应用方面

• 谷歌发布 AI 图像生成工具：谷歌发布全新的 AI 图像生成工具 Imagen，能根据用户文字描述快速生成高质量图像，还支持对生成图像进行亮度、对比度、色彩等参数调整及元素添加或删除，为设计师等提供便捷创作工具。

• 智能学习辅助系统推出：斯坦福大学与 Coursera 合作推出基于 AI 的智能学习辅助系统，可根据学生学习情况量身定制学习计划和内容，具备智能答疑功能，能提高学生学习效果和兴趣。

• 自动驾驶技术突破：Waymo 自动驾驶汽车在复杂城市道路环境下，成功完成 100 公里自动驾驶任务，准确识别交通标志和路况信息，标志其自动驾驶技术达到新高度。

• AI 眼镜竞争白热化：Meta 与雷朋合作的智能眼镜 “Ray-Ban Meta” 持续热销，2025 年多品牌 AR 功能眼镜将量产上市。

• 人形机器人技术突破：宇树科技春晚 “扭秧歌机器人” 动作同步精度远超特斯拉机器人，AI 训练技术推动具身智能发展，工业场景应用加速落地。

框架方面

• 谷歌推出 Gemini 2.0 系列模型：谷歌全面推出 Gemini 2.0 系列模型，包括 Gemini 2.0 Flash、Gemini 2.0 Flash - Lite 和 Gemini 2.0 Pro 等，其中 Gemini 2.0 Flash - Lite 性价比高，Gemini 2.0 Pro 强调世界知识理解和推理能力，可调用谷歌搜索工具和执行代码，另外还发布了升级版 Gemini 2.0 Flash Thinking，支持 1M 长上下文处理，减少推理矛盾，登顶 Chatbot Arena 排行榜。

• OpenAI 推出 AI 代理：OpenAI 推出 AI 代理 “Operator”，基于 CUA 模型，可自主执行网页操作任务，支持屏幕截图感知界面并自我纠错，敏感操作需人工确认。

• 字节跳动开源模型：字节跳动开源 UI - TARS 模型，支持自然语言操控电脑界面，在基准测试中超越 GPT - 4 和 Claude，提供 2B、7B、72B 参数版本。

• 阿里云发布新模型：阿里云发布 MoE 架构旗舰模型 Qwen2.5 - Max，预训练数据超 20 万亿 tokens，综合能力超越全球主流开源模型，支持长视频理解和跨设备任务。

• DeepSeek 发布多模态模型：DeepSeek 发布视觉多模态模型 Janus - Pro（1B/7B 参数），在 GenEval 和 DPG - Bench 评测中击败 DALL - E 3 和 Stable Diffusion，支持多模态生成与理解。

• 中国电信发布新模型：中国电信推出 TeleAI - t1 - preview，在数学和逻辑推理任务中表现卓越，AIME 2024 评测得分 60 分，远超 OpenAI 和 GPT - 4，支持古今单位换算及复杂问题求解，即将上线天翼 AI 开放平台。