搜索全球AI产品动态

Lightricks发布开源视频生成模型LTX-Video13B，采用130亿参数和多尺度渲染技术，实现30倍于同类模型的生成速度。该模型在消费级GPU上流畅运行，支持1216×704分辨率实时生成，提供文本/图像/视频到视频的多种创作模式。其创新技术显著提升视频连贯性和细节表现，支持关键帧控制、风格替换等精细操作。作为开源项目，模型配套提供训练工具和优化版本，对中小企业免费开放，推动AI视频创作民主化。

Aider Leaderboard最新测试显示，Moonshot AI开源模型Kimi K2编程能力表现亮眼，与Qwen3-235B-A22B相当，接近o3-mini-high和Claude-3.7-Sonnet水平。该模型采用1万亿参数MoE架构，支持128k上下文，在SWE-bench等测试中表现优异，单次尝试准确率达65.8%。凭借0.14美元/百万token的低成本优势，成为终端编码Agent理想选择。支持网页生成、自动化工作流等场景，通过vLLM和Hugging Face部署，MIT协议开源特性推动社区采用，展现中国AI企业在开源生态的领先地位。

NVIDIA发布突破性混合模型Canary-Qwen-2.5B，以5.63%词错率创Hugging Face OpenASR纪录。该模型采用CC-BY许可，支持商业应用，统一语音识别与语言处理功能。核心创新在于FastConformer编码器与Qwen3-1.7B LLM解码器的混合架构，仅25亿参数却实现高效处理。支持多种NVIDIA GPU硬件，适用于云推理和边缘计算。开源特性促进语音AI发展，为企业提供转录服务、知识提取等商业应用场景，推动下一代语音AI发展。

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。

Meta宣布将加速AI基础设施建设，计划2026年推出全球首个功耗超1GW的超级计算机集群"Prometheus"，配备130万块NVIDIA H100 GPU，算力超2exaflops。同时规划5GW规模的"Hyperion"集群，采用液冷技术。Meta计划2025年投资600-650亿美元用于数据中心和AI团队建设，以应对与OpenAI、xAI等公司的算力竞争。公司强调将延续开源承诺并保障数据隐私，但高能耗也引发环保担忧。这一战略布局将显著提升Meta在大模型训练和元宇宙应用方面的竞争力。

近日，腾讯云官网正式上线了腾讯混元A13B模型的API服务，输入价格定为每百万Tokens0.5元，输出价格则为每百万Tokens2元，这一举措迅速在开发者社区中引发了热烈反响。 作为业界首个13B级别的MoE（混合专家）开源混合推理模型，Hunyuan-A13B以其总参数80B、激活参数仅13B的精简设计，实现了与同等架构领先开源模型相媲美的效果，同时在推理速度上更胜一筹，性价比显著提升。这一创新不仅降低了开发者获取先进模型能力的门槛，更为AI应用的广泛普及奠定了坚实基础。

Hugging Face推出3B参数开源模型SmolLM3，性能媲美4B参数模型。该模型采用GQA和NoPE技术优化，支持128K长上下文和六种语言处理，在多项基准测试中表现优异。创新性地提供"思考"与"非思考"双推理模式，复杂任务性能提升显著。完全开源训练数据与代码，适合边缘设备部署，为教育、客服等场景提供高性价比解决方案。其开源特性将推动AI生态发展，展现小模型的巨大潜力。

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。

B站将重点发展视频播客业务，推出"代号H"AI创作工具，支持音频自动转视频。扶持政策包括流量扶持、免费录制场地和AI工具三大措施。该工具可6分钟内将千字内容转为视频，未来有望提速至3分钟，目前测试反馈良好。

意大利、德国研究团队联合推出开源多模态大模型EarthMind，专为处理复杂地球观测数据设计。该模型创新性地采用空间注意力提示模块，通过交叉注意力机制精准定位目标区域，解决像素级理解难题。同时具备多模态融合能力，通过对比学习和互注意力机制整合光学与雷达数据，实现跨模态语义对齐。模型支持图像级、区域级和像素级多粒度分析，为灾害监测、城市规划等应用提供决策支持。

B站发力视频播客领域，推出AI工具"代号H"和多项扶持政策。据Tech星球报道，B站计划暑期启动"视频播客出圈计划"，帮助音频/文字创作者转型。数据显示2025年Q1视频播客消费时长达259亿分钟（同比+270%），用户超4000万。AI工具"代号H"可6分钟内将文字/音频自动生成视频，未来将提速至3分钟。B站还提供流量支持和免费场地等资源，看好垂直领域内容转型潜力。

B站开源动漫视频生成模型AniSora升级至V3版本，显著提升视频质量和流畅度，支持多种动漫风格生成。基于CogVideoX-5B和Wan2.1-14B模型，结合RLHF技术优化时空掩码模块，处理复杂动画任务更出色。新增华为Ascend910B NPU支持，推理速度提升20%，4秒视频仅需2-3分钟生成。扩展1000万高质量动漫片段数据集，增强多任务处理能力，支持单帧转视频、关键帧插值等功能。在角色一致性和动作流畅度方面达到顶尖水平，为动漫创作者提供强大工具支持。

在近日举行的第十七届国际交通技术与设备展览会上，京东物流首次发布了其自主研发的无人轻卡产品——京东物流VAN。这款无人轻卡拥有24立方米的超大载货空间，使其成为目前物流行业内载货量最大的无人轻卡，有望在物流摆渡和传站等环节取代传统的4.2米货车。据介绍，京东物流VAN 具备高达400公里的满载续航能力，并拥有 L4级别的公开道路自动驾驶能力。这意味着它能够自主规划最优路线，精准识别并灵活避让障碍物，从容应对人车混行的复杂交通环境。这些特性使其在电商仓储、

字节跳动宣布开源VINCIE-3B，一款支持上下文连续图像编辑的3亿参数模型，基于其内部MM-DiT架构开发。这款模型突破了传统图像编辑的局限，首次实现从单一视频数据中学习上下文感知的图像编辑能力，无需依赖复杂的分割或修复模型生成训练数据。VINCIE-3B的发布为创意设计、影视后期及内容生成领域带来了全新的可能性。AIbase深入剖析其技术亮点、应用场景及行业影响。技术突破:从视频到上下文编辑传统图像编辑模型通常依赖任务特定的数据管道，需通过专家模型（如分割、修复）生成

AI搜索公司Perplexity正式推出其最高端订阅计划Perplexity Max，定价为每月200美元或每年2000美元，专为高频用户和专业人士设计。这一计划提供无限量访问Perplexity Labs、优先体验新功能（如即将推出的AI浏览器Comet）以及最新前沿模型的支持，标志着Perplexity在AI生产力工具领域的进一步深耕。AIbase深入分析Max计划的核心亮点及其对行业的潜在影响。核心功能:无限Labs与前沿模型Perplexity Max定位为“无限制AI生产力”计划，旨在满足专业用户对深度研究和复杂项目的需求。其核心功能包括:无限Labs查

在人工智能领域，又一重磅消息传来。今天凌晨，知名大模型训练平台 Together.ai 与 Agentica 联合推出了开源 AI Agent框架 DeepSWE。这一创新系统是基于阿里最新开源的 Qwen3-32B 模型，完全通过强化学习进行训练。DeepSWE 的开源信息可在 Hugging Face 上获取，除了模型权重外，训练方法、日志和数据集等所有相关内容也一并公开，旨在帮助开发者更深入地学习和改进这一代理系统。根据 SWE-Bench-Verified 测试结果，DeepSWE 在64k 的最大上下文长度和100的最大环境步骤下评估，经过16次运行，Pass@1准确率达

在近期于上海举行的智谱开放平台产业生态大会上，人工智能领域迎来重磅消息:浦东创投集团和张江集团联合宣布，向智谱进行总额高达10亿元的战略投资，并且首笔交割已于近期完成。这项重大投资将为智谱构建可信赖的人工智能基础设施注入强大动力，加速其在通用人工智能（AGI）领域的布局。智谱CEO张鹏在大会主题演讲中，详细阐述了公司携手生态伙伴迈向AGI的两项最新成果。首先，智谱开源发布了新一代通用视觉语言模型——GLM-4.1V-Thinking。这款模型以其卓越的推理能力为核心突

近日，北京人工智能研究院推出了全新的开源系统 ——OmniGen2。这一系统专注于文本到图像的生成、图像编辑和上下文图像创作。与2024年发布的第一代 OmniGen 相比，OmniGen2采用了两条独立的解码路径:一条用于文本生成，另一条用于图像生成，且各自拥有独立的参数和解耦的图像标记器。这种设计让模型在保持文本生成能力的同时，有效地提升了多模态语言模型的表现。OmniGen2的核心是一个基于 Qwen2.5-VL-3B 变换器的大型多模态语言模型（MLLM）。在图像生成方面，该系统使用了一种自定义的扩

近日，谷歌Gemini推出全新功能“Scheduled Actions”（定时任务），允许用户通过简单的提示词设定未来或定期任务。这一功能的发布标志着Gemini向更智能、更主动的数字助理角色迈出了重要一步。AIbase整理了最新网络信息，为您深度解析这一功能如何重塑生产力工具的未来。“Scheduled Actions”:一键设定，自动执行Gemini的“Scheduled Actions”功能让用户能够通过自然语言提示词轻松设定定时任务。例如，您可以输入“每天早上5点给我过去24小时美股的分析报告”或“每周一早上8点提供最新AI资讯动

Hunyuan-A13B 是一个由腾讯最新开源的大语言模型，它以创新的设计理念，在相对较小的活跃参数规模下，实现了强大的性能表现，特别适用于资源受限的环境。这款模型采用了细粒度 MoE（Mixture-of-Experts）架构，拥有130亿活跃参数，但总参数量高达800亿。这种设计让它在保持高效和可扩展性的同时，能够提供前沿的推理能力和通用应用支持。Hunyuan-A13B 的核心功能亮点包括:支持快慢思维的混合推理模式:这种独特的推理机制让模型能够根据任务需求灵活调整思考深度，提升处理复杂问题的效率