生成式AI

一、 OpenAI Day 12，下一代推理模型o3，AGI评测基准达87.5%

1. OpenAI发布o3模型，数学、编程等多项测试超越前代o1，刷新多项AI记录；

2. o3-mini具备三种推理模式，低成本高效表现优秀，尤其在代码生成和数学测试中表现出色；

3. 虽然o3在通用性和性能上接近人类水平，但其高成本和简单任务上的局限性表明仍未达到AGI标准。

二、 OpenAI Day 11，Mac版ChatGPT接入从代码到文案大量应用

1. Mac版ChatGPT支持与多款应用协作，覆盖编码和写作工具，提供快捷键调用及实时优化功能；

2. 新功能Canvas引入主动任务处理，桌面版增强生产力，支持跨应用操作如代码生成和数据可视化；

3. 桌面版轻量化设计，运行流畅，新增高级语音模式与IDE、写作工具无缝衔接。

三、 OpenAI 推出 Realtime Embedded SDK 专门用在小型硬件设备

1. OpenAI推出Realtime Embedded SDK，使微控制器（如ESP32）实现实时AI功能，支持语音交互与自然语言处理；

2. 应用场景覆盖智能家居、物联网与机器人，增强设备智能交互与环境理解能力；

3. SDK提供便捷工具链，支持快速部署与云端AI连接，或激发相关硬件市场需求。

四、 谷歌发布Gemini 2.0 Flash Thinking，对标OpenAI o1系列

1. Gemini 2.0 Flash Thinking通过训练增强推理能力，能清晰展示推理过程，表现出色；

2. 在数学、编程等任务上表现卓越，推理速度是o1-mini的两倍，且正确率高；

3. 虽然速度和准确度都很强，但偶尔会犯错，如无法正确计算重复字母数量和解答某些常见问题。

五、 英伟达AI 3D建模新阶段，从点云到高精建模打通3D全流程

1. 英伟达推出Meshtron，实现AI一键生成高达64K面数的高保真3D网格，媲美专业艺术家水平；

2. Meshtron采用Hourglass架构和滑动窗口注意力机制，支持高分辨率复杂网格生成，提升效率和质量；

3. 支持动画、游戏和虚拟环境等多种应用场景，显著改变3D建模流程，推动行业革命。

六、 全球首个AI圣彼得大教堂上线，40万照片毫米级3D还原

1. 梵蒂冈与Iconem、微软合作，利用40万张照片和AI技术，成功复刻圣彼得大教堂的3D数字双胞胎；

2. AI和数字孪生技术使得教堂的细节达到毫米级精度，提供沉浸式互动网站和虚拟参观体验；

3. 这一项目为2025年圣年禧年提供数字平台，全球信徒和游客可在线探索难以接触的教堂区域。

七、 统一视觉理解与生成，MetaMorph模型问世，LeCun等参与

1. MetaMorph模型通过视觉预测指令调整（VPiT）实现了统一的视觉理解与生成，优化了多模态学习；

2. 研究发现视觉理解与生成能力密切相关，增加理解数据对两者性能有显著提升；

3. MetaMorph能够高效利用LLM预训练知识，并在多模态推理中展现强大生成能力。

前沿科技

八、 Apptronik与DeepMind合作，用AI推进人形机器人发展

1. Apptronik与Google DeepMind合作，将AI与人形机器人硬件结合，提升机器人在动态环境中助人能力；

2. Apptronik的Apollo机器人凭借定制执行器和高保真3D建模，获2024年RBR50机器人创新奖并进入商业测试；

3. DeepMind开发Gemini等先进AI模型，通过机器学习和物理模拟增强机器人推理与行动，推动人形机器人技术发展。

九、 AI能传递气味了！能定制个性化气味，谷歌前研究员新技术

1. Osmo公司利用AI和气味数据库成功生成李子等气味，并可定制新香料；

2. AI通过“气味地图”和机器学习技术分析、预测分子气味，提供定制化服务；

3. Osmo的目标包括气味传输技术和应用于疾病检测，未来可能用于医疗、毒品检测等领域。

报告观点

十、 Claude 官方发布《Agent 构建指南》，智能体的反直觉法则

1. 构建智能体时应优先采用简单方案，复杂系统仅在简单方案无法满足需求时使用；

2. 智能体分为工作流和自主决策两类，工作流适合明确任务，智能体适用于灵活应对复杂任务；

3. Anthropic 强调简洁、透明、精心设计的重要性，建议开发者从增强型 LLM 开始，逐步引入复杂度。