麻省理工学院与英伟达的研究人员开发出了HART（混合自回归变换器），这一混合AI模型结合了速度与精确度，能以比传统方法快9倍的速度生成高质量图像。通过将自回归框架与扩散细化相结合，这一突破性技术为自动驾驶车辆的复杂模拟及日常设备上的创意设计开辟了道路。该技术的效率为机器人技术、游戏等领域的实时应用打开了大门。
MIT and NVIDIA researchers have developed HART, a hybrid AI model that combines speed and precision to generate high-quality images 9 times faster than traditional methods. By merging autoregressive frameworks with diffusion refinement, this breakthrough enables complex simulations for autonomous vehicles and creative design on everyday devices. The technology’s efficiency opens doors for real-time applications in robotics, gaming, and beyond.
生物燃料生产依赖自然光合作用，效率低且成本高。华盛顿大学蛋白质设计研究所的Nate Ennist建议采用人工智能设计合成蛋白质，彻底改造光合作用。这些蛋白质能捕获更广光谱，最终产出碳氢化合物而非糖类。除生物燃料外，该研究所运用RFdiffusion和ProteinMPNN等计算工具，研制新型蛋白质，用途涵盖消化塑料的酶、人工鼻子乃至先进疫苗。人工智能推动此法复兴纳米技术，助力精确设计分子，突破能源、材料和医疗保健领域。
《自然》杂志上的两项突破性研究显示，光子处理器在AI任务中与传统电子设备相媲美，同时能耗更低。新加坡的PACE光子加速器将计算延迟缩短了500倍，而美国的一个团队展示了能够运行莎士比亚文本生成器和经典视频游戏的光驱动芯片。这些混合系统结合了光子的速度和电子的精确度，可能重塑可持续计算的未来。
Midjourney的V7模型以电影级的质量重新定义了AI生成的图像，消除了人像中的“蜡像”效果。随着用户测试其精细化的评分系统，关于OpenAI的GPT-4o与这一升级工具在精确度与艺术不可预测性之间哪个更能取得平衡的争论愈演愈烈。尽管批评者认为AI淡化了人类艺术性，创作者们展示了结合视觉、音乐和叙事的混合项目，证明机器是合作者而非替代品。
麻省理工学院的研究人员开发了Llamole，一个结合语言模型与基于图的算法的人工智能系统，以革命性的方式设计分子。通过将自然语言查询转化为优化的分子结构和合成计划，它将成功率从5%提升至35%。这一突破可能大幅缩短药物研发时间，同时展示了多模态人工智能在解决科学问题上的潜力。
面对现有AI基准测试的不足，研究人员正致力于设计更严格的评估方法。乔纳森·罗伯茨推出的ZeroBench，利用AI目前难以应对的视觉谜题检验多模态模型，结果所有模型均未能得分。Scale AI的EnigmaEval则以其高难度问题著称，领先模型也几乎无法解答。新兴测试如“人类的终极考验”及升级版ARC-AGI，旨在规避以往问题，如数据污染或题目过于简单，以评估AI超越记忆的能力。但AI技术的迅猛发展令这些测试迅速过时，ARC-AGI在短时间内便被超越。有观点指出，基准测试或许难以真实反映智能水平，因此出现了