「视觉 Agent」共找到 3269 篇相关文章
从写清 Spec 到看懂功能：在 Session 历史中使用 Routa 重建需求全景
文章指出在AI Coding中，Spec负责定义需求起点，大量实现走向内容留在Agent的session历史里。介绍了如何通过Feature Explorer将Spec和Session历史重新组织，让Agent基于功能证据分析，使项目保持整体性。
“一句话生成游戏”之后：2026 ChinaJoy的四个变化｜甲子光年
AI给游戏产业带来新的生产技术，也引发了一场围绕游戏产业新价值链的争夺。本文介绍了2026 ChinaJoy现场正在发生的四个变化，包括游戏开发者的时间被重新分配、游戏引擎开始为Agent重新设计等。
世界首个！李飞飞团队推出物理推理基准，大模型统统不及格？
斯坦福联合中科大团队推出世界首个评估视觉语言模型物理推理能力的基准QuantiPhy，通过测试发现顶尖模型在数值计算上不如人类，还揭示模型推理靠记忆而非测量，为AI发展指明方向。
设计行业天塌了！Anthropic再推王炸产品Claude Design：设计稿、原型、PPT一句话搞定
Anthropic推出平台级产品Claude Design，用Claude Opus 4.7模型助力设计。它能让各类用户完成视觉内容创作，有多种使用场景和便捷工作流程，还给出内部设计师使用建议。
claude code也过气了？opencode+插件彻底火了~
opencode是开源CLI coding Agent，其与oh - my - opencode组合能让订阅的多个模型组队干活。还兼容claudecode，后台agent并行，lsp工具全开，有“ultrawork”魔法词，适合常切换用模型的人。
跨OS GUI智能体基础设施白皮书——重新定义人机交互自动化｜甲子光年智库
《跨OS GUI智能体基础设施白皮书》由庭宇科技和铸基计划联合发布，剖析GUI Agent市场格局、技术路径与落地场景。指出其引发人机交互革命，能突破API局限，还介绍产品形态、发展挑战等。
小米发布Qwen2.5VL升级版MiMo-VL，能力提升30%
小米发布Qwen2.5VL升级版MiMo-VL，能力提升30%。它能完成输入视觉回答问题、做几何体等任务，重点解决多模态推理、视觉理解及与人类偏好对齐问题，介绍了模型结构、训练阶段等内容。
华为诺亚发布ScaleNet：模型放大通用新范式
华为诺亚方舟实验室等团队提出 ScaleNet 方法，创新性地用少量额外参数量将模型深度扩展一倍。结合层级权重共享和轻量级适配器技术，在视觉和语言任务上验证了有效性，提升了模型性能。
盘点过去一个月，大厂悄咪咪上线的 CLI 和 Skill
过去一个月，淘宝、微信支付、支付宝等大厂纷纷将核心能力以 MCP、Skill、CLI 形式交给 AI Agent 调用。如淘宝支持 AI 完成购物操作，支付巨头开放 AI 接入方案，滴滴和千问有打车 Skill 等。
刚刚，林俊旸官宣创业公司Pragmatik Labs！
原阿里千问技术负责人林俊旸官宣在上海创办新AI公司Pragmatik Labs，研究横跨数字与物理世界的下一代Agent。其获高榕创投、红杉中国领投，腾讯等支持，投后估值约20亿美元。