开源
字节跳动发布统一图像定制框架DreamO：集成换装、换脸与风格迁移
字节跳动在Hugging Face平台正式开源了全新图像定制框架DreamO，这一框架集成了图像换装、换脸、造型调整、风格迁移以及多主体组合等多种功能，为AI图像编辑领域带来了全新的技术突破。 AIbase编辑部整理了最新信息，深入解析DreamO的核心亮点及其对行业的潜在影响。 框架亮点:一站式图像定制解决方案DreamO被设计为一个统一的图像定制框架，支持多样化的编辑任务，并通过灵活的参数设置实现无缝整合。
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。
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。
阿里通义千问成为日本AI发展的新基石
近日，日本经济新闻（NIKKEI）发表了一篇引人注目的报道，指出阿里巴巴的通义千问大模型正迅速成为日本人工智能开发的重要基础。 随着全球 AI 技术的飞速发展，通义千问的表现已在国际舞台上崭露头角，尤其是在日经新闻对各大 AI 模型进行的综合评测中，通义千问 Qwen2.5-Max 一举夺得第六名，超越了许多国内外知名模型，包括 DeepSeek-V3和 OpenAI 的 o3-mini 等。 日本的众多新兴企业正纷纷借助通义千问的强大能力，开发适用于自身的企业级 AI 模型。
Copilot上大分，仅数天，陶哲轩的估计验证工具卷到2.0！刚刚又发数学形式化证明视频
本周二，我们报道了菲尔兹奖得主陶哲轩的一个开源项目 —— 在大模型的协助下编写了一个概念验证软件工具，来验证涉及任意正参数的给定估计是否成立（在常数因子范围内）。 在项目中，他开发了一个用于自动（或半自动）证明分析中估计值的框架。 估计值是 X≲Y（在渐近记法中表示 X=O (Y)）或 X≪Y（在渐近符号中表示 X=o (Y)）形式的不等式。
字节跳动开源深度研究框架DeerFlow
字节跳动宣布正式开源其全新研发的社区驱动深度研究框架 DeerFlow，这一举措迅速引发了AI研究领域的广泛关注。 作为一款基于LangChain和LangGraph框架构建的智能研究助手，DeerFlow将语言模型与网络搜索、爬虫、Python代码执行等专业工具深度整合，为自动化研究和内容创作提供了全新可能。 DeerFlow核心功能:智能化与人机协作的完美结合DeerFlow旨在通过AI技术提升研究效率，同时强调“人在回路”（Human-in-the-loop）理念，支持用户随时介入调整研究计划。
英伟达开源 OCR 代码推理 AI 模型：LiveCodeBench 基准超 OpenAI o3-Mini 和 o1（low）
英伟达开源其 Open Code Reasoning（OCR）模型套装，含 32B、14B 和 7B 三种参数规模，均采用 Apache 2.0 许可证发布，模型权重和配置已在 Hugging Face 平台开放下载。
开源社区新添利器:DeerFlow深度研究框架融合AI与专业工具
DeerFlow，一个由社区驱动的全新深度研究框架日前发布，旨在将语言模型与专业工具相结合，为开源社区提供强大的自动化研究解决方案。 这款基于LangGraph构建的模块化多智能体系统，秉持"源于开源，回馈开源"的理念，为研究人员和开发者提供了一套完整的工具链。 DeerFlow的核心优势在于其全面的功能整合。
IBM 将三大 AI 项目移交给 Linux 基金会，推动开源 AI 发展
IBM 宣布将三项关键的人工智能（AI）项目移交给 Linux 基金会的 LF AI & Data 基金会，进一步推动开源 AI 的发展。 这三项新项目分别是 Docling、BeeAI 和数据准备工具包(Data Prep Kit)，反映了业界对开放和协作式 AI 开发的日益重视。 与传统的封闭式解决方案不同，这些开源工具为开发者提供了更大的灵活性，使他们能够根据不同的需求进行修改和适配。
Multiverse发布全球首款AI生成多人在线游戏，以超低成本改写游戏开发规则
昨日，游戏开发与AI技术领域见证了一场颠覆性创新——EnigmaLabsAI团队正式发布Multiverse，这款号称全球首款由AI生成的多人在线游戏标志着游戏开发进入全新纪元。 这一突破性项目不仅以其AI驱动的动态世界引发广泛关注，更凭借惊人的低成本研发模式震撼行业。 Multiverse核心优势在于其革命性的实时动态世界模拟技术。
阿里巴巴开源 ZeroSearch 搜索引擎：训练成本大幅降低 80%
近日，阿里巴巴推出了一款名为 ZeroSearch 的开源创新大模型搜索引擎，这一新工具通过强化学习框架，极大地提高了搜索能力，并且在训练过程中不需要与真实搜索引擎互动。 ZeroSearch 的核心优势在于它能够利用大型预训练模型的知识，快速生成相关内容，并且可以动态控制生成内容的质量。 与传统的搜索引擎相比，ZeroSearch 的训练成本显著降低。
全球首个，最接近原版DeepSeek开源复现来了！R1四个月狂飙26倍
DeepSeek的含金量还在上升。 就在最近，Hugging Face联创、首席科学家Thomas Wolf表示——DeepSeek的出现，是开源AI领域的ChatGPT时刻！ 用他的话说，「正如ChatGPT让全世界认识到AI的存在，DeepSeek则让全世界意识到，原来还有着这样一个充满活力的开源社区。
超过谷歌搜索，成本猛降80%！阿里开源创新大模型搜索引擎
昨天，阿里巴巴开源了一种创新大模型搜索引擎——ZeroSearch。 ZeroSearch是一种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。 主要利用了大模型在大规模预训练过程中积累的丰富知识，将其转化为一个检索模块，能够根据搜索查询生成相关内容。
微软开源 Phi-4 推理模型：啰嗦AI，反卷出圈
AI圈子最有意思的事，已经不是“谁家模型参数最多”，而是——谁家小模型，能把大模型打趴下。 最近，微软研究院开源了一款“小而强”的研究：Phi-4-reasoning-plus。 这是一款专为深度结构化推理任务设计的开源语言模型。
SmartPDFs：PDF文档快速总结AI工具 分段总结核心内容
一款名为 SmartPDFs 的 AI 驱动 PDF 处理工具在社交媒体上引发热议。 这款免费且开源的工具通过先进的 AI 技术，自动将 PDF 文档内容总结并划分为逻辑清晰的章节，为用户提供高效的信息提取与浏览体验。 智能总结与结构化:重塑 PDF 阅读体验SmartPDFs 的核心功能在于其 AI 驱动的文档总结与结构化能力。
字节开源图像编辑黑科技！1/30参数1/13数据，性能提升9.19%
字节开源图像编辑新方法，比当前SOTA方法提高9.19%的性能，只用了1/30的训练数据和1/13参数规模的模型。 做到这一切无需额外预训练任务和架构修改，只需要让强大的多模态模型（如GPT-4o）来纠正编辑指令。 这一方法旨在解决现有图像编辑模型中监督信号有噪声的问题，通过构建更有效的编辑指令提升编辑效果。
微软正式开源UFO²，Windows桌面迈入「AgentOS 时代」
本论文第一作者为微软 DKI 团队的 Chaoyun Zhang，其为 Windows 平台首个智能体系统 ——UFO 的核心开发者，该项目已在 GitHub 上开源并获得约 7,000 Stars，在社区中引发广泛关注。 同时，他也是一篇超过 90 页的 GUI Agent 综述文章的主要撰写者，系统梳理了该领域的关键进展与技术框架。 其余项目的主要贡献者亦均来自微软 DKI 团队，具备深厚的研究与工程背景。
阿里通义Qwen3语言模型上线 ，开源实力再升级!
在全球人工智能领域，Qwen 系列大型语言模型迎来了新成员 ——Qwen3的发布。 今日，通义宣布将 Qwen3开源，带来了令人振奋的技术革新。 此次发布的旗舰模型 Qwen3-235B-A22B 以其2350亿个参数的规模在多个基准测试中展现出强大的竞争力，超越了 DeepSeek-R1、o1、o3-mini、Grok-3及 Gemini-2.5-Pro 等顶级模型。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
AI新词
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
英伟达
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
代码
AI for Science
苹果
算法
腾讯
Agent
Claude
芯片
Stable Diffusion
具身智能
xAI
蛋白质
开发者
人形机器人
生成式
神经网络
机器学习
AI视频
3D
RAG
大语言模型
字节跳动
Sora
百度
研究
GPU
生成
工具
华为
AGI
计算
大型语言模型
AI设计
生成式AI
搜索
视频生成
亚马逊
AI模型
DeepMind
特斯拉
场景
深度学习
Transformer
架构
Copilot
MCP
编程
视觉