AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- Hugging Face·模型发布产品更新
Phonon TTS 发布高质量端侧语音
Hugging Face 上介绍 Phonon TTS,称其推出高质量端侧语音合成,并在基准测试中领先。对用户而言,这意味着本地设备也能获得更高质量的语音能力。
阅读原文 → - The Verge AI·产品更新模型发布
ChatGPT 上线 GIF 生成功能
OpenAI 在推出 Images 2.6 模型的同时,为 ChatGPT 加入 GIF 生成能力。用户可用提示词或上传照片生成动图,并调整动画速度、编辑单帧和分享;此前 ChatGPT 无法直接生成 GIF。
阅读原文 →
- IT之家·模型发布研究进展
Anthropic 未发布新模型 Fable 5.5 实测流出
海外开发者称,Anthropic 尚未发布的旗舰模型 Claude Fable 5.5 可连续自主编写并运行代码约 2 小时 40 分钟,仅凭代码生成一段 66 秒动画短片,含画面、配乐与音效,并封装为 HTML 文件。开发者还展示了其生成的交互式 3D 场景。
阅读原文 → - IT之家·产品更新模型发布
REDMI K100 上线小米 WorldCast 3D 运镜
小米在 REDMI K100 上新增 3D 运镜 AI 功能,用户从相册选一张静态照片,即可生成环绕、推拉、倾斜的运镜视频,画面人物五官、发型与衣着保持一致。该功能基于小米论文公开的视觉生成框架 WorldCast,通过解读深度结构把平面照片还原为三维场景并虚拟相机轨迹。
阅读原文 → - IT之家·模型发布行业动态
魔芯科技发布 4D 世界模型 MoWorld 2.0
在世界互联网大会论坛上,魔芯科技发布基于华为昇腾原生训练与部署的 4D 世界模型 MoWorld 2.0,把重力、弹力、光照、热力等物理要素融入空间建模,输出可仿真、可实时渲染、可反复调用的 4D 高斯资产。官方称其推理成本最低可降至同等规模 GPU 方案的 30%。
阅读原文 → - 量子位·模型发布研究进展
招商局狮子山实验室发布具身推理模型 Lion-ER-35B-A3B
招商局狮子山实验室发布具身推理模型「驭物™ Lion-ER-35B-A3B」,运行时仅激活 3B 参数,在十项基准测试上全线提升。该模型主打不靠堆砌数据,让机器人更好地看懂真实物理世界。
阅读原文 → - IT之家·研究进展模型发布
小鹏联合高校发布 GroundingPI 模型
小鹏联合北京大学、香港大学等发布具身感知基座模型 GroundingPI,以约 40 亿参数在 34 项公开感知基准综合评测中位列第一,得分 73.68,高于 GPT-6 Astra 的 71.54。该模型训练不使用动作标签,强调先定位物体在画面中的位置。
阅读原文 → - IT之家·模型发布开源
腾讯混元 Hy4 正式版发布
腾讯混元发布 Hy4 正式版,称其首次跻身最强开源模型之列,并计划近期开源模型权重。相比预览版,Hy4 首次加入视觉能力和电脑操作支持,已上线腾讯云、OpenRouter 及元宝等产品,API 价格不变。
阅读原文 → - IT之家·模型发布研究进展
百度 Apollo 发布世界模型 Apollo World
在深圳百度 AI Day·Apollo 专场上,百度 Apollo 首次披露面向物理 AI 的全模态世界模型 Apollo World,并提出因果性、交互性与物理准确性、持久性、实时性的「2+3」判断标准。该模型可生成遵循现实规律、响应车辆动作的虚拟场景,并实时输出相机画面与激光雷达点云,用于训练和测试无人驾驶系统。
阅读原文 → - IT之家·模型发布产品更新
商汤发布 SenseNova 6.8 Flash 正式版
商汤科技发布日日新 SenseNova 6.8 Flash 正式版,重点升级办公协作与设计生成能力,支持长期记忆与跨会话任务协作,可生成动态 PPT、动态海报、网页、SVG 及 Blender 3D 内容,并能接入 Figma 等设计工作流。模型已开放在线体验。
阅读原文 → - TechCrunch AI·融资并购模型发布
42AI 融资 6250 万美元推世界模型
42AI 结束隐身状态,宣布获得 6250 万美元融资,并展示可「预测人类行为」的世界模型,声称能在全新情境下预判人的下一步动作。若技术成熟,此类模型或可用于自动化决策与交互类产品。
阅读原文 → - 量子位·模型发布
商汤推出 SenseNova 6.8 Flash
据量子位报道,商汤发布新模型 SenseNova 6.8 Flash,主打免费使用,并在一些顶级 AI 容易出错的任务上取得表现。原文仅提及模型名称,具体能力与开放方式等细节尚不完整。
阅读原文 → - 量子位·模型发布
GPT-6.2 Astra开启灰测
据量子位消息,GPT-6.2 Astra 开启灰度测试,Claude Mythos 5.5 同日曝光。HuggingFace 疑似泄露相关权重,已被下 5000 次。
阅读原文 → - IT之家·模型发布
美团龙猫发布LongCat-2.5多模态模型
美团龙猫发布面向长程智能体任务的原生多模态模型LongCat-2.5,总参数1.6万亿,每个token激活约480亿参数,进一步强化原生视觉理解与智能体编程能力。模型已在longcat.chat开放体验并提供API接入,GitHub与HuggingFace即将上线。
阅读原文 → - IT之家·开源模型发布
商汤开源 SenseNova Loop-9B-Preview
商汤开源日日新SenseNova Loop-9B-Preview,采用Looped Transformer架构,通过循环计算扩展有效计算深度。官方称其9B参数可媲美27B模型,在代码生成、办公与智能体任务评测中表现领先。
阅读原文 → - 量子位·开源模型发布
DeepSeek 开源 Agent 底座架构
据量子位报道,DeepSeek 重磅开源了一套 Agent 底座架构,摘要提到 AI 已能自行定位 Bug 并提交 PR。对开发者而言,这提供了一套可直接复用的智能体基础框架。
阅读原文 → - Hugging Face·模型发布开源
Hugging Face 出现 nemotron-halloween 模型
Hugging Face 上线了一个名为 nemotron-halloween 的模型条目,目前公开信息有限,具体能力与参数尚未披露。开发者可关注该条目的后续更新。
阅读原文 → - IT之家·开源模型发布
小米开源 0.8B 文档理解模型 Xiaomi-OCR-0
小米开源 0.8B 参数的轻量文档理解模型 Xiaomi-OCR-0,权重与推理代码已上线 Hugging Face 和 GitHub。单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答,原生支持 Markdown、LaTeX 与 JSON 输出。
阅读原文 → - 量子位·模型发布研究进展
智元双模型登顶多个榜单
智元宣布其双模型在多个榜单中取得第一,覆盖多项评测任务。这表明该公司的机器人模型在公开评测中表现受到关注。
阅读原文 → - IT之家·开源模型发布
百度开源文心 Unlimited OCR 2 文档解析模型
百度发布并开源文心 Unlimited OCR 2 文档解析模型,将解析上限从数十页推向“无限”,可一次性处理累计超 3600 页的文档,并支持跨页文案合并与表格识别合并。官方称其在两个多页文档基准测试上取得端到端 SOTA。
阅读原文 →