AI 资讯
来自 Twitter · Hacker News · GitHub 的 AI 行业动态
MiniMax x Agora：3月30日东京举办语音 AI Agent 开发者之夜
MiniMax 联合 Agora 在日本动漫周期间举办 Voice AI Agent Builder Night，展示 TTS 和 LLM 驱动的下一代语音 AI 应用。
@Hailuo_AI
阅读 →
海螺 AI：发布 Light Studio 电影级灯光调节工具
海螺 AI 推出 Light Studio 功能，支持细调灯光角度、强度和色温，提供 20 种预设和双光源混合，提供免费试用。
@Hailuo_AI
阅读 →
vLLM：百度千帆 OCR 4B 模型登顶 OmniDocBench 榜单
百度发布 4B 参数文档智能模型 Qianfan-OCR，在 OmniDocBench v1.5 上得分 93.12，支持 192 种语言和复杂版面，已可在 vLLM 上运行。
@vllm_project
阅读 →
Grok 下周将支持多格式文件输出
Musk 透露 Grok 即将支持不同格式的文件输出功能，将于下周上线，进一步增强 Grok 的实用性。
@elonmusk
阅读 →
AI 编程能力几个月内将普及
Musk 评论 Cursor 时表示，编程能力将在几个月内由多家公司普遍提供，暗示 AI 编程工具将快速商品化。
@elonmusk
阅读 →
推荐 Grok Imagine 的 Chibi Q版模板
Musk 推荐用户尝试 Grok Imagine 的 Chibi Q版模板，称效果非常可爱，展示 xAI 图像生成的风格多样性。
@elonmusk
阅读 →
展示 Grok Imagine 生成的一分钟故事短片
Musk 在 X 上分享了一段由 Grok Imagine 生成的一分钟故事短片，展示了 xAI 图像生成能力的最新进展。
@elonmusk
阅读 →
SparkVSR：基于稀疏关键帧传播的交互式视频超分辨率
新论文 SparkVSR 提出基于稀疏关键帧传播的交互式视频超分辨率方法，实现高效视频画质增强。
@_akhaliq
阅读 →
vLLM 被 AMD 选为 GPU MODE 黑客松推理框架，总奖金 65 万美元
AMD 选定 vLLM 为 GPU MODE 黑客松指定推理框架，挑战在 8 块 MI355X 上优化 Kimi K2.5 1T FP4 推理性能，获胜优化需合入上游代码。
@vllm_project
阅读 →
MolmoPoint：为视觉语言模型带来更精准的定位能力
新论文 MolmoPoint 提出基于 Grounding Tokens 的方法，提升视觉语言模型的指向定位精度，已开源模型和在线演示。
@_akhaliq
阅读 →
ICML 2026 查出 506 名审稿人用大模型代写审稿意见，497 篇论文全部拒稿
ICML 组委会在论文 PDF 中埋入隐藏提示词，成功识别出 506 名使用 AI 代写审稿意见的审稿人，其同时作为作者提交的 497 篇论文全部被拒。
@dotey
阅读 →
AI 瓶颈将从芯片转向能源，太空太阳能将解锁下一阶段
马斯克表示，地球上 AI 的限制因素将从芯片转向能源，而当太空太阳能被解锁后，瓶颈将重新回到芯片。
@elonmusk
阅读 →
谷歌将赢得西方 AI 竞赛，中国赢地球，SpaceX 赢太空
马斯克回复评论称，谷歌将在西方赢得 AI 竞赛，中国将在地球上胜出，而 SpaceX 将在太空领域领先。
@elonmusk
阅读 →
特斯拉 AI5 芯片为 Optimus 和 Robotaxi 边缘计算优化，AI6 单芯片性能有望匹配双 SoC
马斯克透露特斯拉 AI5 芯片专为边缘 AI 计算优化，软硬件协同设计。同工艺节点下，AI6 单芯片有望达到双 SoC 的性能水平。
@elonmusk
阅读 →
非常钦佩英伟达和黄仁勋，SpaceX 和特斯拉将继续大规模采购英伟达芯片
马斯克表示英伟达的市值实至名归，SpaceX AI 和特斯拉预计将继续大规模订购英伟达芯片。
@elonmusk
阅读 →
Anthropic：用 Claude 访谈了 159 个国家的用户，覆盖 70 种语言
Anthropic 使用 Claude Interviewer 版本进行大规模对话式访谈研究，覆盖 159 个国家、70 种语言的用户反馈。
@AnthropicAI
阅读 →
Midjourney：举办每周 Office Hours 直播
Midjourney 于 3 月 18 日举办每周例行 Office Hours 直播活动，讨论产品最新进展。
@midjourney
阅读 →
新论文：MiroThinker 通过验证机制构建重型研究 Agent
研究人员发布 MiroThinker-1.7 和 H1 模型，通过验证机制提升研究 Agent 在复杂任务中的可靠性和准确性。
@_akhaliq
阅读 →
新论文 V-Co：通过协同去噪改进视觉表征对齐
研究人员提出 V-Co 方法，通过协同去噪技术改进视觉表征对齐，为多模态理解提供新思路。
@_akhaliq
阅读 →
Hugging Face Papers 为 AI Agent 推出 Markdown 版本和搜索技能
Hugging Face Papers 页面现在自动为 AI Agent 提供 Markdown 版本，并新增论文搜索技能，支持按标题、作者或语义相似度检索。
@_akhaliq
阅读 →
微软考虑就亚马逊-OpenAI 500 亿美元云计算协议提起诉讼
微软正考虑对亚马逊和 OpenAI 采取法律行动，因 OpenAI 与 AWS 的 500 亿美元合作可能违反与微软的 Azure 独家云服务条款。
@dotey
阅读 →
InCoder-32B：面向工业场景的代码基座模型发布
新论文发布 InCoder-32B 代码基座模型，专为工业应用场景设计优化。
@_akhaliq
阅读 →
Browserbase 完成 3 亿美元 B 轮融资，成立仅 18 个月
浏览器自动化平台 Browserbase 在成立 18 个月内完成 3 亿美元 B 轮融资，正在扩大企业销售团队。
@browserbase
阅读 →
千帆 OCR：统一端到端文档智能模型发布
百度发布 Qianfan-OCR 统一端到端文档智能模型，支持复杂文档理解和信息提取，已提供在线演示。
@_akhaliq
阅读 →
LlamaIndex：LlamaParse 新增 Agentic Plus 模式，支持精确视觉定位
LlamaParse Agentic Plus 模式新增边界框视觉定位功能，可精确解析复杂 LaTeX 公式、手写文字识别、多栏布局和信息图表。
@llama_index
阅读 →
LlamaIndex：上下文工程是新的提示工程，构建 AI Agent 的核心
LlamaIndex 引用 Karpathy 观点指出，上下文工程正取代提示工程成为构建 AI Agent 的关键，核心在于为 LLM 填充恰当的上下文信息。
@llama_index
阅读 →
Browserbase：支持 Stripe 机器支付协议 MPP，AI Agent 可按次付费搜索和浏览
Browserbase 宣布支持 Stripe 推出的机器支付协议 MPP，AI Agent 现可通过新端点按搜索和浏览次数进行自动支付。
@browserbase
阅读 →
n8n：树莓派部署指南发布，支持 Docker 搭建轻量自托管自动化
RaspberryTips 发布在树莓派上运行 n8n 的完整指南，涵盖 Docker 配置、核心节点、项目实例和常见问题，适合轻量级自托管自动化场景。
@n8n_io
阅读 →
新论文 WorldCam：用相机位姿作为统一几何表示实现交互式 3D 游戏世界
研究者提出 WorldCam，以相机位姿为统一几何表示，实现自回归交互式 3D 游戏世界生成。
@_akhaliq
阅读 →
英伟达：开源 10 万亿语言 Token、50 万机器人轨迹和 100TB 车辆传感器数据
英伟达发布大规模开源模型和数据集，涵盖 Agent AI、机器人、自动驾驶和研究领域，旨在加速专业 AI 开发。
@nvidia
阅读 →