硅基生物的“视力瓶颈”：顶级大模型视觉推理竟难敌 6 岁孩童？

在人工智能屡屡斩获各类博士级竞赛桂冠的今天，我们似乎默认了这些数字大脑已经全方位超越人类。然而，一项由 UniPat AI、xbench、阿里、月之暗面以及阶跃星辰等多家顶尖机构联合发布的最新研究，却给这种乐观情绪泼了一盆冷水。研究结果令人咋舌：即便是在这一赛道领跑的 Gemini 3 Pro Preview，其视觉推理能力也仅仅是小胜三岁幼儿，而面对六岁儿童的认知水平，它依然存在 20% 的能力断层。

这场被称为 BabyVision 的视觉推理“闭卷考试”，彻底暴露了大模型在物理世界感知上的短板。当人类幼儿能够轻而易举地完成“找不同”或空间拼图时，那些在数学难题面前谈笑风生的 AI 巨头们却纷纷翻车。

推理的“语言陷阱”：为何 AI 看不清世界？

为什么坐拥万亿参数的大模型，会卡在如此基础的视觉任务上？研究发现，症结在于大模型至今仍是一个“语言动物”。它们在处理视觉信息时，习惯于先将图像翻译成文字描述，再进行逻辑推演。这种“曲线救国”的方式在处理宏观概念时尚能应付，但在面对那些无法用言语精准捕捉的视觉特征——比如微小的曲线偏移、复杂的几何交叉点或是细腻的空间遮挡关系时，信息便在翻译过程中大量丢失。

视觉推理的四大“滑铁卢”

研究团队通过 BabyVision 基准，将大模型的视觉缺陷归纳为四大维度：

● 非言语精细细节缺失：大模型往往无法分辨像素级的几何差异，在拼图匹配中常因为无法“想象”形状的旋转对齐而选错答案。
● 流形一致性丢失：在长距离连线或轨迹追踪任务中，大模型就像在迷宫中迷路的孩子，一旦遇到路径交叉，极易“走岔”并丢失原有的感知线索。
● 空间想象力匮乏：文字叙述无法忠实还原三维空间，大模型在推断积木的侧视图或隐藏体积时，频繁出现数错层数或投影错误的尴尬。
● 视觉模式归纳障碍：它们倾向于死板地“数属性”而非理解变化规律，难以从少量视觉示例中抽象出深层的因果逻辑。

具身智能的阵痛与新生

这一结论无疑让当前火热的“具身智能”赛道倍感压力。如果一个 AI 甚至无法像六岁孩子一样准确识别身边的物理环境，我们又该如何指望它在真实的物理世界中安全地协助人类？

针对这一瓶颈，研究者提出了两条进化路径：一是引入强化学习（RLVR），通过显式的中间推理来对冲感知的不确定性；二是彻底拥抱原生多模态推理，让模型学会像 Sora 2 那样在像素空间内直接进行“视觉演算”，而非借道语言。

AI 进化史上的这一场“返祖”研究提醒我们，通往通用人工智能（AGI）的道路，或许并不在更高难度的数学题里，而在那些六岁孩子就能轻松玩转的拼图游戏中。

via AI新闻资讯 (author: AI Base)

GPT-5.2 核心注入！OpenAI 编程神器 Codex 杀入 JetBrains 全家桶，开发者效率起飞

在程序员的工具箱里，JetBrains 系列 IDE 一直是不可撼动的“重型武器”，而今天，这柄利剑正式装上了来自 OpenAI 的最强核心。据IT之家报道，OpenAI 的编程利器 Codex 现已正式登陆 JetBrains 旗下全系开发工具。这意味着，无论你是在 IntelliJ IDEA 里构建复杂的后端逻辑，还是在 PyCharm 中调优 AI 模型，亦或是在 WebStorm 里打磨前端界面，都能直接召唤这位“AI 编程代理”助阵。

这次跨界融合的核心亮点在于 Codex 强大的“双模”作战能力:它允许开发者在云端智能体与本地编程环境之间丝滑切换，并行处理多项软件工程任务。此前，Codex 已在 VS Code 和 Cursor 等轻量级编辑器上证明了自己的实力，而此次进驻Rider、Intellij IDEA、PyCharm等重量级 IDE，则真正实现了从代码规划、编写到测试、发布的全流程 AI 闭环。开发者从此无需在多个窗口间疲于奔命，在编辑器内即可一键搞定全部流程。

更让技术圈侧目的是，这次空降的 Codex 底层基于全新的 GPT-5.2Codex。这种量级的能力注入，让代码生成的准确度和逻辑理解力提升到了新的维度。为了方便用户接入，OpenAI 提供了极其灵活的“入场方式”:你可以使用现有的 ChatGPT 账号登录，也可以通过 OpenAI API Key 接入，甚至直接利用 JetBrains AI 订阅启动。最令人兴奋的是，目前该功能正处于限时免费阶段，每位用户都拥有专属的促销额度供挥霍。

不过，想要体验这股算力飓风的开发者需要注意一个小细节:JetBrains 默认并不会主动“推销”这个插件。你需要手动在插件市场中安装并启用 AI Assistant，才能解锁这个藏在 IDE 里的数字大脑。这不仅仅是一次简单的插件更新，更是 AI 深度重塑生产力工具的一个里程碑。

via AI新闻资讯 (author: AI Base)

🎓 Google Gemini 推出免费 SAT 模拟测试功能

Google 在其 AI 助手 Gemini 中正式上线免费的 SAT 全长模拟考试功能，旨在为高中及大学预科生提供备考支持。该功能采用与普林斯顿评论等机构合作提供的审核内容，支持即时反馈与答案解析。系统可根据测试结果识别学生的知识缺口，并制定个性化学习计划。目前该服务已开放使用，未来将涵盖更多标准化考试类别。

(科技圈)

via 茶馆 - Telegram Channel

Google 推出 Gemini SAT 免费练习测试功能

Google 宣布在其 AI 助手 Gemini 中推出 SAT 练习测试功能，为高中生和大学预科学生提供免费的全长模拟考试。该功能现已上线，未来将支持更多标准化考试。

为确保练习效果，Google 与普林斯顿评论（The Princeton Review）等知名教育机构合作，提供经过严格审核的测试内容。学生完成练习后可获得即时反馈，了解优势和薄弱环节，并可要求 Gemini 解释正确答案。系统还能根据学生的知识缺口制定个性化学习计划。

Google

🍀在花频道 🍵茶馆聊天 📮投稿

via 科技圈🎗在花频道📮 - Telegram Channel

马斯克达沃斯首秀:Optimus 机器人2027年公售，将开启“家庭标配”时代

当地时间1月22日，特斯拉 CEO 埃隆·马斯克（Elon Musk）打破多年对达沃斯论坛的抵触，首次现身瑞士世界经济论坛。在与贝莱德(BlackRock)CEO 拉里·芬克(Larry Fink)的巅峰对话中，马斯克抛出了关于人形机器人 Optimus 商业化的精确时间表。

2027:从工厂走进家庭的转折点

马斯克透露，特斯拉计划在 2027年底前正式向公众出售 Optimus 机器人。他认为，届时产品的可靠性、安全性和功能范围将达到“极高水平”，用户可以指挥它处理几乎任何家务，包括照看孩子、看护宠物以及照顾年迈父母。

● 演进节奏: 目前 Optimus 已在特斯拉工厂执行简单任务。马斯克预计，到 2026年底它们将具备执行复杂工业任务的能力。
● 远景: 马斯克重申“机器人数量将超越人类”的预言，认为随着 AI 和机器人的普及，全球经济将迎来史无前例的“丰裕时代”。

生产爬坡:不可逾越的“S 型曲线”

尽管前景乐观，马斯克也在社交平台 X 上给出了冷静的提醒。他指出，Optimus 和自动驾驶出租车 Cybercab 的初期生产将由于“零件与步骤的全新性”而极其缓慢。这种遵循“S 型曲线”的爬坡过程，意味着早期产量会非常受限，但后期将呈指数级增长。

行业挑战:数据与落地成本

虽然马斯克信心满满，但市场仍存理性声音。Mahoney 资产管理公司指出，Optimus 的真正成功取决于可扩展的制造证据以及清晰的单位经济效益。此外，缺乏用于训练具身智能模型的大规模真实数据，仍是人形机器人从实验室走向大众市场的核心技术瓶颈。

via AI新闻资讯 (author: AI Base)

达沃斯现场直击：松鼠Ai梁静炮轰“教育AI泡沫”，大模型套壳岂能教好书？

近日，在达沃斯世界经济论坛的一场深度对话中，松鼠Ai联合创始人梁静以一席冷峻的观察，撕开了当前AI教育火热表象下的裂缝。她直言不讳地指出，真正的教育AI绝非大模型的“简单套壳”，而是一场基于垂直领域深耕的智力长跑。

在梁静看来，当前的教育科技市场正充斥着危险的“泡沫现象”。无数标榜人工智能的教学产品，实质上只是将通用的通用大语言模型生搬硬套到教学环节中。这些产品虽然能给学生提供看似标准、流畅的答案，却像是一个只知照本宣科的平庸助教，触及不到知识背后的逻辑灵魂。这种“表面化”的答案交互，不仅无法真正启发学生的思考，更在无形中削弱了教育的本质。

教育是一门关于“精准”的艺术，而大模型在教育领域的落地，必须依赖于垂直领域的深度数据积累。梁静强调，只有深入理解教学场景中的每一个细微互动，积累海量的专业教育数据，才能构建出真正懂教育、懂学生的垂直大模型。AI不应该只是一个答案生成器，而应成为一个能够感知学生学习曲线、洞察知识薄弱点的智慧引路人。

这场来自达沃斯的谏言，无疑为狂热的AI教育赛道泼下了一盆清醒剂。它提醒着每一位从业者：在AI重塑教育的征途中，技术的厚度决定了我们能走多远，而对教育逻辑的敬畏，决定了我们是否走在正确的道路上。

via AI新闻资讯 (author: AI Base)

TRAE上线Skills啦！手把手教你配置这个神器！

via 掘金人工智能本月最热 (author: AGI杂货铺)

Telegraph

TRAE上线Skills啦！手把手教你配置这个神器！

TRAE 已正式上线Skills（Beta）功能！这是近期TRAE 生态中最令我兴奋的能力升级。 Skills 是基于开放的 Agent Skills 标准构建的能力模块，你可以将指令、脚本和资源打包到独立的 SKILL.md 文件中，封装成专业的"技能包"给 Agent 使用。 一句话总结：Skills 比 Rules 更丰富、更专业，比 MCP 更轻量、更灵活，是最佳的能力封装方案 如何在 TRAE 中创建 Skills

估值 8 亿美元的算力核弹诞生：vLLM原班人马下场，Inferact剑指全球AI推理王座

当全球AI的聚光灯还流连于那些吞噬万亿参数的巨型模型时，一场关于算力效率的革命已经在底层代码的深处悄然爆发。作为全球顶尖开源推理引擎vLLM的造物主们，今日正式向世界宣告了他们的野心:成立AI基础设施公司Inferact，立志在AI推理的蛮荒之地建立一套全新的秩序。这不仅是一次技术的跃迁，更是一场关于人工智能如何真正步入实用化阶段的史诗告白。

资本市场对这位含着金钥匙出生的新星展现出了近乎疯狂的热情。根据相关报道，Inferact在种子轮融资中便以约8亿美元的惊人估值，斩获了1.5亿美元的重注。这笔巨额融资背后的支持者名单堪称全球顶级权力的缩影:由风投巨头Andreessen Horowitz与光速创投领衔，红杉资本、Altimeter Capital、红点创投以及真格基金等知名机构悉数到场，共同为这台未来的推理引擎注入了强劲的燃料。

作为开源界的宠儿，vLLM早已在开发者心中刻下了不可磨灭的烙印。它以一己之力支撑起500多种模型架构，在200多种硬件加速器上如履平地，并成功扛起了全球规模的推理重任。而Inferact的目标则更加宏大且具体:他们要通过将vLLM推向世界领先的地位，彻底打碎昂贵的推理成本枷锁，用极致的速度让AI的智慧流淌到每一个计算节点。

在AI波澜壮阔的发展进程中，如果说模型训练是旷日持久的闭门造车，那么推理就是刺破黑暗的实战出征。随着大模型应用的全面铺开，推理阶段对算力资源的消耗已如滚雪球般壮大，成为了决定商业化成败的生死命脉。Inferact的挺身而出，标志着行业的风向标已经从昂贵的练兵场转向了高效的部署战场。这不仅验证了开源技术在商业版图中的巨大张力，更昭示着AI基础设施竞争已经步入了追求极致效能的下半场。

via AI新闻资讯 (author: AI Base)