搜索全球AI产品动态

德国研究发现AI正显著影响人类语言，ChatGPT等工具催生"GPT词汇"。研究人员通过分析数百万篇人类文本经AI润色后的变化，识别出AI偏爱的词汇如"深入研究"等。追踪数据显示，这些词汇在YouTube视频和播客中的使用频率明显上升。研究表明人类会无意识模仿被视为智慧存在的AI语言模式，这反映了科技对人类思维的潜在影响，也引发对未来语言演变的思考。

谷歌DeepMind推出创新架构Mixture-of-Recursions(MoR)，通过动态token级路由和递归深度分配，在保持参数高效的同时提升模型性能。该架构采用选择性缓存机制降低内存压力，实验显示其以更少参数超越传统Transformer，在360M规模以上表现尤为突出。MoR通过计算资源优化，为大规模语言模型部署提供高效解决方案，成为AI领域的重要突破。

近日，字节跳动Seed团队携手香港大学与复旦大学，共同推出了创新的强化学习训练方法——POLARIS。该方法通过精心设计的Scaling RL策略，成功将小模型的数学推理能力提升至与超大模型相媲美的水平，为人工智能领域的小模型优化提供了新路径。 实验结果显示，采用POLARIS训练的40亿参数开源模型Qwen3-4B，在AIME25和AIME24数学测试中分别取得了79.4%和81.2%的高准确率，性能超越部分更大规模的闭源模型。尤为突出的是，POLARIS-4B模型的轻量化设计，使其能够在消费级显卡上轻松部署，大大降低了应用门槛。

Mistral AI推出Devstral2507系列两款AI模型：开源的Devstral Small1.1（240亿参数，SWE-Bench得分53.6%）和企业版Devstral Medium2507（得分61.6%）。Small1.1支持128k上下文窗口和本地部署，Medium2507性能超越部分商业模型。两者均针对代码推理、程序合成优化，支持与代理框架集成，分别适用于本地开发和企业级应用，提供从实验到生产的完整解决方案。

微软开源Phi-4-mini-flash-reasoning模型，专为边缘设备设计，推理效率提升10倍。采用创新SambaY架构，实现高效记忆共享，在长文本生成和数学推理方面表现突出。基准测试显示其长上下文理解能力优异，Phonebook任务准确率达78.13%。该模型适合教育科研领域，可在单个GPU上运行。

xAI发布新一代AI模型Grok4，性能全面升级挑战行业顶尖水平。该模型在数学推理、代码生成等核心能力上表现突出，支持13万token长文本处理。xAI采取双模型战略，同时推出面向开发者的Grok4 Code版本。Grok4延续实时数据优势但引发准确性争议，定位"追求真相"AI引发两极评价。依托强大计算资源，xAI计划未来扩展多模态功能。目前Grok4已通过API开放，普通用户可通过X平台订阅体验。

昆仑万维发布开源多模态模型Skywork-R1V3.0，在多模态推理能力上达到人类初级专家水平。该模型基于强化学习策略，仅用1.2万条微调样本和1.3万条强化学习样本就实现卓越性能。在MMMU评测中以76分超越Claude-3.7-Sonnet和GPT-4.5等闭源模型，在物理、逻辑和数学推理领域表现尤为突出，如物理推理获52.8分、逻辑推理59.7分、数学评测最高77.1分。其开源特性将推动AI技术发展。

阿里通义开源WebSailor智能体，32B/72B版本性能超越多款闭源模型，仅次于OpenAI。这是阿里继WebWalker、WebDancer后第三款开源智能体。银河证券认为AI Agent经济已全面开启，建议关注焦点科技、中科金财等布局企业。焦点科技运用AI Agent技术赋能跨境电商，中科金财推进智能体在银行领域应用。阿里开源降低企业接入门槛，或将加速行业技术迭代。

​近日，阿里语音AI团队宣布开源全球首个支持链式推理的音频生成模型ThinkSound，该模型通过引入思维链（Chain-of-Thought）技术，突破传统视频转音频技术对画面动态捕捉的局限，实现高保真、强同步的空间音频生成。这一突破标志着AI音频技术从“看图配音”向“结构化理解画面”的跨越式发展。

Hugging Face发布开源小模型SmolLM3，30亿参数性能超越同类产品。该模型支持128k上下文窗口和多语言处理，提供深度/非深度两种推理模式。采用改进的transformer架构，经三阶段混合训练（网络/数学/代码数据）优化性能。完全公开架构细节和训练流程，促进开发者研究。模型具备高效推理能力，为AI应用提供新可能。

中科院计算所推出Stream-Omni多模态大模型，支持文本、视觉、语音三种模态交互。创新采用针对性模态对齐技术，减少对大规模三模态数据的依赖，实现语音与文本的实时转换。模型支持任意模态组合，在视觉理解和语音交互方面表现优异，虽在拟人化方面有待改进，但为多模态智能交互提供了新思路。相关论文和代码已开源。

腾讯开源全新语言模型“混元-A13B”，采用动态推理方法，可根据任务复杂度智能切换快速/深度模式（支持手动控制）。该800亿参数MoE架构模型实际激活130亿参数，支持25.6万标记上下文窗口。经20万亿token训练，STEM专项数据达2500亿token。在AIME2024数学竞赛中准确率87.3%，但对比数据存在版本时效性问题（如Deepseek最新版达91.4分）。模型性能与主流产品相当，但部分测试结果存在争议。

在人工智能领域，奖励模型是对齐大型语言模型（LLMs）与人类反馈的关键组成部分，但现有模型面临着 “奖励黑客” 问题。这些模型往往关注表面的特征，例如回复的长度或格式，而不是识别真正的质量指标，如事实准确性和相关性。问题的根源在于，标准训练目标无法区分训练数据中存在的虚假关联和真实的因果驱动因素。这种失败导致了脆弱的奖励模型（RMs），从而生成不对齐的策略。为了解决这一问题，需要一种利用因果理解来训练 RMs 的新方法，以便对因果质量属性敏感，并对

根据毕马威中国最近发布的《首届健康科技50》报告，中国在全球医疗大模型的发布数量上占据了令人瞩目的70% 以上。这一数据不仅展现了中国在智能医疗领域的快速发展，也反映了大语言模型在医疗行业的广泛应用。报告指出，目前已经发布的医疗大模型中，大语言模型的数量占据了约65%。这类模型能够处理和生成自然语言，对于医疗数据的分析、患者交流及科研都有着重要的支持作用。而中国的表现尤为突出，其发布的医疗大模型数量不仅领先于其他国家，更是在全球市场中扮演着关

在《纽约时报》起诉 OpenAI 的长期版权侵权诉讼中，案件取得了重大进展。据 Ars Technica 报道，审理此案的联邦法官已授权《纽约时报》及其共同原告《纽约每日新闻》和调查报道中心，访问 OpenAI 的用户日志，包括已删除的内容，以精确查明侵权范围。《纽约时报》认为，ChatGPT 用户可能会在绕过付费墙后删除历史记录，因此有必要进行大规模的数据覆盖。该报进一步声称，这些日志的搜索结果可能成为整个诉讼的关键证据:OpenAI 的大型语言模型（LLM）不仅使用了其受版权保护的材料进行训

近日，德国知名技术咨询公司 TNG 发布了 DeepSeek 的增强版 ——DeepSeek-TNG-R1T2-Chimera，标志着深度学习模型在推理效率和性能上的又一次重大突破。这一新版本不仅在推理效率上提升了200%，而且通过创新的 AoE 架构显著降低了推理成本。创新的 AoE 架构Chimera 版本是基于 DeepSeek 的 R1-0528、R1和 V3-0324三大模型的混合开发，采用了全新的 AoE（Adaptive Expert）架构。这一架构通过对混合专家(MoE)架构的细致优化，能够高效地利用模型参数，从而提升推理性能并节省 token 输出。在多项主流测试基准（如

近日，一款名为Shortcut的AI Excel助手在社交媒体上引发热议，其通过自然语言处理（NLP）技术，让用户无需编写复杂公式或VBA代码，即可轻松完成Excel任务。AIbase编辑团队整理了社交媒体上的最新信息，为您深度解析Shortcut的强大功能及其对数据处理和财务建模领域的潜在影响。Shortcut:自然语言驱动的Excel革命Shortcut被誉为“超人级Excel代理”（Superhuman Excel Agent），能够通过简单的自然语言指令完成复杂的Excel任务。用户只需描述需求，例如“帮我计算总销售额”或“生成月度销售趋势图”，

大型语言模型（LLM）通过结合任务提示和大规模强化学习(RL)在复杂推理任务中取得了显著进展，如 Deepseek-R1-Zero 等模型直接将强化学习应用于基础模型，展现出强大的推理能力。然而，这种成功在不同的基础模型系列中难以复制，尤其是在 Llama 系列上。这引发了一个核心问题:究竟是什么因素导致了不同基础模型在强化学习过程中表现不一致?强化学习在 Llama 模型上的扩展限制OpenAI 的 o1、o3和 DeepSeek 的 R1等模型在竞赛级数学问题上通过大规模强化学习取得了突破，推动了对千亿参数以下小

一个名为 SciArena 的全新开放平台现已上线，旨在通过人类偏好评估大型语言模型（LLM）在科学文献任务中的表现。早期结果已揭示不同模型之间存在显著的性能差距。SciArena 由耶鲁大学、纽约大学和艾伦人工智能研究所的研究人员共同开发，旨在系统性评估专有和开源 LLM 处理科学文献任务的效果，填补了该领域系统性评估的空白。与传统基准测试不同，SciArena 效仿 Chatbot Arena 的方法，依靠真实研究人员进行评估。用户提交科学问题后，会收到两个由模型生成并引用的长格式答案，随后用

近日，麻省理工学院媒体实验室发布了一项新的研究，揭示了使用人工智能工具（如 ChatGPT）进行写作任务可能导致大脑活跃度降低。该研究标题为《你在使用 ChatGPT 时的大脑:使用 AI 助手进行论文写作任务时的认知债务累积》。图源备注：图片由AI生成，图片授权服务商Midjourney在这项研究中，研究人员分为三组进行实验:一组仅使用自己的大脑，另一组使用搜索引擎，最后一组使用大型语言模型（LLM），例如 ChatGPT。通过脑电图(EEG)技术，研究者测量了参与者在写作任务中的大脑活动，观察