IvesFeng666

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

O artigo analisa seis produtos de agentes de IA tradicionais, Manus, Buckle Space, Lovart, Flowith Neo, Skywork e Super Magee, e analisa a sua competitividade no mercado em termos de três dimensões: capacidade de execução, fiabilidade e frequência de utilização. Os generalistas enfrentam desafios de entrada e integração. O artigo salienta que a coexistência de especialização e generalização, a capacidade de entrega, o mecanismo de confiança e a integração de portais se tornarão direcções importantes para o desenvolvimento dos agentes.

Em maio de 2025, a Google lançou o Veo 3, a primeira vez que se consegue uma geração síncrona de áudio e vídeo de IA, para que os personagens de vídeo de IA possam "falar". Os avanços do modelo incluem imagem 4K, consistência física e sincronização de som, etc., utilizando a tecnologia V2A para codificar imagens de vídeo como sinais semânticos, gerando faixas de áudio correspondentes e aplicando-as a programas de entrevistas, jogos ao vivo, concertos e outras cenas. Embora existam deficiências na geração de acções complexas, as perspectivas de comercialização são significativas, com preços diferenciados, com impacto nas indústrias tradicionais da publicidade e da produção cinematográfica.

Os três modelos especializados Gemma recentemente lançados pela Google - MedGemma, SignGemma e DolphinGemma - representam uma mudança importante nos modelos de IA, da generalidade para a adaptação vertical profunda ao domínio. O SignGemma apoia a tradução multilingue de linguagem gestual para ajudar os grupos de deficientes auditivos a comunicar; e o DolphinGemma explora a síntese do discurso dos golfinhos para promover a investigação da comunicação entre espécies. Estes modelos melhoram o desempenho profissional, tendo em conta a eficiência computacional e a conveniência da utilização, proporcionando uma nova via para a industrialização da IA.

A Anthropic lança a série Claude 4, abrangendo as versões Opus 4 e Sonnet 4, com foco em tarefas de programação e raciocínio avançado. Na conferência para desenvolvedores, o CEO Dario Amodei anunciou que a série supera a concorrência em todos os aspectos, liderando o desempenho em vários benchmarks, bem como o lançamento do Claude Code e de novos recursos de API que impulsionarão uma mudança de paradigma na forma como a IA e o desenvolvimento são feitos. mudança de paradigma.

A Manus entra em funcionamento com a geração de imagens, os novos utilizadores recebem 1000 pontos de bónus e 300 recargas diárias. A plataforma utiliza um processo de pensamento profundo que apoia a colaboração multi-ferramentas e a afinação da interação entre tarefas. Os casos de teste mostram que pode completar a criação de imagens complexas, a conceção de marcas, a implantação na Web e outras tarefas. O consumo de pontos é elevado, a quantidade gratuita de funções básicas é limitada e a subscrição paga está dividida em três níveis. As vantagens da Manus residem na compreensão das intenções e na execução de todo o processo, mas existem problemas de velocidade lenta, qualidade flutuante e custo elevado, pelo que ainda há espaço para melhorias no futuro.

A OpenAI lança a inteligência de programação Codex em maio de 2025, integrada com o ChatGPT e baseada no modelo codex-1, que executa tarefas como escrever código, corrigir bugs, executar testes e muito mais, na nuvem. O codex suporta integrações do GitHub, fornece evidências verificáveis de execução e obteve 72.1% nos testes SWE-Bench. está atualmente disponível para usuários Pro, Enterprise e Team. O Codex está atualmente disponível para utilizadores Pro, Enterprise e Team e, no futuro, irá melhorar ainda mais a interatividade e a integração de ferramentas de desenvolvimento para ajudar a melhorar a eficiência do desenvolvimento de software.

A Google DeepMind lançou o AlphaEvolve, uma inteligência de codificação de IA capaz de escrever e otimizar código e de fazer descobertas científicas por si própria. O sistema, que incorpora grandes modelos de linguagem, algoritmos evolutivos e avaliadores automáticos, já fez várias descobertas no domínio da matemática, como a melhoria dos algoritmos de multiplicação de matrizes e a resolução de puzzles geométricos. Entretanto, conseguiu ganhos de eficiência significativos na otimização dos centros de dados da Google, na conceção de chips e na formação em IA, assinalando um novo marco na transformação da IA de uma ferramenta para um parceiro de inovação algorítmica.

As grelhas Bento (estilo Apple) são um estilo de design visual minimalista, claro e altamente organizado, normalmente utilizado em interfaces modernas da Web e de aplicações móveis. O estilo cria uma experiência de leitura limpa ao apresentar o conteúdo através de módulos de grelha que realçam o espaço em branco, o alinhamento e a consistência. O artigo também fornece passos específicos para implementar este esquema utilizando o Figma e recomenda plug-ins e ferramentas relacionados.

A NVIDIA lança modelos Llama-NemotronAI de código aberto nas versões 8B, 49B e 253B. O emblemático LN-Ultra supera o DeepSeek-R1 de 671 mil milhões em vários parâmetros de referência com apenas 253 mil milhões de parâmetros, ao mesmo tempo que permite um funcionamento mais eficiente num único nó xH100. O processo de formação em cinco fases da série, com técnicas inovadoras, inclui comutação de inferência, otimização com reconhecimento de hardware e formação de dados sintéticos. A relação positiva entre a escala e o desempenho dos parâmetros de desempenho do modelo marca a era da eficiência da IA em primeiro lugar, e o seu licenciamento de código aberto irá acelerar a adoção da tecnologia.

A Google lança a versão 2.5 Pro do Gemini, uma grande conquista no domínio da compreensão multimodal e da geração de código. O modelo supera o concorrente Cl 3.7 Sonnet em termos de capacidades de programação e é particularmente hábil na transformação de conteúdos de vídeo e esboços desenhados à mão em redes totalmente funcionais, melhorando significativamente a eficiência do desenvolvimento. Demonstra uma revolução em áreas como o desenvolvimento Web, a otimização de revisões e a tecnologia educativa, criando um novo paradigma para o desenvolvimento assistido por IA.

A Bolt.new é uma plataforma de desenvolvimento orientada para a IA em que os utilizadores escrevem código gerando sítios Web completos diretamente a partir de descrições naturais. Suporta a geração de aplicações em várias estruturas, a instalação de pacotes de software e permite a otimização dinâmica do código e transformações desenhadas à mão. Os utilizadores iniciam sessão e introduzem os requisitos do sítio Web para automatizar o código, suportam várias rondas de otimização do diálogo e pré-visualizações em tempo real, e podem implementar ou descarregar o código. A chave é escrever instruções detalhadas que especifiquem o tipo de sítio, o estilo e o público-alvo, incorporando ao mesmo tempo editores para melhorar a precisão. bolt.new é particularmente adequado para a criação de protótipos e pode ser utilizado em conjunto com ferramentas especializadas como o Cursor para projectos mais complexos. A plataforma é inicialmente gratuita, mas será cobrada no futuro, tornando-a adequada para empresários, criadores de conteúdos e programadores.

A DeepSeek lançou o modelo DeepSeek-Prover2, concebido para provas matemáticas, a 1 de maio, com 671 mil milhões de parâmetros e uma versão com 7 mil milhões de parâmetros. O modelo usa uma combinação de recursão e aprendizagem por reforço para se destacar em vários testes de matemática, como o teste MiniFF com uma taxa de aprovação de 88,9%. O conjunto de dados ProBench lançado ao mesmo tempo contém 325 perguntas para avaliar as capacidades do modelo. As experiências revelaram que o modelo Chain of Thought melhora significativamente a precisão, com o mini-modelo a superar mesmo o modelo em problemas específicos. O modelo já se encontra na Hugging Face, apoiando um novo paradigma na investigação matemática.

A OpenAI lançou oficialmente o seu mais recente modelo de geração de imagens multimodais, o gpt-image-1, e disponibilizou-o aos programadores de todo o mundo através de uma API. Este