阶跃星辰(StepFun)团队开源了NextStep-1，一款14B参数的纯自回归图像生成模型。该模型直接在连续视觉空间生成图像，无需依赖扩散模型或离散化处理，由14B参数Transformer骨干和157M参数流匹配头组成。它支持高保真文生图及精准图像编辑（如物体增删、背景修改），在GenEval（0.73）、GenAI-Bench等基准测试中表现优异，接近顶尖扩散模型。但存在生成不稳定、解码延迟等挑战，标志着自回归图像生成新阶段。
Nanobrowser是近期在GitHub爆火的开源AI浏览器自动化框架，上线一周获17,000+星标。其核心采用双智能体协作模式：Planner拆解自然语言指令为操作步骤，Navigator在真实网页中执行、读取等操作。该项目支持本地运行及多模型接入，可实现论文抓取、比价、舆情监控等网页自动化任务，典型案例显示其2分半完成论文数据抓取，成本仅0.1元。
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
2025年のブロックチェーン、ビットコイン、Web3は、「デジタルゴールド」の価格が11万米ドルを超え、史上最高値の11万1013米ドルに達したことを明らかにした。ブロックチェーンは「新しいインフラ」となり、政府、金融などの分野で応用され、RWA市場の市場規模は2025億米ドルに達し、Web3市場の市場規模は213.5億米ドルに達した。Web3の市場規模は213.5億米ドルに達し、実際のアプリケーションに転換し、2030年には5.1兆米ドルに達すると予想されている。中国はブロックチェーンを支持するが、Web3の「コインレス」路線に注力。
2025年のブロックチェーン、ビットコイン、Web3は、「デジタルゴールド」の価格が11万米ドルを超え、史上最高値の11万1013米ドルに達したことを明らかにした。ブロックチェーンは「新しいインフラ」となり、政府、金融などの分野で応用され、RWA市場の市場規模は2025億米ドルに達し、Web3市場の市場規模は213.5億米ドルに達した。Web3の市場規模は213.5億米ドルに達し、実際のアプリケーションに転換し、2030年には5.1兆米ドルに達すると予想されている。中国はブロックチェーンを支持するが、Web3の「コインレス」路線に注力。
Cursor 2.0は、GPT-5とClaude Sonnet 4.5の2倍である最大250トークン/秒の速度でコードを生成する自社開発の大型モデル、Composerの発表とともに正式にリリースされました。このモデルは実際の開発シナリオのために特別に訓練されており、コーディング、テスト、バグ修正の全プロセスを自律的に完了することができます。
Cursor 2.0は、GPT-5とClaude Sonnet 4.5の2倍である最大250トークン/秒の速度でコードを生成する自社開発の大型モデル、Composerの発表とともに正式にリリースされました。このモデルは実際の開発シナリオのために特別に訓練されており、コーディング、テスト、バグ修正の全プロセスを自律的に完了することができます。
FlowithOSは、AI知能のために設計された世界初のネイティブ・オペレーティング・システムであり、チャットに限定されることなく、複雑なタスクを実行することができる。Chromiumブラウザをベースにしたこのシステムは、無制限のコンテクスト・メモリとSkillsライブラリでクロスプラットフォームのマルチタスクを並行してサポートし、タオバオでの買い物、マイクロブログ、データ収集などの実世界のタスクを自動化することができる。現在は初期ベータ版で、WindowsとmacOSをサポートし、体験には招待コードが必要。
FlowithOSは、AI知能のために設計された世界初のネイティブ・オペレーティング・システムであり、チャットに限定されることなく、複雑なタスクを実行することができる。Chromiumブラウザをベースにしたこのシステムは、無制限のコンテクスト・メモリとSkillsライブラリでクロスプラットフォームのマルチタスクを並行してサポートし、タオバオでの買い物、マイクロブログ、データ収集などの実世界のタスクを自動化することができる。現在は初期ベータ版で、WindowsとmacOSをサポートし、体験には招待コードが必要。
MiniMaxは新世代のオープンソースビッグモデルM2をリリースした。このモデルは、世界トップ5に入る性能を持ち、価格はクロード4.5の8%のみである。プログラミング、エージェントワークフロー、マルチモーダルタスクにおいて優れた性能を発揮し、AI分野における高性能、低価格、高速という「不可能の三角形」を打ち破った。
アルファアリーナのAIコイン投機ライブアリーナでは、6人のトップAIモデルがそれぞれ暗号通貨市場で1万ドルのリアルマネーで独自に取引を行った。10月23日現在、Qwen3 Max (Alibaba)が+44.38%の利益と$14,438の口座残高で1位、DeepSeek Chat V3.1が+20.92%の利益と$12,092の残高で2位となっており、中国のAIが上位2位を占めています。Gemini 2.5 Proのような他の北米のモデルは、60%以上の損失を出した。中国のモデルの強みは、定量的思考、リスクコントロール、過度な取引をしないことであり、実際の市場の意思決定におけるAIの可能性を示している。
DeepAnalyzeは、中国人民大学と清華大学のチームによって共同開発されたオープンソースのエージェントベースの大規模言語モデルであり、自律的なデータサイエンスのための最初のエンドツーエンドのソリューションです。DeepAnalyze-8B（8Bパラメータ）は、ベンチマークにおいてGPT-4o-miniなどの商用モデルを凌駕しており、モデルの重み、コード、トレーニングデータが完全にオープンソース化されているため、DeepAnalyzeは専用のデータサイエンス・アシスタントとして導入することができます。専用のデータサイエンス・アシスタントとして展開することができます。
レーサーは、自社開発モデル、ツール、プラットフォームを網羅し、20以上のプログラミング言語と複数の種類の開発タスクをサポートするAIプログラミング製品マトリックスKAT-Coderを発表した。そのオープンソース版KAT-Dev-72B-Expは、SWEベンチリストでGPTとClaudeを上回る74.6%を記録した。 このモデルは、コード生成、デバッグ、最適化などの機能を持ち、主流の開発ツールと互換性があり、ウェブページ生成、電子商取引ウェブサイト、3D特殊効果などの分野での応用に強い可能性を示し、KATのAIプログラミングトラックへの正式参入を意味する。
DeepSeek-OCRは、視覚言語モデルと「文脈光学圧縮」技術に基づき、画像を視覚トークンに変換することで効率的な長文テキスト処理を実現し、圧縮率10倍で97%、圧縮率20倍で60%の精度を維持します。圧縮率10倍で97%、圧縮率20倍で60%の精度を維持し、テストでは、ビジュアルトークン100個でGOT-OCR2.0を上回り、トークン800個以下でMinerU2.0を上回り、複雑な文書の構造を再構築できる。
2025年のAIエージェントブームの代表格であるManusは、大規模なモデル、ツールチェーン、メモリー技術に依存してタスク実行を実現するが、専門的なシナリオの深耕とクローズドループ配信の欠如により、「万能エージェント」というバブルを露呈している。問題の根源は、エンジニアリングの蓄積不足と資本主導の近視眼にあり、機能の積み重ねはあってもインテリジェンスは限られている。業界は、決定論的プロセスとデータ駆動を重視する医療エージェントOpenEvidenceのような垂直分野に目を向けつつあり、未来は、焦点を絞り、評価可能で、地に足のついた「ダム・インテリジェンス」路線に属することを明らかにしている。
OpenAIは、ChatGPTのインテリジェントな機能を深く統合した初のAIネイティブブラウザ、ChatGPT Atlasをリリースした。その主な機能は、リアルタイムのAI支援によるウェブコンテンツの要約とインタラクション、インテリジェントなライティング最適化、ブラウザ操作の自然言語制御、パーソナライズされたメモリ推薦、ショッピングや予約タスクを自動化するインテリジェントボディモード、カーソルチャットのためのリアルタイムテキスト処理などです。このブラウザは、ブラウジングの効率を向上させ、タスクを自動化し、AI技術によって人間とコンピュータのインタラクション体験を刷新する。
グーグルのVeo3.1は、AI動画生成の分野でOpenAIのSora2と競合している。Veo3.1は、音声と映像の正確な制御と高品質の同期を強みとしており、プロフェッショナルな長編動画の作成に適している。一方、Sora2は、滑らかで自然なダイナミックエフェクトとエンターテイメントに優れており、クリエイティブな短編動画に適している。どちらにもそれぞれの利点があり、具体的な用途に応じて選択することができます。
オープンと共有の時代において、OpenAIは人工知能の革命をリードしています。この度、GPT-4-ALL、GPT-4-multimodal、GPT-4-gizmo-*など、OpenAIの全モデルを完全にサポートし、さらに様々な自家製ビッグモデルもサポートしたことを世界に発表します。最もエキサイティングなのは、より強力で影響力のあるGPT-4oを世に送り出したことです！
公開番号
協力 Wechat