李飞飞：视觉智能的三层阶梯
两位AI研究巨擘在NeurIPS会议上讨论时发现「视觉智能三阶阶梯」与Pearl因果推理阶梯有相似之处。李飞飞表示受到Pearl著作《为什么》启发，并称「视觉智能阶梯」灵感源自Pearl的理论，展示出AI各领域潜在联系和普遍规律。
分享
谷歌Gemini 2.0归来仍然是Agentic！
谷歌发布Gemini 2.0 Flash AI多模态模型，在快速响应下提供增强性能，支持图像、视频及音频等多模式输入输出，能调用Google搜索和代码执行工具。项目Astra探索通用AI助手功能，Project Mariner从浏览器开始研究人机交互未来；Jules帮助开发人员。
Flux模型PuLID换脸工作流
字节的Flux PuLID 0.91版更新，相比前版速度更快。PuLID通过结合Lightning T2I分支和扩散分支，并引入对比对齐损失和精确的身份ID损失来实现高效身份ID定制，保持图像元素一致。优点是速度快、保真度高；缺点是换脸动作单调。
深度：OpenAI收费模式不尽合理
近日，OpenAI首席财务官表示向企业收取每月数千美元订阅费是合理的，但存在多方面问题与争议。OpenAI需要考虑用户价值、市场竞争因素及长期发展需求，探索分层收费、按使用量收费及建立长期合作关系等方式优化收费模式。
聊聊我们公众号最近的变化
最近，粉丝朋友反馈公众号有所变化，作者与读者对话时提到接入了AI助手小逸、声音克隆和AI配图等技术，提升服务效率和用户体验；同时强调AI助手提供的信息主要来源于知识库，并建议遇到无法解答的问题可以添加微信联系。
OpenAI还在挤牙膏，Gemini 2.0 王炸登场！谷歌发力真 AI Agent！
Google DeepMind 的 Gemini 2.0 发布标志着 AI 发展进入智能体时代，具备理解、推理、规划和执行能力。Gemini 2.0 支持图像、音频输入与输出，并支持多种工具调用，展示了多模态 AI 和通用 AI 助手、浏览器智能体及代码助手等应用场景潜力。
将艺术风格们一网打尽，这个AI生图模型击败了Midjourney和Recraft
通过横向对比星流、Midjourney和Recraft三个AI生图工具的功能多样性、操作便捷性和语义理解能力，文章展示了StarFlow的高级审美效果。测试结果显示StarFlow在多个风格场景下表现出色，尤其擅长处理细节和复杂场景。作者认为StarFlow具有成为主流生图工具的潜力。
王炸！Google发布Gemini 2.0，ChatGPT要慌了？
Google发布Gemini 2.0，性能提升两倍，支持实时语音、视觉识别及代码生成等新功能。Google CEO Sundar Pichai表示Gemini 2.0 Flash在关键基准测试上实现了对1.5 Pro的两倍速度超越。