GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑新基准，360道人类专家严选难题

上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。

多模态扩散模型开始爆发，这次是高速可控还能学习推理的LaViDa

近期基于扩散模型的视觉 - 语言模型 LaViDa 出现，它继承扩散语言模型优点。与自回归模型不同，扩散模型能并行、处理双向上下文。LaViDa 在多任务测试有竞争力，推理蒸馏和文本填空表现好，还能权衡速度与质量。

AI半壁江山是中国人！黄仁勋敲警钟：美国再不觉醒就晚了

在华盛顿的Hill&Valley论坛上，黄仁勋指出全球50%的人工智能研究人员来自中国，呼吁美国加速布局AI。他还介绍了英伟达的相关计划，提出维持美国AI领导力的建议，强调了人才、资本与生态在算力革命中的重要性。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

答对了却没看图？EASE给多模态RLVR装上「视线校正器」

强化学习与可验证奖励提升视觉语言模型推理能力，但存在答案奖励只知对错、不知证据区域问题。哈工大等团队提出EASE，把标注证据区转为目标分布，监督空间注意力，推理无额外标注，实验成绩优异。

刚刚，谷歌Gemini 3.8登场！姚顺宇：RSI巨大飞跃

深夜谷歌推出Gemini 3.8，六周内第三款Flash系列模型。含通用的Gemini 3.8 Flash和网络安全专用的Gemini 3.8 Flash Cyber，提升推理、代码能力，在多场景表现出色。已面向不同群体开放。

Vibe Coding杀进3D领域！OpenAI总裁都在围观这种新玩法

AI 3D 基础模型领先公司 VAST 发布 Tripo P2.0，直接产出原生四边面拓扑，解决生成后模型可用性问题。此外，VAST 完成约 30 亿融资，Tripo 系列在评测中居首。

一篇论文改写AI科研评价规则！中国公司拿出实践数据，双榜第一、成本更低

今年科技巨头入局AI4S，想打造“AI科学家”。8月19日《Measuring AI Scientists: From Exams to Discovery》论文提出评价范式。深度原理MIRA平台是现实样本，在评测中表现优异，沉淀闭环数据。

具身智能本体的重要性和技术差距，可能被大大低估了

目前，具身智能发展的讨论多聚焦模型和数据，而本体易被忽视。灵御智能凭借高性能本体在‘申智杯’夺冠，其灵御TA2机器人受关注。文章从多维度剖析本体重要性，并介绍了灵御TA2的优势。

谁说3DGS必须靠LiDAR？如视Argus入选ECCV，让图像也能提供LiDAR级位姿约束

消费级3DGS应用走向普通用户，但需精确位姿约束，过去靠LiDAR，成本高。如视Argus入选ECCV 2026，能从图像预测位姿等，为3DGS提供精准约束，推动其走向低成本采集时代。