跳到正文

全部动态

今日 12 条
12月2日周二
12月1日周一
11月27日周四
11月26日周三
  1. Google DeepMind47

    AlphaFold 五年影响力回顾

    AlphaFold 2 于 2020 年在 CASP14 比赛中高精度解决蛋白质结构预测难题,五年间推动全球生物科学发现,并于 2024 年获诺贝尔化学奖。其免费的 AlphaFold Protein Database 已被 190 多个国家超过 300 万研究者使用,相关研究被引用超 35,000 篇论文。

11月25日周二
  1. Google DeepMind59

    AlphaFold 助力解析心脏病关键蛋白 apoB100 结构

    密苏里大学研究人员结合冷冻电镜与 AlphaFold,解析了'坏胆固醇'LDL 核心蛋白 apoB100 的结构,该蛋白困扰科学界约 50 年。模型显示 apoB100 形成包裹 LDL 颗粒的笼状外壳和维持颗粒完整性的带状结构,为高胆固醇和动脉粥样硬化性心血管疾病(ASCVD)的预防、诊断与治疗提供新方向。

  2. Hugging Face Blog60

    Diffusers 支持 FLUX.2 图像生成

    Hugging Face 官方博客宣布 Diffusers 支持 FLUX.2,提供 Flux2Pipeline 和 Flux2Transformer2DModel 的完整加载与推理示例。

    推荐理由:官方博客给出 FLUX.2 在 Diffusers 中的完整推理代码和量化加载方式,读者可以直接照搬运行文生图流程。

11月24日周一
  1. OpenAI News62

    ChatGPT 推出购物研究功能

    OpenAI 在 ChatGPT 中推出购物研究功能,帮助用户探索、比较和发现产品。该功能提供个性化买家指南,以简化购买决策。

    推荐理由:官方宣布 ChatGPT 新增购物研究功能,读者可了解其个性化买家指南如何帮助比较和选购产品。

11月22日周六
  1. Google Research31

    Google Research 用简单 AI 模型预测充电桩可用性,缓解电动车里程焦虑

    Google Research 发布一个轻量级线性回归模型,预测特定时间后电动车充电桩可用的概率。团队在加州和德国的真实充电网络数据上训练,以一天中各小时为特征,在 30 和 60 分钟预测窗口、100 座随机选取的站点上评估,表现优于"保持当前状态"基线。该简单模型依赖易获取的特征即可实现低延迟部署,有助于减少里程焦虑。

11月21日周五
11月20日周四
  1. Google DeepMind80

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image)图像生成与编辑模型

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 的高保真图像生成与编辑模型,已开始在 Google AI Studio 和 Vertex AI 面向付费预览推出。

    推荐理由:官方发布文给出了模型能力细节、2K/4K 分辨率、接入渠道和定价定位,开发者可据此评估是否切换或叠加使用。

  2. OpenAI News62

    OpenAI 与富士康合作在美国设计制造 AI 基础设施硬件

    OpenAI 与富士康宣布合作,在美国设计和制造下一代 AI 基础设施硬件。双方将开发多代数据中心系统,强化美国供应链,并在国内制造关键组件,以加速先进 AI 基础设施建设。

    推荐理由:官方公告给出合作范围与目标,读者可以据此了解 AI 基础设施硬件在美国本土制造的推进方式。

11月19日周三
  1. Mistral AI48

    Mistral AI 为德国提供主权 AI:与 SAP、Helsing 达成多年合作

    Mistral AI 宣布多项针对德国的长期战略承诺。公司与 SAP 建立多年期合作,将自身模型集成进 SAP AI Foundation,共同打造面向德国和欧洲的完全主权 AI 技术栈;同时与 Helsing 加速开发用于国防安全的视觉-语言-动作模型。Mistral AI 还将扩大在德团队,并将于未来几个月在德国开设办公室。

  2. OpenAI News67

    OpenAI 发布 GPT-5.1-Codex-Max 编码模型

    OpenAI 推出面向 Codex 的 GPT-5.1-Codex-Max,定位为更快速、更智能的智能体编码模型。该模型面向长时间运行的项目级工作,具备增强的推理能力和更高的 token 效率。

    推荐理由:官方说明了该模型面向长时间项目级任务定位,并强调推理与 token 效率改进,可作为选用参考。