更多动态
Poe 正式上线「多模型群聊」，在一个窗口内实现 AI 协同，彻底消除上下文损耗。 原理很简单：就像把不同的 AI 专家拉进同一个 Slack 群，无需切换网页，@ 谁谁干活。 🔹 无缝接力工作流 告别 "复制-粘贴" 造成的断层。你可以在一条 Thread 里先 @GPT-4o 拆解复杂逻辑，保留完整上下文直接 @Claude-3.5-Sonnet 撰写代码，最后 @DALL-E3 生成配图。 🔹 低成本模型竞技 对输出结果存疑？直接在对话中同时 @ 两个模型回答同一问题。通过横向对比快速甄别幻觉，选取最佳答案，这是目前验证模型能力的最低门槛路径。 🔹 人机混合协作 支持 200 人在线 + 调用 200+ 种模型。适合远程团队进行头脑风暴，所有成员（人和 AI）基于同一份上下文协作，信息差趋近于零。 💡 开发者建议 不要只用官方模型。尝试将你的高频 Prompt 封装成特定功能的私有 Bot（如“代码审查员”、“文档润色助手”），在群聊中按需调用。这本质上是一个轻量级、可视化的 Multi-Agent 编排系统，且无需部署任何代码。 体验地址：poe.com/chat #AI工作流 #Poe #生产力工具 #协同办公
Google Flow 集成 Nano Banana 图像模型，用自然语言 P 图并一键生成动态镜头，解决角色一致性难题。 工作流被极大简化： 1️⃣ 上传或生成图像。 2️⃣ 用人话下指令编辑 (例如“移除背景，换成森林”)，模型能理解语义，保持发丝级细节。 3️⃣ 拖拽P好的图到时间线，自动生成 8 秒动态镜头 (Veo 3 驱动)，从P图到动态镜头仅需几十秒。 官方: https://labs.google/fx/tools/flow #AI工作流 #视频制作 #Gemini #GoogleFlow #NanoBanana
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
