10月15日,小米宣布全面开源行业首个端到端空间音频理解大模型MiDashengLM-Spatial。该模型在保留传统基础音频理解能力的同时,突破性具备空间感知与深度推理能力,被视为领域开创性成果。小米透露,其未来将陆续深度接入智能家居、汽车座舱等核心业务,推动AI音频创新加速向物理世界延伸。
10月13日,千问发布AI眼镜N1、N1Pro及与Bose合作的AI耳夹式耳机,标志AI个人智能体向物理世界延伸。N1系列搭载5000万像素影像、1G5P镜头和端侧视觉模型,支持环境感知、翻译、纪要与语音办事;N1Pro为首款支持心率、血氧、皮肤温度监测的AI眼镜,并引入眼动交互与超低误识率虹膜识别。
AMD宣布以全股票方式收购AI初创World Labs,估值约82亿美元。交易完成后,联合创始人、斯坦福大学教授李飞飞将任AMD执行副总裁兼首席科学家,协同董事长兼CEO苏姿丰推进前沿AI战略。World Labs由李飞飞、Ben Mildenhall、Justin Johnson于2024年初创立,旨在突破传统语言模型边界,构建能理解并推理物理世界的AI。
9月17日,小米MiMo团队负责人罗福莉首次公开MiMo-V2.6强化学习训练进展,并上线实时页面全程直播RL阶段。此举标志小米在物理世界与通用智能探索进入突破期,技术细节未来数周开源。该模型正开展大规模多任务智能体训练。
基于Gemini 2.0的机器人模型,将AI带入物理世界,具备视觉、语言和动作能力。
NVIDIA Cosmos是用于物理AI开发的世界基础模型平台。
连接数字和物理世界的首款多模态模型
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
Baidu
128
$6
$24
Bytedance
$1.2
$3.6
4
$3.9
$15.2
64
squ11z1
Hypnos-i2-32B是世界首个采用多物理熵(超导体、真空、核衰变)训练的320亿参数语言模型。它通过输入级量子正则化技术,从三个独立的量子熵源中学习真正的量子随机性,使其注意力机制对对抗性扰动具有鲁棒性,并能有效抵抗模式崩溃。
kayte0342
ChronoEdit-14B是NVIDIA开发的一款具备时间推理能力的图像编辑和世界模拟模型,拥有140亿参数。它通过两阶段推理过程实现物理感知的图像编辑和基于动作条件的世界模拟,从预训练视频生成模型中提炼先验知识。
nvidia
Cosmos-Predict2.5是NVIDIA开发的专为物理AI设计的高性能预训练世界基础模型套件,基于扩散模型技术,能够根据文本、图像或视频输入生成具有物理感知的高质量图像和视频,为自动驾驶、机器人等应用提供世界模拟能力。
Cosmos-Predict2 是一系列高性能的预训练世界基础模型,专为生成具备物理感知的图像、视频和世界状态而设计,可用于物理人工智能的开发。
Cosmos-Predict2是一套高性能的预训练世界基础模型,专为物理AI开发而设计,可生成具有物理感知的图像、视频和世界状态。
Cosmos-Predict2是一系列高性能的预训练世界基础模型,专为物理AI开发生成具备物理感知的图像、视频和世界状态而设计。
Cosmos-Predict2是一系列高性能的预训练世界基础模型,专为生成具备物理感知的图像、视频和世界状态而设计,可用于物理AI的开发。
NVIDIA开发的基于扩散架构的多模态世界基础模型,能够根据文本输入生成高质量物理感知视频