衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 你也被刷屏了吧？向来低调的阶跃星辰一口气抛出了两个深水炸弹。 一是完成超50亿元人民币的B+轮融资 。 这个数字刷新⼤模型赛道过去12个月单笔融资纪录，且超过大模型六小虎中另外两家——智谱和MiniMax——的IPO募资金额。 另一个更具结构性变化的消息也在此时公布： 印奇正式加入阶跃星辰核心决策层，担任董事长 。 印奇是谁？或许能用几个tag来标记他至今的传奇路径。 清华姚班首批校友，AI四小龙旷视科技创始人，现千里科技董事长。 是中国AI创业史上 一位 极少数横跨AI 1.0时代 （CV） 与AI 2.0 （大模型） 时代，同时又完成过产业落地与硬件闭环的样本人物。 从这一刻起， 阶跃的核心决策层班底，明晰呈现出"1+3"模式 。 每一个人都大名鼎鼎，单拎出来都是一部行业简史。 但对阶跃来说，豪华阵容只是最不值一提的表象。 能看懂这个班底背后的故事，就不难看懂阶跃为什么从以前，到现在，都反复强调并坚持自己"AI+终端"的战略 。 借这个时间，借这个新动态，刚好和大家一起来起底一下阶跃星辰"1+3"战队背后的事儿。 起底阶跃"1+3"核心团队 1： 指新 ...

henry 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，DeepSeek开源了全新的OCR模型—— DeepSeek-OCR 2 ，主打将PDF文档精准转换Markdown。 相较于去年10月20日发布的初代模型，DeepSeek-OCR 2的核心突破在于打破了传统模型死板的"光栅扫描"逻辑，实现了 根据图像语义动态 重排视觉标记（Visual Tokens） 。 为此，DeepSeek-OCR 2弃用了前作中的CLIP组件，转而使用轻量化的语言模型（Qwen2-0.5B）构建 DeepEncoder V2 ，在视觉编码阶 段就引入了"因果推理"能力。 这一调整模拟了人类阅读文档时的因果视觉流，使LLM在进行内容解读之前，智能地重排视觉标记。 性能上，DeepSeek-OCR 2在仅采用轻量模型的前提下，达到了媲美Gemini-3 Pro的效果。 在OmniDocBench v1.5基准上，DeepSeek-OCR 2提升了 3.73% ，并在视觉阅读逻辑方面取得了显著进展。 | Model | | | | V-token™ax Overall ↑ Formula OM ↑ TableTEDs ↑ ...

金磊 发自 杭州 量子位 | 公众号 QbitAI 天下苦机器人看不清 透明 和 反光 物体久矣。 毕竟就连小动物甚至人，有时候一个不小心，都会搞笑地撞到干净的玻璃门…… 不仅如此，若是让机器人拿起 透明的玻璃杯 、 反光的不锈钢 物体，他们也会经常出现"突然瞎了"的情况。 这一切的问题，正是出在了机器人的眼睛—— 深度相机 。 因为无论是基于结构光还是双目立体视觉的深度相机，它们的工作原理都是依赖物体表面对光线的稳定反射。 而透明材质会让光线直接穿透，高反光材质则会将光线漫反射到四面八方，导致传感器无法接收到有效的回波信号，从而产生大量缺失或错 误的深度值。 对比一下我们人类看到的场景和机器人眼中的场景，就一目了然了： 毫不夸张地说，这类让机器人睁眼瞎的问题，一直是阻碍它们安全地走进家庭、商场和医院等场景的 Big Big Big Problem！ 但现在，随着一项新技术的提出，机器人的眼疾终于算是被治好了—— 蚂蚁集团的具身智能公司 蚂蚁灵波 （RobbyAnt），开源了全球看得最清楚的深度视觉模型， LingBot-Depth 。 同样是上面两个场景，我们直接来看下在LingBot-Depth加持下的效 ...

梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 大家是真敢问，奥特曼也是真敢说！ 刚刚，奥特曼拉着一屋子AI相关从业者搞了一场直播，围绕 软件工程、商业、模型开发、科学研究、教育、安全 等问题，奥特曼进行了一场 超「有问必答」的对谈。 问题一个比一个劲爆，奥特曼这边也是诚意满满，主打一个：奥特曼大舞台，有问题您就来～ AI 正在重新定义工作、技术和教育这三件事 Q ：如果AI让写代码这事儿变得又快又便宜，那是不是意味着未来市场会减少对软件工程师的需求？ Sam Altman: 我认为，未来从事工程师工作的人数 可能会「大幅增加」。 不仅如此，未来AI能让工程师捕捉到更多工作价值，让计算机实现预期功能，这也意味着你花在敲代码、调试代码上的时间，会明显减少，更 多精力会用在「让系统替你把事办成」这件事上。 甚至，我们会大量使用那种只为一个人、或者极小群体量身定制的软 件 ， 每个人都会不断给自己定制工具。 未来从事工程师工作的人数可能会 大幅增加 。 我们花在写代码、调试代码上的时间将会明显减少，更多精力会用在 让系统替我们把事办成 上。 在今后的几年，我们会大量使用只为一个人、或极小群体 量身定制 的软件 ...

星星 发自 凹非寺 量子位 | 公众号 QbitAI 过去一年，AI的主战场几乎被大模型、生图和生视频占满。2026年伊始，市场终于开始把目光投向一个更难、也更关键的领域： 3D生成 。 1月23日，Google收购3D生成公司Common Sense Machines的消息传出，后者整个团队并入DeepMind；1月26日，Google又迅速宣布与 Epic Games的合作。市场普遍猜测： 3D 版本的"Nano Banana"，是不是已经不远了？ 但率先将这一能力产品化的，是中国团队。 本周末， 全球领先的3D生成平台 H yper3 D 发布了Rodin Gen-2 Edit ，推出基于自然语言的3D模型局部编辑功能，率先实现3D版Nano Banana——这是业内首个将 "3D生 成"与"3D编辑" 整合为完整工作流 的商用产品，3D生成正式进入可编辑时代。 与以往只能"抽卡"的逻辑不同，Rodin Gen-2 Edit支持两种核心路径： 操作逻辑简单直接： 框选需要修改的区域，输入文字指令 ，即可完成局部调整。 例如，只需框选机甲的双臂区域，输入提示词"双手改成大炮"： 在Hyper3D内文/图生 ...

henry 发自 凹非寺 量子位 | 公众号 QbitAI 大模型持续学习，又有新进展！ 来自斯坦福、英伟达等研究机构的最新研究，针对解决开放的科学问题，提出全新思路—— Test-Time Training to Discover (TTT-Discover) 。 其基于开源模型gpt-oss-120b，在多个领域达到SOTA，优于人类专家与闭源前沿模型。 总的来说，这篇论文的核心思路是 在测试时进行强化学习 (Reinforcement Learning at Test Time) ，并主要体现在两点： 1.学习目标（Learning Objective） 不同于传统强化学习侧重于提升所有任务的"平均奖励"以实现泛化，TTT-Discover采用 熵目标函数（Entropic Objective） 。 它通过调整权重倾向于奖励最高的动作（而非整条轨迹）。 该方法不再沿用"测试时缩放"（Test-time Scaling）只通过Prompt调度冻结模型的做法。 而是在测试阶段， 针对单个具体问题，引入强化学习（RL）对模型权重进行更新。 这种"测试时训练"使模型能够从该问题的失败尝试中实时获取经验，更新参数 ...

我们是一家以 追踪AI新进展 为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观 测和学习生态位。 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来 量子位 呢？ 编辑部 发自 凹非寺 量子位 | 公众号 QbitAI 目前，我们有 三大方向 岗位招聘，希望你是 （或者能成为） 这三个方向的内容专家： 岗位均为全职，工作地点：北京中关村。 岗位面向： 加入我们，你可以获得： 以下是岗位详情： 所有岗位不同能力层级职位均在开放，欢迎结合个人履历和经验申请。 AI产业方向 岗位职责： AI产业方向 ：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向 ：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向 ：关注AI在应用和硬件终端方向的进展。 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 站在AI浪潮之巅 ：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具 ：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力 ：通过撰写独家原创内 ...

Intcomp团队 投稿 量子位 | 公众号 QbitAI Attention真的可靠吗？ 近年来，Vision-Language Models （VLMs） 在多模态理解任务中取得了显著进展，尤其是在视觉问答、图像理解和视频理解等场景中， 模型通常通过 language-to-vision attention 来衡量视觉token与文本之间的相关性，并据此进行visual token pruning，以降低推理成 本、提升运行效率。 然而，一个长期被忽视的问题是： attention本身是否真的能够作为"语义重要性"的可靠指标？ 在最新研究中，上海大学曾丹团队系统分析了主流VLM中attention的行为模式，发现一个关键却容易被忽略的现象—— attention并非只由 语义决定，而是受到显著的结构性偏置影响 。如果直接使用这些带偏置的attention进行visual token pruning，往往会在无意中保留不重 要的视觉区域，同时丢失真正有助于任务理解的关键信息。 更为严重的是，当attention被用于visual token pruning时，这种位置偏置会被进一步放大，从而导致剪枝结果系统 ...

贾浩楠 发自 凹非寺 量子位 | 公众号 QbitAI 被公认技术门槛高、商业化挑战大的硬核赛道，也总有玩家能够逆周期成长—— 本轮融资的投资方，包含了普华资本、ABC Impact（淡马锡旗下投资公司）、欣旺达、前海淏天、瀚棠置业、临沂国科、长兴创强基金、山 东国控资本、联想创投、大湾区基金、光跃投资、红山基金。国资、外资、产业资本齐上阵，抓紧窗口赶上了DeepWay深向上市的末班车。 融资朋友圈不断"扩容"，在DeepWay深向是常态，比如过去5年中，DeepWay深向曾在A轮融了5轮，B轮3轮……目前公开可查的金额为19.8 亿元，加上这次的11.77亿，已经超30亿。 这一方面证明了这家自动驾驶卡车公司的"抢手"程度。 5年间，DeepWay深向靠卖新能源重卡实现年营收数十亿元；加速度更加不容忽视，刚刚过去的2025年单季度交付量就超过2024全年—— 但投资人看好的，不仅是卖车的业绩，毕竟这一逻辑还无法支撑DeepWay深向 公开道路场景下的"自动驾驶卡车第一股" 的估值和潜力。 正向定义打造新能源重卡， 当年百度商用车领域唯一获授权使用百度Apollo技术 、新能源重卡三电全栈自研…… 穿透Dee ...

鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 新一年的基础模型竞逐，没想到是阿里千问率先出手了！ 就在刚刚，Qwen3-Max-Thinking正式版突然发布，当即刷新全球SOTA： 在涵盖科学知识、数学推理、代码编程的19项权威基准测试中，赶上甚至超越GPT-5.2-Thinking、Claude-Opus-4.5和Gemini 3 Pro等TOP 闭源模型。 | Capability | Benchmark | GPT-5.2- | Claude- | Gemini | DeepSeek | Qwen3-Max- | | --- | --- | --- | --- | --- | --- | --- | | | | Thinking | Opus-4.5 | 3 Pro | V3.2 | Thinking | | Knowledge | MMLU-Pro | 87.4 | 89.5 | 89.8 | 85.0 | 85.7 | | | MMLU-Redux | 95.0 | 95.6 | 95.9 | 94.5 | 92.8 | | | C-Eval | 90.5 | 92.2 | 93.4 | ...