新突破！微软开源多模态AI Agent，通杀数字、物理世界
微软开源多模态AI Agent基础模型Magma，具备跨数字、物理世界的多模态能力。Magma可自动处理图像、视频等数据，并内置心理预测功能。MAGMA架构使用视觉与大语言模型的混合技术实现多模态能力，展示了其在不同场景中的应用。
微软
“微软撤掉两个数据中心”引热议，华尔街：难道美股对DeepSeek的第一反应没错？
微软取消多个数据中心租赁协议涉及数百兆瓦。TD Cowen认为这表明微软可能面临供应过剩问题。鉴于其资本支出增长曲线最大，其他公司可能会效仿。此举引发对AI投资热潮的担忧。
微软发布3.48T token训练数据集+高质量处理管线，覆盖通用、代码、数学、问答等关键领域
微软发布3.48T token训练数据集及高质量处理框架，覆盖通用、代码、数学和问答等多领域。REDSTONE项目显著提升数据质量和处理效率。
7.8k星星！最强开源AI生成3D技术，顶尖技术团队的碰撞，功能多到离谱。
TRELLIS是清华大学、中科院和微软联合开源的3D生成方法，支持文本或图片输入，具备高效高质量生成多种3D格式（如辐射场、3D高斯等）、灵活编辑功能的特点。
微软发布创新大模型：一张图片就能生成游戏，游戏界ChatGPT来了
专注于AIGC领域的专业社区报道了微软发布的专用于游戏领域的创新大模型——Muse，它通过游戏画面和控制器操作序列化数据生成连贯的游戏场景和玩法。
微软开源OmniParser V2，直接将DeepSeek-R1变成使用电脑的 AI Agents~
微软发布OmniParser V2，一款开源屏幕解析工具，能够将任何LLM变成能操作计算机的Agent，并包含改进后的数据集和模型，实现更低延迟和更高准确率。
微软开源的纯视觉GUI电脑屏幕解析工具升级了，速度和准确率大幅提升。
OmniParser V2发布，准确率提升和推理速度加快。OmniParser通过视觉解析界面元素，支持大语言模型，提供高效跨平台自动化解决方案。
复旦视频扩散模型综述：覆盖300+文献，探讨近期研究趋势与突破，Github揽星2k+
复旦团队发表综述论文《A Survey on Video Diffusion Models》，系统梳理扩散模型在视频生成、编辑及理解领域的进展，涵盖300+文献。