AI在线 AI在线

模型

马斯克放话：Grok-4 于 7· 4 后上线，专治“写码难”！

马斯克放话：Grok-4 于 7· 4 后上线，专治“写码难”！
6月27日，马斯克发推宣布了 Grok-4 的最新动态：这一 xAI 最新一代大模型，将在 7 月 4 日之后发布。 据马斯克推特，这次是重点是面向开发者的“专业编码模型”升级。 Grok 是马斯克在 OpenAI 之外另起炉灶的尝试。
6/30/2025 1:00:00 AM
我国自主研发首套航空运输大模型“天牧”发布，提供管理 / 协作 / 服务三大特性

我国自主研发首套航空运输大模型“天牧”发布，提供管理 / 协作 / 服务三大特性
据央视新闻报道，我国自主研发的首套航空运输大模型 "天牧低空大模型" 前日在南京发布，该大模型主要用于空中交通管理用途，同时具备智能问答、辅助决策等核心能力，其研发在低空智能管理领域创下多项技术首发成果，实现了多项关键技术的突破。
6/29/2025 10:50:37 AM
漾仔
8 秒转录 30 分钟播客：MacWhisper 应用接入英伟达 Parakeet 模型

8 秒转录 30 分钟播客：MacWhisper 应用接入英伟达 Parakeet 模型
科技媒体 9to5Mac 昨日（6 月 27 日）发布博文，报道称 macOS 应用 MacWhisper 在近期版本更新中，通过接入英伟达的 Parakeet 模型，转录速度飙升。
6/28/2025 6:54:35 AM
故渊
最低仅需2G显存，谷歌开源端侧模型刷新竞技场纪录，原生支持图像视频

最低仅需2G显存，谷歌开源端侧模型刷新竞技场纪录，原生支持图像视频
谷歌开源模型，又上新了。 今天凌晨，谷歌正式官宣了Gemma 3n，原生支持文本、图像和音视频等多种模态。 在大模型竞技场中，Gemma 3n取得了1303分，成为了第一个超过1300分的10B以下模型。
6/27/2025 3:50:36 PM
阿里发布信息检索Agent，可自主上网查资料，GAIA基准超越GPT-4o

阿里发布信息检索Agent，可自主上网查资料，GAIA基准超越GPT-4o
Agent能“看懂网页”，像人类一样上网？ 阿里发布WebDancer，就像它的名字一样，为“网络舞台”而生。 只要输入指令，它就可以帮你上网搜索、做攻略，实现自主信息检索代理和类似深度研究模型的推理。
6/27/2025 3:45:28 PM
苹果出手！改进GRPO，让dLLM也能高效强化学习

苹果出手！改进GRPO，让dLLM也能高效强化学习
最近，扩散语言模型（dLLM）有点火。 现在，苹果也加入这片新兴的战场了。 不同于基于 Transformer 的自回归式语言模型，dLLM 基于掩码式扩散模型（masked diffusion model / MDM），此前我们已经报道过 LLaDA 和 Dream 等一些代表案例，最近首款实现商业化的 dLLM 聊天机器人 Mercury 也已经正式上线（此前已有 Mercury Coder）。
6/27/2025 3:44:35 PM
突破通用领域推理的瓶颈！清华NLP实验室强化学习新研究RLPR

突破通用领域推理的瓶颈！清华NLP实验室强化学习新研究RLPR
余天予，清华大学计算机系一年级博士生，导师为清华大学自然语言处理实验室刘知远副教授。 研究兴趣主要包括高效多模态大模型、多模态大模型对齐和强化学习，在 CVPR、AAAI等人工智能领域的著名国际会议和期刊发表多篇学术论文，谷歌学术引用1000余次。 Deepseek 的 R1、OpenAI 的 o1/o3 等推理模型的出色表现充分展现了 RLVR（Reinforcement Learning with Verifiable Reward，基于可验证奖励的强化学习）的巨大潜力。
6/27/2025 10:10:43 AM
超过GPT-image-1！大黑马Black Forest刚开源新模型，只用文本实现一键PS

超过GPT-image-1！大黑马Black Forest刚开源新模型，只用文本实现一键PS
今天凌晨，知名开源平台Black Forest开源了，文生图模型FLUX.1-Kontext的开发者版本。 该版本主要专注于图像编辑任务，支持迭代编辑，在各种场景和环境中都能出色地保留角色特征，还允许进行精确的局部和全局编辑，例如，用户想给一个人脸加上胡子或者更改衣服穿着、场景，FLUX.1-Kontext都能轻松实现。 简单来说，FLUX.1-Kontext开发版的主要功能可以像PS一样，让用户通过自然语言就能实现一键P图。
6/27/2025 9:26:50 AM
3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%

3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%
近年来，视觉-语言-动作（VLA）模型在机器人操作任务中大放异彩，成为推动通用机器人操作的重要引擎。 但现有的VLA模型，大多只以2D信息作为输入，且需要大量的机器人数据进行微调；反观以PerAct，RVT-2为代表的3D操作策略，通常仅需要10条轨迹就能够取得不错的效果，因此，一个很自然的想法是，是否能将现有的2D VLA升级为3D VLA，使其同时兼具2D VLA的效果以及3D操作策略的效率？ 中科院自动化所的研究人员提出的BridgeVLA给出了肯定的回答！
6/27/2025 9:10:17 AM
谷歌AlphaGenome横空出世！40亿年生命代码一键破解，或再夺诺奖

谷歌AlphaGenome横空出世！40亿年生命代码一键破解，或再夺诺奖
基因组，宛如生命的蓝图，藏在我们每一个细胞之中。 这套完整的DNA指令集，主导着生命体从外观功能到生长繁殖的几乎每一个方面，甚至是对疾病抵御的能力。 2003年，人类基因组测序完成，让人类首次窥见了DNA的全貌。
6/27/2025 8:56:51 AM
人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展

人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展
本文由中国人民大学高瓴人工智能学院李崇轩团队和字节跳动Seed团队共同完成。 第一作者郑晨宇是中国人民大学高瓴人工智能学院二年级博士生，主要研究方向为基础模型的优化、泛化和可扩展性理论，导师为李崇轩副教授，论文为其在字节跳动Seed实习期间完成。 第二作者张新雨是字节跳动研究员，主要研究方向为视觉生成模型。
6/27/2025 8:50:40 AM
北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”

北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”
LLMs能当科研助手了？ 北大出考题，结果显示：现有模型都不能胜任。 北京大学DS-Lab发布ScholarSearch，这是首个专门用于评估大语言模型在学术研究中复杂信息检索能力的数据集，包含223道高难度的学术检索题目及其答案。
6/27/2025 8:47:12 AM
Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型

Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型
谷歌DeepMind Alpha家族又双叒登上Nature报道，这次瞄准的是DNA变异。 现在只需1秒，就能精确定位基因组序列变异。 据Nature最新报道，谷歌DeepMind团队目前推出了突破性生物模型AlphaGenome。
6/27/2025 8:45:31 AM
推理越多，幻觉越重？多模态推理模型的「幻觉悖论」

推理越多，幻觉越重？多模态推理模型的「幻觉悖论」
在多模态大模型的飞速发展中，R1 系列多模态推理模型凭借显式的长链推理机制，在复杂任务中屡屡突破传统「快思考」范式的性能瓶颈。 然而，研究发现，随着推理链条的加长，这类模型的视觉感知能力却呈现出明显下滑的趋势，逐渐转而依赖语言先验进行「脑补」，生成内容也越来越容易脱离图像本身，甚至出现凭空捏造的幻觉现象。 这一「推理增强—感知削弱」的悖论，凸显了当前多模态推理模型在推理能力与感知准确性之间面临的平衡挑战。
6/27/2025 8:40:00 AM
全模态RAG突破文本局限，港大构建跨模态一体化系统

全模态RAG突破文本局限，港大构建跨模态一体化系统
突破传统检索增强生成（RAG）技术的单一文本局限，实现对文档中文字、图表、表格、公式等复杂内容的统一智能理解。 香港大学黄超教授团队开源多模态智能处理系统RAG-Anything，将碎片化的信息孤岛转化为结构化的知识网络，为智能多模态文档分析开辟了全新技术路径。 RAG-Anything 是专门针对复杂多模态文档设计的新一代RAG系统，致力于破解现代信息处理中的多模态理解难题。
6/26/2025 3:11:41 PM
AI“读书”合法了：美法院最新裁定，无需作者同意，已购书籍可用于训练AI

AI“读书”合法了：美法院最新裁定，无需作者同意，已购书籍可用于训练AI
无需原作者同意，AI可以用已出版书籍作训练数据了。 就在最新判决的诉讼中，美国法院裁决：允许Claude背后公司Anthropic在未经作者许可的情况下，使用合法购买的已出版书籍训练AI。 法院参考了美国版权法中的“合理使用”（Fair Use）原则，认为AI训练属于“转化性使用”（Transformative Use），即对原作品的新用途未取代原作市场，且有利于技术创新和公共利益。
6/26/2025 3:09:07 PM
刚刚，OpenAI苏黎世办公室被Meta一锅端，三名ViT作者被挖走

刚刚，OpenAI苏黎世办公室被Meta一锅端，三名ViT作者被挖走
刚刚，华尔街日报发布了一份独家报道，称去年底刚刚组建的 OpenAI 苏黎世办公室基本被 Meta 一锅端走了。 具体来说，Meta CEO 马克・扎克伯格挖走了 Lucas Beyer、Alexander Kolesnikov 和 Xiaohua Zhai（翟晓华）三位研究者。 这三人一直以来都是密切的合作伙伴，共同参与了 ViT 等重要研究。
6/26/2025 3:07:54 PM
具身世界模型新突破，地平线 & 极佳提出几何一致视频世界模型增强机器人策略学习

具身世界模型新突破，地平线 & 极佳提出几何一致视频世界模型增强机器人策略学习
近年来，随着人工智能从感知智能向决策智能演进，世界模型 （World Models）逐渐成为机器人领域的重要研究方向。 世界模型旨在让智能体对环境进行建模并预测未来状态，从而实现更高效的规划与决策。 与此同时，具身数据也迎来了爆发式关注。
6/26/2025 3:06:47 PM