搜索
就在刚刚，SemiAnalysis的一个内部播客，曝出了不少猛料。据悉，Anthropic新模型Mythos 2已经训练完成，但惨遭雪藏。现在，Anthropic正用Mythos 2生成的数据，去全力冲刺Mythos 3！
机器人走出实验室后，训练数据不再只是 “多不多” 的问题：环境能否覆盖真实世界的尺度、遮挡、接触和运动，直接决定策略能否落地。Real2Sim 因此重新受到关注 —— 如果普通视频也能变成可交互的仿真场景，采集成本会比人工建模或专用设备低得多。
为什么偏偏是小尺寸模型？为什么是现在？
过去三年，AI 内容生成行业经历了几轮密集的技术迭代。从文生图到文生视频，从几秒的短片到分钟级的长视频，每一轮升级都让生成内容的质量和时长向前推进一步。
过去几年，大模型的发展主线很清晰，比如更大的模型、更多的数据，以及更多的计算。但当模型从回答问题的Chatbot走向能够调用工具、执行任务的Agent，发展主线也开始发生变化。模型不仅要知道，还要在环境中行动，从反馈中判断结果，并在长时间运行中不断调整策略。
太卷了！过去两年，视频生成模型把画面参数几乎卷了个遍。
测评 AI 这件事，如今越来越难做了。
上回说到，Seedance 2.5上线后，我们第一时间做了模型更新的能力测试。结果很惊艳，AI的指令遵循、运动效果、表演张力、人物一致性和全模态参考都有了大进步。
日产7.5万首，播放却不到3%。
过去几年，大模型推理系统优化的核心目标一直围绕一个问题展开：如何让 GPU 更高效地计算权重、激活、KV Cache 等高维张量？从并行策略、请求调度、显存管理到算子优化，学界业界大量优化技术不断提升模型推理效率。