AI资讯半年刊 – 2025年1月-6月 AI 行业发展动态全记录
发布于 2025-07-01 · 6月30·周一 百度正式开源文心大模型 4.5 系列模型 百度宣布文心4.5系列模型正式开源。系列包含10款模型，涵盖47B和3B参数规模的混合专家（MoE）模型以及0.3...
6月30·周一
百度宣布文心 4.5 系列模型正式开源，共包含 10 款模型，涵盖 47B 与 3B 参数规模的混合专家（MoE）模型以及 0.3B 稠密参数模型，最大模型总参数量达 424B。可前往文心一言体验最新开源能力。来源：飞桨PaddlePaddle
豆包推出「深入研究」功能，并已在 APP、网页版及电脑版同步开启测试。该功能可快速、全面地处理高难度复杂任务，支持以报告文档和可视化网页两种形式输出研究结果。来源：豆包
华为宣布开源盘古 7B 稠密模型与 72B 混合专家模型，以及基于昇腾的模型推理技术。其中盘古 Pro MoE 72B 的模型权重和基础推理代码已上线开源平台，盘古 7B 相关模型权重与推理代码也将于近期上线。来源：APPSO
美团开启餐饮行业经营决策 AI 助手“袋鼠参谋”公测。该应用基于 AI 大模型，依托美团全国 400 万门店的海量信息与 10 年餐饮运营经验，为商家提供赛道选择、开店选址、菜品研发、门店运营等场景的智能经营建议。来源：竹江AI导航
通义Qwen团队推出多模态统一理解与生成模型Qwen VLo
Qwen 团队推出多模态统一理解与生成模型Qwen VLo。该模型实现了从“看懂”世界到“描绘”世界的跨越，通过渐进式生成方式，从左到右、从上到下逐步构建图像，持续优化生成效果。来源：通义千问Qwen
6月27·周五
腾讯发布混元-A13B模型并宣布开源。该模型基于专家混合（MoE）架构，总参数 800 亿、激活参数 130 亿，推理效率高，仅需 1 张中低端 GPU 卡即可部署。它在数学、科学与逻辑推理任务中表现出色，支持快思考与慢思考模式，兼顾速度与准确性。来源：腾讯
快手旗下可灵AI宣布上线“视频音效”功能，并向用户限时免费开放。该功能可在生成视频的同时同步生成高质量立体声音效，支持上传视频或调用历史作品，一键匹配精准同步的音效。来源：竹江AI导航
Black Forest Labs 推出 FLUX.1 Kontext 图像生成与编辑模型
Black Forest Labs 推出 FLUX.1 Kontext 图像生成与编辑模型。该模型基于文本和图像提示，支持上下文感知的图像处理，具备角色一致性保持、局部编辑、风格转换等能力。Pro 版本可快速迭代编辑并保持图像质量稳定；Max 版本在提示词遵循与排版生成方面表现突出；开源 dev 版本则适合定制化开发。来源：竹江AI导航
快手推出自主研发的多模态大语言模型 Kwai Keye-VL
快手推出自主研发的多模态大语言模型 Kwai Keye-VL，具备强大的视频理解与推理能力。该模型融合文本、图像、视频等多模态信息，可快速解析复杂视觉内容，例如精准计数图像中的草莓，并在短时间内为商品视频生成推销方案。来源：竹江AI导航
Hengbot 推出 Sirius 机器狗：集成 OpenAI，可跳舞、踢足球
Hengbot 推出 Sirius 机器狗，主打敏捷运动，可跳舞、踢足球；其内置 OpenAI 大语言模型，支持语音对话，并能根据主人需求调整性格与声音。腿部和头部共内置 14 个运动轴，配备“Neurocore”关节，动作自然流畅。来源：IT之家
6月26·周四
出门问问发布Agentic AI软硬结合产品TicNote，定义新一代“AI思考伙伴”
出门问问发布全球首款 Agentic AI 硬件产品TicNote，售价 999 元起。产品搭载自研 AI Agent Shadow AI，具备 AI 转写、总结、生成思维导图等功能，支持 120 多种语言及 24 种方言转写，准确率达 98%。TicNote 厚度仅 3mm，可磁吸于手机，续航达 20 天，支持 10 米远距收声。来源：出门问问AIGC
谷歌推出的开源终端AI编程Agent——Gemini CLI
谷歌推出Gemini CLI（命令行界面），基于 Gemini 2.5 Pro 模型。该工具将 AI 问答、内容生成等能力集成到开发者终端中，支持高达 100 万 token 的上下文窗口，并与 Gemini Code Assist 代码助手深度集成，支持谷歌搜索。来源：竹江AI导航
阶跃星辰与鲸鱼机器人达成战略合作。鲸鱼机器人将接入阶跃星辰的Step-Audio端到端语音大模型，为其教育机器人产品引入语音交互能力，打造更贴合教育认知规律的 AI 学习伙伴。来源：阶跃星辰
灵宝CASBOT完成近亿元天使+轮融资，技术务实加速商业化落地
灵宝CASBOT宣布完成近亿元天使+轮融资，由蓝思科技领投，天津佳益及老股东国投创合、河南资产跟投。本轮融资将用于加速产品量产、技术研发迭代与市场拓展。灵宝CASBOT 专注于通用人形机器人和具身智能产品，其 VLA 技术路线结合强化学习，可应对复杂工业场景。来源：灵宝CASBOT
谷歌DeepMind推出的基因变异预测AI模型 AlphaGenome
谷歌 DeepMind 发布AlphaGenome模型，用于预测人类 DNA 序列中单个变异或突变的影响。该模型可处理长达 100 万字母的 DNA 序列，预测数千个分子属性，并通过比较突变与未突变序列进行评分。来源：竹江AI导航
蚂蚁集团发布 AI 健康应用 AQ：可看病症、看医生、看报告
蚂蚁集团发布全新 AI 健康应用「AQ」，帮助公众看病更简单、生活更健康。AQ 提供健康科普、就诊咨询、报告解读、健康档案等上百项 AI 功能，连接全国超 5000 家医院、近百万医生以及 200 余个名医 AI 分身。来源：蚂蚁集团
万兴科技推出 AIGC 视频创作平台“万兴天幕”，覆盖视频、图片及音频生成三大领域，为创作者提供一站式解决方案。平台具备文生视频、图生视频、视频续写、文生音乐、文生音效及视频智能配乐等功能，并支持灵感社区激发创作。来源：万兴科技
6月25·周三
饿了么 AI 助手“小饿”已在全国上线。作为国内首个骑手端智能体，“小饿”通过语音交互即可完成接单、确认到店等操作，减少手动步骤；它还能主动提醒取货与送达，分析订单热力图，优化接单策略。来源：饿了么蓝骑士
谷歌推出首个本地具身智能模型Gemini Robotics On-Device
谷歌 DeepMind 推出首个本地具身智能模型Gemini Robotics On-Device。该模型可在机器人本地运行，无需依赖云端，具备强大的离线操作能力，能遵循自然语言指令完成拉开袋子、叠衣服等精细任务。它支持多种机器人本体部署，响应延迟低，可快速适应新任务，仅需 50 到 100 个演示样本即可学会新动作。来源：竹江AI导航
阿里云百炼X支付宝：「AI打赏」功能上线，Agent变现更灵活
阿里云百炼与支付宝联合推出业内首发的“AI 打赏”功能。开发者在阿里云百炼平台上即可为 Agent 应用配置打赏功能，用户打赏金额将直接转入开发者个人支付宝钱包。来源：阿里云
小米宣布将于 6 月 26 日晚 7 点发布小米 AI 眼镜。该产品被视为小米“人车家全生态”战略的一部分，有望与汽车、智能家居等场景联动。小米 AI 眼镜售价可能在 999-1299 元，或将凭借价格优势抢占市场份额。来源：界面新闻
Fellou Windows 版本正式上线。Fellou 是一款 AI 浏览器，用户只需输入自然指令即可完成跨平台复杂操作，任务成功率从 31% 提升至 80%。它支持信息填报、代码编写、招聘流程、数据分析等多种场景，本地化运行可保障数据安全。来源：FellouAI
6月24·周二
ElevenLabs推出AI语音助手——11ai，支持自定义MCP
ElevenLabs 发布11ai这一 AI 个人语音助理产品。11ai 主打语音优先设计，支持多通道处理（MCP），用户可通过语音指令完成日程规划、任务管理、信息查询等操作，并可与 Notion、Linear 等工具对接。来源：竹江AI导航
微软发布创新小参数模型Mu。Mu 仅含 3.3 亿参数，性能却可比肩微软 Phi-3.5-mini 模型，而体量小约 10 倍；在配备 NPU 的笔记本上，响应速度超过每秒 100 tokens，表现优异。来源：竹江AI导航
字节跳动上线“探饭”AI 产品，搭载豆包大模型。探饭为用户提供全方位的美食智能向导服务，涵盖探店推荐、菜品推荐、美食攻略、AI 点菜、团购购买和外卖下单等功能。用户可通过“PK 比店”对比店铺，也能在地图上寻找美食店并导航。来源：竹江AI导航
墨刀官方宣布 AIPPT 功能正式上线。墨刀AIPPT是 AI 驱动的 PPT 生成工具，用户仅需输入一句话，即可快速生成包含封面、目录、章节标题及配套文案思路的 PPT 草稿，并自动匹配排版、配图和配色。来源：墨刀
特斯拉在德克萨斯州奥斯汀正式上线自动驾驶出租车服务 Robotaxi，首批受邀用户可支付 4.2 美元体验。目前该服务处于试运营阶段，仅限特定区域和受邀用户使用，运营时间为早 6 点至午夜 12 点。车内配备安全监控员，车辆在复杂路况下需由远程操作员介入。来源：机器之心
6月23·周一
文心快码发布行业首个多模态、多智能体协同AI IDE——Comate AI IDE
百度在 AI 开放日上发布文心快码Comate AI IDE，这是行业首个多模态、多智能体协同的 AI IDE。它首创设计稿一键转代码功能，可将 Figma 设计稿精准转化为高可用代码，节省 80% 的重复劳动。该 IDE 具备 AI 辅助编码全流程、多智能体协同、多模态能力增强等核心特性，支持通过 MCP 对接外部工具，适配多种开发场景。来源：文心快码 baidu Comate
哈啰Robotaxi业务完成超30亿元融资，引入蚂蚁集团、宁德时代战略投资
哈啰宣布进军 Robotaxi 赛道，并完成超 30 亿元融资，引入蚂蚁集团与宁德时代的战略投资。三方共同发起成立“上海造父智能科技有限公司”，专注于 L4 级自动驾驶技术的研发与商业化落地。此次合作将加速自动驾驶技术的突破与应用，推动智能驾驶产业迈向大规模商业化阶段。来源：哈啰
网易有道开源“子曰3数学模型”，单块消费级 GPU 即可运行
网易有道宣布开源“子曰 3 数学模型”（Confucius3-Math），这是国内首个专注于数学教育、且可在单块消费级 GPU 上高效运行的开源推理模型。它在多项数学推理任务中表现优异，在高考数学题评测框架中得分高达 98.5 分，推理性能是通用大模型 DeepSeek R1 的 15 倍，服务成本低至每百万 token 0.15 美元。来源：网易有道
MiniMax Day 5/5：MiniMax Audio 新增Voice Design音色设计功能
MiniMax 推出语音技术更新——Voice Design 音色设计功能。用户可通过自然语言描述音色实现精准控制，生成原本不存在的音色；该功能与 Speech 02 语音模型配合，可实现“任意语言 × 任意口音 × 任意音色”的全自定义组合。打开MiniMax Audio，即可即刻体验。来源：MiniMax 稀宇科技
模型即 Agent，Kimi-Researcher（深度研究）开启内测
月之暗面旗下 Kimi 智能助手发布其首个 Agent 产品——Kimi-Researcher（深度研究），并开启小范围灰度测试。Kimi-Researcher 基于端到端自主强化学习技术训练，专为深度研究任务设计，可自主规划任务执行流程，包括澄清问题、深入思考、主动搜索、调用工具等，最终交付深度研究报告及动态可视化报告。来源：月之暗面 Kimi
具身智能公司「银河通用」完成超 10 亿元新一轮融资，由宁德时代和溥泉资本领投，国开科创、北京机器人产业基金、纪源资本等跟投，创下今年具身智能赛道最大单笔融资。来源：智能涌现
Meta最强AI眼镜 Oakley Meta HSTN 登场！AI随问随答，拍照一键分享
Meta 与运动品牌欧克利（Oakley）联合发布第三代 AI 眼镜——Oakley Meta HSTN。这款高性能 AI 眼镜主打运动场景，具备拍照、录视频、语音问 AI、一键分享等功能，支持透明、变色、偏光镜片，续航达 8 小时，配合充电盒可达 48 小时。来源：智东西
上海医疗 AI 创企联影智能完成 10 亿元 A 轮融资，由易方达私募基金、上国投资管等机构领投。联影智能已推出 100 多款医疗 AI 产品，涵盖诊断、手术、服务、管理等多场景，数十款产品获得国内外认证。今年 4 月，联影智能发布“元智”医疗大模型，包括文本、影像、视觉、语音、混合等 5 款大模型，率先应用于复杂医疗场景。来源：智东西
华为在开发者大会 2025 上发布盘古大模型5.5，包含五大基础模型，覆盖自然语言处理（NLP）、多模态、预测、科学计算、计算机视觉（CV）等领域。其中盘古 Ultra MoE 是准万亿参数的深度思考模型，达到国内领先水平；盘古 Pro MoE 则在 SuperCLUE 千亿参数模型榜单中并列国内第一。来源：机器之心
6月20·周五
MiniMax推出Hailuo Video Agent视频创作Agent
MiniMax 稀宇科技推出Hailuo Video Agent视频创作 Agent 的 Beta 版本，旨在降低视频创作门槛：用户只需简单输入文字或图片，即可一键生成高质量创意短片。目前该产品处于第一阶段，提供专业视频创意 Agent 模板，未来将逐步开放半自定义和端到端视频 Agent 功能。来源：MiniMax 稀宇科技
腾讯AI Lab开源音乐生成大模型SongGeneration
腾讯 AI Lab 开源了音乐生成大模型SongGeneration，专注于解决音乐 AIGC 中的音质、音乐性与生成速度三大难题。该模型基于 LLM-DiT 融合架构，支持文本控制、多轨合成与风格跟随等功能，生成歌曲在音质、旋律、伴奏等方面表现优异。SongGeneration 采用了低比特率编解码、多类别 token 并行预测等技术创新。来源：机器之心
昆仑万维正式开源Skywork-SWE-32B，最强仓库级代码修复能力
昆仑万维发布并开源Skywork-SWE-32B模型，这是业界首个开源的 32B 规模、具备强大仓库级代码修复能力的软件工程自主代码智能体基座模型。该模型基于超过 1 万个可验证的 GitHub 仓库任务实例构建，刷新了 SWE-bench Verified 基准上 32B 模型的最佳成绩，准确率从 38.0% 提升至 47.0%。来源：昆仑万维集团
DeepSeek 开源生态推出DeepSite V2，这是基于 DeepSeek R1‑0528 模型的 AI 网页生成器。用户通过文字提示即可生成、预览并迭代网站页面，无需本地环境配置。V2 版本升级了交互界面，支持推理式建站、细粒度编辑和增量差异补丁技术，可快速修改页面而无需重写代码。来源：竹江AI导航
马斯克的 xAI 公司旗下的Grok上线了新功能——“定时任务”。用户可设置定时自动触发的 Grok 提示，实现重复性工作的自动化，并可自定义任务的触发时间（精确到时/分）、周期（如每天、每周、每月等）以及邮件或 App 提醒。该定时任务支持深度搜索功能。来源：竹江AI导航
宇树科技完成 C 轮融资交割。本轮融资始于去年底，由移动旗下基金、腾讯、锦秋、阿里、蚂蚁、吉利资本共同领投，绝大部分老股东参与跟投。来源：第一财经
谷歌 Search Live 语音搜索功能上线：支持连续对话
谷歌在美国上线了基于 Gemini 模型的 Search Live 语音搜索功能，适用于 iOS 和 Android 版应用。用户在启用 AI 模式后，点击 Live 图标即可通过语音对话提问，谷歌会以 AI 语音回应，支持连续对话，无需重复操作。来源：IT之家
6月19·周四
Midjourney正式推出首个视频生成模型V1，很快、很好、很便宜
Midjourney 推出视频生成模型V1，这是一款图生视频模型。用户在生成静态图像后，点击“Animate”按钮即可让画面动起来。系统提供“自动动画”和“手动动画”两种模式，以及低动态和高动态两种强度选项，分别适配不同场景需求。生成视频后还可进行延长操作，每次延长约 4 秒，最多可延长 4 次。来源：Midjourney
MiniMax 稀宇科技发布的MiniMax Agent是一款通用智能体，能够完成长程复杂任务，具备多步规划和灵活拆解任务需求的能力，可生成讨论材料、学习教程、视频等多种内容。它的设计遵循“靠谱的人”标准，支持多模态输入输出，并集成多种办公工具以扩展能力。来源：MiniMax 稀宇科技
AI陪伴硬件公司“珞博智能”完成数千万人民币融资，上影、金沙江领投
AI 陪伴硬件初创公司珞博智能近日完成数千万元人民币天使轮融资，由零一创投、上影新视野基金和金沙江创投参与投资。珞博智能成立于 2024 年，首款产品芙崽 Fuzozo 于 2025 年 3 月发布，并于 6 月正式投入市场销售。芙崽是一款 AI 养成系潮玩，通过多模态交互与类宠物养成玩法，为 Z 世代人群提供情感陪伴。来源：Robopoet珞博智能
红杉中国正式开源xbench评测集，包括 xbench-ScienceQA 和 xbench-DeepSearch 两个子集。其中 xbench-ScienceQA 聚焦高难度科学与工程问答，邀请博士生和专家出题，题目难度高、区分度好，平均正确率仅 32%；xbench-DeepSearch 则针对 Agent AI 的深度搜索能力，考察规划、搜索、推理和总结能力，适配中文互联网环境。来源：红杉汇
6月18·周三
重磅！MiniMax推出全新AI视频模型——Hailuo 02，刷新排名 力压可灵和Veo 3
国内 MiniMax 旗下视频生成模型海螺 AI 推出新版本Hailuo 02。该模型目前在图生视频、文生视频榜单上位居第二，超越快手可灵与谷歌 Veo 3，仅次于字节上周刚发布的 Seedance 1.0。来源：竹江AI导航
AI 编程工具 Cursor 推出月费 200 美元 Ultra 订阅
AI 编程工具 Cursor 推出月费 200 美元的 Ultra 订阅方案。该方案提供比现有 20 美元 Pro 方案多 20 倍的 AI 模型额度，并可优先体验新功能。来源：竹江AI导航
谷歌 Gemini 新增视频上传与分析功能，安卓、网页端已上线
Gemini新增视频上传与分析功能：用户可在安卓版和网页端上传视频，要求 Gemini 进行概述、查找特定片段等操作，Gemini 会显示相关视频片段。该功能基于其总结 YouTube 视频的能力拓展而来，目前不支持直接录制视频上传。来源：IT之家
字节跳动Seed与比亚迪锂电池深化合作：将成立AI联合实验室加速电池研发
字节跳动 Seed 与比亚迪锂电池深化合作，将成立 AI 联合实验室以加速电池研发。双方将通过该实验室进一步探索 AI 技术在动力电池快充、寿命和安全等问题上的应用，推动电池技术进步。来源：字节跳动Seed
OpenAI“热线电话”技能更新：发短信给 1-800-242-8478 即可生成图片
OpenAI 更新其“热线电话”技能，用户可通过 WhatsApp 向 1-800-242-8478 发短信调用图像生成功能。OpenAI 将 ChatGPT 集成至 WhatsApp，用户无需 OpenAI 账号，只需将 1 (800) CHATGPT 添加为联系人即可使用。来源：IT之家
Google 发布 Gemini 2.5 AI 模型家族更新，主要有三大亮点：Gemini 2.5 Flash-Lite 上线预览版，支持多模态输入以及 Google 搜索、代码执行等工具接入；Gemini 2.5 Flash正式上线并调整定价，输入每百万 Token 为 0.3 美元，输出为 2.5 美元；Gemini 2.5 Pro 正式版上线，在多个基准测试中超越 DeepSeek R1 等模型，视频理解能力显著提升。来源：APPSO
腾讯元宝上线 AI 编程模式，用户可通过“一句话写代码”实现快速编程。该模式基于 DeepSeek V3 模型，支持双栏展示：左侧提出需求，右侧实时生成代码并可在线运行，支持 HTML、Python、C++ 等多种语言。来源：腾讯元宝
硅基流动入驻阿里云云市场，核心API服务将全面接入阿里云百炼平台
AI Infra 企业硅基流动正式入驻阿里云云市场，并加入阿里云“繁花计划”。其大模型推理平台 SiliconCloud 的核心 API 服务将全面接入阿里云百炼平台，借助阿里云灵骏智能计算集群的算力支撑，为客户提供开箱即用的大模型服务。来源：阿里云
6月17·周二
豆包电脑版和网页版上线了“AI 播客”功能。用户只需上传 PDF 文件或添加网页链接，即可生成自然流畅的拟人化双人对话播客。其语音效果逼真，模拟真人播客的口语习惯，停顿和附和细节恰到好处。用户可将行业报告、课程知识点等资料上传，快速生成通俗易懂的播客。来源：豆包
MiniMax 稀宇科技发布全球首个开源大规模混合架构推理模型MiniMax-M1。该模型在复杂生产力场景中表现卓越，接近海外领先水平，且性价比极高。M1 支持 100 万上下文输入和 8 万 Token 推理输出，基于闪电注意力机制和混合架构，算力效率显著提升；其强化学习算法 CISPO 收敛性能优异，训练成本仅 53.74 万美金。来源：MiniMax 稀宇科技
Qwen3 全系适配 MLX，开源 32 款 MLX 量化模型
Qwen3模型宣布全系适配苹果芯片的 MLX 框架，开源 32 款量化模型。MLX 是专为苹果芯片深度适配的开源机器学习框架，可高效训练和部署 AI 大模型。Qwen3 此次推出的模型包括 4bit、6bit、8bit 和 BF16 四种精度的量化版本，覆盖从 Mac Pro 到 iPhone 的全场景设备。来源：通义千问Qwen
Kimi新模型Kimi-Dev拿下代码开源SOTA，仅仅72B，发布即开源
月之暗面发布了开源代码模型Kimi-Dev，在 SWE-bench Verified 上以 60.4% 的成绩取得开源 SOTA。其参数量仅 72B，但编程能力超越 DeepSeek-R1。Kimi-Dev 采用 BugFixer 和 TestWriter 两种角色，通过文件定位和代码编辑完成任务。来源：量子位
美国国防部与 OpenAI 签订 2 亿美元合同，开发 AI 工具应对国家安全挑战
美国国防部与 OpenAI 签订了一份价值 2 亿美元的合同，开发人工智能工具以应对国家安全挑战。根据合同，相关工作将在华盛顿及其周边地区开展，预计于 2026 年 7 月完成。来源：IT之家
普惠算力新标杆 九章智算云 Alaya NeW Cloud 2.0 震撼发布
九章云极 DataCanvas 公司在北京发布新一代全栈智能计算云平台——九章智算云 Alaya NeW Cloud 2.0，并启动全球首个强化学习智算服务。该平台基于 Serverless 技术架构与强化学习技术，突破“秒级生成百万级 token”的性能瓶颈，支持万卡级至十万卡级异构算力统一调度，推理优化效率提升数倍；同时采用创新计价模型，显著降低成本。来源：九章云极DataCanvas
6月16·周一
打造 L3 级别的 Coding Agent——Clacky AI 来了
Clacky AI是面向开发者的云端开发环境（CDE），致力于打造 L3 级别的 AI 编程助手。它支持全栈开发，涵盖 Python、Node.js、Golang、Ruby、Java 等语言，具备工程化思维、多线程协作、自我排查与修复等功能，并提供“时光机”功能以追溯开发节点。来源：竹江AI导航
OpenAI Codex AI编程工具推出新功能：可一次生成多个方案
OpenAI 的 ChatGPT Codex 推出新功能，可为单一任务生成多个解决方案，供用户从中选择最佳答案。该更新还增加了键盘快捷键，优化了代码差异显示，修复了多项问题，并将专业版、团队版和企业版用户的设置脚本时长限制提高至 20 分钟。来源：IT之家
加州大学戴维斯分校研发的新型脑机接口技术取得重大突破，成功帮助一位渐冻症患者重新流畅说话，甚至“哼唱”旋律。该技术通过植入大脑的微电极阵列捕捉神经信号，结合低延迟处理和 AI 解码模型，将信号转化为语音输出，全程仅需 10 毫秒。系统能识别语气词、判断音高并合成旋律，使语音表达更加自然。来源：IT之家
腾讯混元3D开源模型又添新成员，腾讯混元3D 2.1全链路开源
在 CVPR 2025 会议上，腾讯宣布混元3D 2.1大模型全链路开源。这是首个开源的工业级 3D 生成大模型；相较于 2.0 版本，2.1 优化了几何生成质量，引入 PBR 材质生成技术，提升了 3D 资产的质感和光影表现。来源：腾讯混元
百度地图全球首发「司机智能体」功能，为用户带来智能副驾般的驾驶体验。它通过先进的智能技术，为司机提供实时路况提醒、智能导航建议以及安全驾驶辅助等服务，帮助用户更轻松地应对复杂路况，提升驾驶的自由度与安全性。来源：百度地图
今年“港股AGI第一股”确认了，云知声冲刺IPO五年终通过港交所聆讯
云知声智能科技股份有限公司于 2025 年 6 月 12 日通过港交所聆讯，即将成为“港股 AGI 第一股”。云知声成立于 2012 年，是一家专注于智能语音技术的 AI 企业，创始人黄伟曾任职于摩托罗拉等机构。公司拥有 184 PFLOPS 算力集群和 10PB 存储容量，主要业务涵盖生活、医疗等领域，客户包括中国前三大保险集团等。来源：钛媒体AGI
6月13·周五
科大讯飞在深圳举办智能交互产品升级发布会，主题为“交互领航 智启新章”。发布会上，AIUI、机器人超脑、虚拟数字人与讯飞星辰四大开发平台集体亮相，展示软硬件协同优化成果。科大讯飞还发布了十大场景化方案，涵盖办公、人力与企业数字化等刚需场景，推动 AI 技术从通用能力向垂直场景转化。来源：讯飞开放平台
腾讯元宝“高考志愿咨询”功能正式上线。用户在元宝手机端、电脑版或网页版升级至最新版本后，选择任意模型并开启深度思考，提问志愿填报相关问题，元宝将自动触发深度搜索并给出专属深度建议。来源：腾讯元宝
美泰公司与 OpenAI 合作，将生成式AI技术引入玩具开发
美泰公司与 OpenAI 达成合作，将生成式 AI 技术引入玩具开发和 IP 重塑业务。这是 OpenAI 首次与玩具厂商合作，旨在通过 AI 提升粉丝互动体验。美泰计划今年稍晚推出首款“AI 赋能产品”，包括实体玩具和互动体验。来源：IT之家
中国天气智能体台风频道正式上线。作为国内首个天气智能体，它融合气象传媒与人工智能技术，可实时推送台风预警信息，查询台风路径及图文、视频等内容。该频道通过精准监测和贴心服务，为用户提供台风动态、预警推送、防御指南及科普知识。来源：中国天气网
谷歌上线 Weather Lab 气象预测网站：利用 DeepMind AI 模型判断台风路径
谷歌上线 Weather Lab 气象预测网站，引入 DeepMind AI 模型，可预测台风的生成时间、路径、强度等，并模拟未来 15 天多达 50 种气象发展场景。网站提供与欧洲中期天气预报中心传统模型的对比功能，帮助用户更早获取气旋信息。来源：IT之家
6月12·周四
Meta 推出基于视频训练的世界模型V-JEPA 2，由首席 AI 科学家 Yann LeCun 介绍。该模型拥有 12 亿参数，基于联合嵌入预测架构（JEPA）构建，具备先进的环境理解与预测能力，能在新环境中完成零样本规划与机器人控制。V-JEPA 2 通过自监督学习训练，无需人工注释，可用于辅助技术、混合现实指导、个性化教育等领域。来源：机器之心
Manus 上线 chat 模式，用户可在 Manus 中免费使用该模式，以解决用户在与 Agent 交互过程中需求不明确、或许多需求并不需要动用 Agent 的问题。它覆盖日常咨询、知识查询等场景，并可无缝切换至代理模式。来源：竹江AI导航
知乎知名答主夕小瑶团队推出全球首个A2A范式Agent——Teamo
知乎知名答主夕小瑶团队推出全球首个 A2A 范式 Agent——Teamo。该产品定位为知识工作者的超级 Agent，采用 Agent-to-Agent（A2A）范式，由“Teamo 队长”统一指挥，各领域专业 Agent 协同工作，模拟真实团队作业。来源：竹江AI导航
普林斯顿大学与复旦大学联合推出全球首个历史领域 AI 评测基准 HistBench 及 AI 历史助手HistAgent。HistAgent 集成文献检索、OCR 识别、多语言翻译等工具，专为历史研究优化，在 HistBench 测试中表现远超现有模型。来源：36氪
英伟达、三星联手投资 AI 机器人公司 Skild AI，估值达 45 亿美元
英伟达和三星电子将联手投资 AI 机器人创业公司 Skild AI，分别投资 2500 万美元和 1000 万美元。此次投资属于 Skild AI B 轮融资的一部分，公司估值约 45 亿美元，软银集团领投 1 亿美元。英伟达正推广“实体 AI”概念，认为其将成为重要收入来源；三星则希望通过投资保持对 Skild 及其人才的了解。来源：IT之家
上海市委网信办指导小红书、B站、拼多多等平台清理违规 AI 产品及信息
上海市委网信办自 4 月下旬起开展“清朗・整治 AI 技术滥用”专项行动，聚焦 6 类突出问题，指导小红书、哔哩哔哩、拼多多等 15 家重点网站平台，清理“一键脱衣”、未经授权的人脸或人声克隆编辑等违规 AI 产品及相关信息。来源：IT之家
夸克 APP 发布行业首个高考志愿大模型，为考生提供全新的高考志愿服务。该模型打造了专业的高考知识库，通过【夸克搜索】可提供专业、准确的大学与专业查询，以及志愿问题解答。来源：夸克APP
全球最大的 AI 开源社区Hugging Face发布最新 AI 开源贡献榜，阿里通义千问跻身全球第五、中国第一，DeepSeek 位列第九，二者是前十中唯二的非美国机构。该榜单考察开源模型、数据集、开发者关注度、社区活跃度及全球影响力等指标。来源：网易
Tolan已在全球获得超 500 万次下载，ARR超 400 万美元
AI 陪伴应用Tolan凭借独特的外星人形象和情感互动模式，获得超 500 万下载量，ARR 达 400 万美元。Tolan 由西雅图初创公司 Portola 开发，主打与外星生物“交朋友”，通过语音交互、情绪回应和个性成长机制，为用户提供温暖陪伴。来源：极客公园
6月11·周三
OpenAI 发布 o3-pro升级版推理模型，支持调用ChatGPT全套工具
OpenAI 发布o3-pro模型，替代 o1-pro 向 Pro 和 Team 用户开放。o3-pro 是推理模型 o3 的升级版，处理复杂问题、精准回答的能力更强，支持调用 ChatGPT 全套工具；其响应速度稍慢，适合对答案准确性要求较高的场景。在表达清晰度、答案完整性等方面，o3-pro 均优于 o3。来源：APPSO
在火山引擎 Force 原动力大会上，字节跳动宣布豆包大模型升级至 1.6 版，推理、数学、指令遵循等能力大幅提升，达到全球第一梯队水平。豆包 1.6 系列模型支持多模态理解和图形界面操作，能够理解和处理真实世界问题。来源：字节跳动
Genspark公司推出创新性 Genspark AI 浏览器
Genspark 公司推出创新性人工智能浏览器——Genspark AI Browser。它内置智能助手，可帮助用户查找更优交易、比较产品、分析评论，辅助决策；“自动驾驶模式”能自动浏览信息源、收集资料、访问高级数据库，完成复杂网页任务。该浏览器支持通过 MCP 连接 700 多种工具，实现工作流程自动化，并具备广告拦截功能。来源：竹江AI导航
字节跳动 Seed 团队正式发布视频生成基础模型 Seedance 1.0
字节跳动 Seed 团队发布Seedance 1.0视频生成模型。该模型支持文字与图片输入，可生成多镜头无缝切换的 1080p 高品质视频，具备原生多镜头叙事能力、更强运动生成效果、支持多种风格创作等亮点，40 多秒即可完成 5 秒 1080p 视频的生成任务。在第三方评测榜单 Artificial Analysis 中，Seedance 1.0 的文生视频、图生视频两项任务均位居首位。来源：字节跳动Seed
Mistral 推出推理模型 Magistral 系列，Small 版已开源
法国 AI 实验室 Mistral 推出推理模型Magistral系列，包含 Magistral Small 和 Magistral Medium 两个版本。Magistral Small 拥有 240 亿参数，已在 Hugging Face 平台开源；Magistral Medium 能力更强，目前处于预览阶段，仅在特定平台提供。来源：IT之家
3D大模型公司VAST再次完成数千万美元的Pre-A+轮融资
3D 大模型公司 VAST 完成数千万美元 Pre-A+ 轮融资，由北京市人工智能产业投资基金领投，靖亚资本跟投。VAST 同时发布全球首个 AI 驱动的一站式 3D 工作台Tripo Studio，并即将推出全新算法 Tripo 3.0。本轮融资将重点投入 Tripo 系列大模型研发，以及 Tripo Studio 产品与生态平台建设。来源：Tripo AI
6月10·周二
商汤科技的“小浣熊家族”与蚂蚁集团的“蚂蚁百宝箱”正式达成生态合作，联合打造“AI数据分析助手”，为用户提供大模型服务，后续将登陆支付宝平台。双方旨在为数字生活平台上的商家及生态方提供轻量化、智能化的分析工具，助力 AI 数智化服务能力升级。“办公小浣熊”将以 AI Agent 形态免费为用户提供数据分析能力，构建自然的人机协作场景。来源：商汤科技SenseTime
Manus现已接入 Veo3 模型，带来更出色的视觉表现力：角色对话更自然，音画同步更准确，故事叙事更流畅，可创作出电影级别的视觉体验。该能力面向 Basic、Plus、Pro 会员开放使用。来源：竹江AI导航
靠ChatGPT狂飙，OpenAI年化经常性收入突破百亿美元
OpenAI 自推出ChatGPT不到三年，年化经常性收入（ARR）已突破 100 亿美元，较去年增长近 80%。该收入包括消费者产品、ChatGPT 商业产品及 API 销售收入，不包含微软授权收入等。目前 OpenAI 拥有 300 万付费商业用户。来源：财联社
AI 编程工具 Cursor 快速崛起，20 个月实现 1 亿美元年化收入
Cursor AI 编程工具由 AnySphere 联合创始人兼 CEO Michael Truell 创立，上线 20 个月即实现 1 亿美元年化收入，两年达到 3 亿美元。其成功源于重构软件开发流程，提升人类指令的表达效率。团队曾尝试机械工程领域，后回归编程方向，放弃插件形式，转而构建完整 IDE。来源：有新Newin
6月9·周一
智谱推出首个企业级超级助手 Agent——CoCo，具备交付导向、记忆机制和无缝嵌入三大企业级特性。它能全流程辅助工作，根据员工职能和需求主动服务，并可无缝接入企业资源，提供个性化服务。来源：智谱
硅基流动宣布完成数亿元人民币 A 轮融资，由阿里云领投，创新工场等老股东超额跟投，华兴资本担任独家财务顾问。硅基流动专注于 AI 基础设施领域，通过技术突破和产品创新，有效解决国内 AI 行业发展中的难题。来源：硅基流动
小红书hi lab团队首次开源文本大模型 ：dots.llm1
小红书 hi lab（人文智能实验室）首次开源文本大模型dots.llm1。该模型是中等规模的 Mixture of Experts（MoE）语言模型，总参数量 1420 亿，激活参数 140 亿。在训练 11.2 万亿 token 高质量数据后，其性能可与 Qwen2.5-72B 媲美。来源：小红书技术REDtech
面壁智能推出端侧大模型 MiniCPM 4.0，包含 8B 闪电稀疏版和 0.5B 版。其中 8B 版采用「高效双频换挡」机制，可自动切换注意力模式，兼顾长、短文本场景。该模型通过自研 CPM.cu 推理框架，在极限场景下最高提速 220 倍，常规提速 5 倍，实现 90% 模型瘦身。来源：竹江AI导航
Meta 正谈判投资 Scale AI，预计价值超 100 亿美元
Meta 正与 AI 初创公司 Scale AI 进行投资谈判，融资价值有望超过 100 亿美元。Scale AI 由亚历山大・王于 2016 年创立，主要提供数据标签服务，客户包括微软、OpenAI 等。若交易达成，将是 Meta 最大的一笔外部 AI 投资。来源：IT之家
智平方×东风柳汽：国产具身大模型首获汽车制造全场景验证，启动数据飞轮
智平方与东风柳汽在深圳签署协议，共同探索具身大模型在汽车制造全场景的深度应用。智平方的 AlphaBot 2（爱宝）机器人搭载 GOVLA 大模型，将在东风柳汽工厂的上下料、拖拽料车、贴标签等场景执行智能化作业。来源：智平方科技
6月6·周五
第七届北京智源大会在中关村开幕。智源研究院发布“悟界”系列大模型，包括原生多模态世界模型 Emu3、脑科学多模态通用基础模型 Brainμ、跨本体具身大小脑协作框架 RoboOS 2.0 与具身大脑 RoboBrain 2.0，以及全原子微观生命模型 OpenComplex2，旨在推动人工智能与物理世界的深度融合，探索生命机理的本质规律。来源：智源研究院
图像编辑模型SeedEdit 3.0发布！更强保持力，更高可用率
字节跳动 Seed 团队发布图像编辑模型 SeedEdit 3.0。该模型基于文生图模型 Seedream 3.0，采用多样化数据融合方法与特定奖励模型，显著提升了对图像主体、背景和细节的保持能力，在人像编辑、背景更改等场景表现出色。SeedEdit 3.0 可处理 4K 图像，能精准识别并移除无关人物及其影子，还能将 2D 绘画转为真实模特并保持细节。来源：字节跳动Seed
阿里开源 Qwen3 新模型 Embedding 及 Reranker
Qwen 家族推出新成员 Qwen3 Embedding 和 Qwen3 Reranker。其中 Qwen3 Embedding 是基于Qwen3基础模型训练的文本嵌入模型系列，可将文字等符号转化为数字向量，挖掘语义关系，为搜索、推荐等任务提供支持；Qwen3 Reranker 则用于提升搜索和推荐系统的相关性排序能力，可进行精细化打分和排序。来源：通义大模型
即梦图片 3.0 模型更新智能参考功能，在原图一致性保持方面表现出色，精细到头发丝级。用户可通过简单提示语实现添加文字、修改文字、复杂设计等多种操作，生成高质量图片。目前该功能处于灰度测试中。来源：竹江AI导航
谷歌更新 Gemini 2.5 Pro 预览版模型至 06-05 版本，多项 AI 性能提升
谷歌更新了Gemini 2.5 Pro预览版模型至 06-05 版本，多项 AI 性能基准测试评分均有提升：LMArena Elo 评分上升 24 分，WebDevArena Elo 评分上升 35 分至 1443 分，取得业界领先地位。谷歌还对模型进行了风格与结构优化，使其更具创意、回答格式更清晰，提升了交互体验。来源：IT之家
PixVerse 国内版“拍我AI”正式上线，网页端和移动端同步推出，支持 V4.5 版本。用户可通过访问拍我 AI 官网及各大应用商店下载体验。该产品提供 AI 特效、首尾帧等创新功能，助力用户创作独特视频。来源：爱诗科技AIsphere
6月5·周四
OpenAI 发布了两项 ChatGPT 新功能：「连接器」与「记录模式」
OpenAI 为ChatGPT推出两项新功能：“连接器”与“记录模式”。连接器可接入 GitHub、Google Drive 等平台，实现数据查询与整理，助力企业知识管理；记录模式则能自动录音、记笔记、生成会议纪要，提升会议效率。新功能让 ChatGPT 融入企业日常，成为打工人的“第二大脑”。来源：APPSO
“今天学点啥”平台上线一键导出 PPT 功能。用户在视频讲解页面点击“导出PPT”按钮，即可下载包含图文、语音讲解及逐字稿的完整 PPT。由于该功能算力消耗较大，仅前三天（6 月 5 日—6 月 7 日）限时免费。来源：AI秘塔
Cursor 1.0 发布：BugBot 代码审查、Memories 记忆、一键 MCP 安装等
Cursor 1.0 正式发布，新增 BugBot 自动代码审查工具，可自动审查 PRs 并精准识别潜在问题，发现问题后能在 GitHub 的 PR 上评论并提供修复提示；推出测试版 Memories 功能，可按项目存储对话中的关键信息；支持一键安装 MCP 服务器并简化验证流程；聊天界面新增可视化支持，优化了设置和仪表盘界面；同时简化了定价模式。来源：IT之家
AMD 宣布收购 Brium。Brium 专注于开发可适配多种硬件架构的机器学习推理技术，能让原本为英伟达等特定硬件设计的 AI 模型在其他品牌平台上有效运行。AMD 表示，此举旨在推动“高性能、开放的 AI 软件生态建设”，支持开发者创新。来源：IT之家
6月4·周三
Kimi 推出全新 AI 学术研究助手“学术搜索”，通过深度推理搜索、遵循用户指令、实时互动等能力，帮助用户在学术研究和论文写作中提高效率与质量。用户可在官网注册登录后使用，适用于学术研究支持、技术问题解决等多种场景。来源：竹江AI导航
快手开源”Auto Think”大模型，根据问题自动调节思考深度
快手 Kwaipilot 团队开源 KwaiCoder-AutoThink-preview 自动思考大模型。针对深度思考大模型“过度思考”的问题，该模型提出自动思考模型训练范式，融合“思考”和“非思考”能力，可根据问题难度自动切换思考形态。来源：快手技术
图灵奖得主Bengio再创业：启动资金就筹集了3000万美元
图灵奖得主、深度学习三巨头之一 Yoshua Bengio 再次创业，成立非营利组织 LawZero，已筹集 3000 万美元启动资金。LawZero 构建“设计即安全”的 AI 系统，不做 Agent，而是监督 Agent，以理解和学习世界为核心目标，提供可验证的真实答案。来源：量子位
Manus 推出“文生视频”功能，挑战 OpenAI Sora 等竞争对手
AI 初创公司 Manus 推出原生“文生视频”功能，目前仅对付费会员开放。该功能可将文本命令快速转换为有序视频故事。Manus 提供 Basic、Plus、Pro 三种会员服务，其中 Pro 会员每月收费 199 美元。来源：IT之家
阶跃星辰To C产品“冒泡鸭”将停运，重心转向终端Agent
大模型“六小虎”之一的阶跃星辰调整其 C 端 AI 应用布局，角色扮演类 Agent 产品“冒泡鸭”将停止大范围投入，团队合并至对话产品“阶跃AI”。2025 年以来，阶跃星辰将战略重心从 C 端转移到模型研发和 ToB/G 上，加大开源力度，组织不同技术路线的团队，并将 ToB 的 Agent 产品作为重点布局方向。来源：智能涌现
开源 AI 设计 Agent —— Jaaz，Lovart 的免费平替项目
开源 AI 设计 Agent——Jaaz，是 Lovart 的免费平替项目。它具备强大的 AI 设计能力，可智能生成设计提示，批量生成图像、海报、故事板等。Jaaz 支持 Ollama、Stable Diffusion、Flux Dev 等本地图像和语言模型，实现免费的图像生成。来源：竹江AI导航
OpenAI 宣布将ChatGPT的记忆功能向免费用户逐步开放。此前，该功能仅限 ChatGPT Plus 和 Pro 等付费用户使用。免费用户可体验轻量版记忆功能，支持短期对话连续性；付费用户则可引用更久远的对话记录。来源：IT之家
克而瑞推出中国首个房地产垂直领域 AI Agent“CRIC深度智联”。该产品基于克而瑞 20 年行业经验与海量数据，结合多模态大模型技术，为房地产行业提供智能化解决方案。CRIC 深度智联可帮助房地产从业者提升工作效率与决策质量，被誉为地产人的“第二大脑”。来源：竹江AI导航
6月3·周二
微软Bing推出AI视频生成工具：Bing Video Creator，免费使用Sora模型
微软 Bing 团队推出 Bing Video Creator免费的 AI 视频生成工具，由 OpenAI 的 Sora 模型提供支持。用户只需在 Bing 移动应用中输入详细的文字描述，即可生成 5 秒长的竖屏视频（9:16 格式）。该工具提供快速和标准两种生成速度，初始有 10 次免费快速生成机会，之后可使用积分兑换或转为标准速度。来源：竹江AI导航
水利部国科司组织中国水科院自主研发的“水利标准 AI 大模型”正式发布并投入应用。该模型基于“SkyLIM”体系，采用“海量知识库 + DeepSeek/Qwen 双模型 + 标准服务”架构，集成 1800 余项水利水电标准、500 余项法律法规等多源语料，具备水利标准查重比对、查询、编制、审查、评估等多维功能。来源：中国水利
银河通用发布全球首个产品级端到端具身 FSD 大模型：TrackVLA
银河通用发布全球首个产品级端到端具身 FSD 大模型TrackVLA。该模型具备纯视觉环境感知、语言指令驱动、自主推理及零样本泛化能力，无需提前建图和遥操作控制，即可实现“听→看→懂→走”的闭环运动。它有八大核心能力，包括自然语言理解与目标识别、复杂场景下准确跟随、目标丢失后找回、陌生环境自主导航等。来源：IT之家
谷歌 DeepMind 推出手语翻译模型：SignGemma，打破手语沟通壁垒
谷歌 DeepMind 推出 SignGemma，这是一个强大的手语翻译模型，可将手语转化为口语文本，主要针对美国手语（ASL）和英语深度优化。它是开源模型，将于今年晚些时候加入 Gemma 模型家族。DeepMind 希望借此打破手语使用者的沟通障碍，帮助他们在工作、学习和社交中更顺畅地参与。来源：竹江AI导航
小米多模态大模型 MiMo-VL 开源，多方面领先 Qwen2.5-VL-7B
小米多模态大模型 MiMo-VL 正式开源。它在图片、视频、语言的通用问答和理解推理等多个任务上大幅领先同尺寸标杆多模态模型 Qwen2.5-VL-7B，在 GUI Grounding 任务上比肩专用模型。来源：竹江AI导航
5月30·周五
通义灵码AI IDE正式上线，在通义灵码官网免费下载开箱即用
阿里云宣布通义灵码AI IDE正式上线，支持最强开源模型 Qwen3，自带编程智能体模式，全面支持长期记忆、行间建议预测和行间会话等能力。通义灵码深度集成魔搭 MCP 广场，涵盖 3000+ MCP 服务，拓宽了 AI 编码助手的能力边界。来源：阿里云
字节跳动旗下剪映团队推出 AI 视频 Agent「小云雀」，主打“灵感即所得，创作零门槛”，已接入豆包和 DeepSeek。目前仅安卓可下载，iOS 预计 6 月发布。该工具让用户先选择场景，避免生成内容“跑题”，提升交互效率和结果相关性。来源：Z Finance
阿里巴巴在 Github 上开源自主搜索 AI 智能体WebAgent，具备端到端自主信息检索与多步推理能力，能像人类一样主动感知、决策和行动。WebAgent 分为 WebDancer 和 WebWalker，前者是智能体训练框架，后者是 LLM 基准测试。来源：IT之家
Lumos Robotics 鹿明机器人完成天使++轮融资，投资方包括复星锐正、德马科技和吴中金控。这是其半年内的第三轮融资，累计融资近 2 亿元。鹿明机器人由资深机器人专家喻超创立，拥有全栈研发能力，产品包括机器人关节模组、视触觉模组及 LUS、MOS 系列人形机器人。本轮资金将用于完善产品和深化产业协同，加速商业化落地。来源：Lumos Robotics鹿明机器人
5月29·周四
DeepSeek-R1开源新版本DeepSeek-R1-0528，AI编程能力跃升
DeepSeek 发布新版本DeepSeek-R1-0528。该版本在 LiveCodeBench 上表现接近 OpenAI o3-high，实测显示其编程能力显著提升，能解决复杂数学问题，生成高质量代码和交互式网页。新版本具备深入推理能力，改进了写作任务，推理风格快速而深思熟虑，单任务最长思考时间可达 30 至 60 分钟。来源：量子位
快手发布可灵2.1系列模型。该模型在高品质模式（1080p）下生成 5 秒视频不到 1 分钟，成本降低 65%，动态细节、响应和幅度均有提升，人物动作更贴近现实，也能更好地理解用户意图。可灵 2.1 有标准（720p）和高品质（1080p）两种模式，主打高性价比和高效生成，大师版则提供更卓越的表现。来源：IT之家
中国石油推出 3000 亿参数昆仑大模型，涵盖语言、视觉和多模态领域，参数规模大幅提升。该模型已在油气勘探、炼油化工、销售、装备制造等多领域实现智能化应用，例如将油气勘探效率提升 10 倍、优化炼化工艺、将 AI 智能体嵌入加油站管理系统等。来源：中国石油报
Opera推出首款“AI Agent”浏览器Opera Neon
Opera 浏览器推出首款“AI Agent”浏览器Opera Neon。它由 Neon Chat、Neon Do 和 Neon Make 三大功能组成，能理解用户意图并转化为行动，如生成报告、编写代码等。其中 Neon Chat 可搜索网页、提供上下文信息；Neon Do 可与网站交互，执行填写表格、预订行程等任务；Neon Make 基于云技术执行复杂任务，离线编写代码。来源：竹江AI导航
谷歌 CEO 桑达尔·皮查伊在访谈中表示，通用 AI 不仅是工具，更是“下一代平台本身”，将引发互联网生态的重新洗牌。他认为 AI 正处于平台转型的第二阶段，从能力展示走向产品落地与平台重构。皮查伊指出，AI 应用正从聊天界面向多模态转型，“Agent 优先”时代已经来临，通用 AI 正在成为新的操作系统。来源：Z Finance
5月28·周三
腾讯混元开源语音数字人模型HunyuanVideo-Avatar
腾讯混元开源语音数字人模型HunyuanVideo-Avatar，由腾讯混元视频大模型与腾讯音乐天琴实验室 MuseV 技术联合研发。用户只需上传一张图片和一段音频，该模型即可生成人物自然说话或唱歌的视频，支持多种场景和风格。来源：腾讯混元
小红书 hi lab 与复旦大学哲学学院共同成立“AI 人文人才训练营”，培养“AI+人文”复合型人才。双方合作聚焦 AI 后训练阶段的人文课题，将人文关怀注入 AI 训练，使 AI 更具人性化表达和价值对齐能力。小红书 hi lab 由内部大模型技术与应用产品团队升级而成，专注于人文智能研究。来源：小红书
由欧洲顶尖 AI 3D 模型研究者马蒂亚斯·尼斯纳创立的初创公司 SpAItial 获得 1300 万美元种子轮融资，领投方为 Earlybird Venture Capital。尼斯纳曾是 Synthesia 的联合创始人，团队成员来自 Meta 和谷歌等公司。SpAItial 专注于文本生成 3D 在线环境的基础模型，目标是创造可交互的 3D 世界。来源：Z Potentials
AI编程IDE Trae.ai 海外版正式上线Pro订阅模式
字节跳动的 AI 编程 IDE Trae海外版正式上线 Pro 订阅模式，结束了完全免费和无限调用的时代。Pro 订阅首月 3 美元，次月起 10 美元/月或 90 美元/年，提供 600 次快速请求额度。Pro 用户仍需排队，但速度更快。Trae 支持 9 款高级模型，包括 Claude Sonnet 4 和 GPT-4.1 等。来源：竹江AI导航
字节跳动旗下剪映团队近期推出 AI 简化版应用「剪小映」。该应用主打一键式操作：用户上传图片和视频后，应用自动剪辑并提供滤镜模板和音乐选择，快速生成抖音风格视频。其简化流程让没有专业剪辑经验的人也能轻松制作高质量短视频。来源：竹江AI导航
优理奇机器人（UniX AI）近期完成数亿元天使轮及天使+轮融资，投资方包括中关村前沿基金、赛纳资本及长安私人资本。本轮融资将用于加速研发多模态具身智能大模型与通用机器人本体的同步演进，并推动其在泛商业服务和 C 端场景的落地。来源：Z Potentials
阿里巴巴集团与 SAP 宣布达成战略合作。双方将 SAP 领先的企业级软件与阿里云的基础设施及 AI 能力相结合，加速企业客户的创新和数字化转型。阿里云将作为 SAP 超大规模云服务提供商，支持企业在阿里云上部署 SAP ERP 云及私有云版本，并加入 SAP IaaS 认证计划；SAP 则将探索接入通义千问大模型，使企业客户能在 SAP 应用中使用本地化的生成式 AI 功能。来源：阿里云
5月27·周二
秘塔AI搜索推出全新“极速”模型，最高400 tokens/秒响应速度
秘塔AI搜索发布全新“极速”模型，通过 GPU kernel fusion 和 CPU 动态编译优化，单张 H800 GPU 响应速度达 400 tokens/秒，大部分问题可在 2 秒内完成回答。新模型不仅速度快，准确率和逻辑清晰度也更高。来源：AI秘塔
百度多智能体协作应用心响上线 iOS 版，苹果、安卓用户均可免费使用，无需邀请码且不限量。心响 APP 支持旅游攻略、深度研究、法律咨询、试题讲解等 10 大场景、200+ 任务类型。来源：竹江AI导航
有道云笔记「文转图表」功能全新上线：AI重塑内容可视化新体验
有道云笔记推出「文转图表」功能，可将文字快速转化为可视化图表。该功能能智能解析文本的数据结构和逻辑关系，自动生成匹配的图表类型，并支持海量图表样式选择和灵活编辑，满足不同场景需求。来源：有道云笔记
微分智飞（杭州）科技有限公司在一个月内完成数千万元天使轮及天使+轮融资。融资将用于加速飞行具身智能领域创新、集群空中机器人智能进化及人才团队建设。该公司由浙江大学高飞教授创立，致力于打造通用空中机器人具身智能大脑及其集群系统，推动工业、城市与自然空间的智能化升级。来源：微分智飞科技有限公司
美团创始人王兴在第一季度财报电话会上透露，美团计划 6 月推出业务决策助手，助力商家数字化转型。美团基础大模型能力已接近 GPT-4o 水平，上季度内部 52% 的代码由 AI 生成。美团上线的 AI 编程工具NoCode，定位 Vibe Coding，面向非技术人群，通过对话式交互完成编码任务。来源：IT之家
飞猪AI“问一问”更新，提升了“智慧交通顾问”“酒店顾问”的查询精度，可推荐如国产飞机 C919 机票等；新增“会员助手”，可查询会员等级及权益。此外还优化了搜索引擎输入提示、旅行方案一键生成长图等功能，手绘行程地图接入真实地图数据，可生成带方位、直观距离的手绘地图，实用性更强。来源：竹江AI导航
阿联酋全民免费用 ChatGPT Plus 订阅，免除 20 美元月费
阿拉伯联合酋长国将成为全球首个为全体公民和居民免费提供 ChatGPT Plus 服务的国家。作为“星际之门阿联酋”项目的福利，阿联酋所有公民和居民都可免费获得原本月费 20 美元的 ChatGPT Plus 服务。来源：IT之家
5月26·周一
昆仑万维天工超级智能体APP今日正式上线！全球首款Office智能体APP
昆仑万维宣布天工超级智能体APP 正式上线。这是全球首款基于 AI Agent 架构的 Office 智能体手机 APP，标志着 AI Office 智能体时代从桌面端全面迈向移动端。该 APP 以“8 分钟完成 8 小时工作”为核心理念，包含文档、PPT、表格智能体及通用智能体，支持多模态创作与跨端协同，用户可随时随地发起任务并在 PC 上深入编辑。来源：昆仑万维集团
红杉中国推出全新AI基准测试工具xbench，动态更新测试内容
红杉中国推出全新 AI 基准测试工具xbench，并发布相关论文。xbench 采用双轨评估体系，分为 AGI 追踪与专业对齐两大方向，同时评估 AI 的理论能力上限与实际落地价值，首期发布科学问题解答测评集和中文互联网深度搜索测评集。来源：竹江AI导航
中国电信陕西公司、数字生活公司与优必选科技联合研发的首款“家庭桌面 AI 机器人”正式全国首发。该机器人依托大模型技术，具备情感计算、环境感知等能力，可实现拟人化陪伴、舞蹈娱乐、故事互动、英语口语练习、视频通话、绘本伴读、家居控制等多元服务，为用户打造“主动式”“成长式”的智慧生活体验。来源：优必选科技
OpenAI 升级 Operator 智能体，AI 模型从 4o 到 o3
OpenAI 升级 Operator 智能体，将其 AI 模型从 4o 升级到 o3。升级后，模型推理能力大幅提升，在与浏览器交互时更稳定、准确，任务成功率显著提高，回复也更清晰、详尽且结构化。来源：竹江AI导航
豆包在 App 端上线实时视频通话功能。用户可在“打电话”界面点击视频按钮开启，支持基于真实场景的实时问答互动。该能力背后依托豆包最新的视觉理解模型，可融合视觉与语言输入进行深度思考和创作。来源：豆包
QQ浏览器推出首个高考 Agent“AI 高考通”，量身定制志愿填报方案
QQ浏览器推出行业内首个高考 Agent——“AI 高考通”，为高考生提供全流程 AI 助力。考生可通过它快速获取全面权威的高考信息，如院校资料、专业信息等，并能一键得到量身定制的志愿填报方案。高考期间 AI 全程陪伴，提供“AI 解题答疑”“AI 作文辅导”等功能，助力考生考前提分、考中查询日程、考后个性化推荐志愿。来源：QQ浏览器
5月23日·周五
Anthropic发布新一代AI模型Claude 4，自动编码7小时刷新记录
Anthropic 公司推出了新一代Claude 4模型——Claude Opus 4 和 Claude Sonnet 4。其中 Claude Opus 4 是全球顶尖的编码模型，在复杂、长时间任务和代理工作流中表现出色；Claude Sonnet 4 则在编码和推理方面进行了显著升级，响应指令更精准。来源：竹江AI导航
OpenAI 宣布“星际之门”首个国际部署项目落户阿联酋，并考虑扩张至亚太地区
OpenAI 宣布“星际之门阿联酋”项目，这是人工智能基础设施平台 Stargate 的首个国际部署。该项目由 OpenAI 与 G42、甲骨文、英伟达、软银和思科共同打造，位于阿布扎比的阿联酋-美国人工智能园区。其中 G42 负责建设，OpenAI 和甲骨文运营，思科提供安全连接，英伟达供应系统。来源：IT之家
京东工业发布行业首个以供应链为核心的工业大模型Joy industrial
京东工业在上海发布行业首个以供应链为核心的工业大模型——Joy industrial。该模型依托京东工业在工业数智供应链领域的经验积累和数据沉淀，构建全栈产品矩阵，首批推出需求代理、运营代理、关务代理、商品专家、集成专家等 AI 产品，助力产业降本增效。来源：京东黑板报
5月22日·周四
OpenAI最大收购，65亿美元拿下苹果前高管Jony Ive公司io
OpenAI 宣布以约 65 亿美元收购由 CEO Sam Altman 与前苹果首席设计官 Jony Ive 联合创办的 AI 设备初创公司 io。这是 OpenAI 史上最大一笔交易，预计于夏季完成，尚需监管部门批准。收购后，OpenAI 将获得约 55 名顶尖硬件工程师、软件开发者和制造专家，其中包括多位曾参与 iPhone 设计的前苹果设计师。来源：APPSO
Mistral 发布编程专用开源 AI 模型 Devstral
Mistral AI 与 All Hands AI 合作推出 240 亿参数的开源 AI 模型Devstral，专为高级软件工程任务设计，目前处于“研究预览”阶段，以 Apache 2.0 许可发布，可商用。Devstral 在 SWE-Bench Verified 基准测试中得分 46.8%，超越部分闭源模型；它能在单张 RTX 4090 显卡或 32GB RAM 的 Mac 上运行，降低了硬件门槛。来源：竹江AI导航
OpenAI 扩展 Responses API：支持 MCP、图像生成等
OpenAI 宣布扩展Responses API，新增对远程连接 MCP 服务器、图像生成（gpt-image-1模型）、Code Interpreter 及文件搜索优化等功能的支持，全面适配 GPT-4o 系列、GPT-4.1 系列及 OpenAI o 系列推理模型。开发者可通过几行代码让模型连接 Cloudflare 等 MCP 工具，访问用户数据源。来源：IT之家
昆仑万维面向全球发布天工超级智能体：基于deep research的“AI版office”
昆仑万维面向全球发布天工超级智能体（Skywork Super Agents），采用 AI agent 架构和 deep research 技术，能生成文档、PPT、表格、网页、播客和音视频等多模态内容。其 deep research 能力在 GAIA 榜单上排名全球第一，超过 OpenAI Deep Research 和 Manus。来源：昆仑万维集团
特斯拉展示 Optimus 人形机器人做家务能力：扔垃圾、扫地、炒菜
埃隆·马斯克重申 Optimus 将成为特斯拉的重要产品。Optimus 社交媒体账号发布视频，展示了机器人扔垃圾、扫地、炒菜等家务能力，并成功搬运 Model X 零件。来源：IT之家
5月21日·周三
Google I/O 2025 开发者大会，从研究到现实，AI技术全面升级
Google I/O 2025 大会宣布多项进展。Gemini 2.5 Pro模型位居 LMArena 排行榜首位，性能卓越；推出 Google Beam 视频通信平台，提供沉浸式 3D 体验；Gemini Live 整合 Project Astra 功能，Agent Mode 助力任务执行；个性化智能回复即将推出，AI Mode 重塑搜索体验；Gemini 应用功能增强，Veo 3和 Imagen 4 模型助力创意创作。来源：谷歌黑板报
面壁智能获新一轮数亿元融资，引领端侧大模型高效发展与应用普及
面壁智能完成新一轮数亿元融资，由洪泰基金、国中资本、清控金信和茅台基金联合投资。面壁智能专注于打造高效大模型，其端侧全模态模型面壁小钢炮MiniCPM-o 2.6多项能力达国际领先水平，系列模型全平台下载量累计破 1000 万。此外，面壁智能还发布了业界首个智能座舱纯端侧汽车助手 cpmGO，与多家车企合作实现量产车型定点。来源：面壁智能
全球首款！北大上线新AI科研平台——Science Navigator
北京大学正式上线全球首个覆盖“读文献-做计算-做实验-多学科协同”的 AI 科研平台——Science Navigator。它具备全维度科研知识库、个性化问题推荐、多模态搜索、批量文献问答等功能，帮助科研人员高效探索学术前沿，摆脱繁琐的信息搜索，将更多精力投入科研突破。来源：北京大学
美图公司宣布与阿里巴巴达成战略合作并获得 2.5 亿美元可转债投资。该协议为期 3 年，年利率 1%，阿里巴巴可按每股 6.00 港元的价格将可转债转换为美图股票。双方将在电商平台、AI 技术、云计算等领域展开合作，阿里巴巴将优先推广美图 AI 电商工具，协助美图开发电商生图及生视频工具，提升商家营销和运营效率。来源：美图公司
火山引擎推出豆包·语音播客模型。该模型基于流式模型构建，可将文本秒级转化为双人对话式播客，具有低成本、高时效、强互动的特点。它解决了传统 AI 播客内容重复、不够口语化等问题，对话自然流畅，创作高效快捷，能紧跟时事热点。用户输入主题或文档等，即可生成有深度的播客观点和作品。来源：火山引擎
5月20日·周二
腾讯混元游戏视觉生成平台正式发布。这是首个工业级 AIGC 游戏内容生产引擎，依托混元大模型打造，可大幅提升游戏资产的生成与制作效率。该平台面向游戏美术设计师，提供 AI 美术管线、实时画布、AI 2D 美术生成、专业角色多视图生成等核心功能，助力设计师快速生成高质量游戏素材与概念草案，将游戏美术设计效率提升数十倍。来源：腾讯混元
谷歌推出 NotebookLM 移动应用，可生成智能总结、音频播客
谷歌推出Google NotebookLM APP移动应用。该应用基于人工智能，核心功能包括智能总结，可快速提炼文档关键信息；“音频概览”功能可生成播客内容，支持离线收听。用户还可创建和管理笔记本，将浏览内容添加为资料来源。来源：竹江AI导航
谷歌 AI 编程助手 Jules 全球公测，挑战 GitHub Copilot 和 OpenAI 的 Codex
Google Labs 推出实验性 AI 编程助手 Jules，能根据任务描述自动生成代码，将复杂任务分解为多个步骤并逐步推进解决方案。它可以理解并导航代码库，自动运行单元测试以确保代码更新的正确性，并根据开发者反馈自适应调整方案。来源：竹江AI导航
美团开放AI编程能力，推出零代码AI应用开发平台NoCode
美团推出零代码 AI 应用开发平台NoCode，用户无需编程经验，通过自然语言描述即可快速生成网站页面、实用工具、小游戏等应用。该平台具备自然语言编程、实时预览、局部修改及一键部署分享等功能，支持版本管理，可实时渲染页面。来源：竹江AI导航
微软 GitHub 推出 AI 编程智能体，可自动修复漏洞和优化代码
在微软 Build 大会上，GitHub 推出 AI 编程智能体，集成于GitHub Copilot中，可自动修复漏洞、添加功能和优化代码。该智能体通过启动虚拟机克隆代码仓库并分析整个代码库来完成任务，实时保存更改并在会话日志中记录决策过程。任务完成后会提醒开发者审核，开发者可留下评论，AI 会自动处理反馈。来源：IT之家
微软研究院推出 Magentic-UI，以人为中心的AI智能体开源研究原型
微软研究院发布Magentic-UI开源研究原型，这是一个以人为中心的 AI 智能体，通过网页浏览器实时协助用户完成复杂网络任务。它基于 Magentic-One 多智能体系统，由 AutoGen 框架驱动，具备协同规划、协同任务、行为防护和计划学习四大核心功能。来源：竹江AI导航
Flowith 推出Agent Neo，具备无限步骤、无限上下文、无限工具的核心能力，可执行复杂任务、处理海量信息并调用多种大模型与工具。结合知识库功能，它能快速构建数字分身或生成高质量内容。来源：竹江AI导航
清华系具身大脑公司「千诀科技」累计融资数亿规模，已在行业头部厂商落地
清华系具身智能技术公司「千诀科技」完成新一轮 Pre-A+ 轮融资，累计融资数亿元，投资方包括钧山投资、祥峰投资和石溪资本等。本轮融资将用于核心技术演进、产品标准化及产业化交付能力提升。该公司由清华大学自动化系及相关人工智能研究机构的核心成员创立，是国内唯一可对标美国 Physical Intelligence 公司的企业。来源：36氪
5月19日·周一
腾讯正式推出 AI 浏览器QBot。该浏览器融合先进的人工智能技术，为用户提供更智能、便捷的上网体验，具备智能搜索、内容推荐、语言翻译等多种功能，能根据用户的浏览习惯和偏好提供个性化服务。腾讯 AI 浏览器注重隐私保护和数据安全，为用户打造安全可靠的网络环境。来源：腾讯
B站团队开源动漫视频生成模型 AniSora，一键创建不同风格片段
B 站团队开源动漫视频生成模型AniSora。该模型可一键创建多种动漫风格视频片段，涵盖系列剧集、中国原创动画、漫画改编等。AniSora 拥有超 1000 万高质量数据，引入时空掩码模块，支持图生视频、帧插值等关键功能。其评测数据集包含 948 段多样化动画视频，人物与运动一致性均达 SOTA。来源：竹江AI导航
OpenAI 在 ChatGPT 中引入了 Codex 研究预览版。Codex是云端软件工程智能体，能并行处理多项任务，如编写功能、解答代码库问题、修复 bug 等，每个任务都在专属云沙盒环境中运行。其背后的模型 codex-1 是 OpenAI o3 的优化版本，可生成符合人类风格的代码。来源：机器之心
具身智能机器人公司魔法原子完成新一轮数亿元战略融资，投资方包括禾创致远、芯联资本等产业资本及华映资本等财务投资人。新资金将用于核心技术研发、VLA 模型搭建，以及加速机器人在工业、商业场景的落地。魔法原子旗下人形机器人“小麦”已进驻工厂产线实训，并在商场门店、会展服务、新闻传媒等场景展开实践。来源：智东西
中科紫东太初（北京）科技有限公司完成首轮数亿元融资，由中科创星领投，粤民投等多家机构跟投。该公司由中国科学院自动化研究所孵化，董事长王金桥和首席科学家徐波均为业内权威。中科紫东太初打造了紫东太初多模态大模型，其中 1.0 为全球首个千亿参数多模态大模型，3.0 能力全面对标 GPT-4o。来源：智东西
5月16日·周五
腾讯正式发布混元图像2.0模型。该模型具有实时生图、超写实画质两大特点，参数量大幅提升；借助超高压缩倍率的图像编解码器和全新扩散架构，生图速度达毫秒级，远超行业领先模型，改变了传统交互方式。其图像生成质量高，避免了 AIGC 图像的“AI 味”，真实感强、细节丰富。来源：腾讯混元
MiniMax悄悄推出manus产品，通用 AI 智能体平台MiniMax Agent
MiniMax 推出通用 AI 智能体平台MiniMax Agent，能高效便捷地处理多种任务，如生成音频、市场研究、文档验证、旅行规划、社交媒体分析、专利识别、投资策略分析以及创意内容创作等。用户仅需输入任务描述，平台便会根据任务类型提供相应解决方案。来源：竹江AI导航
问小白推出“学术搜索”功能，基于谷歌学术数据库，可检索海量权威文献。该功能搭载 DeepSeek R1/V3、Qwen3 等模型，具备智能检索能力，能将用户问题转化为中英检索词，提高检索质量。来源：问小白
Manus推出图像生成Agent功能，可调用多种工具协同工作
Manus推出图像生成 Agent 功能。用户上传家中照片后，Manus 可理解家居风格并自动在宜家网站找到匹配家具进行搭配；上传产品照片，Manus 能依据市场趋势设计新茶饮品牌，创建上市计划，制作吸引人的在线销售列表和网站。它可调用多种工具协同工作。来源：竹江AI导航
Windsurf推出专为软件工程设计的AI模型系列：SWE-1
Windsurf 发布专为软件工程设计的 AI 模型系列：SWE-1、SWE-1-lite 和 SWE-1-mini。该系列突破了现有大模型在软件工程实际需求上的局限，强调对开发流程中多种状态和上下文的感知能力（flow awareness）。其中 SWE-1 是最大、能力最强的模型，在“对话式 SWE 任务基准”和“端到端 SWE 任务基准”两项核心指标上接近行业前沿模型。来源：竹江AI导航
5月15日·周四
OpenAI 升级 ChatGPT AI 聊天机器人，GPT-4.1 编程专家模型登场
OpenAI 在ChatGPT中引入GPT-4.1模型，Pro、Plus 和 Team 用户可通过“More models”菜单立即使用，Enterprise 和 Edu 用户将在未来几周内获得权限。GPT-4.1 擅长编程任务，能精确遵循指令，避免冗长输出，相比 GPT-4o 效率更高、输出更稳定，整体性能更优。来源：IT之家
MiniMax发布TTS系统 MiniMax Speech 02，AI语音的Her Moment
稀宇科技旗下 MiniMax 团队发布基于 AR Transformer 模型的高质量 TTS 系统——MiniMax Speech 02。该系统具有强大的泛化能力，可驾驭 32 个语种、不同口音与情绪的人声；其核心创新在于内在的 Zero-Shot 能力，通过“会学习的音色提取器”与 AR Transformer 协同，实现任意语言、口音、音色的无限组合。来源：MiniMax 稀宇科技
谷歌发布AlphaEvolve：能发明新算法、改进芯片设计、解疑难数学题
DeepMind 宣布推出AlphaEvolve，这是一个基于 Gemini 驱动的进化编码智能体，用于发现和优化通用算法。AlphaEvolve 结合了大型语言模型的创造性与自动化评估器的验证能力，通过进化框架不断改进最有潜力的想法。它已优化了谷歌数据中心、芯片设计和 AI 训练流程，包括训练其自身底层的大型语言模型。来源：竹江AI导航
通义万相VACE开源。VACE 支持 480P 和 720P 分辨率，可一站式完成文生视频、图像参考生成、局部编辑与视频扩展等任务，无需频繁切换工具。其核心技术是多模态输入机制，集文本、图像、视频、Mask 和控制信号于一体，支持多种单任务能力自由组合。来源：通义大模型
5月14日·周三
阶跃星辰正式发布并开源 3D 大模型Step1X-3D，总参数量达 4.8B，由几何模块 1.3B 和纹理模块 3.5B 组成。该模型基于超 500 万原始数据筛选出的 200 万高质量样本训练，采用 3D 原生两阶段架构，解耦几何与纹理表征，可生成高保真、可控的 3D 内容。来源：阶跃星辰
Notion推出AI会议笔记AI Meeting Notes，转录+搜索+研究模式
Notion 推出 AI 会议笔记工具AI Meeting Notes，正式进入会议转录领域。该功能可转录会议内容并提供讨论要点摘要，用户还能在转录过程中做笔记。Notion 同时发布了企业搜索功能和研究模式，支持跨平台搜索及借助 AI 模型研究主题。来源：竹江AI导航
具身智能公司「星际光年」宣布完成数千万天使轮和天使+轮融资，由峰瑞资本、嘉程资本领投，云时资本、水木清华校友种子基金跟投。本轮融资将用于加速产品研发升级、扩大团队规模和推动场景落地。来源：Z Potentials
美国商务部废除拜登签署的《AI扩散规则》，并要求全球不准使用华为AI芯片
美国商务部废除拜登签署的《AI 扩散规则》，并加强对全球芯片的出口管制。该规则原定于 2025 年 5 月 15 日生效，但被认为会扼杀美国创新并损害外交关系。与此同时，美国商务部发布新规，禁止全球使用华为昇腾 AI 芯片，并警告使用美国 AI 芯片训练、干扰中国人工智能模型的潜在后果。来源：钛媒体AGI
通义千问上新Deep Research！让Qwen帮你「深入研究」一下吧
Qwen 团队推出智能助理系统 Deep Research（深入研究），已在QwenChat免费开放体验。该系统可规划复杂研究任务，结合互联网海量信息，经多步骤搜索、分析与总结，十几分钟即可生成详尽报告，并附清晰引用来源。它基于 Qwen 模型，融合多种能力，实现研究闭环。来源：通义千问Qwen
5月13日·周二
AI 智能体平台Manus宣布全面开放注册。即日起，用户无需等待即可注册，每天可免费执行一项任务并获得 300 积分，新用户还有 1000 积分的一次性奖励。Manus 推出每月 19 美元、39 美元或 199 美元的付费订阅计划，提供额外权限、功能及优先服务。来源：竹江AI导航
全球首个专业设计Agent——Lovart，一句话完成全链路设计和执行
全球首个专业设计 Agent——Lovart正式发布。它具备全链路设计和执行能力，仅需一句话即可完成从创意拆解到专业交付的整个视觉流程，单次可执行上百步，最多产出 40 张设计成品图；图像、视频、音乐可自由调度，集成多种前沿 AI 模型。Lovart 的出现，标志着 AI 在设计领域从“图像生成器”向“设计执行官”的转变。来源：竹江AI导航
昆仑万维正式开源Matrix-Game：从图像出发构建可控交互世界
昆仑万维开源Matrix-Game大模型，这是工业界首个开源的 10B+ 空间智能大模型，专为游戏世界建模的交互式世界基础模型。它由 Matrix-Game-MC 数据集、主模型和 GameWorld Score 评测体系构成，具备细粒度用户交互控制、高保真视觉与物理一致性、多场景泛化能力等优势，在 Minecraft 世界生成任务上全面超越现有开源基线模型。来源：昆仑万维集团
傲意科技近期完成近亿元 B++ 轮融资，投资方包括英飞尼迪资本等。本轮资金将用于灵巧手技术研发、新产品上市、产能建设和市场拓展。傲意科技成立于 2015 年，专注于机器人与脑科学，搭建了“机器人-AI 算法-神经接口”平台，核心产品包括 ROhand 系列灵巧手、OHand™ 智能仿生手及手指关节外骨骼产品。来源：36氪
5月12日·周一
QwenChat正式上线网页开发功能，用户只需输入一句自然语言指令，即可生成结构清晰、风格美观的网站页面代码，并支持直接预览。新功能已在 QwenChat（chat.qwen.ai）上线，用户点击对话框下方的 WebDev/网页开发即可体验。来源：通义千问Qwen
月之暗面旗下的Kimi智能助手与小红书达成合作，用户可通过小红书官方账号进入 Kimi 对话，并一键生成笔记。此次合作既是 Kimi 拓展流量的尝试，也是小红书利用 AI 提升体验的探索。来源：36氪
维基百科公布新 AI 战略：利用 AI 提升志愿者时间利用效率，而非取代人工
维基媒体基金会公布新 AI 战略，强调利用 AI 辅助百科编辑工作，提升志愿者时间利用效率，而非取代人工。该战略通过 AI 自动化繁琐任务，例如为版主和巡查员提供辅助工作流支持、提高信息可发现性、自动翻译和改编内容，以及扩大新志愿者入职培训规模。来源：IT之家
快手推出面向电商领域的 AI 作图工具Poify，帮助商家和创意工作者快速生成高质量图片内容。Poify 具备 AI 模特试衣、换背景影棚风格、局部重绘等功能，支持文生图和图生图，能生成奇幻场景。商家可上传衣服原图并设置尺寸，快速生成模特试衣图。来源：竹江AI导航
智谱清言推出新功能：智能体社区上线，并支持微信文件一键导入。用户可在清言 App 内直接上传微信文件，享受便捷的文件管理和溯源功能。智能体社区为用户打造了一个交流平台，可以轻松发帖、与创作者直接对话、分享使用心得。来源：智谱清言
ChatGPT 深度研究新增导出为 PDF 功能，可保留报告格式
ChatGPT 推出深度研究报告导出为 PDF 功能，解决了此前报告格式无法保留的问题。用户输入提示词后，ChatGPT 可独立完成多步骤研究任务并生成报告，新功能可完美保留报告原始布局，目前处于网页端测试阶段。来源：IT之家
自变量机器人近日完成数亿元 A 轮融资，由美团领投，累计融资超 10 亿元。该公司专注于通用具身大模型研发，致力于构建统一感知、规划与控制的系统架构。本轮融资将用于加速模型与机器人本体迭代，以及智慧化方案落地。来源：智能涌现
具身智能新锐「灵御智能」完成千万级种子轮融资，英诺天使基金领投
专注于具身智能技术的初创公司灵御智能，宣布完成千万级种子轮融资。本轮融资由英诺天使基金领投，水木校友种子基金和远镜创投跟投。灵御智能由清华大学自动化系团队创立，致力于推动机器人在工业制造与家庭服务等领域的广泛应用。来源：Z Potentials
字节跳动开源 8B 规模代码模型系列Seed-Coder，包含 Base、Instruct 和 Reasoning 三个版本，分别适用于代码补全、指令遵循和复杂推理任务。该模型采用“模型中心”数据处理方式，通过自身生成和筛选高质量数据，减少人工预处理工作量；其上下文长度达 32K，性能在同等规模开源模型中领先。来源：竹江AI导航
5月9日·周五
扣子空间宣布正式开放测试，无需邀请码，用户登录官网（space.coze.cn）即可使用。此次开放测试旨在让更多人体验产品。目前，扣子空间已上线三个专家 Agent：用户研究专家、华泰 A 股观察助手和舆情分析专家，可分别提供调研问卷深度分析、股票早报定制及舆情日报等服务。来源：扣子Coze
腾讯混元开源全新的多模态定制化视频生成工具 HunyuanCustom
腾讯开源多模态定制化视频生成工具 HunyuanCustom。该工具基于混元视频生成大模型打造，融合文本、图像、音频、视频等多模态输入，具备单主体视频生成、多主体视频生成、单主体视频配音、视频局部编辑等能力，生成视频与用户输入的参考主体高度一致。来源：腾讯混元
以色列创业团队 Enigma Labs 推出首个 AI 生成的多人游戏 Multiverse
以色列 Enigma Labs 团队宣布推出全球首款 AI 生成的多人游戏Multiverse。这是一款多人赛车游戏，玩家可在游戏中超车、漂移、加速，每次行动都会重塑游戏世界。开发者 Jonathan Jacobi 表示，多人游戏一直是 AI 生成世界中缺失的一块拼图，而 Multiverse 成功补齐了这一空白。Multiverse 的训练和研发成本加起来不到 1500 美元，可在个人电脑上运行。来源：机器之心
Vidu Q1 系列 API 正式开放，全球开发者与企业用户可通过调用 API 体验 Vidu Q1 模型的图生视频、首尾帧与文生视频能力。该系列模型支持更高清画质、更流畅镜头、更稳定风格，同时上线文生音频模型，支持时段自定义与音效叠加。来源：Vidu AI
字节跳动开源 Deep Research 项目 DeerFlow，助力科研全流程。DeerFlow 采用分布式系统设计，可高效处理大规模数据；其底层数据存储系统经过优化，具备强大的数据容错能力。来源：竹江AI导航
阿里开源创新大模型搜索引擎 ZeroSearch，成本直降 80%
阿里巴巴开源 ZeroSearch 大模型搜索引擎，这是一个无需与真实搜索引擎交互即可激励大模型搜索能力的强化学习框架。它基于大模型预训练知识，将其转化为检索模块，可动态控制生成内容质量。在 7 大问答数据集的综合评测中，其搜索能力超越谷歌。来源：竹江AI导航
专注轻办公场景，AR+AI眼镜品牌INAIR完成数千万元融资
AR+AI 眼镜品牌 INAIR 完成数千万元 A 轮融资，由威海创投领投，真知创投等老股东继续支持。INAIR 成立于 2022 年，聚焦轻办公场景，以 AR 眼镜为核心入口，构建一体化便携式计算终端。其自主研发的 INAIR OS 支持多屏协同、3D 内容显示及跨终端数据流转，兼容 Android 应用生态，并内建智能代理 INAIR AI Agent，提升多任务处理效率。来源：智能涌现
ChatGPT推出“深度研究”功能，可连接 GitHub。当用户提出与 GitHub 代码库相关的问题时，ChatGPT 能直接连接并分析代码、文档等，生成答案。该功能目前处于测试阶段，全球 Team 用户可用，后续将向 Plus、Pro 用户开放。来源：量子位
设计公司Figma推出多项新功能，包括基于 AI 的网站创建工具 Figma Sites、创意构思和原型设计工具 Figma Make、面向营销人员的 Figma Buzz，以及矢量编辑与插图工具 Figma Draw，帮助设计师和营销人员更高效地开展创意工作。来源：竹江AI导航
HeyGen 推出 Avatar IV 数字人模型，只需一张照片和一段脚本
HeyGen 推出 Avatar IV 数字人模型，可快速创建逼真视频。用户只需上传一张照片和一段脚本或音频，该模型便会基于音频驱动的表情引擎，分析语音的语调、节奏和情感，生成逼真的面部动作和微表情，让视频更具真实感。来源：竹江AI导航
5月8日·周四
Mistral 发布 Medium 3 大模型：兼具高性价比与易部署性
Mistral AI 推出Mistral Medium 3语言模型，兼具高性价比与易部署性。该模型性能可与大型模型相当，成本却低 8 倍，输入每百万 token 仅需 0.4 美元、输出 2 美元。它在编码和多模态理解等专业领域表现出色，支持混合或本地部署、定制后训练，以及与企业系统集成。来源：Mistral AI
灿星文化与阶跃星辰达成战略合作，共同推动人工智能与娱乐行业的深度融合。双方将整合技术与资源优势，探索 AI 为娱乐项目赋能，推动创意项目落地，开创多元化、互动性强的娱乐体验。来源：阶跃星辰
5月7日·周三
腾讯元宝文生图功能升级：混元和 DeepSeek 都支持生图
腾讯元宝宣布文生图功能升级，混元和 DeepSeek 模型均可实现生图。用户只需输入一句话，元宝即可生成高质量、复杂且富有想象力的图像。该功能结合腾讯混元最新文生图模型，已全端上线。来源：腾讯元宝
阶跃多模态再添一员：阶跃与 ACE Studio 联合开源音乐大模型 ACE-Step
阶跃星辰与 ACE Studio 联合开源音乐大模型ACE-Step（音跃）。该模型参数量 3.5B，具备快速生成、强可控性、易于拓展等特点，支持 19 种语言歌曲创作，涵盖多种音乐风格。它采用一阶段 DiT 架构与 REPA 技术，提升音频质量与生成效率；并结合 DCAE 和线性 Transformer，加速音频生成，处理更长的音频数据。来源：阶跃星辰
机器人界「Sora」来了！清华、星动纪元开源首个AIGC机器人大模型VPP
清华大学叉院 ISRLab 与星动纪元联合开源的 AIGC 生成式机器人大模型VPP入选 ICML 2025 Spotlight。VPP 利用预训练视频生成大模型，通过大量互联网视频数据训练学习人类动作，减轻对高质量机器人真机数据的依赖，能跨人形机器人本体切换，加速商业化落地。来源：北京星动纪元科技有限公司
Gemini 2.5 Pro升级版本：Gemini 2.5 Pro (I/O edition)，成编程模型新王
Google DeepMind 发布了Gemini 2.5 Pro (I/O edition)。该版本编程能力大幅提升，在 LMArena 编程排行榜和 WebDev Arena 排行榜中均名列前茅，超越了 Claude 3.7 Sonnet。用户仅需提供手绘草图和功能描述，即可生成功能完备的 Web 应用、游戏等。来源：机器之心
Amazon Nova家族最强成员——Nova Premier正式可用
亚马逊云科技宣布其 Nova 家族最强成员——Nova Premier正式上线。Nova Premier 集成于 Amazon Bedrock，支持文本、图像与视频输入，具备百万级别上下文处理能力，擅长复杂任务处理与多智能体协作。它还可作为教师模型，通过模型蒸馏优化 Nova Pro、Lite 和 Micro 等模型性能，将 API 调用准确率提升 20%。来源：亚马逊云科技
月之暗面推出 kimi-thinking-preview 模型，这是一个具备多模态推理能力和通用推理能力的多模态思考模型，擅长深度推理，可帮助解决复杂问题。该模型通过 HTTP 接口或 openai SDK 使用，响应中包含 reasoning_content 字段以展示思考过程。来源：Kimi开放平台
Recraft 完成 3000 万美元 B 轮融资，其图像生成模型曾击败 DALL-E 和 Midjourney
图像生成初创公司 Recraft 完成 3000 万美元 B 轮融资，由 Accel 领投，Khosla Ventures 和 Madrona 等参投。Recraft 总部位于美国旧金山，曾在 2024 年获得 1200 万美元 A 轮融资。其图像生成模型“red_panda”在去年的基准测试中超越了 DALL-E 和 Midjourney。来源：IT之家
最火AI编程独角兽 Cursor 母公司又融资！估值超650亿
AI 编程工具Cursor母公司 Anysphere 完成 9 亿美元融资，估值增长两倍多至 90 亿美元。本轮融资由 Thrive Capital 领投，a16z、Accel 等参投。Cursor 可帮助开发者用自然语言生成代码、查错修复等，客户包括 OpenAI、Midjourney 等知名企业。来源：智东西
5月6日·周二
OpenAI 深夜官宣大调整！奥特曼全员信：放弃营利转型，开源强大模型
OpenAI 宣布重大调整，其营利业务将转型为“公共利益公司”（PBC），由非营利组织继续掌控并成为重要股东。此举旨在确保通用人工智能（AGI）造福全人类，同时放弃复杂的“利润上限结构”，改用常规股权结构。OpenAI 将继续秉持民主化 AI 的理念，开源强大模型，让用户自由使用工具，推动 AI 在健康、教育、公共服务等领域产生积极影响。来源：APPSO
OpenAI史上最大收购敲定！同意以约30亿美元收购WindSurf
据彭博社消息，OpenAI 已同意以约 30 亿美元收购 AI 编程创企WindSurf（前身为 Codeium），这是 OpenAI 迄今最大规模的收购案。WindSurf 成立于 2021 年，由麻省理工学院工程师团队创立，专注于 AI 编程工具开发。来源：智东西
Midjourney推出Omni-Reference全能参考功能，AI绘图实现精准控制
Midjourney 推出Omni-Reference全能参考功能，标志着 AI 绘图进入精准控制新时代。Omni-Reference 可将指定元素加入图像，支持风格化及个性化定制等功能。用户通过网页端拖拽图片或在 Discord 端输入参数即可使用，并可调节权重系数以控制参考图的严格程度。来源：竹江AI导航
微软发布 Phi-4 系列小语言 AI 推理模型Phi-4-reasoning
微软推出 Phi-4 推理模型系列，包括Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning。该系列模型参数最多仅 14B，能在本地高性能笔记本上流畅运行。其中，3.8B 参数的 Phi-4-mini-reasoning 在数学推理上超越了 8B 的 DeepSeek-R1 蒸馏模型，展现出小模型强大的推理能力。来源：新智元
基于科学基础大模型的智能科研平台ScienceOne正式发布，为科研打造AI底座
中国科学院自动化研究所在第八届数字中国建设峰会上发布了基于科学基础大模型的智能科研平台ScienceOne。该平台由自动化所联合多个中科院单位及产业化平台共同研发，旨在推动多学科协同的智能科研新范式。ScienceOne 首发了 S1-Literature 文献助手和 S1-ToolChain 科学工具调度台两款产品，分别用于文献综述生成与科研任务的工具调度。来源：中国科学院自动化研究所
通义千问Qwen推出Qwen2.5-Omni-3B模型，尺寸更小，性能依旧
Qwen2.5-Omni-3B模型正式发布。它是 Qwen2.5-Omni-7B 的轻量级版本：在长上下文序列处理（约 25k tokens）中，3B 版本显存消耗减少超 50%，可在普通 24GB 消费级 GPU 上支持长达 30 秒的音视频交互。尽管尺寸更小，3B 版本仍保留了 7B 模型 90% 以上的多模态理解能力，语音输出的自然度与稳定性也与 7B 版本一致。来源：通义千问Qwen
DeepSeek开源Prover-V2强推理模型，奥数解题不再难
DeepSeek 开源Prover-V2强推理模型，专注于数学定理证明。该模型分为 7B 和 671B 两个版本，其中 671B 版本基于 DeepSeek-V3-Base 训练而成，7B 版本支持最长 32K tokens 的上下文长度扩展。Prover-V2 通过递归定理证明流程生成冷启动数据，结合强化学习提升性能，在 MiniF2F 测试中达到 88.9% 的通过率。来源：机器之心
快手旗下轻雀科技推出“喵记多”AI 笔记工具。用户可将碎片化的文字、图片、文件发送给内置 AI“喵仔”，将其转为笔记，并支持二次编辑和删除；若发送网页超链接，喵仔会自动爬取内容生成笔记。App 还具备“提醒待办”功能，用户可通过特定指令创建和查看待办事项。来源：竹江AI导航
4月30日·周三
智谱清言宣布推出多项新功能，包括视频通话形象升级、定时提醒与邮件订阅功能、清影新版操作界面，以及 AutoGLM 沉思网页版上线。视频通话新增数字形象和自然动作表情；定时提醒功能可自动生成内容并通过 App 或邮件发送；AutoGLM 沉思网页版新增 Edge 浏览器支持，优化了多端体验。来源：智谱清言
小米首个推理大模型开源 Xiaomi MiMo：为“Reasoning”而生！
小米开源首个推理大模型「Xiaomi MiMo」。该模型专注于提升推理能力，通过联动预训练和后训练，在数学推理和代码竞赛公开测评集中，仅用 7B 参数规模就超越了 OpenAI 的 o1-mini 和阿里的 QwQ-32B-Preview。MiMo 在强化学习潜力上显著领先，采用三阶段预训练和创新的后训练算法，并设计了 Seamless Rollout 系统加速训练。来源：Xiaomi MiMo
Meta 推出独立 AI 助手应用，融合社交元素挑战 ChatGPT
Meta 发布独立 AI 助手应用“Meta AI”，正面挑战 ChatGPT。该应用具备文字输入、语音对话、图像生成和实时搜索功能；其最大创新是“发现”信息流，用户可查看并互动其他用户分享的 AI 交互内容。语音模式基于“全双工”AI 模型，对话感更强，目前已在美国、加拿大、澳大利亚和新西兰上线。来源：IT之家
4月29日·周二
阿里通义发布国内首个“混合推理模型” Qwen3 ：支持两种思考模式
Qwen 团队发布最新大型语言模型Qwen3，开源 8 款混合推理模型，包括两款 MoE 模型（Qwen3-235B-A22B 和 Qwen3-30B-A3B）和六个 Dense 模型（Qwen3-32B 至 Qwen3-0.6B）。旗舰模型 Qwen3-235B-A22B 在代码、数学和通用能力测试中表现优异，与顶级模型 DeepSeek-R1 等相当。Qwen3 支持 119 种语言和方言，具备思考模式和非思考模式，可灵活切换推理深度和响应速度。来源：通义千问Qwen
豆包视频生成功能升级，在语义理解、影调画质、风格类型及动作连贯性等方面均有显著提升，并支持更多样化的风格，包括彩铅、积木、黑白素描、像素和 3D 动画风格。用户可通过豆包 App 的“照片动起来”功能，或在电脑版及网页版选择“视频生成”，输入文字或上传参考图免费体验。来源：豆包
中国气象局在第八届数字中国建设峰会·数字气象分论坛上，首次推介全球首个全链式空间天气大模型“风宇”。该模型由国家卫星气象中心牵头，联合南昌大学和华为研发，已完成太阳风、磁层和电离层的全链式耦合训练，突破了传统模型的技术瓶颈，实现了智能化技术突破。来源：中国气象局
通义灵码宣布正式上线Qwen3模型。Qwen3 在代码、数学、通用能力等基准测试中表现出色，支持思考模式和非思考模式，适配复杂与简单问题。目前，Qwen3 已可在 VSCode、Visual Studio、JetBrains IDEs 等主流 IDE 的灵码插件中体验。来源：通义灵码
马斯克称下周推出 Grok 3.5：首个能准确回答有关火箭发动机问题的 AI
马斯克在社交平台上宣布，下周将向 SuperGrok 订阅者发布 Grok 3.5 早期测试版。马斯克称，Grok 3.5 是首个能准确回答有关火箭发动机或电化学技术问题的人工智能，能基于第一原理进行推理，得出互联网上不存在的答案。来源：IT之家
OpenAI 发布 ChatGPT 多项功能更新，新增购物功能以优化用户体验。用户可在 ChatGPT 中获得优化的产品推荐，查看产品介绍、实时价格和用户评价，并直接点击链接完成购买。官方强调商品搜索结果保持独立客观，并非广告植入。此外，ChatGPT 的引用功能也得到改进，可引用多个来源并高亮显示。来源：APPSO
4月28日·周一
讯飞星火智能体中心正式升级为讯飞星辰Agent开发平台。它通过全开放的模型与工具架构，提供全生态模型兼容、16000+ MCP 插件“开箱即用”及行业模板秒级复用等功能，极大简化 Agent 应用的构建。平台支持全链路效果深度定制，助力开发者实现 Agent 应用的可靠落地。来源：讯飞开放平台
Kimi 与财新传媒达成合作，为你提供更专业、可信的财经内容
月之暗面科技旗下的人工智能助手Kimi与财新传媒正式达成内容合作，为用户提供更专业、可信的财经信息。Kimi 将结合财新传媒的优质报道，生成高质量的财经内容。Kimi 还上线了专业信源蓝 V 徽章，帮助用户识别和访问权威信源。双方的合作既提升了 AI 搜索的新闻质量，也推动了优质内容的进一步传播。来源：月之暗面 Kimi
清华大学成立人工智能医院，并举行 2025 年医学院全体教职工大会。校长李路明强调，该校将利用人工智能领域的技术优势，推动医学学科建设。人工智能医院将依托北京清华长庚医院试运行，以全科医学科和多个专科为试点，构建“AI+医疗+教育+科研”生态闭环，旨在提高医疗服务效率和患者满意度、降低运营成本，并培养“AI 协同型医生”。来源：清华大学
马斯克旗下的 xAI 控股公司正在洽谈新一轮 200 亿美元融资，若成功，将成为史上第二大创企融资轮，公司估值将超过 1200 亿美元。xAI 控股由 xAI 与社交媒体平台 X（前身为推特）合并而成，合并后估值达 1130 亿美元。此次融资旨在减轻 X 平台的债务负担，同时推动 xAI 生态建设。来源：智东西
4月27日·周日
清华系智谱（Z.ai）与生数科技宣布达成战略合作，聚焦大模型联合创新。其中智谱在大语言模型领域技术领先，生数则专注于多模态通用大模型。双方将在联合研发、产品联动、解决方案整合及行业协同等多方面展开合作，重点聚焦政企服务、泛互联网、文化旅游等垂直领域，推动国产大模型技术创新与产业落地，助力行业生态发展。来源：智谱
夸克AI超级框发布全新 AI 相机功能。通过拍照即可解决多种问题，涵盖旅行、生活、健康、工作学习等多个场景：旅行时可识别景点、翻译菜单；生活中能解决电脑蓝屏、电器故障等问题；工作学习中可补全合同信息、分析图表数据。夸克 AI 相机将相机功能与智能助手结合，为用户提供便捷高效的解决方案。来源：阿里巴巴
阶跃星辰开源图像编辑模型 Step1X-Edit：人人都能用的“改图大师”
阶跃星辰正式开源图像编辑大模型Step1X-Edit，总参数量达 19B，融合了 7B 多模态大语言模型（MLLM）和 12B 扩散模型（DiT）。该模型具备语义精准解析、身份一致性保持和高精度区域级控制三大核心能力，支持 11 类高频图像编辑任务，如文字替换、风格迁移、材质变换等。来源：阶跃星辰
Devin 团队推出 DeepWiki ，GitHub 代码仓库的智能阅读助手
Devin 团队 Cognition Labs 推出 DeepWiki AI 工具，为 GitHub 项目提供 AI 生成的高质量文档。用户只需将 GitHub 链接中的“github.com”替换为“deepwiki.com”，即可访问自动生成的项目文档。DeepWiki 能深入分析代码库的全局结构，生成清晰的架构图和接口文档。来源：竹江AI导航
Kimi开源音频基础模型Kimi-Audio，多项基准测试夺冠
Kimi 团队发布Kimi-Audio开源音频基础模型。该模型在语音识别、音频理解、音频转文本、语音对话等多任务上表现出色，横扫十多项基准测试，总体性能排名第一。在 LibriSpeech ASR 测试中，Kimi-Audio 的词错误率仅为 1.28%，显著优于其他模型。来源：竹江AI导航
文心快码Coding智能体Zulu正式发布：国内首个多模态AI程序员正式上岗
百度在 Create AI 开发者大会上发布文心快码 Coding 智能体 Zulu，这是国内首个多模态 AI 程序员。Zulu 支持多模态交互，可上传图片一键生成代码，具备自动搭建开发环境、启动服务等功能，适配主流 IDE，并能实现代码效果实时预览。来源：文心快码 Baidu Comate
4月25日·周五
Manus 母公司蝴蝶效应融资 7500 万美元，估值暴涨 5 倍
Manus AI 完成了一轮 7500 万美元（约合 5.46 亿人民币）融资，由硅谷风投公司 Benchmark 领投，估值飙升至近 5 亿美元（约合 36.44 亿人民币），较之前增长约五倍。本轮融资将助力 Manus 拓展美国、日本和中东等海外市场。来源：APPSO
Create2025百度AI开发者大会发布文心4.5Turbo、X1Turbo和多款AI应用
百度在 Create 2025 开发者大会上发布文心大模型4.5 Turbo和X1 Turbo，以及多款 AI 应用，包括高说服力数字人、通用多智能体协作 APP“心响”等。其中文心 4.5 Turbo 速度更快，成本降低 80%；X1 Turbo 性能提升，成本再降 50%。大会还推出内容操作系统“沧舟OS”和 AI 笔记功能，助力内容创作与学习。来源：百度
OpenAI推出「轻量级」Deep Research，免费用户也能薅羊毛
OpenAI 推出轻量级Deep Research版本，免费用户也可使用。该版本基于 o4-mini 模型支持，响应更简短，但仍保持深度与质量。免费版每月提供 5 个轻量任务额度，Plus & Team 版每月提供 10 个原始版和 15 个轻量版额度，Pro 版每月提供 125 个原始版和 125 个轻量版额度。用户达到查询限制后，系统会自动切换至轻量级版本。来源：机器之心
长桥发布行业首个券商 MCP，让 AI 直接执行投资分析及证券交易
长桥集团发布证券行业首个券商 MCP（Model Context Protocol）服务——LongPort MCP。该服务通过标准化协议，使 AI Agent 能快速调用证券行情数据、执行股票交易和管理资产组合等核心金融服务。LongPort MCP 具备智能投资顾问、账户管理助手和实时风险监控三大核心能力，支持开箱即用，显著降低了专业投资者使用券商 API 的门槛。来源：Longbridge长桥
4月24日·周四
智谱BigModel开放平台宣布进入“亿”时代，推出多款高性价比模型：GLM-4-FlashX 每亿 tokens 仅 10 元；GLM-Z1-Air 每亿 tokens 仅 50 元，GLM-Z1-AirX 每亿 tokens 仅 500 元；GLM-4-Plus 降价 90%，每亿 tokens 仅 500 元，较行业价格低 92%。智谱希望通过此次调价，以低成本的高精度模型赋能更多企业和开发者。来源：智谱
OpenAI 发布全新图像模型GPT-image-1，通过 API 向全球开发者开放。该模型支持高级定制功能，包括控制生成图像的敏感度、效率、背景、输出格式、渲染质量和压缩质量等，并支持吉卜力模式。Adobe、Figma、HeyGen、Wix 等知名企业已将其集成到产品中。来源：竹江AI导航
阶跃星辰与原力灵机正式签署战略合作协议，推动通用人工智能（AGI）在物理世界的落地应用。双方将围绕具身大模型算法研发、多模态数据闭环与机器人场景应用展开深度协同，计划共建联合实验室，加速技术迭代与商业化验证，为机器人赋予更接近人类的认知与行动能力，推动具身智能产业发展。来源：阶跃星辰
4月23日·周三
Kortix 正式发布全球首个开源的通用型 AI Agent ：Suna
全球首个开源的通用型 AI Agent Suna 正式发布。Suna 能像人类一样学习、推理和适应，通过自然对话帮助用户完成多种现实任务。它具备浏览器自动化、文件管理、网络爬虫、命令行执行、网站部署及 API 集成等强大功能，可支持 20 个用户场景，如竞争对手分析、风投清单生成、保险政策查询、候选人搜索、报告撰写等。来源：竹江AI导航
腾讯推出的 AI 阅读助手“企鹅读伴” 正式上线，科技与趣味并存
腾讯推出 AI 阅读助手“企鹅读伴”，由腾讯混元大模型和腾讯元器平台提供技术支持，腾讯 SSV 数字支教实验室主导研发，为中小学生打造科技感与趣味性并存的阅读体验。它通过 AI 技术实现精准推荐、数字人互动、角色扮演等功能，激发学生阅读兴趣，培养深度阅读能力。来源：腾讯混元
混元3D生成模型全新升级：建模精细度大幅提升，免费生成额度翻倍
腾讯混元 3D 生成模型发布混元3D 2.5版本，建模精细度大幅提升，几何细节更丰富，有效几何分辨率从标清升级到高清。该模型架构全面升级，参数量从 1B 提升至 10B，面片数增加超 10 倍。免费生成额度为每天 20 次，混元 3D 生成 API 也正式上线腾讯云。来源：腾讯混元
Character.AI 推出 AvatarFX 视频生成模型：让图片角色开口说话
Character.AI 公司推出AvatarFX模型，可让静态图片中的人物“开口说话”。用户上传图片并选择声音后，即可生成具有情感表达、会说话、会移动的形象。该模型基于“SOTA DiT-based diffusion video generation model”技术，具备高保真、时间一致性，在多角色、长序列对话中也能保持稳定。来源：IT之家
字节跳动 AI 产品部门 Flow 近期进行产品调整：社交陪伴类 AI 产品猫箱原负责人梁琛奇离职，由星绘产品负责人西原接任；同时，星绘团队计划并入豆包，由豆包 App 端负责人陆游管理。字节跳动希望通过这些调整，在大模型时代继续追求高速增长。来源：晚点LatePost
4月22日·周二
智能无限，协作无间｜你的专属AI工程师 Trae 全新登场！
Trae 发布全新版本 The Real AI Engineer。Trae通过革新协作模式，将 AI 与开发者的互动从 30% 的辅助提升至更高水平：开发者仅需在对话框中 @ 召唤 agent 并提供上下文，AI 即可快速响应，让复杂任务变得像聊天一样简单。Trae 还打造开放的智能体生态，用户可自由配置智能体体系，灵活定义工具、技能和任务逻辑，构建专属 AI 团队。来源：The Real AI Engineer
登榜！Vidu Q1全球文生视频第一、图生视频榜单双专项第一
Vidu Q1在海外权威视频生成评测榜单 VBench Leaderboard 中，分别以 87.41% 和 60.98% 的成绩登顶 VBench-1.0 和 VBench-2.0 文生视频榜首，超越 Runway、Sora、LumaAI 等模型；在 VBench-2.0 的常识推理与物理规律理解两个维度中均获第一。在国内 SuperCLUE 图生视频专项榜单中，它以动漫风格 63.52、写实风格 67.78 的高分拿下双榜单第一。来源：Vidu AI
百度开发者大会发布移动端通用 Agent 产品「心响」。该产品以“AI 任务完成引擎”为核心，通过自然语言交互帮助用户实现复杂任务拆解、动态执行与可视化结果交付，支持用户提出任何问题并获取答案。它具备定时触发任务、基于百度地图优化旅游规划以及智能图表可视化交互等亮点功能。来源：竹江AI导航
中国电信宣布天翼AI开放平台正式上线，面向公众开放。个人用户可使用中国电信自研星辰大模型的问答助手、超大表格分析、星辰慧笔、多方言识别、文生图等功能；政府和企业用户则可体验大模型开发、AI 中台、数据中台等开发平台能力，以及智能应用、大数据等近 30 款核心产品，满足政务、金融、工业等场景需求。来源：竹江AI导航
行业首款！智元发布具身智能一站式开发平台Genie Studio
智元机器人发布行业首款具身智能一站式开发平台Genie Studio。该平台具备数据采集、模型训练、仿真评测、模型推理的全链路能力，可高效采集海量数据，单机单日产能达 1000 条，支持多本体、多末端设备管理与数据采集；并提供“一键真机部署”能力，推理性能提升 2-3 倍，助力具身智能规模化落地。来源：智元机器人
具身智能资本盛宴：3个月37笔融资，北上深争锋BAT下场，人形机器人最火
2025 年第一季度，国内人形机器人赛道迎来资本热潮，共完成 37 笔融资，涉及 33 家企业，总金额约 35 亿元。其中 11 家企业获得过亿元融资，它石智航以 1.2 亿美元天使轮融资位居榜首。融资企业多集中于北京、深圳、长三角地区，以 2023 年和 2024 年成立的初创企业为主，融资轮次多为天使轮和 Pre-A 轮，投资方包括腾讯、百度、阿里巴巴等。来源：智东西
“未来智能” 获数千万元融资，启明创投与上海国投孚腾资本领投
AI 耳机公司未来智能完成数千万元人民币 Pre A+ 轮融资，由启明创投与上海国投孚腾资本联合领投。未来智能成立于 2021 年，孵化自科大讯飞 AI 耳机业务，主要产品为服务办公、会议场景的 AI 耳机，具备录音转写、同传听译等功能。公司计划将本轮融资用于拓展海外市场及研发新产品形态，今年将进入北美、日本、欧洲等市场。来源：晚点LatePost
4月21日·周一
扣子空间正式上线开启内测，字节跳动首个通用型AI Agent
扣子空间（Coze Space）——字节跳动首个通用型 AI Agent 平台正式开启内测。用户与 AI Agent 协同办公时，可选择精通多技能的通用实习生或各行业的“领域专家”来完成任务。该平台能自动分析需求并拆解任务、自主调用工具输出完整报告，由专家 Agent 生态提供专业服务，通过探索/规划双模式协作完成高难度任务，并以 MCP 扩展集成拓展 Agent 的能力边界。来源：竹江AI导航
生数科技正式上线Vidu Q1高可控视频大模型，四大核心能力全面升级
生数科技正式上线Vidu Q1，四大核心能力全面升级：画质细节全面提升，出片更清晰、更具质感；首尾帧衔接更顺滑，镜头语言更具电影感；一句话生成专属音效，支持时段自定义和音效叠加；动漫风格再度升级，稳定流畅、更具表现力。来源：竹江AI导航
深圳大学人工智能学院正式揭牌成立，打造本硕博一体化 AI 人才培养体系
深圳大学人工智能学院正式揭牌成立。学院致力于构建本硕博一体化的人工智能专业体系，学科方向涵盖人工智能基础理论、具身智能等前沿领域。学院拥有强大的教研团队，包括 2 位中国科学院院士、1 位日本工程院院士、5 位国家级人才等约 80 人，秉持“厚基础、重交叉、国际化”的理念，着重提升学生的“四维能力”。来源：IT之家
讯飞星火X1深度推理大模型迎来全新升级，在数学、代码、逻辑推理、文本生成、语言理解等通用任务上效果显著提升，整体性能对标 OpenAI o1 和 DeepSeek R1。此次升级融入更多复杂类型数据，增强了模型泛化性，在教育、医疗、司法等行业任务中表现领先。同时开放 API 服务与模型微调服务，助力开发者快速集成。来源：讯飞开放平台
SkyReels-V2开源：突破视频生成技术边界，开启无限时长电影生成新时代
昆仑万维 SkyReels 团队发布并开源SkyReels-V2，这是全球首个使用扩散强迫框架的无限时长电影生成模型。该模型结合多模态大语言模型、多阶段预训练、强化学习和扩散强迫框架，实现了高运动质量、高一致性和高保真视频的生成，支持 30 秒以上视频输出。来源：昆仑万维集团
飞猪旅行推出“AI问一问”功能，这是一个多智能体驱动的 AI 旅行助手。用户通过文字、语音或方言输入旅行需求，如时间、目的地、预算等，“问一问”即可快速生成包含机票、酒店、景点路线的完整方案，并实时同步价格与房态信息，方便用户直接预订。它支持预算调节、实时位置推荐及多模态交互，能为用户提供个性化旅行建议。来源：飞猪
4月18日·周五
智谱完成北京市人工智能产业投资基金追加投资，Z基金出资3亿支持全球开源社区
北京市人工智能产业投资基金宣布追加投资智谱（Z.ai）2 亿元人民币，支持其开源模型研发与开源社区生态建设。智谱是该基金投资的第一家 AI 大模型企业，在文本、推理、语音、图像、视频、代码等多领域有深厚积累。智谱 Z 基金出资 3 亿元支持全球 AI 开源社区发展，推动 AI 普惠，助力北京打造“全球开源之都”。来源：智谱
腾讯混元开源定制化图像生成插件InstantCharacter，“一张图一句话”搞定角色生成
腾讯混元宣布开源定制化图像生成插件InstantCharacter，与开源文生图模型 Flux 实现兼容。该插件通过一张图加一句话，即可让角色以特定姿势出现在不同场景，解决了角色一致性难题，具有高画质、高精度和灵活文本编辑性，适用于连环画、影片创作等场景。来源：腾讯混元
阿里通义万相宣布开源业界首个百亿参数规模的“首尾帧生视频模型”，参数量达 14B。该模型可根据用户指定的开始和结束图片，生成衔接首尾画面的 720p 高清视频，满足更可控、定制化的视频生成需求。来源：通义大模型
智平方发布全新一代智能机器人AlphaBot 2，开启AGI终端新时代
智平方科技在深圳发布新一代通用智能机器人 AlphaBot 2，标志着 AGI 终端新时代的到来。AlphaBot 2 搭载全栈自研的全域全身 VLA 大模型 Alpha Brain，具备卓越的空间智能和学习能力，无需训练即可完成多种任务。其硬件架构支持 360° 全空间探测感知和全身自由度操作，续航能力强。来源：智平方科技
4月17日·周四
OpenAI 推出最强推理模型 o3 和 o4-mini，支持“图像思考”与多模态推理
OpenAI 推出了最新的满血版o3 和 o4-mini 模型，这是目前最智能的版本，具备全面的工具访问能力。其中 o3 是功能最强大的推理模型，擅长编程、数学、科学和视觉感知等多领域任务，在视觉任务上表现出色，能分析图像、图表等，在复杂查询中提供精准答案；o4-mini 则以快速、高效的推理能力著称，适合高吞吐量任务。来源：竹江AI导航
字节跳动正式发布豆包1.5深度思考模型，文生图模型升级至3.0
字节跳动在火山引擎 AI 创新巡展杭州站发布豆包1.5深度思考模型。该模型采用 MoE 架构，总参数 200B，激活参数 20B，推理成本优势显著，在数学、编程、科学推理及创意写作等领域表现出色；结合视觉理解技术，可实现地貌分析、辅助点餐等功能。来源：竹江AI导航
再创开源多模态大模型性能标杆，书生·万象3.0升级发布，创新预训练方法
上海人工智能实验室开源升级了通用多模态大模型书生·万象 3.0（InternVL3）。该模型采用创新的多模态预训练方法，将语言和多模态学习整合于同一预训练阶段，显著提升了多模态基础能力。在 10 亿至 780 亿参数的全量级版本中，InternVL3 在开源模型性能上位列第一，接近闭源模型 Gemini-2.5-Pro。来源：上海人工智能实验室
消息称 OpenAI 考虑以 30 亿美元收购人工智能编程工具 Windsurf
OpenAI 正在考虑以约 30 亿美元收购人工智能编程工具 Windsurf（原名 Codeium）。若收购成功，将是 OpenAI 有史以来最大的一笔交易，可增强其在 AI 编程助手市场的竞争力。Windsurf 专注于根据自然语言提示编写代码，此前曾计划按 30 亿美元估值融资。来源：IT之家
Anthropic官方推出了两个重磅新功能：Research 与 Google Workspace 集成
Anthropic 公司旗下的Claude推出两大新功能：Research 和与 Google Workspace 集成。其中 Research 功能可快速检索网络与内部文件，精准回答复杂问题；Google Workspace 集成则让用户能无缝调用 Gmail、日历和文档信息，轻松完成任务。来源：新智元
4月16日·周三
微信首个 AI 助手“元宝”正式上线。用户可通过微信搜索或扫描二维码将其添加为联系人。“元宝”搭载腾讯混元大模型和 DeepSeek 双模引擎，支持聊天、答题、文件解析（100M 以内）、公众号文章解读及图片识别等功能，暂不支持语音/视频通话、群聊、修改昵称、红包转账等。来源：APPSO
国际版 Trae IDE 正式支持 Gemini 2.5 Pro 和 GPT-4.1
Trae IDE 宣布正式支持 Gemini 2.5 Pro 和 GPT-4.1 模型，增强了内置模型功能。用户现在可在国际版Trae IDE 中直接使用，提升开发效率和创新能力。来源：竹江AI导航
谷歌 Veo 2 视频生成模型入驻 Gemini，可创建 8 秒 720p 视频
谷歌宣布将旗下 Veo 2 视频生成 AI 模型引入 Gemini Advanced，用户可创建 8 秒、720p 分辨率、16:9 宽高比的视频片段，并通过 Gemini 将视频上传至 TikTok、YouTube 等平台。Veo 2 生成的视频可下载为带有谷歌 SynthID 水印的 MP4 文件。此外，Veo 2 还整合至 Google Labs 的 Whisk 功能中，可将图片转化为 8 秒视频。来源：IT之家
xAI 旗下Grok 推出 Grok Studio 功能：可 AI 编辑创建文档、代码、报告等
xAI 旗下 Grok 宣布推出Grok Studio功能，支持用户编辑和创建文档、代码、报告，以及简单的浏览器游戏。Grok Studio 可在独立窗口中打开内容，用户可与 Grok 实时协作完善项目。该功能免费和付费用户均可使用，支持预览 HTML 片段并运行 Python、C++ 和 JavaScript 等代码。来源：竹江AI导航
OpenAI ChatGPT 上线图库功能，更轻松管理 AI 生成图片
OpenAI 宣布 ChatGPT 上线 Image Library 图库功能，帮助用户更便捷地管理和查看 AI 生成的图像。该功能已向所有 Free、Plus 和 Pro 用户开放，覆盖移动端和网页端。来源：IT之家
AI 音乐商用创作平台Mureka火爆海外，正式开放国内登陆入口和API
昆仑万维集团旗下的 AI 音乐商用创作平台 Mureka 正式开放国内登录入口和 API。Mureka 自 2024 年上线以来，在全球范围内收获极高人气，支持纯音乐及 10 种语言的音乐创作。其中 Mureka V6 是基座模型，Mureka O1 是推理优化版本，可提升音乐品质和创作效率。来源：昆仑万维集团
中国第一家启动IPO的“大模型六虎”来袭！智谱融资超160亿，美国OpenAI也将IPO
智谱 AI 启动 IPO 上市流程，成为中国第一家进入 IPO 阶段的“大模型六虎”公司。智谱 AI 成立于 2019 年，由清华大学计算机系技术转化而来，目前累计融资超 160 亿元，投后估值超 200 亿元。来源：钛媒体AGI
4月15日·周二
快手发布可灵 2.0 视频生成模型及可图 2.0 图像生成模型，国产AI视频新突破
快手可灵 AI 正式发布可灵2.0视频生成模型。可灵 AI 2.0 在模型层面迎来重大更新，画面美学、语义响应和动态质量大幅提升；新增“多模态编辑”功能，支持在视频基础上输入图片/文字进行精准修改和再创作。可图 2.0 则新增“图片编辑”及“风格转绘”功能，并具备 AI 音效生成能力，可根据影像内容和文字 prompt 生成适配音效。来源：竹江AI导航
OpenAI发布GPT-4.1系列模型：编码、指令遵循和长文本处理能力大幅提升
OpenAI 推出新一代 GPT 模型GPT-4.1系列，包括 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano。该系列在编码、指令遵循和长文本处理方面大幅领先于 GPT-4o，支持高达 100 万 tokens 的上下文窗口，知识截止日期更新至 2024 年 6 月。其中 GPT-4.1 mini 在性能和成本上均优于 GPT-4o；GPT-4.1 nano 是最快、最便宜的模型，适合分类和自动补全任务。来源：竹江AI导航
魔搭上线最大MCP中文社区，独家首发支付宝、MiniMax等MCP
阿里云旗下的 AI 开源社区魔搭（ModelScope）推出全新 MCP 广场，上架千余款热门 MCP 服务，并独家首发支付宝、MiniMax 等全新 MCP 服务。其中支付宝 MCP 服务是国内首款聚焦 AI 智能体支付场景的服务，可实现交易创建、查询、退款等功能；MiniMax MCP服务器则封装了语音生成、语音克隆、图片生成及视频生成等多模态能力。来源：阿里云
智谱启用全新域名“z.ai”，整合 32B 基座、推理、沉思三类模型，作为最新模型的交互体验入口。其中基座模型和推理模型已上线智谱 MaaS 平台，提供 API 服务，部分版本免费。智谱同时宣布开源 32B/9B 系列 GLM 模型，涵盖基座、推理、沉思模型，均采用 MIT 许可协议，可免费用于商业用途。来源：智谱
MiniMax MCP Server 上线：多模态能力，一键触达
MiniMax 稀宇科技宣布其 MiniMax MCP Server 正式上线。该服务器通过简单文本输入即可调用视频、图像、语音生成及声音克隆等多项多模态能力，兼容 Claude Desktop、Cursor、Windsurf 和 OpenAI Agents 等主流 MCP 客户端。来源：MiniMax 稀宇科技
Hugging Face 收购 Pollen Robotics，进军人形机器人市场
人工智能开发平台Hugging Face收购法国人形机器人初创公司 Pollen Robotics。此次收购标志着 Hugging Face 在机器人领域的拓展，双方此前已合作打造开源家务机器人“Le Robot”。Hugging Face 还成立了由曾在特斯拉 Optimus 项目任职的雷米・卡德内领导的机器人团队，计划销售 Pollen 的人形机器人 Reachy 2，并开放代码供开发者改进。来源：IT之家
4月14日·周一
字节跳动最新思考模型，Seed-Thinking-v1.5技术细节公开
字节跳动 Seed 团队发布Seed-Thinking-v1.5智能推理模型技术报告。该模型采用 200B 参数、20B 激活参数的 MoE 架构，推理成本低，在数学、编程、科学推理等专业领域及创意写作等通用任务中表现突出，接近业界第一梯队水平。4 月 17 日，该模型将通过火山引擎开放接口供用户体验。来源：豆包大模型团队
《晚点 LatePost》发文称，阿里巴巴在 AI 领域投入坚决、布局全面且率先盈利。过去几年阿里历经低谷，2025 年凭借 AI 技术股价涨幅超 75%；阿里云与宝马、中移动等达成合作，云谷园区接待爆满。阿里已明确 AI 战略，未来三年将投入 3800 亿元建设云和 AI 基础设施；通义大模型位列全球第一梯队，夸克升级为“AI 超级框”，钉钉回归助力 AI 应用。来源：晚点LatePost
云鲸再获1亿美金融资，腾讯、北京机器人基金领投，重押具身智能，迈向Pre-IPO
家庭清洁服务机器人公司云鲸智能近日完成 1 亿美金融资，由腾讯投资、北京机器人产业发展投资基金联合领投，科幻基金与明势创投跟投。资金将用于具身智能产品研发、全球市场扩张及多品类战略布局。云鲸已启动 Pre-IPO 轮融资，进入上市冲刺阶段。来源：36氪
昆仑万维推出Skywork-OR1系列模型，同规模下性能超越阿里QwQ-32B，对齐DeepSeek-R1
昆仑万维天工团队推出全新升级的Skywork-OR1系列模型，包括 7B 和 32B 版本，聚焦数学和代码推理能力。该系列模型在同等参数规模下性能超越阿里 QwQ-32B，接近 DeepSeek-R1。Skywork-OR1 系列全面开源，涵盖模型权重、训练数据集和完整代码；团队采用多阶段 GRPO 训练，优化数据过滤和训练流程，显著提升了模型推理性能。来源：昆仑万维集团
OPPO 推出的小布助手网页版上线，登录 OPPO 账号可同步手机端历史对话记录
OPPO小布助手网页版正式上线。该网页版接入满血版 DeepSeek，支持联网搜索和结果导出功能；登录 OPPO 账号后，还可同步手机端历史对话记录。来源：竹江AI导航
OpenAI 宣布 ChatGPT 自 4 月 30 日起停用 GPT-4 模型，全面升级至 4o 版本
OpenAI 宣布，自 2025 年 4 月 30 日起，将让 GPT-4 在ChatGPT中退役，全面启用GPT-4o。GPT-4o 在能力、一致性和创造力上更胜一筹。GPT-4 退出 ChatGPT 后，开发者仍可通过 API 调用。来源：APPSO
4月11日·周五
OpenAI宣布ChatGPT新功能，新增长期记忆功能，可以记住过去所有的聊天记录
OpenAI 宣布ChatGPT推出新功能，能引用过去所有聊天记录，为用户提供更加个性化的体验。这标志着 LLM 交互范式从偶发性互动向持续性互动转变，使 ChatGPT 更像私人助理。新功能已向 Plus 和 Pro 用户开放，用户可与 ChatGPT 进行更深入的互动。来源：量子位
傅利叶发布首款开源人形机器人 Fourier N1，加速行业生态共建
通用机器人公司傅利叶在上海发布首款开源人形机器人Fourier N1。该机器人身高 1.3 米，体重 38 公斤，拥有 23 个自由度，采用铝合金与工程塑料复合结构，续航可达 2 小时以上，最高奔跑速度 3.5 米/秒。作为傅利叶“Nexus 开源生态矩阵”的首个项目，N1 同步开放了涵盖物料清单、设计图纸、装配指南、基础操作软件等完整本体资源包。来源：傅利叶
商汤发布「日日新SenseNova V6」大模型，助力机器人具身智能升级
商汤发布新一代多模态大模型「日日新SenseNova V6」，参数达 6000 亿，采用混合专家架构，实现多模态长思维链、强化学习与全局记忆融合，推理能力显著提升，多项测试超过国际领先模型。该模型助力人形机器人具身智能发展，使其具备视觉、语言等多模态交互能力，可应用于导览、社交互动等场景。来源：智东西
谷歌发布 Gemini 2.5 Flash AI 模型：专为省钱高效而生
谷歌推出Gemini 2.5 Flash AI 模型，专为高效能和成本优化设计。该模型即将登陆谷歌 Vertex AI 平台，具备动态且可控的计算能力，开发者可根据查询复杂度灵活调整处理时间，在速度、准确性和成本之间取得平衡。来源：竹江AI导航
Anthropic 推出 Claude Max 订阅计划，月费最高 200 美元
Anthropic 推出Claude Max 订阅计划，月费最高 200 美元，与 OpenAI 的 ChatGPT Pro 竞争。Max 计划分为两个层级：每月 100 美元的 Max 速率限制是 Claude Pro 的 5 倍，每月 200 美元的 Max 速率限制是 Claude Pro 的 20 倍。该计划提供更宽松的使用限制，并可优先获取最新 AI 模型。来源：IT之家
谷歌Deep Research迎来重大升级，搭载Gemini 2.5 Pro模型，性能超OpenAI
谷歌 Deep Research 迎来重大升级，搭载全球顶尖的Gemini 2.5 Pro模型。新版本在分析推理、信息整合和报告洞察力方面显著提升，5 分钟可生成 46 页学术论文，还能将复杂报告转为 10 分钟播客。其性能较 OpenAI DR 提升超 40%，价格仅为后者的 1/10。来源：新智元
继 OpenAI 后，谷歌 Gemini 模型将支持 Anthropic 的 MCP 协议
谷歌 DeepMind 宣布为Gemini模型和 SDK 添加对 Anthropic 的模型上下文协议（MCP）的支持。谷歌 DeepMind 首席执行官德米斯·哈萨比斯表示，MCP 正迅速成为 AI 代理时代的开放标准，谷歌期待与其他行业伙伴共同开发这一协议。来源：IT之家
悠船宣布MidJourney V7模型正式上线：图像生成质量大幅提升
悠船团队宣布悠船V7 模型正式上线。V7 版本在图像生成质量上显著提升，包括人物肤色、面部细节、材质纹理和光影效果等方面；它能更好地解析复杂场景，实现背景与主体的自然融合。V7 在视角表现和风格还原度上也更加专业，显著提升了身体、手部及物体细节的一致性。来源：悠船助手
4月10日·周四
谷歌推出 Agent2Agent（A2A）协议，实现 AI 智能体之间的互操作性
谷歌推出 Agent2Agent（A2A）协议，实现 AI 智能体之间的互操作性。A2A 是开放协议，已获得超过 50 个技术合作伙伴支持，可让不同供应商的智能体在跨平台环境中安全协作，完成复杂任务。该协议基于 HTTP、SSE、JSON-RPC 等标准，支持长时任务和多种数据格式（如音频、视频）。来源：竹江AI导航
谷歌推出AI编程工具 Firebase Studio，一站式完成全栈应用的构建、修改和部署
谷歌推出 Firebase Studio，用户可一站式完成全栈应用的构建、修改和部署。只需输入提示词，AI 即可快速生成完整应用程序，支持 React、Next.js、Angular、Vue.js、Flutter、Android、Node.js、Java 和 Python Flask 等多种编程语言和框架。来源：竹江AI导航
星尘智能宣布连续完成 A 轮及 A+ 轮数亿元融资，由锦秋基金、蚂蚁集团领投，云启资本、道彤资本等老股东跟投，华兴资本担任独家财务顾问。星尘智能于 2022 年底在深圳成立，首创面向 AI 的软硬件一体化系统架构，其全栈自研的 Astribot S1 高度仿人，关键操作参数媲美甚至超越成年男性。来源：Z Potentials
alphaXiv推出「Deep Research for arXiv」功能，让文献检索秒速完成
alphaXiv 推出「Deep Research for arXiv」功能，可协助研究人员在 arXiv 平台上快速检索与阅读学术论文，提升文献检索及研究效率。用户输入相关问题后，系统能迅速生成文献综述或热门论文回答，将数小时的搜索过程缩短至几秒。来源：机器之心
阿里云百炼上线业界首个全生命周期MCP服务，5分钟搭建专属AI智能体
阿里云在 AI 势能大会上宣布上线业界首个全生命周期MCP服务，加速 AI 落地。该服务集成阿里云函数计算、200 多款大模型和 50 多款主流 MCP 服务，用户无需代码，仅需简单配置，5 分钟即可搭建专属 Agent。来源：量子位
火山引擎推出AI数据专家“Data Agent”，企业数据全场景智能体
火山引擎迎来首位 AI 数据专家「Data Agent」。作为企业数据全场景智能体，Data Agent 在数据分析和智能营销领域表现出色。它可融合企业内部结构化与非结构化数据，理解业务需求，生成深度研究报告，无缝制定并执行营销策略，为每位用户精准配置触达时机和营销文案；活动结束后还能自动复盘并持续学习进化。来源：火山引擎
4月9日·周三
「AI硬件」闯出一匹黑马“小智AI”，2个月接入设备增长10万台
「小智 AI」作为一款开源 AI 硬件项目，在过去两个月内接入设备数增长 10 万台，增速达 300%。其语音助手以台湾腔、反应迅速、声音拟人化等特点，在短视频平台引发病毒式传播，点赞量达数十万甚至上百万。小智 AI 团队本身不生产硬件，设备多由爱好者、开发者 DIY 完成，并通过电商平台售卖。来源：极客公园
亚马逊推出全新 AI 语音模型 Nova Sonic，低价高质冲击 AI 语音市场
亚马逊推出新一代生成式 AI 模型 Nova Sonic，可原生处理语音并生成自然流畅的语音。Nova Sonic 通过 Bedrock 平台提供，价格比 OpenAI 的 GPT-4o 便宜约 80%。它在语音识别错误率、多语言支持、对话质量和响应速度等方面表现出色，平均单词错误率仅为 4.2%，响应时间 1.09 秒，比 GPT-4o 模型更快。来源：竹江AI导航
英伟达开源Llama Nemotron-253B推理模型，吞吐量较DeepSeek R1提升4倍
英伟达宣布开源 Llama Nemotron-253B 推理模型，该模型基于 Llama-3.1-405B 微调而来。在多项基准测试中，Llama Nemotron击败了Llama 4，以一半参数量达到与 DeepSeek R1 相近的性能；在复杂数学推理、科学问答和编码任务中表现出色，吞吐量较 DeepSeek R1 提升 4 倍。来源：新智元
美图WHEE推出全新图像生成模型Miracle F1，告别AI作品“塑料感”
美图 WHEE 平台上线全新 AI 图像生成模型Miracle F1。该模型能像摄影师、建筑师和画家一样，精准处理光影、空间和材质效果，生成的图像真实感强、细节逼真，告别了传统 AI 作品的“塑料感”。它能精准理解“纯色背景”“夜景灯光”等复杂语义概念，支持多种风格，包括 3D 特效、二次元插画等。来源：美图小WHEE
4月8日·周二
斯坦福李飞飞团队发布《2025年人工智能指数报告》：揭示12大趋势，AI变革加速
斯坦福大学以人为本人工智能研究所（Stanford HAI）发布了《2025 年人工智能指数报告》。这份长达 456 页的报告追踪了 2024 年全球人工智能行业的发展趋势，揭示了 12 大趋势，包括：AI 在苛刻基准上的表现持续提升；AI 正越来越多地融入日常生活；企业全力投入 AI，推动投资和使用创历史新高；在创造顶级 AI 模型方面，中国正在缩小与美国的差距；负责任的 AI 生态系统不断发展但并不均衡等。来源：竹江AI导航
阶跃星辰发布多模态推理模型Step-R1-V-Mini，高精度感知图像完成复杂推理任务
阶跃星辰发布了全新的多模态推理模型Step-R1-V-Mini。该模型支持图文输入和文字输出，具备良好的指令遵循和通用能力，能高精度感知图像并完成复杂推理任务。Step-R1-V-Mini 在训练方法上采用多模态联合强化学习和多模态合成数据，有效提升了多模态协同场景下的推理表现。来源：阶跃星辰
亚马逊升级 AI 视频模型 Nova Reel，最长可生成两分钟多镜头视频
亚马逊将 AI 视频模型 Nova Reel 升级至 1.1 版本，现可生成最长两分钟的多镜头视频。用户输入最多 4000 个字符的提示词，模型即可生成由六秒镜头组成的视频；新版本还新增“多镜头手动”模式，结合图片和提示词，最多可生成 20 个镜头的视频。来源：IT之家
超越特斯拉，全球自由度最高的北京灵巧手创企，灵心巧手拿下超亿融资
北京灵心巧手科技公司近日完成超亿元种子轮融资，由红杉种子基金等多家机构领投。该公司成立于 2019 年，自主研发的 Linker Hand 系列灵巧手，工业版自由度达 25-30 个，科研版最高自由度达 42 个，是全球自由度最高的商用灵巧手，性能和价格优势明显。公司还构建了全球最大的灵巧操作数据集 DexSkill-Net，助力灵巧手快速学习复杂任务。来源：智东西
英伟达斥资数亿美元收购 Lepton AI ，联创贾扬清和白俊杰均已入职英伟达
英伟达已完成对 AI 大牛、阿里前副总裁贾扬清创立的 Lepton AI 的收购，交易价值数亿美元。Lepton 成立于 2023 年，主要业务是出租英伟达 GPU 服务器，帮助创企在云中构建和管理 AI 应用。目前 Lepton 约有 20 名员工，联合创始人贾扬清和白俊杰已加入英伟达。来源：智东西
4月7日·周一
DeepSeek 联合清华大学发布 DeepSeek-GRM 模型，推理时可扩展性显著提升
DeepSeek 联合清华大学发布 DeepSeek-GRM 模型。该模型采用点式生成奖励建模（GRM）方法，并通过“自我原则批评调整”（SPCT）学习方法，使模型在推理时具备可扩展性。实验表明，DeepSeek-GRM-27B 在推理时扩展到 32 个样本时，性能可与 671B 参数模型相当，展现出推理时可扩展性的巨大优势。来源：竹江AI导航
Meta 开源的多模态系列 AI 模型— —Llama 4，重夺开源王座
Meta 发布 Llama 4 系列 AI 模型，包括 Llama 4 Scout、Llama 4 Maverick 和 Llama 4 Behemoth。该系列采用“混合专家架构”，将数据处理任务分解给专门的“专家”模型，提升训练和回答效率。其中 Maverick 有 4000 亿参数，128 个“专家”模型中 170 亿参数活跃；Scout 有 170 亿活跃参数、16 个“专家”模型，总参数 1090 亿。来源：竹江AI导航
Midjourney 发布 AI 图片生成模型 V7，新增“草图模式”支持语音生图
Midjourney 发布 AI 图片生成模型 Midjourney V7 版本并开启 alpha 测试。V7 版本在常规更新方面增强了文本理解能力，升级了细节纹理质感，提升了人物肢体、手部、物体结构等的连贯性，并默认启用“个性化模型”功能，可学习用户偏好。全新的“草图模式”则支持对话式交互界面、实时编辑和语音识别生成功能。来源：竹江AI导航
全球风投交易量暴降32%！一季度AI赛道融资额占58%，亚洲不足10%
2025 年第一季度，全球风险投资交易数量达 7551 件，同比下降 32%，但交易总价值达 1263 亿美元，同比上涨 53.46%。其中 AI 和机器学习领域投融资最为活跃，交易数量 2101 件，交易额 731 亿美元，占全球风投总额的 57.87%。美国 OpenAI 完成 400 亿美元融资，占美国风投资金 50% 以上。来源：钛媒体AGI
OpenRouter 推出 Quasar Alpha：百万 Token 上下文的 AI 模型免费开放
OpenRouter 推出了预发布版 AI 模型 Quasar Alpha，具有 100 万 token 的超大上下文窗口，能处理超长文本和复杂文档。它在代码生成方面表现出色，支持多种编程语言，生成速度快、延迟低，平均每秒生成 136 个 token，延迟仅为 0.5 秒。Quasar Alpha 还支持联网功能和多模态功能，安全性有所增强。来源：竹江AI导航
微软 Copilot 增加记忆、操控网页、创建播客等海量功能，打造独一无二 AI 伴侣
微软为庆祝成立 50 周年，更新了 Copilot 的多项新功能，使其更接近 ChatGPT 或 Claude 等替代品。Copilot 现在支持记忆、个性化、基于 Web 的操作、播客创建、摄像头和屏幕分析、深度研究等功能。它能跟踪用户偏好和详细信息以定制回复，用户可选择让 Copilot 记住的信息；还能使用网络浏览器执行任务，如预订演出门票和餐厅。来源：IT之家
微软 Bing 重大革新：Copilot Search 上线，AI 与传统搜索结合
微软宣布 Bing 搜索引擎上线 Copilot Search 功能。该工具将传统网络搜索与生成式搜索结果相结合，通过 Bing 检查多个网站的信息，显示更详细准确的响应内容，并提供引用和建议。来源：IT之家
即梦 3.0 绘图模型上线，中文 AI 绘图能力迎来最强表现
即梦 3.0 绘图模型灰度内测上线。该模型在中文直出方面取得重大突破，提升了大字的准确性、设计感和丰富度，大幅解决了小字稳定性问题。即梦 3.0 能直出 2K 图像，支持写实、卡通等多种风格，可生成复杂场景和艺术字体。来源：竹江AI导航
商汤科技2025技术交流日：AI 2.0新生态与“强推理”全新日日新 6.0 AI 模型
商汤科技将于 4 月 10 日下午 14:00 举办 2025 年技术交流日活动。本次交流日聚焦以生成式 AI 为代表的 AI 2.0 发展，探讨其带来的生产力变革，以及多模态融合催生的“万物有灵”新生态。届时将推出主打“强推理”的全新日日新 6.0 AI 模型，为公众解答关于未来的诸多想象。来源：商汤科技 SenseTime
4月3日·周四
前百度高管创立的 Genspark 推出通用智能体，免费开放使用，无需邀请码
由前百度高管景鲲和朱凯华创立的Genspark推出通用智能体，在 GAIA 基准测试中超越 Manus 和 OpenAI 的 Deep Research。该智能体可完成旅游规划、视频生成、PPT 制作等任务，支持实时交互和低错误率。目前免费开放，用户无需邀请码即可使用。来源：竹江AI导航
谷歌 AI 笔记应用 NotebookLM 新增“发现资料”功能，可自动检索相关网络资源
谷歌旗下人工智能笔记应用NotebookLM推出“发现资料”功能。基于 Gemini 技术，用户可在应用中输入主题，快速检索网络资源，获取最多 10 个相关资料及摘要，并导入笔记本。该功能支持生成音频概览、思维导图等，提升资料收集效率；还新增“好奇心驱动”按钮，可随机生成主题资料。来源：竹江AI导航
元鼎智能完成近10亿元融资，携手Fluidra加速全球市场布局
元鼎智能近日完成近 10 亿元人民币的战略融资，由全球泳池巨头 Fluidra 战略投资，云启资本加入，XVC、复星锐正、蜂巧资本等老股东增持。此次融资将助力元鼎智能打通全球泳池专业渠道，实现从“线上领先”到“全渠道突破”的转型。来源：元鼎智能Aiper
Augment Code 发布 AI 编程助手 Augment Agent，可处理数百万行代码项目
Augment Code 推出 AI 编程助手Augment Agent。它专为大型代码库设计，拥有 20 万 token 的上下文窗口，可处理数百万行代码项目。其“记忆”功能可适应个人编码风格，实时同步代码变更，并支持多模态输入、终端命令等实用功能。Augment Agent 已上线 VS Code 和 JetBrains 开发工具。来源：竹江AI导航
4月2日·周三
OpenAI 推出免费 AI 学习平台 OpenAI Academy，覆盖普通小白到技术的各层次人群
OpenAI 推出了免费的 AI 学习平台 OpenAI Academy，帮助从普通小白到技术人员的各层次人群掌握 AI 技能。平台提供丰富的视频课程，如《ChatGPT Edu 学术助手指南》《提示词大师课》等，内容短小精悍，适合碎片化学习；每周还举办多场线上活动，邀请专家讲解和互动，如《老年人 AI 入门》等课程。来源：竹江AI导航
Sam Altman宣布，ChatGPT 的文生图功能现已面向所有免费用户开放
OpenAI 宣布ChatGPT的文生图功能向所有免费用户开放。该功能最初仅限付费用户使用，后因访问量过大导致服务器拥挤。文生图功能基于 GPT-4o 模型，可实现精准文本渲染、遵循指令提示、深度调用知识库及对话上下文，支持对上传图像进行二次创作或转化为视觉灵感。来源：竹江AI导航
智元机器人与国际顶尖 Physical Intelligence（Pi）携手，引领具身智能全球创新
智元机器人宣布与国际顶尖具身智能公司 Physical Intelligence（Pi）达成深度技术合作，聚焦动态环境下的长周期复杂任务。智元机器人在具身智能领域拥有本体-数据-模型三位一体的全栈布局，量产通用具身机器人超 1000 台。近期加入智元的罗剑岚博士将领导具身智能研究中心，推进双方合作。来源：智元机器人
阿里通义千问的端到端全模态大模型Qwen2.5-Omni登上 Hugging Face 全球开源模型总榜榜首。该模型可同时处理文本、图像、音频和视频等多模态输入，实时生成文本与自然语音合成输出。阿里至今已开源 200 多款模型，千问衍生模型数量突破 10 万，成为全球最大的开源模型族群。来源：界面新闻
MiniMax Audio推出Speech-02系列语音模型，一次性可以输入20万字符
MiniMax Audio正式发布 Speech-02 系列语音模型。该模型支持 30 多种语言，一次性可输入 20 万字符，人声相似度高达 99%，合成语音自然流畅，解决了音频播放中的卡顿和节奏不稳问题。MiniMax Audio 还推出“Read Anything”功能，用户可上传本地文件或粘贴网络 URL，将文档、电子书、网页文章等转化为喜欢的音色聆听。来源：竹江AI导航
Krea AI 宣布推出 Gemini 图像编辑功能，可通过自然语言编辑图片
Krea AI宣布推出接入谷歌 Gemini 的图像编辑功能，该功能已在 Krea Chat 上线。用户可上传图片，通过自然语言直接编辑，如改变背景、调整元素光线和颜色等，操作便捷高效，为图像编辑带来全新体验。来源：竹江AI导航
国家天文台联合阿里云发布国际首个太阳大模型“金乌”，基于阿里通义千问系列开源模型打造。“金乌”在 M5 级太阳耀斑预报上准确率超 91%，为该级别最高水平。该模型以超 90 万张太阳卫星图像为样本训练，可预测未来 24 小时耀斑爆发情况，并生成太阳模拟图像，解决了传统太阳预报难以处理海量观测数据的难题。来源：阿里云
4月1日·周二
Runway发布AI视频生成模型Gen-4，一张照片生成连贯全片，首次实现“世界一致性”
Runway 发布新一代 AI 视频生成模型Gen-4，这是全球首款实现“世界一致性”的模型。Gen-4 可在多个场景中保持人物、场景和物体的一致性，无需额外精调；它能凭借一张参考图，在不同光线和场景中生成一致的角色或物体，并从任意角度重建和捕捉场景。来源：竹江AI导航
亚马逊推出 Nova Act：可操控网页浏览器的 AI 智能体
亚马逊推出通用人工智能智能体Nova Act及其配套 SDK。Nova Act 由亚马逊旧金山 AGI 实验室研发，能操控网页浏览器并自主执行简单网络任务，如自动订购沙拉、预订餐厅等。未来它将为生成式 AI 增强版语音助手 Alexa + 提供关键功能支持。目前开放的是“研究预览版”，功能尚待完善。来源：竹江AI导航
OpenAI宣布将开源推理模型，首次计划发布开放权重语言模型
OpenAI 宣布将在未来几个月内推出一款具备推理能力的开放权重语言模型。这是自 GPT-2 以来，OpenAI 首次计划发布此类模型。OpenAI CEO Sam Altman 表示，该模型将遵循严格的准备框架进行评估，确保安全性与可靠性。OpenAI 还计划举办一系列开发者活动，收集反馈并展示早期原型，首场活动将在旧金山启动。来源：APPSO
OpenAI完成400亿美元融资，估值3000亿美元，资金用于AI研究及扩大计算基础设施
OpenAI 宣布完成 400 亿美元融资，投后估值达 3000 亿美元。本轮融资由日本软银领投 300 亿美元，微软及其他投资者参与。资金将用于推动 AI 研究及扩大计算基础设施。来源：腾讯科技
3月31日·周一
智谱推出首个免费、具备深度研究和操作能力的AI Agent：AutoGLM沉思
智谱推出 AI Agent 产品AutoGLM沉思。这是一个免费的本地 Agent，也是能探究开放式问题、并根据结果执行操作的自主智能体（AI Agent）。它能模拟人类的思维过程，完成从数据检索、分析到生成报告的全过程。实测中，AutoGLM 沉思版成功完成了购物对比、知识调研、学习指导和旅行规划等任务，展现出强大的执行能力和思考能力。来源：竹江AI导航
千寻智能完成5.28亿元Pre-A轮融资，领先VLA模型加速具身智能落地
千寻智能完成 5.28 亿元人民币 Pre-A 轮融资，由阿美风险投资旗下 Prosperity7 Ventures 领投，多家资本参与。本轮融资将加速其具身大模型迭代、机器人进化及人才团队建设。千寻智能成立于 2024 年，团队来自顶尖高校和知名企业，致力于打造通用人形机器人和下一代具身大模型。来源：千寻智能 Spirit AI
面壁发布首个纯端侧智能助手cpmGO，构建汽车超性能端侧大脑
面壁智能发布首个纯端侧智能助手——小钢炮超级助手cpmGO，赋能汽车智能座舱，提供纯端侧、超性能、全场景服务。该助手具备视觉、语音、多模态等丰富能力，可实现端到端智能化应用，突破弱网断网限制，保护车内信息安全，支持 9 大类 26 款应用，提升使用便捷性。来源：面壁智能
AI Agent 产品 Manus 公布收费方案：提供 39 美元和 199 美元两种套餐
AI Agent 产品Manus公布收费方案，从免费测试阶段转向商业化运营。收费方案包括两种套餐：Manus Starter 每月 39 美元（约合 283 元人民币），获 3900 积分，可同时运行 2 个任务；Manus Pro 每月 199 美元（约合 1446 元人民币），获 19900 积分，可同时运行 5 个任务，并支持高投入模式和其他测试功能。来源：IT之家
擎朗智能发布首款人形具身服务机器人“XMAN-R1”，可完成“点单-配餐-送餐-收餐”等长任务闭环
上海擎朗智能科技有限公司正式发布首款人形具身服务机器人“XMAN-R1”。该机器人以“岗位化、亲和力、安全性”为设计理念，模拟服务人员动作逻辑，适配服务场景需求，可完成“点单-配餐-送餐-收餐”等长任务闭环。它搭载 11 项多模态传感器，结合自研三维重建技术，实现 360 度高精度感知与智能避障。来源：擎朗智能
智源发布首个跨本体具身大小脑协作框架与开源具身大脑RoboBrain
智源研究院在中关村论坛上发布首个跨本体具身大小脑协作框架RoboOS与开源具身大脑RoboBrain。其中 RoboBrain 融合任务规划、可操作区域感知、轨迹预测能力，通过多阶段训练增强长程操作任务能力，可在多项评测任务中超越多个领先模型；RoboOS 则基于“大脑-小脑”分层架构，实现多机器人协作，支持多类型具身本体，具备动态任务管理与优化能力。来源：智源研究院
国产视频大模型的全球引领，生数科技在中关村论坛重磅发布Vidu Q1模型
生数科技发布高可控视频大模型Vidu Q1。该模型由清华大学人工智能研究院副院长朱军教授团队研发，实现了多主体细节、音效同步和画质增强的高可控性。Vidu Q1 支持精准调整主体动作与布局，能根据画面转场生成相应音效，画质更清晰逼真。来源：生数ShengShu
百度文小言官宣支持多模型调度，升级端到端语音大模型、图片问答能力
百度文小言在百度 AI DAY 上宣布完成品牌焕新与功能升级，支持多模型融合调度，整合百度自研及第三方优质模型，用户可一键调用最优组合或灵活选择单一模型。全新语音大模型支持方言对话、复杂问答等，调用成本低、响应速度快，实现多情感语音合成。图片问答功能可深度解析图片，还新增“图个冷知识”功能，从多角度解读图片，提升交互趣味性。来源：IT之家
马斯克xAI收购X，总估值8000亿，开启AI与社交融合新纪元
马斯克宣布其 AI 创企 xAI 与社交平台 X（前身为推特）正式合并。xAI 以全股票交易收购 X，其中 xAI 估值 800 亿美元，X 实际估值 330 亿美元，合并后总估值 1130 亿美元（约 8208 亿元人民币）。马斯克称，xAI 和 X 的未来已交织在一起，此次整合将数据、模型、计算、分发和人才相结合，释放巨大潜力。来源：智东西
3月28日·周五
阿里通义千问推出视觉推理模型 QVQ-Max：可分析、推理图片和视频内容
阿里通义千问团队发布新一代视觉推理模型 QVQ-Max。该模型具备细致观察、深入推理和灵活应用三大核心能力，能快速解析图片和视频内容，识别关键元素并结合背景知识进行推理。它可协助完成数据分析、编程等职场任务，也能帮助学生解答难题、推荐穿搭方案等。来源：IT之家
GPT-4o「吉卜力风」一夜爆火，奥特曼连夜换头像！宫崎骏痛批AI侮辱生命
OpenAI 更新的 GPT-4o 原生图像生成功能因「吉卜力风格」图片生成而一夜爆火。用户可将任何图像上传，并请求 AI 转换为吉卜力风格，效果出色且操作便捷。该功能引发了社交媒体热潮，奥特曼也换上了吉卜力风格的头像。而宫崎骏曾批评 AI 作画是对生命的侮辱。来源：新智元
华为在 2025 中国合作伙伴大会上宣布ModelEngine AI 全流程工具链正式开源。该工具链围绕数据使能、模型使能和应用使能打造，旨在解决 AI 行业化落地中的关键问题，如数据工程耗时长、模型训练和应用落地难等。来源：华为开源
字节跳动旗下的 AI 智能助手豆包推出新版深度思考功能。该功能将推理过程与搜索深度结合，支持“边想边搜”，可在思考过程中多次调用工具、搜索信息，提供更全面、准确的结果。来源：豆包
Ideogram.ai 推出最新的 AI 绘图模型 Ideogram 3.0。该模型在图像生成领域取得重大进展，在图像与文本提示的对齐、逼真度和文本渲染质量方面表现出色，能生成具有高度一致性和创意的设计作品，支持复杂排版和艺术化文本创作。来源：竹江AI导航
快手科技旗下的可灵AI平台宣布全面升级，对视觉体系和交互体验进行了优化。新版本采用极简主义设计，以自然排版和黑白配色减少视觉干扰，突出创意。平台新增“AI 音效”和“资产管理”功能，分别用于提升作品表达力和优化文件管理效率。来源：可灵AI
3月27日·周四
阿里开源全模态模型Qwen2.5-Omni，7B尺寸实现全球最强性能
阿里通义千问 Qwen2.5-Omni-7B 正式开源。作为首个端到端全模态大模型，Qwen2.5-Omni可同时处理文本、图像、音频和视频输入，实时生成文本与自然语音输出。它在 OmniBench 等多模态任务中刷新纪录，性能远超 Google 的 Gemini-1.5-Pro 等同类模型。来源：阿里云
腾讯旗下的 AI 智能工作台 ima 宣布正式推出知识号。知识号为知识库创作者提供了一个全新的平台，创作者可通过 ima 知识号入口申请创建账号，在 ima 知识广场发布知识库。平台还提供数据分析工具，创作者可直观查看知识库的相关数据，包括知识库的数量、参与人数等。来源：ima.copilot
DeepSeek 全新版本 DeepSeek-V3-0324 上线讯飞星辰MaaS 平台。新版本在推理任务表现、前端开发能力、中文写作水平以及中文搜索能力等方面实现显著提升，在数学、代码类评测集上得分超过 GPT-4.5。平台提供与 DeepSeek 官方 API 一致的效果，支持联网搜索，可拓展应用场景。来源：讯飞开放平台
OpenAI宣布Agent SDK 正式支持 MCP 服务，解锁无限工具扩展
OpenAI 宣布 Agent SDK 重大更新，正式支持Model Context Protocol（MCP）服务。MCP 如同 AI 模型的“USB 接口”，提供统一标准，使 AI 智能体能“即插即用”地接入各种第三方工具，如网络搜索、数据库查询等，极大简化了多任务开发流程，提升复杂自动化应用的开发效率。来源：IT之家
微信 AI 搜索在“快速回答”和“深度思考”之外，新增“快速思考”选项，由腾讯混元T1模型提供支持。它可快速生成回答，引用消息源包括公众号推文和网页信息，结果页面支持继续提问和社交分享，历史问答会保存在“最近”列表中。来源：IT之家
3月26日·周三
谷歌发布Gemini 2.5 Pro，多项测试夺冠，推理能力全面超越OpenAI
谷歌发布Gemini 2.5 Pro，这是 Gemini 2.5 思考模型家族的首个成员。该模型在多项基准测试中表现卓越，以 1443 分在大模型竞技场获断层第一，领先优势达 39 分，全面超越 OpenAI o3-mini 等多款知名模型。在“人类最后考试”中，其得分较 OpenAI o3-mini 提升近 5%，提升比例达 34%。Gemini 2.5 Pro 支持 100 万 tokens 上下文窗口。来源：智东西
昆仑万维发布全球首款音乐推理大模型Mureka O1，中国AI音乐革命领跑全球
昆仑万维正式发布全球首款音乐推理大模型Mureka O1。该模型基于 Mureka V6 升级，首次引入思维链（CoT）技术，显著提升音乐创作效率与品质。它涵盖多种风格与情感表达，具备歌曲参考和音色克隆等特色功能，性能超越 Suno V4，登顶 SOTA。来源：昆仑万维集团
瑞典AI初创公司Lovable，3个月收入达1.2亿，AI编程市场新奇迹
由 Anton Osika 和 Fabian Hedin 创立的瑞典 AI 公司 Lovable，凭借 AI 驱动的 Web 应用开发平台，仅用 3 个月就实现了从 0 到 1700 万美元的年化收入增长。该平台支持用户通过自然语言描述功能，由 AI 自动生成可投产代码，是面向非技术人员的 AI 编程工具。其用户留存率超 85%，网站月访问量达 1000 万次。来源：竹江AI导航
OpenAI 宣布在GPT-4o模型中集成先进图像生成功能，用户可通过自然语言指令生成和编辑图像。新功能支持多轮对话优化图像，保持内容一致性，能处理 10 至 20 个物体的复杂指令，远超其他模型，并支持文本渲染、风格转换和上下文关联生成。来源：IT之家
具身智能初创公司它石智航（TARS）宣布完成 1.2 亿美元天使轮融资，创下中国具身智能行业天使轮最大融资额纪录。本轮融资由蓝驰创投、启明创投领投，线性资本等多家知名机构跟投。融资将用于产品研发、模型训练和场景拓展。来源：它石智航
谷歌Gemini Live推出实时AI视频新功能，实时交互能力再升级
谷歌在 MWC 上承诺的 Project Astra 与 Gemini Live 集成功能正式上线。Gemini Live 新增屏幕共享功能，用户可通过“Share screen with Live”按钮让 AI 读取手机屏幕信息并回答问题；实时视频功能则可让 Gemini 通过手机摄像头解读画面并即时回答相关问题。来源：机器之心
3月25日·周二
DeepSeek V3模型已完成小版本升级，可在官方网页、APP、小程序试用体验
DeepSeek V3发布模型更新。此次更新属于小版本升级，模型参数量达 6850 亿。新版 V3 在编程能力上大幅提升，特别在前端编码方面已接近 Claude 3.7 水平；用户测试显示，多轮对话的上下文理解能力也显著增强。开源版本已上架 HuggingFace。来源：竹江AI导航
阿里开源Qwen2.5-VL-32B多模态模型，视觉语言与数学推理能力显著增强
阿里开源了最新多模态模型 Qwen2.5-VL-32B-Instruct，参数量 32B，主打视觉语言，兼顾性能与尺寸，适合本地部署。该模型经强化学习优化，在数学推理、图像解析等任务中表现出色，超越更大规模的 72B 模型；在多模态任务及纯文本能力上均达同规模最优表现。来源：竹江AI导航
Trae宣布支持配置 DeepSeek V3 最新版（DeepSeek-V3–0324）。Trae 是国内首个 AI 原生 IDE，专注于中文开发场景，支持自定义模型接入。DeepSeek-V3–0324 拥有 6850 亿参数，是基于 DeepSeek V3 的小版本升级。开发者可通过简单配置接入该模型，提升编程体验。来源：Trae&MarsCode
美团 CEO 王兴在财报电话会议中表示，美团在人工智能领域采取“主动进攻”策略，定位为连接数字世界与物理世界的桥梁。美团已开发内部大语言模型LongCat，用于日常工作，推出 AI 编码、智能会议与文档助手等工具，并将集成其他主流模型助力产品研发。来源：IT之家
3月24日·周一
百度宣布国内首个“对话式”应用开发平台“秒哒”正式全量上线。该平台采用“无代码编程 + 多智能体协作 + 多工具调用”技术组合，用户仅需通过自然语言描述需求，即可自动生成完整功能代码，实现“3 分钟生成 + 1 小时迭代”的开发体验。来源：竹江AI导航
OpenAI 推出新一代音频模型，包括语音转文本和文本转语音功能。其中gpt-4o-transcribe显著降低单词错误率，优于现有 Whisper 模型；gpt-4o-mini-transcribe是精简版本，速度更快、效率更高；gpt-4o-mini-tts则首次支持“可引导性”，开发者可控制语音风格。来源：APPSO
腾讯正式发布自研深度思考模型混元T1正式版。混元 T1 擅长超长文处理和快速推理，采用 Hybrid-Mamba-Transformer 融合架构，降低计算复杂度和内存占用，减少训练和推理成本，在长文本推理领域表现出色，解码速度提升 2 倍。来源：腾讯混元
生数科技用AI赋能国内动漫短剧市场，7部千万级网文IP改编概念短片
生数科技旗下的 AI 视频生成平台Vidu宣布获得 7 部千万级网文 IP 概念短片改编授权，包括《修罗武神》《九星霸体决》等热门作品。这些 IP 将通过 AI 技术改编为动漫短片，标志着网络文学 AI 影视化改编的新里程碑。来源：Vidu AI
全球客服AI先锋Shulex完成亿元级融资，加速AI数字员工开发与全球化布局
全球化客户服务 AI Agent 企业 Shulex（VOC.AI）近日完成亿元级融资，由盛大资本领投，北极光创投、Starting Gate Fund 跟投，非凡资本担任独家财务顾问。本轮融资将用于加速大模型驱动的 AI 数字员工开发，扩大全球业务版图。来源：竹江AI导航
Anthropic AI 聊天机器人 Claude 新增联网搜索功能
Anthropic 宣布大语言聊天机器人Claude新增联网搜索功能。用户可在个人设置中开启网页浏览功能，Claude 会在需要时自动联网提取信息，并在反馈结果中提供直接引用来源，方便核实。来源：IT之家
百川智能携手北京儿童医院发布全球首个儿科大模型“福棠·百川”，双医模式助力基层医疗
百川智能携手北京儿童医院发布全球首个儿科大模型“福棠·百川”，并推出两款 AI 儿科医生应用（基层版和专家版）。该模型覆盖儿童常见病与疑难病症知识体系，首创儿科“循证模式”，整合医学证据为患儿制定个性化诊疗方案。来源：百川大模型
3月20日·周四
OpenAI 推出最贵 o1-pro API，定价远超 DeepSeek
OpenAI 推出了最昂贵的 API——o1-pro。它是o1的升级版，使用更多计算资源以提供更优质响应，仅对特定开发者开放（Tier 1–5）。其定价极高：每百万输入 token 收费 150 美元，输出 token 收费 600 美元。来源：机器之心
飞书字段捷径 —— Kimi 招聘助手上线，助力企业高效招聘
北京月之暗面推出飞书字段捷径 Kimi 招聘助手，为 HR 提供高效招聘支持。该工具凭借强大的文本分析能力，实现简历信息提取、候选人匹配评估和面试建议生成的一站式服务。用户只需输入简历和职位需求，系统即可快速生成关键信息和匹配度分析。来源：Kimi 开发平台
阶跃星辰开源图生视频模型 Step-Video-TI2V，运动可控，动漫效果尤佳！
上海阶跃星辰宣布开源图生视频模型 Step-Video-TI2V。该模型基于 30B 参数，支持生成 102 帧、5 秒、540P 分辨率的视频，具备运动幅度可控和镜头运动可控两大核心特点，在动漫风格视频生成方面表现出色。来源：阶跃星辰
3月19日·周三
黄仁勋甩出三代核弹AI芯片！个人超算每秒运算1000万亿次，DeepSeek成最大赢家
英伟达 GTC 大会上，黄仁勋发布了新一代核弹级 AI 芯片 Blackwell Ultra（GB300），性能大幅提升，推理速度可达每秒 1000 万亿次。该芯片配备 20TB HBM3 内存和 40TB 快速内存，支持 14.4TB/s 的 CX8 带宽。英伟达还推出了基于 Blackwell Ultra 的 AI PC，包括 DGX Station 和 DGX Spark，适用于 AI 推理、机器人训练及自动驾驶等领域。来源：APPSO
字节跳动旗下的 AI 智能助手豆包宣布 AI 编程能力升级，新增 HTML 预览、Python 运行和完整项目生成三项功能。用户可通过豆包快速制作小游戏等互动网页。豆包支持 HTML 代码实时预览和交互，Python 代码可直接运行并提供一键报错修复，还能生成完整项目代码，无需分别编写前后端逻辑。来源：豆包
谷歌 Gemini 更新：新增音频播客、Canvas 画布与 Deep Research 扩容
谷歌 Gemini 最新推出了 Canvas 功能，可用于创建、改进和分享写作与编码项目，并实时预览代码效果；新增“文本转音频”功能（Audio Overviews），可将文本对话生成音频播客。此外，免费用户的 Deep Research 使用次数增加至每月 10 次，帮助用户更高效地完成复杂的研究任务。来源：Google
马斯克xAI公司收购视频生成初创公司Hotshot，加速布局AI视频领域
马斯克的 xAI 公司收购了 Hotshot 视频生成初创公司。Hotshot 由 4 人组成，在 13 个月内开发出 3 款视频生成模型，包括 Hotshot-XL、Hotshot Act-One 和 Hotshot，可生成最长 10 秒的 720p 视频。该公司由 Aakash Sastry 和 John Mullan 于 2017 年创立，曾获 Reddit 联合创始人 Alexis Ohanian 等投资。来源：量子位
谷歌达成迄今最大一笔收购交易，320 亿美元现金买下云安全公司 Wiz
谷歌宣布以 320 亿美元全现金收购云安全初创公司 Wiz，这是其迄今最大一笔收购交易。Wiz 是一家总部位于纽约的云安全公司，提供连接到所有主要云服务和代码环境的安全平台。此次收购旨在提升谷歌云的安全能力，支持多云环境，推动云安全创新。交易完成后，Wiz 将继续在所有主要云平台上运行，包括 AWS、Azure 和甲骨文云。来源：IT之家
3月18日·周二
腾讯 Hunyuan3D 2.0 开源：几何与纹理分离，一键生成高精度3D模型
腾讯推出 Hunyuan3D 2.0，这是一个开源的高质量 3D 模型生成系统。它采用几何与纹理分离的生成架构，通过大规模扩散模型实现高精度几何形状和高分辨率纹理的生成；支持文本和图像到 3D 模型的快速转换，并具备纹理更换功能。来源：竹江AI导航
Cursor 推出 Claude 3.7 Max：更强大的代码编辑与项目管理
Cursor 推出 Claude 3.7 Max，提供了更大的 200k 上下文窗口，支持最多 200 次工具调用，能处理更复杂的代码编辑和项目，专为需要深度理解和大规模修改的复杂任务设计。来源：竹江AI导航
昆仑万维开源首款工业级多模态思维链推理模型Skywork R1V。该模型具备强大的视觉理解和推理能力，能处理复杂的视觉逻辑推理、数学问题和科学现象分析等任务；在权威基准测试中表现卓越，推理能力领先于行业内众多主流模型。来源：昆仑万维集团
秘塔AI搜索升级模型，推出“生成互动网页”功能。用户可在研究模式下将文字内容秒变互动网页，或通过粘贴文章链接快速生成，核心观点一目了然。该网页支持上下滑动查看更多内容，登录后可署名分享。来源：AI秘塔
苏姿丰北京激情演讲！点赞DeepSeek，AMD全面拥抱中国
AMD 董事会主席兼 CEO 苏姿丰在北京 AMD AI PC 创新峰会上发表演讲，强调中国市场对 AMD 的重要性。会上，AMD 展示了锐龙 AI Max 系列、锐龙 AI 300 系列等新品，强调 AI PC 的定制化、自动化和进阶推理趋势。AMD 现场演示了DeepSeek模型在 AI PC 上的本地部署效果，包括生成吃豆人游戏等应用。来源：智东西
Mistral Small 3.1 上线，多模态理解与文本性能双重升级
Mistral AI 推出 Mistral Small 3.1开源多模态人工智能模型。该模型在文本性能、多模态理解以及长上下文窗口（128k tokens）方面进行了改进，推理速度可达每秒 150 个 token；在多项基准测试中表现优异，超越了 Gemma 3 和 GPT-4o Mini 等同类模型。来源：竹江AI导航
超算互联网平台推出 QwQ-32B 推理大模型服务。QwQ-32B 已集成至平台的 Chatbot 可视化对话服务和 API 在线调用服务。用户可通过平台一级栏目直接体验其多轮交互和长文本解析能力，满足学术研究、代码生成、日常咨询等需求。来源：超算互联网
3月17日·周一
蝴蝶效应备案manus.cn顶级域名，此前曾称尽快将创新体验带给中文用户
北京蝴蝶效应科技有限公司的 manus.cn 域名备案审核通过。此前公司官网域名是manus.im。3 月 11 日，manus 官博曾发文表示“尽快将 Manus 的创新体验带给广大中文用户，敬请期待”。来源：财联社
腾讯旗下的ima智能工作台在电脑端和移动端（安卓版）迎来更新，内容包括：支持使用混元 T1 模型，适用于复杂任务；新增 Markdown 文件导入与解读功能；支持修改最新一条问答消息；笔记的 AI 写作支持多轮对话；笔记中可调用知识库辅助创作。来源：ima.copilot
新浪财经APP喜娜AI助手赋能财经资讯：AI摘要与公告解读新突破
新浪财经 APP 的喜娜AI助手通过北京市生成式人工智能服务登记，推出“喜娜 AI 摘要”和“个股公告 AI 解读”两项创新功能。其中喜娜 AI 摘要可快速提炼财经新闻和文章的核心要点，帮助用户高效获取信息；个股公告 AI 解读则基于深度学习模型，深度解析上市公司公告，生成专业解读报告。来源：竹江AI导航
谷歌 Gemini 2.0 Flash 模型拥有强大图片去水印功能，或触犯版权红线
谷歌推出的Gemini 2.0 Flash模型因强大的图片去水印功能引发争议。该模型可去除包括盖蒂图片社等知名图库图片的水印，并会填补因水印删除产生的空白区域，目前免费提供给用户使用。来源：IT之家
百度发布文心大模型4.5和文心大模型X1，在文心一言官网免费开放。其中文心大模型 4.5 是新一代原生多模态基础大模型，具备优秀的多模态理解能力和精进的语言能力，通过 FlashMask 动态注意力掩码等关键技术实现能力提升；文心大模型 X1 则是能力更全面的深度思考模型，能自主运用工具，在多种场景表现出色。来源：百度
零一万物推出万智，打通企业大模型“最后一公里”，确认不再做超大基模迭代
李开复创立的 AI 独角兽零一万物宣布推出万智企业大模型一站式平台，为企业级 DeepSeek 部署提供定制解决方案。该平台预装高性能 GPU，内置 DeepSeek 全系列模型，支持多种前沿模型架构，具备灵活扩展性，其 AI 搜索产品准确性高达 88%。来源：钛媒体AGI
清华团队开源“赤兔”推理引擎，FP8模型部署成本减半、速度翻番
清华系科创企业清程极智与清华大学翟季冬教授团队联合开源大模型推理引擎“赤兔”（Chitu）。该引擎率先实现非 H 卡设备运行原生 FP8 模型的突破：在 A800 集群上部署 DeepSeek-671B 满血版推理服务时，相比 vLLM 方案，GPU 数量减少 50%，速度提升 3.15 倍。来源：竹江AI导航
对话姜哲源：3.99万元背后，我们想成为人形机器人赛道的小米和苹果
国内机器人创业公司 NOETIX Robotics 松延动力发布人形机器人 N2 和升级版机器人 E1，其中 E1 最低价格为 3.99 万元起，N2 预售价达 5.99 万元起。N2 身高 1.2 米，具备后空翻、奔跑等多种运动能力，预售量已超 500 台。创始人姜哲源表示，要让人形机器人不再只是少数人的产品，未来希望成为人形机器人领域的“苹果”。来源：钛媒体AGI
3月14日·周五
谷歌免费开放Deep Research功能：人人皆可深度探索信息
谷歌近日向所有用户免费开放了 Deep Research 功能，此前该功能仅限 Gemini Advanced 付费用户使用。用户可登录Gemini官网体验。来源：竹江AI导航
谷歌Gemini 2.0 Flash全模态图像生成上线，动嘴就能P图
谷歌Gemini 2.0 Flash全模态图像生成功能正式上线，用户可通过自然语言对话生成和编辑图像，支持文本与图像结合、对话式编辑、世界知识理解和文本渲染等亮点。开发者可通过 Gemini API 或 Google AI Studio 使用。来源：竹江AI导航
3月13日·周四
潞晨科技重磅开源 Open-Sora 2.0，视频大模型降本提速
潞晨科技推出开源视频生成模型Open-Sora 2.0，仅用 20 万美元（224 张 GPU）便成功训练出 11B 参数商业级模型，性能媲美百万美元成本的主流闭源模型。该模型在 VBench 评测中表现优异，与 OpenAI Sora 的性能差距大幅缩小至 0.69%。来源：潞晨科技
谷歌推出新一代开源模型 Gemma 3，这是 Gemma 模型家族的最新版本。Gemma 3 支持多模态输入，包括视觉语言输入和文本输出，能处理长达 128k 令牌的上下文窗口，涵盖超过 140 种语言。它在数学、推理和对话能力上都有显著提升，并提供结构化输出和函数调用功能。来源：竹江AI导航
阿里巴巴推出全新 AI 旗舰应用“新夸克”。新夸克基于阿里通义领先的推理及多模态大模型，全面升级为无边界的“AI 超级框”，为 2 亿用户带来全新 AI 体验。与对话式 AI 不同，夸克将 AI 对话、深度思考、深度搜索、深度研究、深度执行整合到一个极简“AI 超级框”内，一站式满足用户需求。来源：阿里巴巴
理想汽车推出“理想同学网页版”，集成DeepSeek R1与MindGPT双模型
理想汽车推出“理想同学网页版”，集成 DeepSeek R1 与 MindGPT 双模型，提供高效智能服务。用户可通过网页版进行深度思考和联网搜索，实现复杂任务的简化处理；MindGPT 支持图文问答，提升交互体验。来源：AI理想同学
智元机器人与阶跃星辰达成战略合作，共同探索AI+具身智能场景
智元机器人与阶跃星辰正式签署战略合作协议。双方将利用各自优势，在具身智能与大模型领域展开全方位合作，聚焦新零售等场景解决方案开发、具身智能数据合作及世界模型技术探索。来源：智元机器人
3月12日·周三
Trae功能上新：支持 Remote-SSH 和自定义模型配置
Trae发布新功能，支持 Remote-SSH 远程开发：开发者可在本地通过 Trae 访问和操作远程主机文件夹，享受代码补全、调试等 AI 辅助功能。Trae 还新增自定义模型配置，用户可接入火山引擎、DeepSeek、硅基流动、阿里云、腾讯云等服务商的模型资源，满足个性化需求。来源：Trae&MarsCode
OpenAI 发布 Agent 工具包，助力开发者构建智能体
OpenAI 发布了专为构建 AI Agents 设计的新工具包，包括Responses API、Web 搜索工具、文件搜索工具、计算机使用工具以及开源的 Agents SDK，简化了开发者创建自动完成任务的 AI Agents 的过程。来源：APPSO
豆包文生图技术报告发布！数据处理、预训练、RLHF全流程公开
字节跳动豆包大模型团队发布文生图技术报告，首次公开 Seedream 2.0 图像生成模型的技术细节。该模型覆盖数据构建、预训练框架及后训练 RLHF 全流程，具备原生中英双语理解、文字渲染、高美感等特性。Seedream 2.0 已在豆包 APP 和即梦上线。来源：豆包大模型团队
李飞飞团队新成果 BEHAVIOR Robot Suite：500美元打造全能家务机器人
李飞飞团队推出具身智能新成果——BEHAVIOR Robot Suite（BRS），解决机器人在家庭环境中完成家务任务的全身操作问题。BRS 的核心组件成本不到 500 美元，具备三项关键能力：双臂协同、稳定导航和末端执行器的广泛操作范围。团队通过 JoyLo 低成本遥操作接口和 WB-VIMA 学习算法，实现了高效的数据采集和全身动作协调。来源：量子位
Manus平台宣布与阿里通义千问团队达成战略合作。双方将基于通义千问系列开源模型，在国产模型和算力平台上实现 Manus 的全部功能，为中国用户打造更具创造力的通用智能体产品。来源：财联社
DeepSeek-R1 & V3 API 再升级，支持批量推理，R1 价格直降 75%
硅基流动SiliconCloud 平台宣布 DeepSeek-R1 & V3 API 升级，新增批量推理功能。用户通过批量 API 发送请求，不受实时推理速率限制，24 小时内完成任务。3 月 11 日至 18 日，DeepSeek-R1 批量推理价格直降 75%，输入 1 元/百万 Tokens，输出 4 元/百万 Tokens。来源：硅基流动
3月11日·周二
智元机器人发布灵犀X2：双足人形机器人解锁情感交互与灵活运动新技能
智元机器人发布灵犀X2，这是一款具备高自由度运动、情感计算和通用任务执行能力的双足人形机器人。灵犀 X2 全身 28 个自由度，未采用并联结构，运动灵活，能骑自行车、踩滑板车。它搭载情感计算引擎，可感知情绪并回应，交互反应达毫秒级。来源：竹江AI导航
字节推出音效生成模型 SeedFoley，一键生成大片感音效！
字节跳动豆包大模型语音团队推出 SeedFoley 模型，通过端到端架构实现视频音效智能生成，将 AI 视频创作带入“有声时代”。“AI 音效”已上线即梦，用户可一键生成 3 个专业级音效方案。来源：竹江AI导航
阿里开源 R1-Omni：DeepSeek 同款 RLVR 技术赋能全模态情感识别
阿里通义实验室薄列峰团队开源 R1-Omni 模型，首次将 DeepSeek 同款 RLVR 技术应用于全模态情感识别。该模型结合视觉和音频模态，通过 RLVR 和 GRPO 方法优化，在情感识别的推理能力、理解能力和泛化能力上显著提升。来源：竹江AI导航
豆包大模型团队 COMET 系统开源，万卡集群部署节省数百万 GPU 小时
字节跳动豆包大模型团队推出通信优化系统 COMET，针对 MoE 模型分布式训练中的通信瓶颈，通过细粒度计算-通信重叠技术，实现单层 1.96 倍加速、端到端平均 1.71 倍效率提升。COMET 已在万卡级生产集群落地，节省数百万 GPU 小时资源，获 MLSys 2025 高分评审，核心代码已开源。来源：豆包大模型团队
百度文心快码推出 AI 自动编程智能体Zulu，为开发者提供从需求到代码的端到端生成服务。Zulu 能自主理解编码需求，精准拆解任务，突破单文件限制，实现跨模块、跨目录的系统级代码生成。它支持多种编程语言和框架，具备多文件编辑与管理、一键采纳变更代码、工具调用、实时预览和多模态交互等功能。来源：竹江AI导航
科大讯飞联合华为率先实现国产算力大规模跨节点专家并行集群推理
科大讯飞与华为联合团队在国产算力领域取得重大进展，率先突破了国产算力集群上 MoE 模型的大规模跨节点专家并行集群推理。通过软硬件深度协同创新，团队在昇腾集群上完成了验证和部署，实现了显著的性能提升。来源：科大讯飞研究院
百度推出情感陪伴类 App“月匣”，主打高自由度 AI 对话与沉浸式剧本互动。该 App 搭载文心一言大模型，整合 DeepSeek、豆包、MiniMax abab 三大外部模型，构建“四核驱动”的 AI 社交引擎，通过多模型协同和沉浸式剧本交互，重新定义情感陪伴类应用边界，填补情绪刚需空白。来源：竹江AI导航
OpenAI 发布 CoT 思维链研究成果，监控阻止大模型恶意行为
OpenAI 公布最新研究，通过CoT（思维链）监控方式监控推理模型的“想法”，阻止 AI 大模型的恶意行为，如胡说八道、隐藏真实意图等。测试中，以 o3-mini 为被监控对象，GPT-4o 为监控器，在编码任务环境下，CoT 监控器检测系统性“奖励黑客”行为的召回率达 95%，远超仅监控行为的 60%。来源：IT之家
鸿海推出首个大语言模型“FoxBrain”，基于 Meta 的 Llama 3.1 架构，由 120 块英伟达 H100 GPU 训练完成，训练周期约四周。该模型具备推理能力，适配繁体中文及本土语言风格，主要用于内部数据分析、决策辅助、文档协作等场景。来源：竹江AI导航
Manus 沙盒代码被获取，基座模型为：Claude Sonnet 及阿里 Qwen 微调模型
网友通过查找 /opt/.manus/ 下的文件，获取了 Manus 沙盒运行代码，发现 Manus 使用了 Claude Sonnet 模型及基于该模型的 29 个工具，未使用 Claude 多智能体，还使用了 Browser Use 的开源代码作为 Computer use 能力底座。Manus 联合创始人季逸超回应称，沙盒代码的“泄露”是设计的一部分，每个对话都有独立沙盒环境。来源：第一财经
3月10日·周一
MetaGPT 团队推出 OpenManus ：开源版 Manus
MetaGPT 的 5 人小团队仅用 3 小时就成功复刻了开源版 Manus——OpenManus，在 GitHub 上获得了 8k+ 的 star。OpenManus 无需邀请码，可自由使用。用户通过创建 conda 环境、克隆存储库、安装依赖项并配置 API 密钥等步骤即可快速上手。来源：竹江AI导航
智元机器人发布首个通用具身基座大模型 Genie Operator-1（GO-1）。该模型基于创新的 Vision-Language-Latent-Action（ViLLA）架构，融合多模态大模型（VLM）和混合专家系统（MoE），通过预测隐式动作标记，弥合图像-文本输入与机器人动作执行之间的差距。来源：智元机器人
超算互联网QwQ-32B API接口服务上线，免费100万Tokens
超算互联网平台上线阿里巴巴开源推理模型 QwQ-32B 的 API 接口服务，提供免费 100 万 Tokens。QwQ-32B 基于 Qwen2.5-32B + 强化学习构建，在数学和代码能力上表现优异。用户可通过超算互联网平台快速开发或私有化部署该模型，平台提供保姆级教程，支持多种访问形式。来源：超算互联网
北京大学联合华为发布DeepSeek全栈开源推理方案。该方案基于北大自研的 SCOW 算力平台系统、鹤思调度系统，整合了 DeepSeek、openEuler、MindSpore 与 vLLM/RAY 等开源组件，实现了华为昇腾上的高效推理，支持大规模算力集群的训推一体化部署。来源：北京大学高性能计算校级公共平台
CAMEL-AI推出OWL项目：0天复刻Manus，开源且性能卓越
CAMEL-AI 开源社区推出OWL项目，成功 0 天复刻 Manus 通用智能体并完全开源，性能在 GAIA Benchmark 上达到 57.7%，超越 Huggingface 的 Open Deep Research（55.15%）。OWL 项目免费，支持 GitHub 一键克隆，提供云端和本地两种执行环境。来源：CAMEL-AI
Mistral AI 推出 Mistral OCR API：最快最准光学字符识别，千页 1 美元
Mistral AI 推出Mistral OCR，这是一个先进的光学字符识别（OCR）API。它能精准识别文档中的文本、图像、表格、公式等复杂元素，支持多语言和多模态输入，处理速度可达每分钟 2000 页。在基准测试中，Mistral OCR 的准确率高达 94.89%，全面领先其他 OCR 模型。来源：竹江AI导航
OpenAI 更新 macOS 版 ChatGPT，可在 Xcode 等 IDE 中直接编辑代码
OpenAI 更新 macOS 版ChatGPT应用，新增在 Xcode、VS Code 等 IDE 中直接编辑代码的功能。用户通过“与应用程序协作”功能，可让 ChatGPT 自动检测当前活跃编辑器并交互，能在编辑过程中与 ChatGPT 对话。来源：IT之家
3月6日·周四
全球首款通用 AI Agent 产品 Manus 发布，刷新 AI 基准测试纪录
Monica.im 团队推出全球首款真正自主的 AI Agent 产品Manus，引发 AI 圈关注。Manus 采用多代理架构，能独立思考、规划并执行复杂任务，直接交付完整成果。它在 GAIA 基准测试中创下新纪录，远超 OpenAI 同类产品。来源：竹江AI导航
腾讯混元开源图生视频模型，上线音频与动作驱动能力，助力创意视频创作
腾讯正式发布并开源混元图生视频模型。该模型支持用户上传一张图片并输入简短描述，即可生成 5 秒的短视频，同时具备对口型、动作驱动和背景音效自动生成等功能。模型适用于写实、动漫和 CGI 角色制作等多种场景，总参数量为 130 亿。来源：竹江AI导航
通义千问QwQ-32B，更小尺寸，性能比肩全球最强开源推理模型
阿里云通义千问团队推出 320 亿参数的推理模型QwQ-32B，性能媲美 6710 亿参数的 DeepSeek-R1。该模型通过大规模强化学习提升推理能力，在数学推理、编程能力等多领域表现卓越，超越多个领先模型。QwQ-32B 集成 Agent 能力，支持批判性思考与动态调整。来源：通义千问Qwen
具身智能机器人公司「逐际动力」近期完成 A+ 轮融资，半年内累计融资 5 亿元人民币。此次融资由阿里巴巴、蔚来资本、联想创投等多家知名机构参与，将用于加速人形机器人研发与商业化落地。公司专注于全尺寸通用人形机器人及双足机器人开发。来源：36氪
智源研究院联合多所高校开发了多模态向量模型 BGE-VL，推动多模态检索技术的突破。该模型基于大规模合成数据集 MegaPairs 训练，具备优异的可扩展性和数据质量；MegaPairs 通过自动化挖掘和标注多模态数据，仅需传统数据量的 1/70 即可实现更优效果。来源：智源研究院
Cohere 推出 Aya Vision，突破多语言多模态 AI 新纪元
Cohere For AI 推出领先的多模态、多语言视觉模型 Aya Vision，支持 23 种语言，覆盖全球超半数人口。Aya Vision 在多语言图像理解和文本生成任务中表现出色，其 8B 和 32B 版本在性能上超越了包括 Llama-3.2 90B Vision 在内的更大规模模型。来源：竹江AI导航
3月5日·周三
全球领先的专业级视频生成服务Vidu API 开放平台全面开放，面向企业级用户与个人开发者。它具备多模态语义理解能力，支持文字、图片等多模态指令输入，精准匹配创作意图；动漫风格稳定，画面流畅，帧间一致性高，并首创多主体一致性技术，突破模型上下文理解限制。来源：Vidu AI
OpenAI宣布提供3.6亿，联合15个大学和机构建立NextGenAI教育联盟
OpenAI 宣布成立NextGenAI教育联盟，联合 15 家顶尖大学和机构，包括加州理工学院、哈佛大学、麻省理工学院、牛津大学等。OpenAI 将提供 5000 万美元（约合人民币 3.6 亿元）的研究补助金、计算资源和 API 访问权限，支持学生、教育工作者和研究人员推进 AI 研究与教育创新。来源：钛媒体AGI
3月4日·周二
智谱发布开源图像生成模型CogView4，首个支持中英双语，图像生成迎来新突破
智谱正式发布并开源最新的图像生成模型CogView4。该模型具备强大的复杂语义对齐和指令跟随能力，支持任意长度的中英双语输入，可生成任意分辨率的图像。CogView4 在 DPG-Bench 基准测试中综合评分排名第一，成为开源文生图模型中的最先进技术（SOTA）。来源：GLM大模型
通义灵码上新Qwen2.5-Max模型，体验数学和编程双冠王能力
阿里云和通义实验室联合推出的 AI 编码助手“通义灵码”上线了 Qwen2.5-Max 模型。该模型使用超过 20 万亿 token 的预训练数据及优化的后训练方案，在 Arena-Hard、LiveBench 等基准测试中，Qwen2.5-Max 领先业界，在数学和编程能力上排名第一。来源：通义灵码
Anthropic完成35亿美元E轮融资，估值飙升至615亿美元
Anthropic 完成 35 亿美元 E 轮融资，估值达 615 亿美元。本轮融资由 Lightspeed Venture Partners 领投，Bessemer Venture Partners、Cisco Investments 等多家机构参与。资金将用于推进下一代 AI 系统开发、扩大计算能力、加速国际扩张。Anthropic 推出的Claude 3.7 Sonnet和 Claude Code，在代码能力上取得突破。来源：Anthropic
秘塔AI搜索推出新功能，新增“视频”搜索模块。该功能基于对上亿条视频内容的分析，覆盖多模态数据，用户可通过关键词快速找到学习或娱乐视频。来源：AI秘塔
百川智能近期对 To B 业务进行重大调整。2025 年 3 月 3 日，金融行业 To B 团队被裁撤；此前，该团队曾负责金融领域的大模型商业化，推出Baichuan4-Finance等产品。此次调整是为聚焦医疗领域，百川已在该领域布局，如投资医疗数据服务商“小儿方”并计划落地 AI 医生助理。来源：智能涌现
3月3日·周一
智谱AI完成超10亿元新轮战略融资，杭州城投产业基金参与投资
智谱AI 完成超 10 亿元战略融资，投资方包括杭州城投产业基金等。两轮融资期间近三个月，DeepSeek 的 RL 训练模式引发行业变革，促使 OpenAI 等公司调整战略，降低 GPT-4 Turbo 价格并考虑开源。智谱 AI 在开源生态和基座模型上持续投入，计划发布并开源全新大模型产品，同时调整 B 端与 C 端业务，强化行业定制化与多模态交互体验。来源：智谱
中国首款AI IDE：Trae国内版发布，配置豆包1.5pro，支持切换满血版DeepSeek模型
中国首个 AI 原生集成开发环境（AI IDE）Trae国内版正式上线。Trae 配置了Doubao-1.5-pro，支持切换满血版 DeepSeek R1、V3 模型，专为中国开发者设计，支持代码补全、理解、Bug 修复及自然语言生成代码等功能，通过 Builder 模式实现“思想到代码”的快速转化，提升开发效率。来源：豆包MarsCode
MiniMax Video-01系列收官，海螺视频App全球上线
MiniMax 宣布 Video-01 系列收官，推出海螺视频App全球上线。海螺视频 App 集成了图生视频模型I2V-01-Director和文生图视频模型T2V-01-Director，组成 01-Director 系列，为用户提供 15 种可自由组合的运镜效果，支持多运镜镜头组合和自然语言控制镜头运动。来源：MiniMax 稀宇科技
科大讯飞宣布星火X1大模型升级，并发布多款新品。星火 X1 在数学能力上显著提升，首发星火医疗大模型 X1，已应用于“讯飞晓医”，在医疗推理任务上超越 GPT-4o 和 DeepSeek R1。科大讯飞联合华为升级星火一体机，推出医疗、政务、高教、法律、警务五大场景一体机，发布首款“星火 X1+DeepSeek”双引擎 AI 学习机，推动 AI 在多领域的深度应用。来源：科大讯飞
亚马逊云科技宣布推出Alexa+，这是下一代 AI 助手。Alexa+ 采用全新架构，连接大语言模型、智能体能力、服务和设备，实现更智能、更具个性化的用户体验。五大技术突破包括：全新架构连接数以万计的服务和设备；精准系统提供准确实时信息；极致优化降低延迟；个性化响应定制专属体验；新增智能体能力突破 API 限制。来源：亚马逊云科技
“腾讯元宝电脑版”正式发布：混元大模型 / DeepSeek 双模切换
腾讯元宝电脑版正式上线，具备便捷的文件管理、在线协作编辑、实时沟通等功能，提升团队协作效率。用户可以在电脑端享受与移动端一致的流畅体验，支持多平台无缝切换，满足远程办公、团队协作等多样化需求。来源：竹江AI导航
飞书推出个人 AI 知识库“飞书知识问答”，支持调用 DeepSeek R1
字节跳动旗下的飞书推出“飞书知识问答”个人 AI 知识库产品。它通过自然语言对话形式，为用户提供资料整合与搜索问答服务。用户可以将飞书内的文件、文档等资料同步至知识库，或手动上传本地文件，系统会自动解析整合。来源：竹江AI导航
夸克AI搜索上线了“深度思考”功能，升级 AI 搜索体验。此次更新聚焦于提升搜索结果的深度和精准度：通过深度思考技术结合 AI 搜索，能快速从多个权威来源整理答案，提供更精准、简洁的搜索体验。夸克还集成了 AI 写作、生图、PPT 制作、翻译等功能，一站式解决用户在工作和生活中的多样化需求。来源：夸克APP
2月28日·周五
Trae v1.0.8 版本正式发布，新增对 Claude 3.7 Sonnet 模型的全量支持，为用户提供更强大的 AI 生成能力。资源有限，响应可能延迟，服务目前免费，用户可体验更高效、智能的 AI 功能。来源：竹江AI导航
OpenAI 推出GPT-4.5，作为最强聊天模型的研究预览版本，目前仅对 Pro 用户和开发者开放。GPT-4.5 通过扩大无监督学习，提升了模式识别、知识广度和创造力，减少了幻觉现象，对话更自然。它在写作、编程和解决问题上表现出色，具备更高情商，能更好地理解人类意图。来源：竹江AI导航
DeepSeek开源高性能并行文件系统 3FS 实现聚合吞吐 6.6 TiB/s
DeepSeek 在开源周最后一天发布了Fire-Flyer File System（3FS）和 Smallpond 数据处理框架。3FS 是一种高性能并行文件系统，专为 AI 训练和推理设计，支持大规模集群的高吞吐量数据访问，峰值读取吞吐量达 6.6 TiB/s。Smallpond 基于 3FS 和 DuckDB 构建，支持高效数据处理，可扩展至 PB 级数据集。来源：竹江AI导航
百度宣布文心大模型 4.5 将于 3 月 16 日正式上线。两年前的同一天，百度发布了全球首个生成式 AI 产品——文心一言。此次升级后的文心大模型 4.5 在基础模型能力上大幅提升，新增原生多模态和深度思考能力。来源：百度
荣耀、阿里在 AI 领域达成合作：千问、万相等多个模型已接入 YOYO 智能体
荣耀宣布与阿里在 AI 领域达成合作，千问（Qwen）和万相（Wan）等多款语言、视觉理解及图像生成模型已接入荣耀 YOYO 智能体。用户可通过 Magic7 系列手机体验相关 AI 功能。YOYO 助理已上线 DeepSeek-R1 满血版，支持深度思考模式，答案更精准、及时。来源：IT之家
2月27日·周四
腾讯混元新一代快思考模型 Turbo S 发布，实现秒级响应
腾讯发布新一代快思考模型混元Turbo S，该模型在知识、数理、创作等方面表现出色，实现“秒回”功能，吐字速度提升一倍，首字时延降低 44%。混元 Turbo S 采用 Hybrid-Mamba-Transformer 融合架构，有效降低计算复杂度和部署成本。来源：腾讯混元
DeepSeek开源新动作：三大并行计算优化技术，助力大模型训练效率飞跃
DeepSeek 开源三项并行计算优化技术：DualPipe是一种双向流水线并行算法，通过计算与通信的完全重叠，显著减少流水线气泡，优化 GPU 资源利用率；EPLB（专家并行负载均衡器）通过冗余专家策略和负载均衡技术，解决专家并行中 GPU 负载不均的问题；profile-data 则提供详细的性能分析数据，帮助开发者深入理解并行策略优化。来源：竹江AI导航
Anthropic 全面开放 Claude AI 的 GitHub 集成，赋能所有开发者
Anthropic 宣布全面开放Claude AI的 GitHub 集成，面向免费、Pro 和 Teams 用户。集成后，用户可将 GitHub 代码库同步至 Claude，使其理解代码上下文，辅助测试、调试和优化代码。来源：IT之家
微软开源Phi4多模态与Phi4-Mini：端侧AI迎来最强小模型
微软开源两款小模型Phi-4-Multimodal和Phi-4-Mini。其中 Phi-4-Multimodal 是多模态模型，集成了文本、视觉和语音输入，采用“混合 LoRA”技术，表现出色；Phi-4-Mini 是 3.8 亿参数的语言模型，擅长数学和编码任务，性能优于同尺寸模型。来源：竹江AI导航
2月26日·周三
DeepSeek推出 API 错峰优惠：自 2025 年 2 月 26 日起，DeepSeek 开放平台在北京时间每日 00:30 至 08:30 的夜间空闲时段，DeepSeek-V3 API 调用价格降至原价的 50%，DeepSeek-R1 价格低至原价的 25%。此举鼓励用户在夜间利用平台资源，享受更经济、更流畅的服务体验。来源：DeepSeek
阿里云开源视频生成大模型“Wan2.1”，全模态、全尺寸助力全球开发者
阿里云开源视频生成大模型“万相2.1”，采用 Apache 2.0 协议，提供 14B 和 1.3B 两个参数版本，支持文生视频和图生视频任务。其中 14B 版本在复杂运动生成和物理建模方面表现卓越，1.3B 版本能在消费级显卡上运行，仅需 8.2GB 显存即可生成 480P 视频。万相 2.1 在权威评测集 Vbench 中以 86.22% 的总分超越国内外众多模型。来源：竹江AI导航
DeepSeek开源FP8 GEMM库：极致优化Hopper GPU性能，助力AI训练与推理
DeepSeek 开源周第三弹发布——DeepGEMM，这是专为 Hopper GPU 设计的 FP8 GEMM 库，支持密集和 MoE GEMM，性能高达 1350+ TFLOPS。它采用 JIT 即时编译，无需预编译，核心代码仅约 300 行，支持多种矩阵布局，矩阵运算提速显著。来源：竹江AI导航
谷歌推出 Gemini Code Assist 个人版编程工具，免费可用
谷歌推出面向个人开发者的免费编程工具 Gemini Code Assist，帮助学生、爱好者和初创公司更便捷地获取 AI 编程支持。该工具由谷歌 Gemini 2.0 模型驱动，支持 38 种语言，提供每月最多 18 万次代码补全服务，远超其他同类产品。来源：竹江AI导航
2月25日·周二
Claude 3.7 Sonnet发布：AI推理与编码能力的双重突破
Anthropic 发布全球首个混合推理模型——Claude 3.7 Sonnet。该模型结合了标准和扩展思考模式，可在快速响应与深度思考间切换，用户可通过 API 细粒度控制思考时间。Anthropic 还推出命令行工具Claude Code，支持代码搜索、编辑、测试、提交及复杂应用开发，显著提升开发效率。来源：竹江AI导航
DeepSeek 开源通信库 DeepEP，大幅提升 MoE 模型训练与推理效率
DeepSeek 开源周第二天，发布开源项目 DeepEP，这是专为混合专家模型（MoE）训练和推理设计的高效通信库。DeepEP 提供高吞吐量和低延迟的全对全 GPU 内核，支持 NVLink 和 RDMA 通信，优化训练和推理效率。来源：竹江AI导航
OpenAI 更新 ChatGPT 应用，新增 Safari 扩展功能，用户可将 ChatGPT 设为 Safari 地址栏的默认搜索引擎。更新后，用户在“设置”中启用“ChatGPT 搜索扩展”，输入搜索查询时，结果将直接由 ChatGPT 提供，而非传统的谷歌等搜索引擎。来源：IT之家
阿里通义千问团队推出QwQ-Max-Preview深度思考模型，支持联网搜索，具备强大的通用能力，可完成创意写作、代码生成、数学题解答等任务。该模型基于 Qwen2.5-Max 构建，未来将以 Apache 2.0 许可协议开源。目前已上线官网，用户可通过点击“深度思考（QwQ）”按钮体验。来源：竹江AI导航
Perplexity 官宣“Comet”浏览器，主打“AI 智能体搜索”
Perplexity AI宣布进军浏览器市场，推出名为“Comet”的浏览器。该浏览器以“AI 智能体搜索”为核心概念，提供更贴近用户需求的搜索体验。Comet 已开启注册，具体上线时间和功能细节尚未公布。Perplexity AI 称其 AI 技术将优于谷歌 Chrome 和微软 Edge 等现有浏览器的搜索体验。来源：IT之家
字节AI加速调整，豆包正测试深度思考模型，暂未接入DeepSeek
字节跳动旗下 AI 助手“豆包”正在小范围测试深度思考模型，但未接入 DeepSeek，而是采用自研技术。目前，豆包的深度思考功能尚未开放，部分测试用户已能体验到思维链的呈现。自 DeepSeek 开源后，字节 AI 部门面临重大调整。来源：Z Finance
2月24日·周一
DeepSeek 开源周首日推出 FlashMLA，为 Hopper GPU 优化的高效 MLA 解码内核
DeepSeek 启动“开源周”，首个开源项目为FlashMLA，这是针对 NVIDIA Hopper GPU 优化的高效 MLA 解码内核，专为处理可变长度序列设计，灵感来源于 FlashAttention 2&3 和 Cutlass 项目。FlashMLA 支持 CUDA 12.3 及以上版本、PyTorch 2.0 及以上版本。来源：竹江AI导航
LiblibAI宣布在过去一年内连续完成四轮融资，创下国内 AI 应用赛道融资速度新纪录。最新两轮融资由渶策资本、顺为资本领投，明势创投等跟投，巨人网络参与产业投资。LiblibAI 致力于 AI 内容创作与分享，已拥有超 2000 万创作者和 5 亿张生成图片。本轮融资将重点投入创作者生态建设和技术研发，推动平台全球化发展。来源：LiblibAI
爱诗科技推出PixVerse V4：5秒生成AI视频，音画同步
爱诗科技发布PixVerse V4，带来 AI 视频创作新突破。该版本新增“音效”功能，可自动生成与视频内容匹配的音效；“人声”功能可为视频角色生成口型一致的配音；“重绘”功能支持一键切换视频风格，提供赛博、芭比等多种风格。生成速度可达 5 秒。来源：爱诗科技 AIsphere
LiblibAI 作为独家 AIGC 创作合作平台接入阶跃开源视频生成大模型
上海阶跃星辰智能科技有限公司开源的视频生成大模型“Step-Video-T2V”正式接入 LiblibAI 平台，LiblibAI成为其独家 AIGC 创作合作平台。此次合作推动 AI 技术的普及与创新，为全球开发者和创作者提供更优质的服务。来源：阶跃星辰
马斯克在社交平台 X 宣布，Grok 3语音模式早期测试版已在 Grok 应用程序上线。它支持用户通过自然语言与 AI 对话，提供两种声音（Ara 和 Grok）及不同个性，支持添加自定义说明和分享对话。来源：IT之家
月之暗面 Kimi 发布“Moonlight”混合专家模型（MoE），包含 30 亿和 160 亿参数版本。该模型在 Muon 技术基础上训练，使用了 5.7 万亿个 token，以更低的浮点运算次数（FLOPs）实现更优性能，提升了帕累托效率边界。团队通过添加权重衰减等技术优化 Muon 优化器，无需超参数调优即可用于大规模训练，计算效率是 AdamW 的 2 倍。来源：竹江AI导航
2月21日·周五
小红书将接入DeepSeek，AI搜索“点点”iOS版下载量总计约20万
小红书即将接入 DeepSeek-R1 开源模型，在 AI 搜索产品“点点”App 中推出“深度思考”功能，目前处于内测阶段。“点点”App 自上线以来，iOS 版下载量总计约 20 万次。“点点”定位为生活搜索助手，覆盖多种生活场景。来源：钛媒体AGI
DeepSeek 官宣下周陆续开源 5 个代码库，每日解锁新内容
DeepSeek宣布将在下周陆续开源 5 个代码库，每日解锁新内容。公司表示，这些经过测试和部署完备的代码库可投入生产环境，将“毫无保留地分享进展”。DeepSeek 自称为“小小的团队”，强调该领域没有“象牙塔”。来源：IT之家
Figure推出Helix：凭单神经网络实现上身控制与自然语言交互
人形机器人公司 Figure 推出通用控制模型Helix，这是与 OpenAI 断交后的首个成果。Helix 通过单一神经网络控制机器人整个上身，包括手腕、躯干和手指，能理解自然语言指令，完成拿起物品、打开冰箱等任务，可协作完成复杂操作。来源：竹江AI导航
Spotify 启动 AI 配音有声书服务，29 种语言可供选择
Spotify 宣布与ElevenLabs合作推出 AI 配音有声书服务，支持 29 种语言，为作者提供多种合成语音选项。免费版每月提供 10 分钟文本转语音服务，付费套餐起价 99 美元，可生成 500 分钟配音。Spotify 认为，AI 配音能让小型作者更低成本地制作有声书，便于旧书有声化。来源：IT之家
腾讯元宝上线图生文功能，结合混元和 DeepSeek 技术，可理解图片内容并提供分析。结合混元的多模态理解技术后，在关闭联网搜索的情况下，用户发送任意图片并提问，元宝都能给出自己的理解和分析。来源：腾讯
英伟达推出 Signs AI 平台，助力美式手语学习与无障碍沟通
英伟达携手美国聋童协会（ASDC）和 Hello Monday 推出 Signs AI 平台，帮助更多人学习美式手语（ASL）。该平台通过摄像头捕捉手势提供实时反馈，使用 3D 虚拟人物演示正确动作，方便用户对比学习。Signs 平台通过用户贡献的视频不断优化模型，数据集包含 40 万个视频片段，涵盖 1000 个手语单词。来源：竹江AI导航
2月20日·周四
「捏 Ta」X「清影」达成战略合作，多模态模型商业化持续发力
AI 角色创作平台“捏Ta”与智谱旗下的多模态模型“清影”达成战略合作，共同探索从 AI 角色设计到动画创作的完整路径。此次合作基于智谱最新升级的视频生成大模型CogVideoX-2，显著提升了模型的图像生成和指令遵从能力，支持高质量视频创作。上线首日，“捏Ta”平台完成 4 万+次视频生成，调用上亿次 Tokens。来源：智谱
腾讯旗下的 AI 智能工作台ima App正式上线。ima App 安卓版可通过官网或腾讯应用宝下载，iOS 版也将随后推出。ima App 延续了简洁设计风格，整合了电脑端和小程序的核心功能，ima 云存储空间扩容至 2GB，满足用户多场景需求。来源：ima.copilot
xAI 公司宣布 Grok 3 限时免费开放，直到服务器不堪重负为止
马斯克旗下人工智能公司 xAI 宣布，Grok 3现向公众免费开放，直至服务器不堪重负。所有用户均可免费使用 Grok 3 的推理和深度搜索功能。X Premium+ 和 SuperGrok 订阅用户将享有优先访问权及语音模式等高级功能。来源：IT之家
AI 编程初创公司Codeium完成新一轮融资，估值达 28.5 亿美元。此次融资距 C 轮融资仅 6 个月，当时估值为 12.5 亿美元。Codeium 专注于为企业提供服务，去年推出Windsurf Editor 工具，可自动编写部分代码。来源：IT之家
「灵境AI」完成数百万元种子轮融资，打造AI时代文创IP“造梦新基建”
灵境AI完成数百万元种子轮融资，打造 AI 时代文创 IP“造梦新基建”。这是一家专注于文创内容生成的 AI 科技公司，核心业务涵盖网文大数据平台、AI 短篇小说工厂、AI 动漫创作引擎和内容出海计划。公司通过“创意洞察+AI 提效”模式，在小说、动漫、微短剧等领域实现智能化生产，大幅提升创作效率和分发效率。来源：灵境AI创作
2月19日·周三
「灵宝CASBOT」完成超亿元天使轮融资，加速推进人形机器人量产进程
北京中科慧灵机器人技术有限公司（灵宝 CASBOT）近日完成超亿元天使轮融资，投资方包括联想创投、国投创合、河南资产基金等。本轮融资将加速人形机器人量产及核心技术研发。2024 年 11 月，公司发布首款双足人形机器人 CASBOT 01，拥有 52 个自由度，算力达 550T，续航超 4 小时。来源：36氪
OpenAI 官方宣布，推出全新的大模型测试基准SWE-Lancer，用于评估大语言模型（LLMs）在自由职业软件工程任务中的表现。该基准包含来自 Upwork 的 1400 多个真实任务，总价值达 100 万美元，涵盖从简单修复到复杂功能开发的全栈工程任务。来源：竹江AI导航
硅基流动于 2024 年底完成亿元人民币 Pre-A 轮融资，由华创资本领投，普华资本跟投，耀途资本超额跟投，华兴资本担任财务顾问。此前，硅基流动已引入美团作为战略股东。大模型云服务平台SiliconCloud上线不到一年，用户数超 300 万，日均调用上千亿 Token，支持上百款主流模型。来源：硅基流动
2月18日·周二
马斯克旗下 xAI 公司发布新一代大模型Grok 3。Grok 3 在数学推理、科学逻辑和代码写作等能力上表现卓越，超越 DeepSeek-v3、GPT-4o 和 Gemini-2 Pro 等模型。其开发依托 10 万块英伟达 H100 GPU 的 Colossus 超级计算机，训练时长 2 亿 GPU 小时，性能较前代提升十倍。Grok 3 引入推理模式和“DeepSearch”功能，支持复杂问题的深度思考。来源：竹江AI导航
月之暗面推出最新模型：Kimi Latest，开放平台同步上线
月之暗面科技宣布推出 Kimi 智能助手最新模型——Kimi Latest。该模型对标 Kimi 智能助手当前使用的最新大模型，支持 128k 上下文长度，具备图片理解能力，支持自动上下文缓存。Kimi Latest 适用于大模型聊天应用，如 ChatWise、ChatBox 等，可提供与 Kimi 智能助手相似的聊天体验。来源：Kimi 开放平台
阶跃星辰与吉利汽车集团联合开源两款多模态大模型——Step-Video-T2V视频生成模型和Step-Audio语音交互模型。其中 Step-Video-T2V 参数量达 300 亿，可生成高质量视频，性能领先全球开源视频模型；Step-Audio 是业内首款产品级开源语音交互模型，支持多语种、方言、情感表达及音色克隆，性能在多项评测中名列前茅。来源：阶跃星辰
秘塔AI搜索推出“浅度研究”功能，2-3分钟完成数百网页分析
秘塔 AI 搜索推出 Shallow Research「浅度研究」功能，可快速收集信息并完成初步分析。该功能采用“小模型+大模型”协同架构，结合秘塔自研模型与 DeepSeek R1 推理模型，可在 2-3 分钟内完成数百个网页的搜索与分析。来源：AI秘塔
昆仑万维开源中国首个面向AI短剧创作的视频生成模型，重塑AI短剧行业格局
昆仑万维开源中国首个面向 AI 短剧创作的视频生成模型SkyReels-V1及表情动作可控算法SkyReels-A1。其中 SkyReels-V1 是开源视频生成模型中参数最大且支持图生视频的模型，可实现影视级人物微表情表演和电影级光影美学，支持 33 种细腻表情与 400+ 自然动作组合；SkyReels-A1 支持高保真微表情还原和更大幅度的人物表情驱动。来源：昆仑万维集团
Mistral 推出首个专业区域语言模型：专精阿拉伯语和印度起源语言
Mistral AI 推出首个专业区域语言模型 Mistral Saba，满足中东和南亚地区对本地化语言和文化的需求。该模型拥有 240 亿参数，经过精心策划的数据集训练，支持阿拉伯语及多种印度起源语言，擅长泰米尔语。来源：竹江AI导航
2月17日·周一
字节Trae Win+Mac版全量上线，免费无限量使用Claude
字节跳动推出的 AI 编程 IDE Trae Win+Mac 版正式全量上线。Trae 支持免费无限量使用 Claude Sonnet 编程大模型，具备全自动开发模式“Builder 模式”，可实现需求理解、代码生成、文件操作及错误修复一体化。Trae 支持多模态开发，可直接通过上传原型或截图生成代码。来源：竹江AI导航
浙江大学人工智能教育教学研究中心于 2025 年 2 月 17 日起推出DeepSeek系列专题线上公开课，每周一晚上 19:30 面向全校师生及社会公众直播，解析 DeepSeek 的技术革新与伦理影响，探讨在人工智能领域的突破与应用。首期课程由吴飞教授和陈文智教授主讲。来源：竹江AI导航
xAI即将发布Grok 3，马斯克称之为“地球上最聪明的人工智能”
埃隆·马斯克的 xAI 公司将于 2 月 17 日发布 Grok 3 聊天机器人，马斯克称其为“地球上最聪明的人工智能”。Grok 3 引入“思维链”推理能力，显著提升推理、编程及多模态功能。训练使用合成数据，可反思错误。Grok 3 接入 X 平台供用户使用，发布时间较马斯克原计划有所延迟。来源：第一财经
腾讯元宝再更新：DeepSeek R1+腾讯混元T1「双核」驱动
腾讯元宝发布重大更新，接入腾讯混元T1和 DeepSeek-R1 两大模型，均支持深度思考功能。用户可免费切换使用，解决复杂问题更高效。其中混元 T1 为腾讯自研的最新「深度思考模型」，专为多维度分析设计，思维方式贴近人类认知。更新后，腾讯元宝支持联网搜索，结合腾讯生态内容及权威信源，答案更精准。来源：竹江AI导航
AI搜索新突破：Perplexity推出Deep Research免费深度研究功能
AI 公司 Perplexity 宣布推出Deep Research（深度研究）功能，向所有用户免费开放。非订阅用户每天可免费体验 5 次，Pro 用户每天可体验 500 次。Deep Research 通过多次搜索和推理，挖掘上百个信息源，提供深度研究报告；与普通 AI 搜索相比，其搜索深度、广度和推理能力更强。来源：竹江AI导航
腾讯多款产品接入DeepSeek-R1模型，全面升级AI体验
腾讯宣布旗下多款产品接入DeepSeek-R1模型，包括腾讯元宝、微信、ima、腾讯文档、QQ 浏览器、QQ 音乐等。其中腾讯元宝支持免费使用 DeepSeek-R1 满血版和混元 T1 深度思考模型，提供复杂问题解答能力；微信“AI 搜索”功能正在灰度测试中；ima、腾讯文档、QQ 浏览器、QQ 音乐等产品则结合 DeepSeek-R1 优化功能，提升用户体验。来源：腾讯
中国AI变局：腾讯、百度接入DeepSeek模型，字节反思，“大模型六虎”加速分化
腾讯微信上线“AI 搜索”功能，灰度测试 DeepSeek-R1 模型；百度搜索宣布全面接入DeepSeek和文心大模型的深度搜索功能。字节跳动反思 DeepSeek 技术跟进，“大模型六小虎”加速分化，部分企业选择拥抱 DeepSeek，另一些则继续深耕自身模型研发。来源：钛媒体AGI
2月14日·周五
问小白上线DeepSeek-R1满血版，实测为官网最佳平替！
问小白平台上线 DeepSeek-R1 满血版，提供免费流畅的使用体验。它支持联网搜索、上传文件、多模态分析等功能，具备深度思考、时效性回答、生成深度话题等亮点。问小白的客户端支持语音输入和语音播放，适合多群体使用。用户可在 PC 端和移动端通过问小白免费体验 DeepSeek-R1，解决官网服务器繁忙的问题。来源：竹江AI导航
通义灵码全新上线模型选择功能，新增支持 DeepSeek-V3 和 DeepSeek-R1 模型
通义灵码上线模型选择功能，支持 DeepSeek-V3 和 DeepSeek-R1 满血版 671B 模型。通义灵码是阿里云和通义实验室联合出品的 AI 编码助手，提供代码智能生成和研发智能问答能力。升级后，用户可在 VS Code 和 JetBrains IDEs 中切换不同模型，满足复杂算法和简单逻辑处理需求，进一步降低 AI 编程门槛。来源：通义灵码
昆仑万维发布Matrix-Zero世界模型，开启空间智能新时代
昆仑万维推出Matrix-Zero世界模型，包含 3D 场景生成和可交互视频生成两大子模型。其中 3D 场景生成模型可将图片转化为全局一致、可自由探索的 3D 场景，支持不同风格输入和动态效果生成；可交互视频生成模型以用户输入为核心，支持实时交互和精准视角控制。来源：昆仑万维集团
谷歌 Gemini 宣布上线“全局记忆”功能，订阅用户可令 AI 回忆曾经所有对话
谷歌Gemini AI 上线“全局记忆”功能，订阅 Gemini Advanced 服务的用户可在 App 和网页端体验。AI 能记住用户所有对话，提供更个性化的回复；用户无需跳转历史记录即可延续对话，还可要求 Gemini 总结对话内容。目前该功能仅支持英语，未来几周将扩展至其他语言。来源：IT之家
2月13日·周四
OpenAI 将在未来几个月内推出 GPT-5：整合 o3 等多项技术，可免费无限使用
OpenAI 创始人 Sam Altman 在社交媒体上透露公司产品路线图的重大更新。OpenAI 将发布 GPT-4.5（代号 Orion），这是最后一个非思维链（CoT）模型；未来几个月，OpenAI 将推出 GPT-5，模型将整合 OpenAI 的多项技术，包括 o3，不再将 o3 作为独立模型发布。GPT-5 将集成到 ChatGPT 和 API 中，提供更统一的智能体验。来源：机器之心
百度 AI 宣布：自 2025 年 4 月 1 日零时起，文心一言将全面免费开放，PC 端和 APP 端用户均可体验文心系列最新模型。同时，文心一言上线深度搜索功能，同样于 4 月 1 日起免费开放。深度搜索功能具备更强大的思考规划和外部工具使用能力，为用户提供专家级内容回复，支持多场景任务处理以及多模态输入与输出，APP 端也将同步上线。来源：百度AI
Adobe Firefly 开放 AI 视频生成，一键搞定 5 秒 1080P 视频
Adobe 宣布向公众免费开放 AI 视频生成器Firefly。用户仅需输入文本描述或上传图像，即可一键生成 5 秒的 1080p 高清视频。Firefly 在动态景观、动物行为、天气模式和粒子效果等元素上表现出色，支持高级相机设置和多种宽高比选择。来源：竹江AI导航
腾讯元宝接入 DeepSeek R1 模型，支持深度思考 + 联网搜索
腾讯元宝发布更新，正式接入 DeepSeek R1 模型，支持深度思考与联网搜索。该模型基于腾讯混元架构，具备强大的自然语言理解能力，可提供详细且权威的回答。QQ 音乐此前也已完成对 DeepSeek R1 的部署，成为首个应用该模型的音乐平台。来源：竹江AI导航
2月12日·周三
华为小艺助手网页端正式上线，适配手机和 PC，用户可通过浏览器直接访问。更新接入 DeepSeek-R1 智能体，支持联网搜索功能，可实时获取最新信息。网页版小艺提供 AI 问答、AI 写作、编程助手和 AI 翻译等功能，支持 R1 深度思考模式，用户可根据需要自定义自动或强制使用。来源：竹江AI导航
Agentic GLM全面登陆三星最新款手机Galaxy S25
智谱与三星合作，将 Agentic GLM 技术全面应用于三星 Galaxy S25 系列手机。该技术基于多模态数据处理能力，支持 AI 音视频通话、视觉理解、系统功能调用、AI搜索、文案写作等功能。Galaxy S25 的“语聊视界”功能可实现智能互动视频通话，同时支持社交媒体文案生成和系统级功能调用。来源：智谱
苹果抛弃DeepSeek，选择与阿里合作开发中国iPhone AI 功能
苹果公司已与阿里巴巴集团达成合作，共同开发面向中国市场的 AI 功能。双方联合开发的 AI 功能已提交审批，预计 3 月 25 日公布国行 AI 开发者教程。苹果曾尝试与百度合作，但未达预期，后放弃DeepSeek，因其缺乏支持大客户的经验。来源：钛媒体AGI
七家国产芯片鼎力支持！无问芯穹异构云打通DeepSeek-R1多芯片适配优化
无问芯穹异构云大模型服务平台正式上线DeepSeek-R1和DeepSeek-V3，完成了在壁仞、海光、摩尔线程、沐曦、昇腾、燧原、天数智芯等七家国产芯片上的适配优化。平台支持通过 Infini-AI 异构云平台一键获取 DeepSeek 系列模型与多元异构自主算力服务，为开发者提供高效、省心、划算的 AI 开发体验。来源：无问芯穹
字节跳动推出UltraMem架构，推理成本较MoE最高降83%
字节跳动豆包大模型团队发布全新稀疏模型架构UltraMem，有效解决传统 MoE 架构在推理时的高额访存问题。UltraMem 通过优化内存访问和计算效率，推理速度较 MoE 提升 2-6 倍，推理成本最高降低 83%。来源：豆包大模型团队
2月11日·周二
香港大学与字节跳动联合发布最新视频生成模型 Goku 和广告视频生成版本 Goku+。Goku 支持文生视频、图生视频和文生图等多种生成任务，能生成高质量的图像和视频内容；Goku+ 专注于广告视频生成，可将产品图片转化为吸引人的视频，支持虚拟数字人与产品互动，显著降低广告制作成本。来源：竹江AI导航
OpenAI、谷歌、Roblox 等联手，成立新组织以保障 AI 时代儿童安全
Roblox、Discord、OpenAI 和谷歌联合成立非营利组织 ROOST（强大开放在线安全工具），为 AI 时代构建可扩展且互联互通的安全基础设施。ROOST 将向公共和私人机构免费提供开源安全工具，初期重点关注儿童安全，特别是提供检测、审核和报告儿童性虐待材料（CSAM）的相关工具。来源：IT之家
北京庖丁科技宣布完成新一轮融资，金额达到 15 亿元人民币，由金山办公和顺为资本联合领投。此次融资将用于文档智能技术研发、市场拓展及核心人才引进，推动非结构化数据智能处理技术的创新与落地。庖丁科技专注于文档智能领域，已为超过 100 家大型机构客户提供服务，客户续费率超过 90%。来源：36氪
沙特将向 AI 芯片创企 Groq 投资 15 亿美元，支持后者在沙 AI 基础设施扩建
AI 推理芯片初创公司 Groq 宣布获得沙特阿拉伯 15 亿美元（约合 109.62 亿元人民币）的投资，用于扩建位于沙特达曼的 AI 推理基础设施。Groq 与沙特阿美旗下子公司合作建设的达曼数据中心已拥有 19000 个语言处理单元（LPU），能为 41 个国家的 40 亿用户提供服务。来源：IT之家
2月10日·周一
OpenAI CEO 深夜发文：AI 成本每年暴跌 10倍，2035 年人人都有超级大脑
OpenAI CEO Sam Altman 发文称，AI 成本每年暴跌 10 倍，到 2035 年，人人都将拥有超级大脑。他认为 AGI（通用人工智能）将成为人类进步的强大工具，带来前所未有的繁荣和生活质量提升。随着 AI 智能水平的线性增长，社会经济价值呈超指数增长；未来 AI Agents 将成为知识工作中的“虚拟同事”，广泛应用于各领域。来源：APPSO
晚点对话王小川丨不是文本创作、不是物理模型，AGI 的尽头是生命科学
百川智能创始人王小川在接受《晚点》采访时表示，AGI（通用人工智能）的尽头是生命科学，医疗不是垂直场景，而是大模型皇冠上的明珠。百川智能专注于医疗领域，致力于打造 AI 医生，认为“造医生等价于 AGI”。百川已发布全场景推理大模型Baichuan-M1-preview，计划在 2025 年第一季度推出 AI 医生助手，服务北京海淀区居民。来源：晚点对话LateTalk
VideoWorld开源：多方合作打造仅靠视觉认知世界的视频生成模型
字节跳动豆包大模型团队联合北京交通大学、中国科学技术大学发布的“VideoWorld”视频生成模型，现已开源。该模型首次实现仅通过视觉信息认知世界，无需依赖语言模型即可学习和执行复杂任务，如围棋对战和机器人操控。VideoWorld 采用潜在动态模型（LDM）压缩视频帧间变化信息，显著提升学习效率。来源：豆包大模型团队
美国网约车巨头 Lyft 同 Anthropic 达成合作：Claude 将为百万司机提供服务
美国网约车巨头 Lyft 与 AI 创企 Anthropic 达成合作，将推出 AI 驱动的产品，为 Lyft 每年超 4000 万乘客和 100 万司机提供更好的拼车体验。目前，由 Anthropic 的Claude模型支持的 Lyft AI 客服助手已投入使用，每天处理数千个客户请求，平均客服解决时间缩短 87%。来源：IT之家
吴恩达宣布创业公司推出新成果——Agentic Object Detection（Agent 目标检测）。该技术无需标注训练数据，仅通过推理即可在图片中定位指定物体。例如在一张草莓图片中，提示“未成熟的草莓”，模型可在短时间内准确识别。来源：竹江AI导航
昆仑万维旗下天工AI正式上线DeepSeek R1+联网搜索
昆仑万维旗下「天工AI」正式上线 DeepSeek R1+联网搜索功能。此次更新解决了此前 DeepSeek 联网功能无法使用及偶尔崩溃的问题，为用户带来更稳定、高效的 AI 体验。用户可在「天工AI」PC 端勾选“深度思考 R1”按钮，实现联网搜索，获取最新信息。来源：昆仑万维集团
2月8日·周六
Pika新功能Pikadditions上线，用AI为视频“加料”
Pika 推出新功能Pikadditions，用户仅需上传一张图片和一段视频，即可将图片内容自然地添加到视频中，实现如“老虎扑人”“冰箱里的北极熊”等创意效果。该功能基于 AI 技术，可根据原始视频动作智能生成引人入胜的合成画面。Pika 官方提供 15 次免费体验机会。来源：竹江AI导航
Github重磅发布Agent模式和Copilot Edits，主动修复错误代码
微软宣布GitHub Copilot全面支持代理功能，推出首个自主 SWE 智能体。它可自主迭代代码、修复错误、建议并执行终端命令。同时 GitHub Copilot Edits 上线，支持多文件编辑与代码更改意见。微软计划在今年内将其融入 GitHub 用户体验。来源：竹江AI导航
软银即将完成对 OpenAI 的 400 亿美元投资，超越微软成为最大金主
软银即将完成对 OpenAI 的 400 亿美元投资，投前估值为 2600 亿美元，投后估值达 3000 亿美元。资金将在未来 12 至 24 个月内支付，第一笔款项最快于春季到账。投资完成后，软银将超越微软，成为 OpenAI 的最大投资方。部分资金将用于 OpenAI 与软银、甲骨文合资的“星际之门”项目。来源：IT之家
2月7日·周五
OpenAI 更新 o3-mini 模型思维链展示方式，提高 AI 推理透明度
OpenAI 宣布公开o3-mini模型的推理思维链，免费和付费用户可查看其思维过程。部分人质疑公开的思维链是否为原始数据，因为展示速度较慢且字符数量与原始版本存在差异。OpenAI 发言人确认，公开的思维链经过后处理，消除了不安全内容、简化了复杂想法，为非英语用户提供更好的体验。来源：量子位
欧洲的 OpenAI，Mistral AI 推出 iOS 和 安卓APP
Mistral AI 发布客户端Le Chat，推出 iOS 和 Android 版本。它支持实时网络搜索、文档分析、图像生成等功能，提供企业级解决方案，包括代码解释器、OCR 和文档处理等。来源：竹江AI导航
《麻省理工科技评论》点评中国AI“四剑客”，每家都媲美DeepSeek
DeepSeek 凭借低训练成本和高性能的开源模型引发全球关注。《麻省理工科技评论》指出，除 DeepSeek 外，中国还有四家 AI 初创公司展现出强大的技术实力，包括阶跃星辰、面壁智能、智谱AI和无问芯穹。它们分别在基础模型、端侧模型、多模态 AI 以及 AI 基础设施领域取得了显著成就，展现了与 DeepSeek 媲美的竞争力。来源：机器之心
谷歌 Magic Editor 集成 SynthID，“火眼金睛”识别 AI 造假
为应对 AI 生成内容带来的虚假信息风险，谷歌将 SynthID 水印技术集成到图像编辑工具 Magic Editor 中。本周使用 Magic Editor 的 AI 生成编辑图像将在 Google Photos 中被 SynthID 标记，部分细微编辑可能无法被检测到。该技术通过嵌入数字水印标记内容，不影响视觉质量。来源：IT之家
OpenAI 宣布将在加州州立大学 23 个校区推出ChatGPT，覆盖 46 万名学生和 6.3 万名教职员工。这是 OpenAI 在美国高等教育领域的最大规模部署，为学生提供个性化辅导和学习指南，同时帮助教师完成行政工作。来源：36氪
DeepSeek声明：社交平台仅三个账号，一切声称与官方群组有关收费行为均系假冒
DeepSeek官方发布声明：近期，DeepSeek 发现部分仿冒账号和不实信息误导公众，DeepSeek 的官方账号仅包括微信公众号“DeepSeek”、小红书“@DeepSeek（deepseek_ai）”和 X（Twitter）“DeepSeek (@deepseek_ai)”。除这些账号外，其他任何声称与 DeepSeek 相关的信息均为假冒。来源：DeepSeek
2月6日·周四
OpenAI 放大招：ChatGPT 搜索功能无需注册人人可用，分钟级别解析全网信息
OpenAI 宣布 ChatGPT 搜索功能无需登录账户即可使用，用户可直接获取基于实时网络信息生成的答案，查看信息来源清单。与传统搜索引擎相比，ChatGPT 搜索可实现分钟级解析网络信息，能查看地图和本地景点图片，结果更具可信度和实用性。来源：IT之家
谷歌发布Gemini 2.0 Pro，全型号刷榜，原生多模态，编程、物理模拟能力炸裂
谷歌发布 Gemini 2.0 系列模型，包括 Gemini 2.0 Pro、2.0 Flash 和 2.0 Flash-Lite。其中 2.0 Pro 是谷歌最强的编码和复杂提示处理模型，配备 200 万 token 上下文窗口，支持谷歌搜索和代码执行工具；2.0 Flash 是高效主力模型，支持 100 万 token 上下文和多模态输入，适合高容量任务；2.0 Flash-Lite 是最具性价比的模型，性能优于前代 1.5 Flash，成本更低。来源：Founder Park
前追觅中国区执行总裁郭人杰创业，「乐享科技」宣布完成近2亿元天使轮融资
前追觅中国区执行总裁郭人杰创立的「乐享科技」宣布完成近 2 亿元人民币的天使轮融资，由 IDG 资本领投，Monolith、经纬创投、真格基金等跟投，投后估值约 6 亿元。乐享科技成立于 2024 年，定位为全球科技公司，专注于 AI + 消费硬件市场，首款面向家庭场景的产品正在研发中。来源：36氪
字节跳动推出 OmniHuman 多模态框架：图片+音频 = 逼真动画
字节跳动提出OmniHuman，这是基于扩散变换器的高保真人类视频生成框架。该模型通过单阶段的音频和姿态驱动，能生成高质量的人类视频内容。它支持文本、音频、姿态等多种输入信号，可生成从面部特写到全身的各种视频，适应不同风格。来源：竹江AI导航
训练成本不到 50 美元，研究人员打造出媲美 OpenAI o1 的推理模型
斯坦福大学和华盛顿大学的研究人员仅花费不到 50 美元的云计算费用，就训练出s1人工智能推理模型。该模型在数学和编程能力测试中表现与 OpenAI 的 o1 和 DeepSeek 的 r1 等顶尖模型相当。s1 通过“蒸馏”技术从谷歌的 Gemini 2.0 Flash Thinking Experimental 模型中提取推理能力，使用监督微调方法，耗时不到 30 分钟。来源：竹江AI导航
2月5日·周三
一场关于DeepSeek的高质量闭门会：比技术更重要的是愿景
拾象创始人李广密组织了一场关于DeepSeek的闭门讨论会，数十位顶尖 AI 研究员、投资人与从业者参与。会议探讨了 DeepSeek 的技术细节、组织文化及其影响。DeepSeek 凭借高效的资源利用和对智能的专注，展现出强大的技术实力。创始人梁文锋注重技术与智能的推进，而非商业化。来源：腾讯科技
5人创业国产AI搜索火了，小红书Reddit都在推！比Perplexity留存更高
国产 AI 搜索工具 Hika AI 由仅 5 人团队打造，上线不到 1 个月，在获取用户注意力方面已超越 Perplexity 等竞争对手。Hika AI 提供免费的知识获取引擎，核心特点是按段落分割回答，支持用户对感兴趣的部分深入提问，并提供图表化的总结表和思维导图。来源：竹江AI导航
Adobe Acrobat AI 助手新增合同理解与比对功能，月费 5 美元
Adobe Acrobat AI助手新增合同理解与比对功能，月费 5 美元（约 36.4 元人民币）。它可帮助用户理解复杂合同条款，自动发现不同合同之间的差异，例如新旧合同的变化。Acrobat 应用能自动识别合同文档，提取关键条款，生成摘要，推荐可能的问题，还可同时比较多达 10 份合同。来源：竹江AI导航
SB OpenAI Japan成立！2025年首个最火AI赛道开打
OpenAI 在日本宣布成立合资公司 SB OpenAI Japan，与软银合作，专注于开发和销售新型高级企业 AI——“水晶智能（Cristal intelligence）”。该合作为日本企业提供定制化的 AI 解决方案，推动企业工作流程自动化和效率提升。来源：智东西
华为小艺助手接入 DeepSeek，升级纯血鸿蒙 HarmonyOS NEXT 即可体验
华为小艺助手接入 DeepSeek，升级至 HarmonyOS NEXT 后即可体验。小艺助手的智能体广场已上线 DeepSeek-R1 Beta 版，升级小艺助手至 11.2.10.310 版本及以上，可在“发现”栏找到智能体广场，与 DeepSeek 进行对话。来源：IT之家
Figure AI与OpenAI“分手”，人形机器人公司与大模型公司重新划定边界
人形机器人公司 Figure AI 与 OpenAI 终止合作。Figure AI 创始人 Brett Adcock 表示，公司自主研发的端到端机器人 AI 取得重大突破，未来 30 天内将展示新成果。Figure AI 与 OpenAI 的合作始于去年初，曾发布多条展示机器人视觉、对话及灵活操作能力的视频。来源：第一财经
Ai2推出开源模型Tülu 3 405B，性能超越DeepSeek V3与GPT-4o
美国艾伦人工智能研究所（Ai2）推出新一代开源模型 Tülu 3 405B，基于强化学习技术，在多项基准测试中超越了 DeepSeek v3 和 GPT-4o。Tülu 3系列模型基于 Llama 3 Base，通过四阶段后训练方法优化，包括精心策划的提示词、监督微调、偏好微调和强化学习。训练数据、代码和方法完全开源。来源：竹江AI导航
2月3日·周一
OpenAI 推出 Deep Research 深度研究功能，助力复杂任务高效解决
OpenAI 发布 ChatGPT 的Deep Research功能。它通过多步骤推理和互联网信息综合，可在数十分钟内完成复杂的研究任务。Deep Research 基于 o3 模型，针对网页浏览和数据分析进行了优化，能生成专家级的研究报告，适用于金融、科学、政策和工程等领域的知识密集型工作。来源：竹江AI导航
秘塔AI宣布接入DeepSeek R1推理模型的满血版。该模型结合了秘塔数十亿的全网数据和数千万学术文献，能处理复杂的推理问题，在结合知识和学术文献的推理任务中表现出色。秘塔 AI 的测试结果显示，R1 模型在回答复杂问题时表现突出。来源：AI秘塔
OpenAI 更新 ChatGPT Canvas 工具：上线 o1 模型、支持渲染 HTML / React 代码
OpenAI 更新ChatGPT Canvas写作工具，新增了 o1 模型支持，扩展了代码渲染功能，支持 HTML 和 React 代码。Canvas 是 ChatGPT 中的写作与编码工具，用户可以在右侧输入文本，左侧基于模型调整文本长度或联想上下文。订阅了 ChatGPT Pro、Plus、Team 会员的用户可以使用 o1 模型，HTML 和 React 代码渲染功能对所有用户开放。来源：IT之家
2月1日·周六
OpenAI发布新的推理模型o3-mini，性能提升 24%
OpenAI 发布新的推理模型o3-mini，这是推理系列中最具成本效益的模型。o3-mini 在科学、数学和编程等 STEM 领域表现出色，保持低延迟和低成本。它支持函数调用、结构化输出和开发者消息等高级功能，提供低、中、高三档推理强度供开发者选择，并与搜索功能集成，为用户提供最新答案及链接。来源：竹江AI导航
阿里云通义千问推出旗舰版模型Qwen2.5-Max。这是 MoE 模型的最新探索成果，预训练数据超 20 万亿 tokens，在知识、编程、综合能力等主流权威基准测试中表现卓越，全面超越全球领先的开源 MoE 模型及最大开源稠密模型。来源：竹江AI导航
DeepSeek推出人人可用的开源视觉多模态AI模型Janus-Pro
DeepSeek 发布开源多模态 AI 模型Janus-Pro，包含 10 亿和 70 亿参数规模。该模型在 GenEval 和 DPG-Bench 基准测试中击败了 OpenAI 的 DALL-E 3 和 Stable Diffusion。Janus-Pro 基于 DeepSeek-LLM 构建，使用 SigLIP-L 作为视觉编码器，支持多模态理解和生成。来源：竹江AI导航
通义开源两大 AI 模型：Qwen2.5-VL和Qwen2.5-1M。其中 Qwen2.5-VL 推出 3B、7B 和 72B 三个版本，全面超越 GPT-4o 与 Claude3.5，支持超 1 小时的视频理解，无需微调即可操作手机和电脑完成复杂任务；Qwen2.5-1M 推出 7B 和 14B 版本，处理长文本任务性能卓越，推理速度提升近 7 倍，首次将上下文扩展到 1M 长度。来源：通义
1月27日·周一
开源全模态模型Baichuan-Omni-1.5上线，多项能力跑赢GPT-4o mini
百川智能上线开源全模态模型Baichuan-Omni-1.5。该模型支持文本、图像、音频和视频的全模态理解，具备文本和音频的双模态生成能力。在视觉、语音及多模态流式处理等方面，Baichuan-Omni-1.5 的表现均优于 GPT-4o mini，在多模态医疗应用领域优势突出。来源：百川大模型
可灵AI上线创意特效功能，支持“快乐惹毛我”“捏捏乐”“万物膨胀”等特效，已上线可灵 AI APP 和 Web 端。欢迎一起创意发挥，尽情体验，好玩儿到停不下来。来源：竹江AI导航
中国电信发布“复杂推理大模型”TeleAI-t1-preview：能解《九章算术》题目
中国电信人工智能研究院发布“复杂推理大模型”TeleAI-t1-preview，即将上线天翼 AI 开放平台。该模型采用强化学习训练方法，引入探索、反思等思考范式，提升逻辑推理和数学推导的准确性。在 AIME 2024 和 MATH500 评测中，分别以 60 分和 93.8 分的成绩大幅超越 OpenAI o1-preview 和 GPT-4o 等标杆模型。该模型具备将形象思维与抽象思维结合的能力，能严谨地进行古今单位换算，有效解决复杂问题。来源：竹江AI导航
GLM 技术团队推出了GLM-4V-Plus-0111 beta 版本，该版本引入了原生可变分辨率等技术，显著提升模型对不同视频长度和分辨率的适应能力。新模型支持短视频的精细理解，能处理长达 2 小时的长视频，自动调整分辨率以平衡时间与空间信息捕捉。来源：竹江AI导航
扎克伯格持续建设“AI 帝国”：Meta 今年将投入最多 650 亿美元
Meta 首席执行官马克・扎克伯格表示，公司今年计划投入最多 650 亿美元用于扩展 AI 基础设施，巩固其在与 OpenAI 和谷歌竞争中的地位。Meta 将增加 AI 岗位的招聘，建设一座超过 2 吉瓦的数据中心。作为英伟达的主要客户之一，Meta 计划在年底前拥有超过 130 万块图形处理器，在 2025 年实现约 1 吉瓦的计算能力。来源：IT之家
1月24日·周五
OpenAI正式发布智能体Operator！能推理、联网自主执行任务
OpenAI 推出“Operator”AI 代理。Operator 依托 Computer-Using Agent（CUA）模型，结合 GPT-4o 的视觉能力和强化学习推理能力，能自动完成多种在线任务，如预订餐厅、旅行规划、购物等。它通过屏幕截图“感知”界面，通过虚拟键盘和鼠标操作网页，具备自我纠错能力，遇到敏感信息或复杂任务时会交由用户接管。来源：竹江AI导航
百川智能发布深度思考模型，同时具备语言、视觉和搜索三大领域推理能力
百川智能推出两款新模型：Baichuan-M1-preview是国内首个全场景深度思考模型，具备语言、视觉和搜索三大领域推理能力，在医疗循证模式下，能快速精准回答医疗问题，提供深度推理和个性化建议；小尺寸版本 Baichuan-M1-14B 是行业首个开源医疗增强大模型，医疗能力超越 Qwen2.5-72B。来源：百川大模型
跃问 App 上线国内首个「创意板」功能，用户可通过简单指令生成应用、游戏等创意内容，无需代码知识。该功能基于自研多模态大模型 Step-1o 系列，支持生成海报、游戏、互动网页等，可分享至任意平台。来源：竹江AI导航
JetBrains发布AI编程Agent，助力开发者提升代码效率与质量
JetBrains 推出全新的 AI 编程 Agent——Junie，以插件形式支持 IntelliJ IDEA Ultimate 和 PyCharm Professional，未来将扩展至 WebStorm。Junie 在 SWE-Bench Verified 基准测试中完成 53.6% 的任务，表现中等偏上。它能与 JetBrains IDE 深度整合，生成代码、运行检查、编写测试并验证结果，显著提升开发效率和代码质量。来源：竹江AI导航
1月23日·周四
智谱GLM-PC开放体验：自主操作电脑的多模态Agent再升级
智谱推出电脑智能体GLM-PC，基于智谱 CogAgent 模型构建，能像人类一样“观察”和“操作”电脑，协助完成各类任务。它新增“深度思考”模式、逻辑推理和代码生成功能，支持 Windows 系统。GLM-PC 通过模拟人类左右脑分工，结合代码生成和图形界面理解，实现了逻辑推理与感知认知的深度结合。来源：竹江AI导航
字节跳动发布并开源了UI-TARS大模型，这是专门用于操控电脑界面的视觉语言模型，具备感知、推理和操作能力。UI-TARS 提供 2B、7B 和 72B 三种参数规模版本，支持跨平台操作，能通过自然语言指令完成鼠标点击、键盘输入等任务。在多个基准测试中，UI-TARS 表现优于 GPT-4 和 Claude。来源：竹江AI导航
Step-Video 开年震撼升级：更强大的真实世界模拟器来了
阶跃星辰推出视频生成模型 Step-Video V2版本。新版本在参数量、语义理解、指令遵循能力等方面大幅提升，支持复杂运动、人物美感、基础文字生成和多语言输入等功能。用户可通过跃问网页端申请试用。来源：阶跃星辰
Perplexity发布Sonar API，提供实时信息搜索功能
Perplexity 发布Sonar API，提供实时信息搜索功能。Sonar API 分为基础版和 Pro 版：基础版支持轻量级实时搜索和简单查询引用，Pro 版则支持复杂多步骤任务、更大的上下文窗口和更丰富的引用。来源：竹江AI导航
谷歌 Gemini 2.0 Flash Thinking 强化版发布，登上 Chatbot Arena 榜首
谷歌发布Gemini 2.0 Flash Thinking推理模型的加强版，再次登顶 Chatbot Arena 排行榜。更新引入了 1M 长上下文处理能力，可对长篇文本进行更深入分析，减少模型思想与答案之间的矛盾。它支持长上下文、多模态输入以及推理过程可视化，推理速度极快，在数学和科学能力测试中表现突出，数学成绩较前代提升 54%。来源：竹江AI导航
字节跳动正式设立代号为“Seed Edge”的研究项目，专注于通用人工智能（AGI）的前沿研究。项目拟定五大研究方向，包括下一代推理、感知、软硬一体模型设计、新范式探索和 Scaling 方向研究。Seed Edge 旨在探索 AI 的原创性创新，而非仅追随现有技术。字节跳动创始人张一鸣高度重视 AI 研究，鼓励团队探索基础课题。来源：晚点LatePost
1月22日·周三
字节跳动旗下火山引擎正式发布豆包大模型1.5 Pro。该模型在知识、代码、推理、中文等多个权威测评基准上表现优异，综合得分超越 GPT-4o、Claude 3.5 Sonnet 等业界一流模型。此次更新还推出了豆包·视觉理解模型和实时语音模型，支持多模态数据合成、低时延语音对话等功能。来源：火山引擎
可灵 AI重磅升级，「多图参考」功能全新上线，支持参考单个角色生成视频，以及不同角色之间的互动。该功能支持上传 4 张参考图，可以是人物、物品、道具和场景，确保多个镜头中的人物或主体保持一致。欢迎与可灵一起制作富有创意的视频。来源：竹江AI导航
特朗普联合OpenAI启动5000亿美元“星际之门”AI项目，用于建设AI基础设施
特朗普与 OpenAI CEO Sam Altman、软银 CEO 孙正义等在白宫宣布启动名为“星际之门”的人工智能项目。该项目计划未来四年投资 5000 亿美元，在美国建设新的人工智能基础设施，首期投入 1000 亿美元。技术合作伙伴包括 Arm、微软、英伟达等。项目旨在推动通用人工智能（AGI）发展，创造数十万就业岗位。来源：机器之心
网易有道正式发布并开源国内首个输出分步式讲解的推理模型“子曰-o1”。作为 14B 轻量级单模型，子曰-o1 支持在消费级显卡上部署，采用思维链技术，能提供细致的解题过程，具备强逻辑推理能力。子曰-o1 已应用于“有道小P”，支持“先解析思路、再提供答案”的答疑模式，助力学生自主思考。来源：网易有道
1月21日·周二
清影2.0重磅更新，AI 视频生成能力大幅提升。新版本在模型结构、训练方法和数据工程上全面升级，图生视频基础模型能力提升 38%，支持画面主体进行大幅度运动并保持稳定。其指令遵从能力行业领先，可精准实现复杂提示词，涵盖写实、三维动画、二维动画及特殊艺术风格。该模型已上线智谱清言，普通用户可免费用。来源：智谱
k1.5 新模型登场：Kimi 如何做到满血版多模态o1水平
月之暗面推出全新k1.5多模态思考模型。该模型在多模态推理和通用推理能力上达到 SOTA 水平：在 short-CoT 模式下，数学、代码、视觉多模态能力大幅超越全球短思考 SOTA 模型，领先 550%；在 long-CoT 模式下，达到 OpenAI o1 正式版水平，成为全球首个实现该性能的非 OpenAI 模型。来源：月之暗面 Kimi
DeepSeek-R1 发布，性能对标 OpenAI o1 正式版
深度求索发布DeepSeek-R1模型，并开源模型权重。DeepSeek-R1 通过强化学习技术大幅提升推理能力，在数学、代码和自然语言推理等任务上性能对标 OpenAI o1 正式版。DeepSeek 还开源了基于 R1 蒸馏的 6 个小模型，其中 32B 和 70B 模型性能比肩 OpenAI o1-mini。DeepSeek-R1 已上线 API，可通过官网或 App 调用。来源：DeepSeek
小红书AI翻译功能上线，网友玩转Prompt，背后大模型引关注
小红书上线 AI 翻译功能，引发了网友的广泛关注和讨论。该功能支持多种语言的翻译，能处理颜文字、网络热梗、化学式、摩斯电码等特殊内容。用户还可以通过 Prompt 提出翻译需求或生成特定内容。来源：量子位
阶跃星辰Step-1o重大升级，多模态视觉双榜夺冠，国内第一
阶跃星辰宣布 Step 系列模型上新第三弹，推出新成员 Step-1o Vision 多模态理解大模型，Step-1o Audio 语音模型能力也同步升级。Step-1o Vision 在视觉识别、推理等任务中表现卓越，位居国内外权威榜单首位；升级后的 Step-1o Audio 情商更高，声音更自然，支持多语种及方言理解，实现更低时延。来源：阶跃星辰
书生·浦像超高动态成像算法：AIGC叠加HDR，捕捉细节，平衡曝光
上海人工智能实验室联合香港中文大学、浙江大学团队推出“书生·浦像”超高动态成像算法（浦像 HDR，UltraFusion HDR），通过 AIGC 与 HDR 技术结合，实现超高动态范围成像。该算法可在 9 档曝光差异的极端条件下修复图片细节，生成色彩鲜艳、细节丰富的高质量图像，解决了传统 HDR 技术在动态场景中的运动伪影问题。来源：上海人工智能实验室
秘塔AI搜索推出了全新的“阅读模式”功能。该功能旨在解决 PDF 文档在移动设备上阅读不便的问题，支持复杂公式识别、智能渲染排版以及全文翻译，可轻松处理多列文字和图表混排的 PDF 文件。阅读模式支持多端同步，用户可在电脑端添加或上传 PDF 至书架，通过手机 App 查看。来源：AI秘塔
1月20日·周一
字节跳动推出全新AI IDE：Trae，基于Claude模型免费使用
字节跳动正式发布全新 AI 编程 IDE——Trae，对标 Cursor。它支持原生中文，集成 Claude 3.5、GPT-4o 等顶级 AI 模型，免费开放使用，具备智能代码生成与优化、AI 驱动的 Chat 和 Builder 交互模式、便捷的项目预览与调试等功能。来源：竹江AI导航
字节跳动旗下的豆包大模型团队宣布推出豆包实时语音大模型，在豆包 APP 全量开放。该模型是语音理解和生成一体化的端到端语音系统，主要面向中文语境，支持英语对话但暂不支持多语种。它在语音表现力、情绪承接和控制力方面表现出色，整体满意度高于 GPT-4o，具备低时延、可随时打断等特性，支持实时联网回答时效性问题。来源：豆包大模型团队
上海阶跃星辰推出 Step 系列语言模型的两位新成员：Step-2 mini和 Step-2 文学大师版。其中 Step-2 mini 是轻量级模型，仅用 3% 的参数量保留了 Step-2 模型 80% 以上的性能，生成速度快，性价比高；Step-2 文学大师版则专注于创作，能生成富有深度和风格的文学作品，已在跃问App 上线。来源：IT之家
商汤科技推出“日日新融合大模型交互版”（SenseNova-5o），正式对外开放实时音视频对话服务，限时免费使用。该模型具备强大的实时交互、视觉识别、记忆思考和复杂推理能力，支持超长多模态交互记忆（不少于 5 分钟），交互延迟低至 2 秒以内。用户还可根据偏好设置交流风格和音色。来源：商汤科技SenseTime
全球首个亿级参数量地震波大模型“谛听”在国家超级计算机成都中心发布第三阶段测试版本，已成功应用于西藏定日 6.8 级地震数据处理。该模型由中国地震局地球物理研究所、国家超级计算成都中心和清华大学联合开发，可自动识别震前、震后事件并生成 AI 地震序列目录。来源：IT之家
香港大学携手快手科技推出 GameFactory 框架，突破游戏场景泛化难题
香港大学与快手科技联合推出GameFactory框架，旨在解决游戏视频生成中的场景泛化难题。该框架基于在开放域视频数据上预训练的视频扩散模型，可生成多样化游戏场景。通过独特的三阶段训练策略，GameFactory 突破了现有方法对特定游戏数据集的依赖，支持自回归动作控制，可生成无限长度的交互式游戏视频。来源：竹江AI导航
腾讯上线由腾讯混元安全团队朱雀实验室研发的朱雀大模型检测工具，旨在帮助用户识别 AI 生成的图像和 AI 生成文本检测系统。它通过检测图片中的纹理、语义及隐层特征，快速判断图片是否由 AI 生成。该系统使用 140 万份正负样本进行训练，涵盖多种场景，测试检出率超过 95%。来源：腾讯
《晚点》对话 MiniMax 创始人闫俊杰，探讨 AI 创业与技术发展。闫俊杰认为，AI 创业不应套用移动互联网逻辑，模型能力提升并非依赖用户规模，而是技术进化。MiniMax 最新开源的MiniMax-01模型采用线性注意力机制，首次在大规模模型中实现高效处理 400 万 token 的长上下文，助力 AI 记忆与交互能力提升。来源：晚点对话LateTalk
1月17日·周五
智谱清言APP推出“2025克穷暴富”春节活动，赢现金红包庆新年
智谱清言推出 2025 年春节活动，时间为 1 月 17 日至 2 月 5 日。用户可通过智谱清言 APP 参与多种互动活动赢取现金红包，活动包括 AI 生成视频金币爆爆爆、新春纪念照生成、视频通话互动以及 AI 帮助群发拜年短信等。用户上传照片可生成新春主题纪念照，与小智视频通话可获得拜年红包，AI 助手 AutoGLM 可自动群发新年祝福。来源：智谱清言
Luma AI 推出最新视频生成模型Luma Ray2，基于新的多模态架构训练，计算能力是前代 Ray1 的 10 倍，能在 10 秒内根据文本提示生成高质量视频，最长时长从 5 秒延长至 1 分钟。生成视频动作生动流畅，未来还将推出图像转视频、视频转视频和编辑功能。来源：竹江AI导航
马斯克 xAI 再放大招：网页版 Grok 上线，无需 X 账户
埃隆·马斯克旗下 xAI 公司推出网页版Grok AI 聊天机器人，无需 X 账户即可体验。访问 grok.com，提供出生年份即可使用，能实时收集信息、获取答案、生成图像等。输入框下方菜单支持切换不同模式，更好控制响应。登录后可开启“临时模式”，聊天不记录、不用于训练模型。来源：IT之家
清华大学孵化的人形机器人企业北京星动纪元，近日完成最新一轮融资，新增阿里巴巴旗下公司等为股东，注册资本增至约 1095.9 万人民币。星动纪元专注于研发高智能通用人形机器人，产品已迭代至第六代——星动 STAR 1，具备 55 个自由度，能在复杂环境中执行多种任务。来源：财联社
1月16日·周四
豆包电脑版和网页版全新上线AI编程新功能，帮你高效解决编程难题
字节跳动豆包电脑版和网页版全新上线新功能AI编程，帮助用户解决编程难题。它提供更便捷的导入流程，一键上传多个本地代码文件，并可实时引入 GitHub 开源仓库。通过全新的代码编辑器支持沉浸式阅读和精准圈选代码，随时解答疑问，帮助用户生成、解释、修复和优化代码。来源：竹江AI导航
智谱Realtime、4V、Air新模型发布，上线bigmodel.cn
智谱发布多款新模型，包括 GLM-Realtime、GLM-4V-Plus和 GLM-4-Air，这些模型已在 bigmodel.cn 上线。其中 GLM-Realtime 模型支持低延迟视频理解和语音交互，具有清唱功能和长达 2 分钟的记忆能力；GLM-4-Air 和 GLM-4V-Plus 模型则提供高性价比的语言和视觉理解解决方案。来源：智谱
阶跃星辰推理模型 Step R-mini 全量上线跃问网页版
2025 年 1 月 16 日，阶跃星辰推出自研推理模型Step Reasoner mini（简称“Step R-mini”）。该模型上线跃问网页端，擅长规划、尝试和反思，通过慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。Step R-mini 在数学、代码、逻辑推理等复杂问题解决上表现出色，同时兼顾文学创作等通用领域。来源：竹江AI导航
腾讯会议推出全新升级功能。用户可从组织通讯录直接拉人入会，日程自动呈现并多渠道提醒，确保参会人准时上会等。会上还上线 AI 小助手 Pro 全程监听会议，可回答问题、提供方案建议，支持联网搜索与文件上传提问，提升会议效率。来源：腾讯会议
1月15日·周三
MiniMax 于 2025 年 1 月 15 日宣布开源MiniMax-01系列模型，包括基础语言大模型 MiniMax-Text-01 和视觉多模态大模型 MiniMax-VL-01。该系列模型参数量达 4560 亿，单次激活 459 亿，性能比肩 GPT-4o，能高效处理长达 400 万 token 的上下文，是 GPT-4o 的 32 倍。来源：MiniMax 稀宇科技
OpenAI 推出新功能「Tasks」ChatGPT 变身 AI 私人助理
2025 年 1 月 15 日，OpenAI 推出 ChatGPT 的新功能「Tasks」，能根据用户的指示自动完成各种任务，包括一次性提醒和重复执行的动作。用户可以在 ChatGPT 的聊天界面中选择「4o 与计划任务」模式，创建最多 10 个任务，通过网页、桌面和移动设备接收通知。该功能已向 Plus、Pro 和 Teams 用户开放 Beta 测试。来源：竹江AI导航
科大讯飞于 2025 年 1 月 15 日发布讯飞星火X1，这是国内首个基于全国产算力平台训练的深度推理大模型。该模型解题方式接近人类“慢思考”，以较少算力达成业界领先效果，中文数学能力国内第一。它已在教育、医疗领域落地，提升 AI 学习机精准度，助力教师助手部署，辅助医生诊断，推动行业发展。来源：竹江AI导航
Kimi 多模态图片理解模型 API 发布，1M tokens 定价 12 元起
2025 年 1 月 15 日，月之暗面发布全新多模态图片理解模型moonshot-v1-vision-preview。该模型具备强大的图像识别和文字识别理解能力，能精准区分复杂图像细节，准确识别潦草手写内容及图表信息。价格根据选择的模型不同而有所区分。来源：竹江AI导航
上海人工智能实验室宣布书生大模型升级至 3.0 版本，书生·浦语3.0（InternLM3）。该版本通过精炼数据框架，仅用 4T 训练数据，使 InternLM3-8B-Instruct 综合性能超同量级开源模型，训练成本降低 75% 以上。书生·浦语 3.0 首次在通用模型中融合常规对话与深度思考能力，可应对更多真实场景。来源：上海人工智能实验室
Vidu 2.0 正式上线，带来生成速度与画质的双重突破，10 秒即可出片。效果升级后，视频风格、主体更一致，首尾帧更自然。它推出超值套餐，成本低至 4 分/秒；新增错峰模式，低峰时段不限量、不扣积分，保障创作不停歇。来源：Vidu AI
1月14日·周二
腾讯推出一站式3D内容生产AI创作平台：腾讯混元3D，用AI给游戏装上创作引擎
腾讯旗下混元模型将《王者荣耀》游戏设计迁移到 3D 生成模型中，推出混元3D AI 创作引擎。该引擎为普通 UGC 和游戏等专业场景提供一站式 3D 内容生产的 AI 创作平台，支持文生 3D 和图生 3D 模式生成 3D 资产，并结合 3D 风格化、渲染打光、骨骼绑定和动作驱动等编辑工具调整模型效果，支持多种输出格式。来源：竹江AI导航
抖音创始成员任利锋的GenAI创意社区：Hitems，完成数千万美元Pre-A轮融资
抖音早期产品负责人任利锋创立的“数美万物”公司旗下创意电商社区Hitems，近日完成数千万美元 Pre-A 轮融资，美团龙珠领投，锦秋基金跟投，红杉中国、IDG 资本继续跟投，公司估值约 1.5 亿美元。Hitems 是集创作者创意生成、生产、销售于一体的跨境电商平台，基于 GenAI 技术，可通过关键词、图片或手绘稿生成高保真物品图。来源：智能涌现
加速AI和机器人融入生活空间，「一目科技」完成数亿元D轮融资
“一目科技”近期完成数亿元 D 轮融资，由赛富投资基金领投，南京市创新投资集团、松霖科技跟投。公司专注于多模态感知+AI 计算解决方案，产品已应用于智慧水务、智慧家居、生命科学等领域，并打入 TCL、惠而浦等头部白电厂商供应链。在 CES 2025 上，一目科技的 AI 洗护机器人首秀亮相并获媒体好评。来源：智能涌现
英伟达发布 6.3 万亿 Token 大型 AI 训练数据库 Nemotron-CC
英伟达推出名为Nemotron-CC的大型英文 AI 训练数据库，包含 6.3 万亿个 Token，其中 1.9 万亿为合成数据。该数据库基于 Common Crawl 网站数据构建，经过严格处理形成高质量子集 Nemotron-CC-HQ。与业界领先的 DCLM 数据库相比，使用 Nemotron-CC-HQ 训练的模型在 MMLU 基准测试中分数提高 5.6 分。来源：IT之家
珠海环界云计算有限公司完成 3750 万元 Pre-A 融资，由阿里云独家投资。其核心产品 Sealos 是基于 kubernetes 的云操作系统，聚焦已开发应用托管和新应用诞生，助力开发者和 B 端企业降低成本、提升效率。开源项目 Sealos 和FastGPT在社区受到关注。来源：36氪
1月13日·周一
2025 年 1 月 11 日，DeepSeek 正式推出Deepseek APP，支持 iOS 和安卓系统。此前，DeepSeek 仅有网页端和 API 调用两种使用方式。此次推出的手机 app 功能与网页端一致，底层默认使用 DeepSeek V3 模型，开启深度搜索后调用 DeepSeek-R1-Lite 推理模型。来源：竹江AI导航
百川智能落地宁波！注册资本 1.5 亿美元，与高新区共建产业基金
2025 年 1 月 13 日，百川智能创始人王小川与宁波高新区管委会签订合作协议，百川智能大模型项目落地宁波高新区。王小川表示将立足宁波特色，推进 AI 赋能千行万业。百川智能目前员工约 280 人，已完成 A+ 轮融资，总融资额约 50 亿人民币，估值 200 亿人民币。来源：有新Newin
阿里妈妈推出淘宝星辰视频生成大模型及图生视频应用。该工具基于自研大模型，结合海量电商数据和设计经验，具备更懂商品展示手法、更强多语种语义遵循能力、合理物理动作规律、稳定元素保持等优势。用户输入静态图片或文本描述，即可一键生成高质量 5 秒视频。该工具已对淘宝天猫商家开放。来源：竹江AI导航
方大特钢与华为签署全面合作协议。双方将在企业数据治理体系与应用、钢铁行业大模型应用、信息安全、数字化人才培养等方面展开合作。方大特钢表示，此次合作有助于推动数字技术与钢铁主业深度融合，加快数字化转型，提升信息化应用水平和市场竞争力。来源：IT之家
3D 生成大模型公司影眸科技完成数千万美元 A 轮融资，美团龙珠、字节跳动领投
影眸科技完成数千万美元 A 轮融资，美团龙珠、字节跳动领投，红杉中国种子基金及奇绩创坛跟投。融资将用于推进 3D 大模型前沿探索及 Hyper3D 系列产品商业化。其 3D 生成大模型Rodin上线 45 天即实现 100 万美金年经常性收入，已与 Amazon 等知名客户深度合作，获数百万元 B 端订单，覆盖多行业。来源：IT之家
月之暗面海外产品负责人的AI Coding项目被投资人抢爆了，新一轮估值8000万美元
前月之暗面海外产品 Noisee 创始人明超平发起的 AI Coding 项目“新言意码”已完成两轮融资，目前公司估值达 8000 万美元。该项目吸引了五源资本、高榕资本、真格基金、高瓴创投和 IDG 资本等多家顶级投资机构。新言意码定位为 AI coding 应用，瞄准类似美国智能代码生成产品Cursor的市场。来源：Z Finance
2025 年 1 月 11 日，京东健康在年度医生盛典和数智医疗大会上发布了“AI京医”大模型产品体系及业内首个面向医院全场景应用的大模型产品“京东卓医”。“AI 京医”包括 AI 诊疗助手 2.0、AI 科研助手和 AI 医生智能体等产品，旨在提升患者就医体验、医生临床科研效率和医院运营效能。来源：京东黑板报
YY直播首个 AI 伴唱服务数字人“灵儿”发布，平均每天服务超100万用户
YY 直播近日发布首个 AI 伴播数字人“灵儿”，在 12 日 YY 2024 年度巅峰盛典上首次亮相。依托自研技术，“灵儿”已覆盖 6000 多个直播间，平均每天服务超 100 万用户，目前处于公测阶段。上线半年来，互动、发言量提升超 30%，部分直播间互动设备数增长 670%，付费用户数增长 80%。来源：钛媒体AGI
中文互联网语料 AI 资源平台发布：27 个数据集、总量 2.7T
中国网络空间安全协会发布中文互联网语料资源平台，含 27 个数据集、总量 2.7T。该平台在中央网信办指导下，由协会与国家互联网应急中心等共建，经严格数据处理后，推出中文互联网基础语料 2.0，规模 120GB，数据 3800 万条。来源：IT之家
1月10日·周五
阿里通义万相2.1模型重磅升级，视频生成能力显著增强。它通过自研的高效 VAE 和 DiT 架构，首次实现了中文文字视频生成功能，支持无限长 1080P 视频的高效编解码，并在 VBench 视频生成模型评测体系中荣登榜首。它还支持文生组图，采用 IC-LoRA 图像生成训练方法，增强文本到图像的上下文能力，轻松实现关联图像间的组合生成。来源：通义
海螺AI推出全新 S2V-01 主体参考模型，AI视频创作再上新台阶
海螺AI推出全新 S2V-01 主体参考模型，支持用户通过上传一张参考图片，生成与原图高度一致的角色视频。该模型显著提升 AI 视频创作的效率和质量，使得每一帧画面都能完美还原参考形象。只需简单三步——上传图片、选择模型、生成视频，即可体验。来源：竹江AI导航
2025 年 1 月 10 日，商汤科技推出“日日新”融合大模型，实现原生融合模态，深度推理与多模态信息处理能力大幅提升。该模型在 SuperCLUE《中文大模型基准测评 2024 年度报告》与 OpenCompass 多模态评测中均获第一，成为“双冠王”。来源：商汤科技SenseTime
雷蛇推出“AI 游戏伴侣”Project AVA：支持实时指导 + 赛后复盘
在 CES 2025 上，雷蛇发布全新概念产品 Project AVA，这是一款 AI 游戏伴侣，旨在提升玩家的游戏水平。Project AVA 在训练过程中汲取顶尖电竞职业玩家和教练的游戏理解，能为 MOBA 和 FPS 类型游戏提供实时指导，并在赛后给出个性化总结分析，指出操作高光和需改进之处。它还能对电脑硬件进行性能调优，提升帧数和优化画面效果。来源：竹江AI导航
国家网信办：截至 2024 年末共 302 款生成式人工智能服务完成备案
截至 2024 年 12 月 31 日，国家网信办共完成 302 款生成式人工智能服务的备案，其中 2024 年新增 238 款。2024 年还有 105 款通过 API 接口或其他方式直接调用已备案模型能力的生成式人工智能应用或功能，在地方网信办完成登记。这些备案和登记工作旨在促进生成式人工智能服务的创新发展和规范应用。来源：IT之家
开源媒体播放器 VLC 下载破 60 亿次，预览本地 AI 字幕 / 翻译功能
开源媒体播放器 VLC 在 CES 2025 上庆祝累计下载次数突破 60 亿次。VideoLAN 总裁 Jean-Baptiste Kempf 表示，尽管流媒体服务盛行，VLC 的活跃用户数量仍在增长。VideoLAN 在 CES 现场预览了 VLC 即将推出的新功能：基于本地开源 AI 模型的离线字幕生成和翻译功能。该功能现已支持多种语言，包括法语、德语、日语和希伯来文。来源：IT之家
1月9日·周四
巨量引擎旗下创意生产平台 AIGC 工具“即创”正式版已上线，具备 AI 脚本生成、智能成片、数字人、商品卡等多体裁内容生成能力，新增“爆款裂变”“一键过审”等功能。来源：竹江AI导航
官宣！通义灵码 AI 程序员全面上线，仅需10分钟完成整个开发过程
阿里云和通义实验室联合推出的通义灵码AI 程序员全面上线，成为全球首个同时支持 VS Code 和 JetBrains IDEs 的 AI 编程工具。通义灵码具备代码智能生成、研发问答等功能，通过对话协作方式，能够高效完成业务开发、问题修复和单元测试等任务，累计生成代码达 15 亿行。来源：通义灵码
微软开源 140 亿参数小语言 AI 模型 Phi-4，性能比肩 GPT-4o Mini
微软于 2025 年 1 月 8 日在 Hugging Face 平台开源了小语言 AI 模型Phi-4，其参数量为 140 亿。Phi-4 在多个基准测试中表现优异，超越了参数量更大的 Llama 3.3 70B 和 OpenAI 的 GPT-4o Mini。其出色性能主要得益于高质量数据集的训练。来源：IT之家
CES 2025首日观察：AI硬件不再画饼，中国厂商大杀四方
CES 2025 首日，AI 硬件成为焦点，中国厂商表现亮眼。涂鸦智能展示 AI 与 IoT 深度融合的创新应用，如智慧能源管理、AI 灯光创作等；AR/AI 眼镜大热，雷神、Rokid 等厂商推出多款新品；电视领域，海信、TCL、长虹等国产厂商凭借 RGB 三维控色、Mini LED 技术等实现突破；智能清洁设备也迎来创新，追觅、MOVA、云鲸等品牌带来机械臂、履带式拖布等新技术。来源：36氪
晚点对话李开复丨零一万物部分团队并入阿里，“灵魂拷问来得太快了”
零一万物 CEO 李开复在晚点对话中透露，公司与阿里云成立产业大模型联合实验室，部分团队将加入该实验室。零一万物将不再追求训练超级大模型，转而专注于训练更快、更便宜的模型，并基于此打造可盈利的应用。来源：晚点LatePost
联通开源首个完全在国产昇腾 AI 平台训练和推理的中文原生文生图模型“元景”
联通数据智能宣布开源首个完全在国产昇腾 AI 平台训练和推理的中文原生文生图模型“元景”。该模型通过在 SDXL 架构中融合复合语言编码模块，实现了对中文长文本和特色词汇的精确语义理解，提升图像生成效果。元景模型替换了英文 CLIP 模型，增强了中文短文本输入的理解能力，支持长文本输入。来源：竹江AI导航
智元机器人团队推出了首个机器人 4D 世界模型EnerVerse，通过自回归扩散模型结合稀疏记忆机制和自由锚定视角（FAV），在生成未来具身空间的同时，显著提升了机器人动作规划能力。EnerVerse 在复杂任务中表现出卓越的未来空间生成能力和动作规划性能，解决了模态对齐和数据稀缺等挑战。来源：智元机器人
1月8日·周三
英伟达推出生成式世界基础模型平台 Cosmos 构建高保真物理模拟世界
英伟达推出了生成式世界基础模型平台Cosmos，旨在加速自动驾驶和机器人领域的发展。Cosmos 能根据文本、图像或视频生成高度仿真的虚拟世界状态，为 AI 应用提供独特的视频输出。平台集成了生成式模型、高级标记器和加速视频处理管道，帮助开发者生成大量基于物理的合成数据，减少对真实世界数据的依赖。来源：竹江AI导航
北京快手宣布，自研的视觉生成大模型可灵AI V1.6 已开放 API。新版本在生成质量、内容效果等方面有显著提升，尤其在广告视频素材生成方面表现出色，能更好地响应运动、时序类动作和运镜等文字描述，提高素材生成成功率。来源：可灵AI
HeyGen近日宣布推出全新数字人技术，并与 Sora 实现集成。此次合作产生的虚拟形象视频在许多情况下表现优于真人演员，且没有长度限制。HeyGen 的虚拟形象完全由人工智能生成，非基于真实人物模型，具有更强的可塑性和创造性，可满足不同视频需求。来源：品玩
Anthropic正以600亿美元估值筹集20亿美元，将成为第五大最有价值的美国初创公司
Anthropic 正在与 Lightspeed Venture Partners 谈判，计划以 600 亿美元的估值筹集 20 亿美元。这轮融资将使 Anthropic 的估值达到 600 亿美元，成为继 SpaceX、OpenAI、Stripe 和 Databricks 之后第五大最有价值的美国初创公司。来源：有新Newin
科大讯飞于 2025 年 1 月 7 日在北京中关村国际会议中心举办办公智能体产品升级发布会，推出多款升级产品。此次升级围绕智慧办公新范式，首次联合发布“知识中台、AI 搜索、星火人设、虚拟数字人、星辰MaaS与多模交互”六大通用能力，旨在为每个人打造量身定制的 AI 助手。来源：讯飞开放平台
阅文集团旗下的“筑梦岛”已开启独立运营，完成新一轮融资，金额超 1000 万美元，由商汤国香基金、阅文集团等战略投资方共同投资。筑梦岛定位为“新一代 AI 虚拟互动娱乐平台”，用户可创造并互动“梦中人”，通过多模态互动建立情感连接。目前，筑梦岛 App 拥有近五百万注册用户，其中近 80% 为年轻女性用户，人均日对话轮次超 120 轮。来源：36氪
2024 年，AI 搜索赛道竞争激烈，互联网巨头、内容平台和 AI 创业公司纷纷入局。腾讯、百度、字节跳动等推出多款 AI 搜索产品，如搜狗输入法的 AI 搜索、360 的纳米搜索、字节跳动的豆包电脑版等，覆盖学习、办公、电商等多个场景。AI 搜索产品形态不断进化，多模态大模型的应用使其具备更强大的搜索和创作能力。来源：钛媒体
用AI大模型重塑服装设计制版，「深服科技」获数千万元Pre-A轮融资
浙江深服人工智能近日完成数千万元 Pre-A 轮融资，由上海厚毅资本领投。资金将用于模型开发、技术人才引进和市场拓展。深服科技成立于 2023 年，专注于为服装行业提供 AI 解决方案，通过 AI 大模型技术解决设计和制版难题，降低研发成本。产品“画衣衣 AI 制版”即将发布，可让设计师自主生成 CAD 制版图。来源：36氪
1月7日·周二
英伟达发布新一代消费级显卡RTX50系列，售价为549美元起
在 2025 年 1 月 7 日的 CES 展会上，英伟达 CEO 黄仁勋发布了 RTX 5090 显卡。该显卡采用 Blackwell 架构，拥有 920 亿晶体管，AI 性能达 3352 TOPS，显存为 32 GB GDDR7，功耗为 575W，能通过 AI 提升帧率和图像质量。英伟达还推出了 Cosmos 世界模型平台，旨在推动物理 AI 的发展。来源：机器之心
中国信通院发布 MaaS 六大标准，解决 AI 模型落地“最后一公里”难题
中国信通院于 2025 年 1 月 6 日发布 MaaS（模型即服务）系列标准，旨在解决大模型落地应用中的质量问题和选型难题。该系列标准涵盖模型服务协议、评估方法、平台能力、模型管理及应用开发等方面，为大模型服务商和平台供应商提供能力建设参考，助力 MaaS 行业健康发展。来源：IT之家
腾讯研究院发布《AI图景解码50关键词》浓缩AI领域的基本图景和趋势
腾讯研究院发布《AI图景解码50关键词》，将 2024 年 AI 领域的关键信息和趋势浓缩为 50 个关键词。研究团队基于大量数据和专题研究，筛选出涵盖基础模型、图像处理、视频生成等八大方向的关键词，通过 AI 生成卡片进行可视化表达，帮助普通人快速了解 AI 领域的基本图景和未来趋势。来源：竹江AI导航
传音控股与阿里云达成合作，通义千问大模型搭载于前者旗下 AI 手机
传音控股与阿里云达成合作，将通义千问大模型搭载于旗下 TECNO 品牌的 AI 手机 PHANTOM V Fold2 中。该手机通过特定的 AI 按键，用户可以在离线环境中流畅运行多轮 AI 对话，实现文档及通话摘要等功能。来源：IT之家
1月6日·周一
罗永浩 Jarvis 初创项目“J1 Assistant 助理”上线，支持语音与大模型互动
罗永浩旗下的 AI 初创项目 Jarvis 在海外上线 J1 Assistant AI 智能助手，目前仅提供安卓版本，官网对国内 IP 进行了限制。J1 Assistant 的特色在于音频输入功能，用户可以通过语音输入，将语音消息发送至谷歌搜索引擎、自家 AI 模型或 ChatGPT 进行查询，还可以用于创建备忘录。来源：竹江AI导航
「天工大模型4.0」o1版和4o版正式上线天工APP和网页，免费使用
昆仑万维集团宣布，「天工大模型 4.0」o1版和 4o 版于 2025 年 1 月 6 日正式上线天工网页和 APP，供用户免费使用。其中 o1 版专注于中文逻辑推理，具备强大的数学、代码、逻辑、常识和伦理决策能力，通过多智能体体系和强化学习等技术提升推理性能；4o 版为多模态模型，语音对话助手 Skyo 具有情感表达和多语言切换能力，提供流畅的实时对话体验。来源：昆仑万维集团
微软计划本财年砸下 800 亿美元，建设符合 AI 工作需求的数据中心
微软计划在 2025 财年投资 800 亿美元建设支持人工智能运算的数据中心，其中超过一半的资金将投向美国市场。微软副董事长布拉德·史密斯表示，美国在全球 AI 竞赛中处于领先地位，得益于私人资本投入和技术创新。微软已向 OpenAI 投资超过 130 亿美元，将其 AI 模型整合到 Windows、Teams 等产品中。来源：IT之家
马斯克称 Grok 3 即将推出：已完成预训练，计算量比 Grok 2 高十倍
马斯克宣布 Grok 3 即将推出，预训练已完成，计算量比 Grok 2高出十倍。去年 7 月，Grok 3 使用了 10 万块英伟达 H100 芯片进行训练，但未能如期发布；去年 12 月，xAI 向所有 𝕏 平台用户免费推出了 Grok-2 模型，Premium 用户将优先访问新功能。来源：IT之家
阿里通义千问 Qwen 推 CodeElo 基准，OpenAI o1-mini 夺冠超 90% 人类程序员
阿里通义千问 Qwen 推出了 CodeElo 基准测试，利用 Elo 评级系统评估大语言模型（LLM）的编程能力。CodeElo 通过 CodeForces 平台的题目进行测试，确保评估的准确性和全面性。在测试中，OpenAI 的 o1-mini 模型表现最佳，Elo 评分为 1578，超过了 90% 的人类程序员。来源：竹江AI导航
上海发布“天工人工智能工业平台”和“工业语料库 1.0 版”
上海市在“人工智能+”行动推进大会上发布了“天工人工智能工业平台”和“工业语料库 1.0 版”。天工平台采用开放架构，兼容主流大模型，提供从底层算力到顶层应用的全面支持，旨在降低工业企业使用 AI 的门槛，提高应用开发效率，助力企业智能化转型；工业语料库则为企业提供精准的决策支持和解决方案。来源：IT之家
谷歌 DeepMind 推 CAT4D：普通视频变 3D 大片，单视角视频也能转换多视角了
谷歌 DeepMind 联合哥伦比亚大学和加州大学圣地亚哥分校开发了 CAT4D AI 系统，能够将普通视频转化为动态 3D 场景。该系统基于扩散模型，将单视角视频转换为多视角视图，用户可以从不同角度观看视频中的主体。来源：竹江AI导航
1月3日·周五
阿里入局 AI 眼镜：与雷鸟达成战略合作，产品将接入通义大模型
雷鸟创新与阿里云达成 AI 眼镜领域的独家战略合作，阿里云通义大模型将为雷鸟 AI 眼镜提供技术支持。这是国内首次大模型与 AI 眼镜硬件厂商的深度定制合作。双方将共同投入研发资源，围绕云计算、大模型、AI 硬件等领域展开合作。雷鸟计划于 1 月 7 日发布雷鸟 V3 AI 拍摄眼镜。来源：IT之家
微软推出 LAM（Large Action Model）“大型动作模型”，能够独立操作 Windows 程序，将用户请求转化为实际行动。这是首个专门训练与微软 Office 产品一起工作的模型。在 Word 测试中，LAM 的成功率达到 71%，速度超过 GPT-4o。来源：竹江AI导航
1月2日·周四
百度增设搜索产品：上线“AI 搜”，通过 @与不同智能体交互
百度近日上线“AI 搜”，这是基于百度文心大模型的桌面端 AI 搜索引擎。它整合了百度搜索引擎、健康、律临、文库、教育等内容生态，提供话题探索、问题解决等功能。用户可通过 @方式与不同智能体交互。来源：竹江AI导航
阿里前端第一人AI创业首秀，要做全球内容创作者的GitHub！5k人排队内测
前阿里前端技术专家玉伯，离开蚂蚁集团后创办 AI 公司思维天空，推出 AI 工具YouMind，旨在服务全球创作者。YouMind 集成多模态内容，提供网页总结、翻译、ChatBot 对话等功能，支持用户将内容分类收藏。目前处于内测阶段，已有近 5000 人申请，公司估值过亿。来源：量子位
智象未来发布智象多模态生成大模型 3.0 和智象多模态理解大模型 1.0，旨在提升视觉多模态基础模型服务，激发创造力。创始人梅涛院士强调了 AI 技术在推动科学发展和具身智能方面的重要性，提出了大模型通往 AGI 的两条路径。来源：HiDream智象未来
阿里云与零一万物达成战略合作，共建“产业大模型联合实验室”，旨在加速大模型技术应用落地和产业生态整合。双方将结合研发实力，通过阿里云百炼大模型平台提供服务，进一步深化双方在 AI 大模型领域的合作。来源：IT之家
英伟达 CEO 黄仁勋将在 CES 2025 发表开幕演讲，可能发布新一代 GeForce RTX50 系列显卡。英特尔和 AMD 也预计在会上发布 AIPC 相关产品，推动 AI 芯片技术迭代。行业已进入用户体验探索阶段，AIPC 芯片具备自然语言交互等特点，有望快速渗透 PC 市场，带动产业链升级。来源：财联社
谷歌前CEO施密特预测：AI 将在今年获得“永久记忆”，2028 美国会耗尽能源储备
谷歌前 CEO 埃里克·施密特预测，2025 年 AI 将实现三大突破：获得“永久记忆”、智能体从对话到行动的飞跃、文本到行动的编程革命。他强调 AI 变革将“一切，无处不在，同时发生”，并警告美国可能在 2028 年耗尽能源储备，原因是数据中心耗电量巨大。来源：36Kr
0 条评论
暂无评论，来抢沙发。