资讯列表
月之暗面开源音频模型Kimi-Audio，从「语音转文字」到「读心对话」，让AI听懂人类 “弦外之音”！
近期，Kimi在语音交互领域发布了Kimi-Audio模型，这是一个开源音频基础模型，在音频理解、生成和对话方面表现出色。 AI让机器不仅 “听到” 声音，更能 “听懂” 语言背后的情感、意图和语境。 Kimi-Audio 的核心突破，在于构建了一个全流程端到端的实时语音对话系统。
5/13/2025 9:21:30 AM
AIGC Studio
200M参数吊打商业巨头！浙大-哈佛开源ICEdit，用1%资源实现图像编辑自由！一句指令生成海报级修图方案
浙江大学联合哈佛大学提出一种高效的基于指令的图像编辑框架ICEdit，与以往的方法相比，ICEdit仅需1%的可训练参数（200M）和0.1% 的训练数据（50k），就展现出强大的泛化能力，能够处理各种编辑任务。 相比 Gemini、GPT4o 等商业模型，我们更加开源，成本更低，速度更快（处理一幅图像大约需要 9 秒），性能强大。 使用ComfyUI-nunchaku，仅需 4 GB VRAM GPU 就足以尝试我们的模型！
5/13/2025 9:12:18 AM
AIGC Studio
OpenAI深夜开源HealthBench，60个国家合力开发5000段真实对话
今天凌晨1点30，OpenAI开源了一个专门面向医疗大模型的测试评估集——HealthBench。 与以往测试集不同的是，该测试集的5000段核心测试对话，全部由来自60个国家/地区的26个专业262名医生打造，极大增强了该测试集的难度、真实性以及丰富度。 并且采用了多轮对话测试，而不是简单的答题或选择题模式。
5/13/2025 9:08:00 AM
Sam Altman最新万字专访：2025，Agent智能体应用大年
今天凌晨3点，全球著名投资机构红杉资本（Sequoia Capital）发布了，Sam Altman参加其举办的“2025 AI Ascent”大会。 OpenAI联合创始人兼首席执行官SamA ltaman作为特邀嘉宾，接受了32分钟的专访和现场提问。 Altaman回顾了OpenAI的创业历程、产品规划/发展、对AI行业的看法等。
5/13/2025 9:05:35 AM
GPT-5研发内幕首曝！OpenAI首席研究官：AGI指日可待
GPT-5到哪一步了？ 最近，GPT-4.1核心研究员Michelle Pokrass透露，构建GPT-5的挑战在于，在推理和聊天之间找到适当的平衡。 她表示，「o3会认真思考，但并不适合进行随意聊天。
5/13/2025 9:02:23 AM
新智元
谷歌启动人工智能初创企业基金
谷歌宣布推出一项新的投资基金，旨在支持人工智能领域的初创企业。 这一名为 “人工智能未来基金” 的项目，将为符合条件的初创公司提供多方面的支持，包括资金投资、提前体验谷歌最新人工智能模型的机会，以及来自谷歌团队的专业指导。 在发布的博客文章中，谷歌表示，这项基金不仅仅是财务上的支持，还包括使用谷歌云服务的积分。
5/13/2025 9:00:52 AM
AI在线
ChatGPT神更新！Deep Research报告一键导出PDF，表格图像全保留，效率翻倍！
ChatGPT的Deep Research功能正式上线PDF导出功能，为用户提供更便捷的报告分享与存档体验（）。 用户现可通过点击分享图标并选择“下载为PDF”，将研究报告导出为包含表格、图像、链接引文和来源的格式化文档。 这一功能不仅适用于新生成的研究报告，还支持历史报告的导出，显著提升了Deep Research的实用性与企业适用性。
5/13/2025 9:00:52 AM
AI在线
苹果 iOS 19 将推出AI电池管理新功能
据彭博社的最新报道，苹果公司在即将推出的 iOS19更新中，将引入一项由人工智能驱动的电池管理功能，旨在帮助用户更有效地延长 iPhone 的电池寿命。 这一新功能将能够分析用户的使用习惯，并相应地优化设备设置，以减少电池的耗损。 iOS19中的电池管理选项将作为 Apple Intelligence 功能套件的一部分。
5/13/2025 9:00:52 AM
AI在线
合合信息推出 MCP 服务，助力大模型高效智能文档处理
在人工智能和大模型技术飞速发展的今天，如何高效调用外部工具已成为开发者们面临的新挑战。 不同大模型的调用结构和参数格式各不相同，导致开发者不得不为每种模型单独编写工具调用逻辑，进而影响了集成的效率。 为了解决这一难题，合合信息近日推出了文档处理领域首批 MCP（Model Context Protocol）服务，为企业和开发者提供了一个 “万能接口”。
5/13/2025 9:00:52 AM
AI在线
知名女演员强烈要求 Meta 删除 AI 伪造广告，强调肖像权的重要性
近日，知名女演员杰米・李・柯蒂斯（Jamie Lee Curtis）在社交媒体上对 Meta 公司 CEO 马克・扎克伯格(Mark Zuckerberg)发出强烈呼吁，要求其立即删除一则使用 AI 深度伪造技术制作的虚假广告。 这则广告通过修改柯蒂斯接受 MSNBC 采访的视频片段，歪曲她的言论来推销一款未公开的产品。 柯蒂斯在声明中指出，她从未授权或同意这则广告的制作和发布，认为这种行为严重侵犯了她的肖像权和个人信誉。
5/13/2025 9:00:52 AM
AI在线
0.33秒生成1秒音频!Muyan-TTS 开源上线，播客、有声书场景完美适配
开源语音合成迎来新突破!近日发布的开源 TTS 模型 Muyan-TTS 专为播客、有声书、长视频等场景设计，具备零样本语音合成、极速生成与高连贯性朗读能力，是当前最适合批量化长语音生成的模型之一。 Muyan-TTS 基于超10万小时播客数据预训练，仅需 0.33秒即可生成1秒高质量音频，支持无需打断地朗读数分钟文本，语音自然流畅。 更支持说话人定制，任意声音克隆，一键生成具有个性化语气与节奏的语音内容。
5/13/2025 9:00:52 AM
AI在线
Kimi与小红书联手，推出21天打卡挑战吸引用户
近日，人工智能公司 Kimi 宣布与社交电商平台小红书达成市场营销合作，双方共同推出了一项名为 “21天打卡挑战” 的活动，旨在鼓励用户深入体验 Kimi 的核心功能。 小红书作为一个以年轻用户为主的社交平台，这次合作为 Kimi 提供了提升品牌认知的良机。 然而，在行业竞争愈发激烈的背景下，Kimi 面临着越来越大的商业化压力。
5/13/2025 9:00:52 AM
AI在线
Google Gemma AI 模型下载量突破 1.5 亿次
Google 近期宣布，其人工智能模型集合 Gemma 的下载量已经突破1.5亿次，标志着该项目取得了显著进展。 Google DeepMind 的开发者关系工程师 Omar Sanseviero 在社交平台 X 上分享了这一消息，并透露，目前在人工智能开发平台 Hugging Face 上，开发者们已经创造出了超过7万个不同版本的 Gemma 模型。 Gemma 于2024年2月正式发布，旨在与 Meta 的 Llama 等其他开放模型系列进行竞争。
5/13/2025 9:00:52 AM
AI在线
ICML 2025 | 长视频理解新SOTA！蚂蚁&人大开源ViLAMP-7B，单卡可处理3小时视频
该工作第一作者为中国人民大学高瓴人工智能学院硕士生程传奇，目前于蚂蚁技术研究院实习，其主要研究领域为多模态大模型，蚂蚁技术研究院副研究员关健为共同第一作者。 在视觉语言模型（Vision-Language Models，VLMs）取得突破性进展的当下，长视频理解的挑战显得愈发重要。 以标准 24 帧率的标清视频为例，仅需数分钟即可产生逾百万的视觉 token，这已远超主流大语言模型 4K-128K 的上下文处理极限。
5/13/2025 8:59:20 AM
如何规划AI提示词搜索需要的内容
如何规划AI提示词搜索需要的内容开发者在规划AI提示词时，需要考虑多个因素以确保能够从AI工具中获得高质量、准确且符合预期的输出。 以下是一些关键步骤和策略，以及具体的例子来说明如何规划有效的AI提示词。 明确角色与任务首先，应当明确AI在对话中的角色以及它需要完成的任务。
5/13/2025 8:58:00 AM
前端老兵
连续思维机器来了！Transformer八子之一创企推出，让AI不再「一步到位」拍脑袋做决定
科学界的一个共识是：即使是最复杂的现代人工智能，也难以媲美人类大脑的表现和效率。 研究者经常从大自然中寻找灵感，了解如何在人工智能领域取得进步，例如利用进化来合并模型、为语言模型进化出更高效的记忆或探索人工生命的空间。 虽然人工神经网络近年来让人工智能取得了非凡的成就，但它们仍然是其生物对应物的简化表征。
5/13/2025 8:56:54 AM
OpenAI 发布并开源医疗测试基准 HealthBench，旨在更好地衡量 AI 系统在医疗健康领域能力
与以往测试集不同的是，HealthBench 的 5000 段核心测试对话，由来自 60 个国家 / 地区的 26 个专业 262 名医生打造，极大增强了该测试集的难度、真实性以及丰富度。
5/13/2025 8:41:48 AM
问舟
o3 vs o4 mini vs Gemini 2.5 pro：终极推理之战
译者 | 李睿审校 | 重楼随着技术的发展和进步，人工智能模型越来越智能，但究竟哪一种人工智能模型能在压力下展现出真正的推理能力？ 本文对o3、o4-mini和Gemini 2.5 Pro这三种人工智能模型进行了一系列测试：物理谜题、数学问题、编码任务和现实世界的智商测试。 而应对这些挑战并没有任何捷径，而只有对它们思维能力的考验。
5/13/2025 8:24:14 AM
李睿