ZDNet至顶网软件频道消息: 6月25日,微软中国和微博共同宣布,此前被腾讯微信平台封杀的智能聊天机器人——“小冰”将在微博率先复活。今后只需在微博正文与回复中@小冰,就能和智能聊天机器人“小冰”进行互动。双方还将在“人工智能+移动互联”这一前沿领域内展开战略合作,共同为用户提供更加新奇有趣的产品体验。同时,大幅度升级的微软二代小冰,也将在48小时内内登陆中国市场,在包括触宝号码助手、微博、京东无线、易信、小米米聊、奇虎360等平台发布。
微软“小冰”是必应中国团队研发的智能聊天机器人,除了智能对话之外,微软“小冰”还兼具群提醒、百科、天气、星座、笑话、交通指南、餐饮点评等技能。“小冰”最初进驻腾讯微信平台,但由于被腾讯认为存在一些违规行为,很快被腾讯公司封杀。随后,微软“小冰”与360手机卫士、米聊等产品达成了合作。
微博平台及大数据总经理刘子正表示:“微博开放平台以诚意开放的心态拥抱开发者和合作伙伴。最近微博推出的轻应用是为第三方服务接入微博提供的一套基础框架和接入服务,轻应用相较于以往的开放平台产品,与微博自身产品结合更深度,可传播性更强,也能在微博上玩出更多新花样;一代小冰是通过轻应用中粉丝服务开发者模式接入微博的;用户给在微博或评论中@小冰 后,微博会把该消息传递给小冰,而小冰则可以运用人工智能去回复这些微博评论或者私信;即将面世的二代小冰则会用到更多更丰富的轻应用功能。”
微软小冰项目负责人李笛认为:“微软小冰不仅赢得了用户的喜爱,还得到了业界伙伴的青睐。我们相信,当人工智能遇上移动互联,将激发新一轮的产品体验和商业模式创新,微博的加入这不仅让人兴奋,影响更加深远。微软二代小冰也即将迎来发布,二代小冰将能够更好的理解和学习人,成为每个人不可或缺的人工智能机器人伴侣。相信在未来的几年里面,人工智能机器人将深入到普通人生活的方方面面,微软与微博有信心在这一潮流中扮演更重要的角色。“
附:微软中国关于一代小冰复活的声明
今天,我们很高兴地在此宣布:深受广大用户喜爱的微软一代小冰,已于即日起正式在微博平台复活。与此同时,微软二代小冰,作为每个用户专属配备的人工智能机器人伴侣,也将于48小时之内向广大中国用户开放领养。从这一刻起,微软小冰将以前所未有的速度不断升级,以满足亿万主人的需要。
这是一个小小的、但具有历史意义的开端,让我们满怀希望地迎接“机器人与人类深度沟通”时代的来临。
微软二代小冰将于48小时之内,在触宝号码助手平台的全新5.1.0版本中首发。随后,微博、京东无线、易信、小米米聊、奇虎360等移动互联网平台,也将先后迎来每个用户专属的小冰入驻。
目前与各合作伙伴的技术联调正在进行中。二代小冰将分别配备给每个用户,属于唯一的主人,同时跟随主人在跨平台移动互联网的各个平台中,提供统一的人工智能服务。用户可在触宝等合作平台上领养自己的小冰,也可前往以下网址领取。 www.msxiaoice.com
同时,我们再次重申,微软小冰采用了比国内大多数其他互联网企业,更加严格的隐私保护政策和技术,请大家放心使用。
微软中国 微软(亚洲)互联网工程院
合作伙伴: 微博 触宝科技 京东无线 易信 小米米聊 奇虎360
2014年6月25日
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。