Qwen2.5-Omni核心是全能多模态理解生成，支持文本、图像、音视频输入，并能输出文本和语音，支持实时音视频交互，支持分块输入和即时输出，理解和执行语音指令能力强，效果可媲美文

RF-DETR 是第一个在 Microsoft COCO 基准测试中超过 60 AP 的实时模型，同时在基础尺寸下具有竞争力。它还在 RF100-VL 目标检测基准测试中实现了最先

阶跃星辰（StepFun）正式开源其新一代图生视频模型 Step-Video-TI2V ，该模型基于300亿参数的Step-Video-T2V训练，支持文本与图像联合驱动生成长达1

机器人迎来gpt时刻，谷歌发布先进的VLA模型（视觉-语言-动作），首个专为机器人设计的模型，推出具身智能领域的测评标准ERQA，这个将会持续影响人类AIGC发展，咱们拭目以待。

BlenderMCP 通过模型上下文协议（MCP）将 Blender 连接到 Claude AI，使 Claude 能够直接与 Blender 交互和控制。这种集成实现了辅助提示的

在 AI 时代如何证明你才是人类？OpenAI 创始人萨姆・奥尔特曼的新初创公司 World Network 希望探寻这个问题的答案。