划、构 建、测试到修复的整个开发流程。 自主确定上下文与编辑文件： 无需你手动指定，Copilot 能智能判断并找到需要编辑的相 关上下文和文件； 建议终端命令供你审批执行： 它会为你生成必要的终端命令，并在你确认后执行； 持续迭代直至任务完成： 它会不断检查错误，运行构建/测试来验证结果，直到任务最终搞 定； 通过 MCP 服务器调用可信工具： 它能够调用你开发环境中的 linter（代码风格检查工 具）、test runner（测试运行器）和 static analyzer（静态分析器）等受信任的工具。 在 Copilot Chat 窗口中，切换到"Agent (智能体)" ...

【编者按】继 AlphaGo、AlphaFold 之后，谷歌 DeepMind 带来的全新 AI 编程智能体 AlphaEvolve 横空出世，它巧妙地结合了大型语言模型（LLM）的创 造力与自动化评估机制，不仅在矩阵乘法等经典数学问题上取得新突破，更在谷歌数据中心优化、芯片设计乃至 AI 自身训练等实际应用中展现出惊人实 力，为我们揭示了 AI 驱动算法发现的广阔前景。 整理| 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 不仅是直接写代码，而是进化出的「解决方案」 与传统的代码生成工具不同，AlphaEvolve 并不追求"直接产出答案"，而是像演化生物一样迭代出越来越优秀的解决策略。它的背后是 Google DeepMind 最新的大语言模型家族 Gemini——其中 Gemini 2.0 Flash 负责高效率生成大量思路，Gemini 2.0 Pro 则在关键节点提供更深层的方案优 化。 其核心能力有： 5 月 14 日，Google DeepMind 正式官宣推出 AlphaEvolve——一款由 Gemini 强力驱动、专注于算法发现的编码智能体。 这款全新的 AI 智能体， 堪称 ...

责编 |梦依丹 出品丨AI 科技大本营（ID：rgznai100） 自从 GPT-3 横空出世，生成式 AI 彻底点燃了全球科技圈： 尽管 LLMs 如 GPT-4、Claude 等展现了惊人的能力，但闭源模型的闭源特性让研究者难以深入理解其运作机制，同时开源模型的开放程度有限： Moxin-7B：从预训练到强化学习，全面透明的 AI 革新 Moxin-7B 的诞生，正是为了解决这一问题！ 它由来自东北大学、哈佛、康奈尔等机构的研究团队联合开发，完全遵循"开源科学"原则，公开了从数据 清洗到强化学习的全流程细节，从预训练到 DeepSeek 同款强化学习，成为目前透明度最高的开源 LLM 之一。 2. 高性能低成本：小模型的大能量 零样本任务：在 ARC-C（AI2推理挑战）上达到 58.64%，超越 LLaMA 3.1-8B（53.67%）和 Qwen2-7B（50.09%）。 数学推理：经过 RL 微调后，在 MATH-500 上准确率 68%，超越 70B 参数的Llama-3-Instruct 模型（64.6%）。 长上下文支持：通过滑动窗口注意力（SWA）和分组查询注意力（GQA），高效处理 32K ...

整理 | 梦依丹 出品丨AI 科技大本营（ID：rgznai100） 和 AI 聊聊天，程序就写好了。这就是 2025 年爆火的 "Vibe Coding"（氛围编程），这一概念是由前 OpenAI 研究员 Andrej Karpathy 提出，他直 接在社交平台 X 上展示了自己即使完全不会 Swift，也能靠 AI 在一小时内搓出个 iOS 应用的例子。 「氛围编程」从概念到「印钞机」 在 AIGC 大行其道的当下，AI 辅助编程已蔚然成风。其中，备受开发者青睐的 AI 编码神器 Cursor 正迅速成为 VS Code 的有力竞争者。就在昨天，腾 讯也强势入局，推出了其 AI 编程助手 CodeBuddy——不仅搭载全新 Agent 智能体，更是中国首个支持 MCP (Model Context Protocol) 的代码助 手，并全面增强了产品能力。 与此同时，也有不少开发者晒出自己利用 Vide Coding 的变现路径。 X 用户 @mikestrives 就在平台上分享了自己的惊喜收获： "我做到了！ 用氛围编程在 30 天内打造一个 AI 产品，实现了 $7,000 月收入（MRR）！全程只用 ...

整理 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 你还记得那个用"AI 克隆体"代替自己发布财报的 CEO 吗？对，就是那个说"AI 能取代所有人类工作，甚至我自己"的 Klarna CEO，Sebastian Siemiatkowski。 就在今年 1 月，这位 AI 信徒在社交媒体上认真地告诉大家：理论上来说，AI 已经具备取代所有工作的能力，最终人类工作者将"难逃下岗"，包括他自 己也不例外。 可就在大家纷纷感叹人类"职业危机"到来之时，现在 Klarna 却悄悄"打脸"了自己 ： 据多家外媒报道， 最近 Klarna 重新开启了人工招聘，结束了为期 一年多的"招聘冻结令"——这不禁让人好奇：不是说好了 AI 会接管一切，为什么又重新开始招人了？ AI 真的能做所有工作？ 先把时间线拉回 到 2024 年 9 月。 Klarna，这家以"先买后付"（Buy Now, Pay Later）模式闻名的金融科技公司， 当时被曝正 准备实施大规模裁 员：计划削减近 2000 个工作岗位。 对此 Klarna 表示，公司早在一年前就已全面冻结招聘，以"自然减员"的方式减少组织规模。据悉一年时间内， ...

【编者按】如今生成式 AI 逐渐融入软件开发流程，越来越多 AI 生成的代码出现在实际工程中——但你有没有想过，这些由 AI 写出来的代码，从一开始 就可能被视为"遗留代码"？本文作者从工程经验出发，结合 AI 的生成机制，提出一个颇具启发性的观点： AI 生成的代码缺乏上下文记忆和维护连续性， 因此一 诞生就处于"他人旧作"的状态 。 这 不仅是对当前 AI 编码能力的冷静观察，也为我们理解未来软件开发形态提供了一种新视角。 原文链接： https://text-incubation.com/AI+code+is+legacy+code+from+day+one 翻译 | 郑丽媛 出品 | CSDN（ID：CSDNnews） 在软件开发中，代码的"可改进性"往往取 决于其所处的生命周期阶段。通常可以分为以下几类情况： 总的来看， 代码的演进速度，通常取决于离它的编写时间有多近、维护者是不是原作者。 其实 ， 这种状态是合理的：对于一个运行稳定、经过验证的软件系统而言，贸然进行"改进"往往带来额外风险，尤其是当你对系统的整体脉络不甚了 解时，原作者通常才最清楚其潜在逻辑和 开发 背景。 AI 生成的代码 ， ...