blog (préstamo)

月之暗面发布开源思考型Agent模型Kimi K2 Thinking，具备1万亿参数。其核心突破在于无需人工干预即可连续执行200-300次工具调用，完成复杂多步骤任务。该模型采用INT4量化技术提升生成速度，通过精简架构降低计算冗余，训练成本为460万美元。在多项基准测试中表现超越GPT-5，包括智能体能力（τ²-Bench Telecom达93%）、综合推理（HLE达44.9%）及编程实战（SWE-Bench Verified达71.3%）。模型完全开源且商用免费，采用修改版MIT许可证。

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。

快手推出AI编程产品矩阵KAT-Coder，涵盖自研模型、工具与平台，支持20多种编程语言及多类开发任务。其开源版本KAT-Dev-72B-Exp在SWE-bench榜单以74.6%成绩超越GPT与Claude。该模型具备代码生成、调试、优化等能力，兼容主流开发工具，并在网页生成、电商网站、3D特效等领域展现强大应用潜力，标志着快手正式进军AI编程赛道。

Manus作为2025年AI Agent热潮的代表，虽依托大模型、工具链与记忆技术实现任务执行，但因缺乏专业场景深耕与闭环交付，暴露“通用Agent”泡沫。其问题根源在于工程积累不足、资本驱动短视，导致功能堆砌却智能有限。行业正转向垂直领域，如医学Agent OpenEvidence，强调确定性流程与数据驱动，揭示未来属于专注、可评估、落地扎实的“笨智能”路径。

OpenAI发布首款AI原生浏览器ChatGPT Atlas，深度融合ChatGPT智能能力。其核心功能包括：实时AI辅助网页内容总结与互动、智能写作优化、自然语言控制浏览器操作、个性化记忆推荐、智能体模式自动执行购物及预订任务、光标聊天实时文本处理。该浏览器通过AI技术提升浏览效率，实现任务自动化，重塑人机交互体验。

谷歌的Veo3.1与OpenAI的Sora2在AI视频生成领域展开竞争。Veo3.1以精准控制、高质量音画同步见长，适合专业长视频创作。Sora2则胜在流畅自然的动态效果和娱乐性，更适合创意短视频。两者各有优势，选择取决于具体应用场景。

近年来，人工智能技术的进步让我们惊叹不已，尤其是在生成式AI的领域。谷歌的最新AI模型——Gemini 3.0

El artículo pasa revista a seis productos generalistas de agentes de IA, Manus, Buckle Space, Lovart, Flowith Neo, Skywork y Super Magee, y analiza su competitividad en el mercado en función de tres dimensiones: capacidad de ejecución, fiabilidad y frecuencia de uso.Lovart, Skywork y Super Magee sobresalen en sus respectivos verticales, con una puntuación total de 18, mientras que los generalistas se enfrentan a retos de entrada e integración. El artículo señala que la coexistencia de especialización y generalización, la capacidad de ejecución, el mecanismo de confianza y la integración de portales se convertirán en importantes direcciones para el desarrollo de los agentes.

En mayo de 2025, Google lanzó Veo 3, la primera vez que logra la generación sincronizada de audio y vídeo de IA, de modo que los personajes de vídeo de IA pueden "hablar". Los avances del modelo incluyen imagen 4K, coherencia física y sincronización de sonido, etc., utilizando la tecnología V2A para codificar visuales de vídeo como señales semánticas, generando pistas de audio coincidentes, y aplicándose a programas de entrevistas, juegos en directo, conciertos y otras escenas. Aunque existen deficiencias en la generación de acciones complejas, las perspectivas de comercialización son significativas, con precios escalonados, lo que repercute en las industrias tradicionales de la publicidad y la producción cinematográfica.

Los tres nuevos modelos especializados Gemma de Google -MedGemma, SignGemma y DolphinGemma- representan un cambio importante en los modelos de IA, que pasan de la generalidad a la adaptación vertical profunda a los dominios. MedGemma se centra en escenarios médicos y ofrece capacidades de razonamiento multimodal de imágenes y texto de alta precisión; SignGemma apoya la traducción multilingüe del lenguaje de signos para ayudar a comunicarse a los grupos con deficiencias auditivas; y DolphinGemma explora la síntesis del habla de los delfines para fomentar la investigación de la comunicación entre especies. Estos modelos mejoran el rendimiento profesional al tiempo que tienen en cuenta la eficiencia computacional y la comodidad de despliegue, proporcionando una nueva vía para la industrialización de la IA.

Anthropic lanza la serie Claude 4, que abarca las versiones Opus 4 y Sonnet 4, centrada en tareas de programación y razonamiento avanzado. En la conferencia de desarrolladores, su director general, Dario Amodei, anunció que la serie supera a la competencia en todos los ámbitos, liderando el rendimiento en múltiples benchmarks, así como el lanzamiento de Claude Code y nuevas funciones de la API que impulsarán un cambio de paradigma en la forma de hacer IA y desarrollo. cambio de paradigma.

Manus se pone en marcha con generación de imágenes, los nuevos usuarios obtienen 1.000 puntos de bonificación y 300 recargas diarias. La plataforma emplea un proceso de pensamiento profundo que admite la colaboración entre varias herramientas y el ajuste de la interacción entre tareas. Los casos de prueba demuestran que puede completar tareas complejas de generación de imágenes, diseño de marcas, despliegue web y otras. El consumo de puntos es elevado, la cantidad gratuita de funciones básicas es limitada, y la suscripción de pago se divide en tres niveles.Las ventajas de Manus residen en la comprensión de las intenciones y la ejecución de todo el proceso, pero hay problemas de lentitud, calidad fluctuante y coste elevado, por lo que aún hay margen de mejora en el futuro.

OpenAI lanza la inteligencia de programación Codex en mayo de 2025, integrada con ChatGPT y basada en el modelo codex-1, que realiza tareas como escribir código, corregir errores, ejecutar pruebas, etc., en la nube. codex admite integraciones de GitHub, proporciona pruebas verificables de ejecución y obtuvo una puntuación de 72,1% en la prueba SWE-Bench. actualmente está disponible para usuarios Pro, Enterprise y Team, y se mejorará aún más con la interactividad y la integración de herramientas de desarrollo para ayudar a mejorar la eficiencia del desarrollo de software. Codex está disponible actualmente para los usuarios de Pro, Enterprise y Team, y en el futuro mejorará la interactividad y la integración de herramientas de desarrollo para contribuir a mejorar la eficacia del desarrollo de software.

Google DeepMind ha lanzado AlphaEvolve, una inteligencia artificial de codificación capaz de escribir y optimizar código y hacer descubrimientos científicos por sí sola. El sistema, que incorpora grandes modelos lingüísticos, algoritmos evolutivos y evaluadores automáticos, ya ha realizado varios avances en el campo de las matemáticas, como la mejora de algoritmos de multiplicación de matrices y la resolución de puzles geométricos. Entretanto, ha logrado importantes mejoras de eficiencia en la optimización de los centros de datos de Google, el diseño de chips y la formación en IA, marcando un nuevo hito en la transformación de la IA de herramienta a socio de innovación algorítmica.

Bento Grids (Apple Style) es un estilo de diseño visual mínimo, claro y muy organizado que se utiliza habitualmente en las interfaces de las aplicaciones web y móviles modernas. Este estilo crea una experiencia de lectura limpia al presentar el contenido a través de módulos de cuadrícula que enfatizan el espacio en blanco, la alineación y la coherencia. El artículo también proporciona pasos específicos para implementar este diseño utilizando Figma, y recomienda plug-ins y herramientas relacionadas.

NVIDIA publica modelos de Llama-NemotronAI de código abierto en versiones de 8B, 49B y 253B. El buque insignia, LN-Ultra, supera a DeepSeek-R1, de 671.000 millones de parámetros, en varias pruebas con solo 253.000 millones de parámetros, al tiempo que permite un funcionamiento más eficiente en un único nodo xH100. El proceso de entrenamiento en cinco etapas de la serie, con técnicas innovadoras, incluye conmutación de inferencia, optimización consciente del hardware y entrenamiento de datos sintéticos. La relación positiva entre la escala y el rendimiento de los parámetros de rendimiento del modelo marca la era de la IA en la que prima la eficiencia, y su licencia de código abierto acelerará la adopción de la tecnología.

Google lanza la versión 2.5 Pro de Gemini, un gran logro en el campo de la comprensión multimodal y la generación de código. El modelo supera al competidor Cl 3.7 Sonnet en capacidades de programación, y es especialmente hábil a la hora de transformar contenidos de vídeo y bocetos dibujados a mano en redes totalmente funcionales, lo que mejora notablemente la eficiencia del desarrollo. Demuestra su revolución en áreas como el desarrollo web, la optimización de revisiones y la tecnología educativa, creando un nuevo paradigma para el desarrollo asistido por IA.

Bolt.new es una plataforma de desarrollo impulsada por IA en la que los usuarios escriben código generando sitios web completos directamente a partir de descripciones naturales. Admite la generación de aplicaciones en varios marcos, la instalación de paquetes de software y permite la optimización dinámica del código y las transformaciones a mano. Los usuarios se conectan e introducen los requisitos del sitio web para automatizar el código, admite varias rondas de optimización de diálogos y previsualizaciones en tiempo real, y pueden desplegar o descargar el código. La clave está en escribir indicaciones detalladas que especifiquen el tipo de sitio, el estilo y el público al que va dirigido, al tiempo que se incorporan editores para mejorar la precisión. bolt.new es especialmente adecuado para la creación de prototipos, y puede utilizarse junto con herramientas especializadas como Cursor para proyectos más complejos. La plataforma es inicialmente gratuita, pero en el futuro será de pago, lo que la hace idónea para empresarios, creadores de contenidos y desarrolladores.

DeepSeek publicó el 1 de mayo el modelo DeepSeek-Prover2 diseñado para pruebas matemáticas, que contiene 671.000 millones de parámetros y una versión de 7.000 millones de parámetros. El modelo utiliza una combinación de recursividad y aprendizaje por refuerzo para destacar en varias pruebas matemáticas, como la prueba MiniFF, con un porcentaje de aprobados de 88,9%. El conjunto de datos ProBench publicado al mismo tiempo contiene 325 preguntas para evaluar las capacidades del modelo. Los experimentos han revelado que el modelo Cadena de Pensamiento mejora significativamente la precisión, y el minimodelo incluso lo supera en problemas concretos. El modelo ya está en Hugging Face, apoyando un nuevo paradigma en la investigación matemática.

OpenAI ha lanzado oficialmente su último modelo multimodal de generación de imágenes, gpt-image-1, y lo ha puesto a disposición de desarrolladores de todo el mundo a través de una API. Este