歡迎來(lái)到【AI日?qǐng)?bào)】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點(diǎn)內(nèi)容，聚焦開(kāi)發(fā)者，助你洞悉技術(shù)趨勢(shì)、了解創(chuàng)新AI產(chǎn)品應(yīng)用。

新鮮AI產(chǎn)品點(diǎn)擊了解:https://top.aibase.com/

1、月之暗面Kimi多模態(tài)圖片理解模型 API 發(fā)布

2025年1月15日，北京月之暗面科技有限公司正式發(fā)布了全新多模態(tài)圖片理解模型moonshot-v1-vision-preview，該模型在原有moonshot-v1系列的基礎(chǔ)上進(jìn)一步增強(qiáng)了多模態(tài)能力，旨在幫助Kimi更好地理解世界。該Vision模型具備卓越的圖像識(shí)別能力，能夠識(shí)別復(fù)雜細(xì)節(jié)并區(qū)分相似對(duì)象，表現(xiàn)出色，尤其在OCR文字識(shí)別和圖像理解方面，超越傳統(tǒng)軟件的準(zhǔn)確性。

【AiBase提要:】

??? Vision模型具備強(qiáng)大的圖像識(shí)別能力，能夠準(zhǔn)確區(qū)分復(fù)雜細(xì)節(jié)和相似對(duì)象。

?? 在OCR文字識(shí)別和圖像理解方面表現(xiàn)優(yōu)異，識(shí)別潦草手寫(xiě)內(nèi)容的能力超越普通軟件。

?? 模型支持多輪對(duì)話(huà)和工具調(diào)用等特性，使用靈活，但不支持聯(lián)網(wǎng)搜索。

2、MiniMax開(kāi)源MiniMax-01全新系列模型

MiniMax于2025年1月15日發(fā)布了其全新開(kāi)源系列模型MiniMax-01，包含基礎(chǔ)語(yǔ)言模型MiniMax-Text-01和視覺(jué)多模態(tài)模型MiniMax-VL-01。該系列通過(guò)創(chuàng)新的線性注意力機(jī)制和超大參數(shù)量，實(shí)現(xiàn)了高效的長(zhǎng)文本處理，性能與國(guó)際頂尖模型相當(dāng)。

【AiBase提要:】

?? MiniMax-01系列模型采用創(chuàng)新的線性注意力機(jī)制，打破傳統(tǒng)架構(gòu)局限，支持長(zhǎng)達(dá)400萬(wàn)token的上下文處理。

?? 該系列模型在多項(xiàng)任務(wù)上追平了GPT-4o和Claude-3.5-Sonnet，尤其在長(zhǎng)文任務(wù)中表現(xiàn)優(yōu)異。

?? MiniMax以業(yè)內(nèi)最低價(jià)格提供文本和多模態(tài)理解API服務(wù)，標(biāo)準(zhǔn)定價(jià)為輸入token1元/百萬(wàn)token，輸出token8元/百萬(wàn)token。

詳情鏈接:https://github.com/MiniMax-AI

3、周鴻祎參演 AI 短劇開(kāi)拍，AI做特效、AI硬件齊上陣

360集團(tuán)創(chuàng)始人周鴻祎宣布參與拍攝國(guó)內(nèi)首部AI短劇，該劇將在西安開(kāi)機(jī)，計(jì)劃于春節(jié)期間上線。短劇以穿越為主題，預(yù)計(jì)60集，旨在傳遞正能量并避免狗血?jiǎng)∏?。周鴻祎希望通過(guò)短劇展示AI技術(shù)，促進(jìn)其在日常生活中的普及，同時(shí)推動(dòng)360的納米AI搜索產(chǎn)品的發(fā)展。

【AiBase提要:】

?? 短劇將在西安開(kāi)機(jī)，計(jì)劃春節(jié)上線，主題為穿越，預(yù)計(jì)60集。

?? 特效畫(huà)面由納米AI搜索生成，降低拍攝成本，提升視覺(jué)效果。

?? 旨在普及AI知識(shí)，助力每個(gè)人掌握AI技術(shù)，消除數(shù)字鴻溝。

4、阿里巴巴達(dá)摩院推出電商場(chǎng)景多模態(tài)大模型Valley2

阿里巴巴達(dá)摩院推出的Valley2是一款多模態(tài)大型語(yǔ)言模型，專(zhuān)為電商場(chǎng)景設(shè)計(jì)，旨在提升各領(lǐng)域的性能并拓展應(yīng)用邊界。該模型結(jié)合了先進(jìn)的視覺(jué)編碼器和創(chuàng)新的處理模塊，展現(xiàn)了在多個(gè)基準(zhǔn)測(cè)試中的卓越表現(xiàn)，標(biāo)志著多模態(tài)語(yǔ)言模型的重大進(jìn)展。

【AiBase提要:】

?? Valley2基于電商場(chǎng)景設(shè)計(jì)，采用Qwen2.5作為主干，結(jié)合SigLIP-384視覺(jué)編碼器，提升多模態(tài)處理能力。

?? 訓(xùn)練過(guò)程包括文本-視覺(jué)對(duì)齊和鏈?zhǔn)剿季S后訓(xùn)練，確保模型在復(fù)雜問(wèn)題解決中的高效性。

?? 在多個(gè)公開(kāi)基準(zhǔn)測(cè)試中，Valley2表現(xiàn)卓越，尤其在電商領(lǐng)域的應(yīng)用中超越同規(guī)模模型。

詳情鏈接:https://www.modelscope.cn/models/bytedance-research/Valley-Eagle-7B

5、ChatGPT智能體來(lái)了!上線“Tasks”功能:智能處理提醒和待辦事項(xiàng)

OpenAI最近推出了ChatGPT的新功能“任務(wù)”，允許用戶(hù)安排未來(lái)的操作和提醒，使其更像傳統(tǒng)數(shù)字助理。該功能現(xiàn)已向Plus、Team和Pro訂閱用戶(hù)推送，用戶(hù)可以簡(jiǎn)單地輸入任務(wù)及時(shí)間，ChatGPT將處理這些需求。盡管目前僅限于付費(fèi)用戶(hù)。

【AiBase提要:】

? 新功能“任務(wù)”允許用戶(hù)安排未來(lái)的操作和提醒，提升ChatGPT的實(shí)用性。

?? 用戶(hù)可通過(guò)簡(jiǎn)單輸入告知ChatGPT所需任務(wù)及時(shí)間，輕松管理日常事務(wù)。

?? 當(dāng)前僅向付費(fèi)用戶(hù)推出，尚不明確是否會(huì)面向免費(fèi)用戶(hù)，預(yù)計(jì)仍將是高級(jí)功能。

6、小型文本轉(zhuǎn)語(yǔ)音模型Kokoro-TTS，曾拿下TTS排行榜第一

Kokoro是一款新發(fā)布的語(yǔ)音合成模型，具有8200萬(wàn)參數(shù)，迅速在TTS領(lǐng)域嶄露頭角。其在Hugging Face平臺(tái)上發(fā)布后，憑借僅用不到100小時(shí)的音頻數(shù)據(jù)，便在排行榜上奪得第一，展現(xiàn)了超高的性?xún)r(jià)比。盡管目前存在聲音克隆的局限性，但其訓(xùn)練過(guò)程的合規(guī)性和高效性為未來(lái)的發(fā)展奠定了基礎(chǔ)。

【AiBase提要:】

?? Kokoro-82M 是一款新發(fā)布的語(yǔ)音合成模型，具有8200萬(wàn)參數(shù)，支持多種語(yǔ)音包。

?? 該模型在 TTS 領(lǐng)域表現(xiàn)卓越，曾在排行榜上排名 第一 ，僅用不到100小時(shí)的音頻數(shù)據(jù)進(jìn)行訓(xùn)練。

?? Kokoro 模型的訓(xùn)練采用了開(kāi)放許可證的數(shù)據(jù)，確保合規(guī)性，但目前仍存在一些功能限制。

詳情鏈接:https://huggingface.co/hexgrad/Kokoro-82M

7、Topview AI推全球首個(gè)支持生成手拿產(chǎn)品的數(shù)字人Product Avatar

Topview AI推出的“Product Avatar”數(shù)字人解決方案為電商行業(yè)帶來(lái)了革命性的變化。商家只需上傳產(chǎn)品圖片，AI便能生成手持產(chǎn)品的數(shù)字人并進(jìn)行口播講解，極大地節(jié)省了拍攝時(shí)間和成本。該產(chǎn)品還支持多種語(yǔ)言和個(gè)性化定制，標(biāo)志著電商營(yíng)銷(xiāo)進(jìn)入AI驅(qū)動(dòng)的新階段。

【AiBase提要:】

?? AI數(shù)字人可快速生成，無(wú)需真人模特，節(jié)省時(shí)間和成本。

?? 支持1000多種數(shù)字人模特和28種語(yǔ)言，滿(mǎn)足全球市場(chǎng)需求。

?? 靈活高效的產(chǎn)品展示模式，商家可隨時(shí)更換產(chǎn)品，提升推廣效率。

詳情鏈接:https://www.topview.ai/ai-product-avatar

8、英偉達(dá)400萬(wàn)美投資 MetAI 幾分鐘將CAD文件轉(zhuǎn)為3D世界

Nvidia最近對(duì)初創(chuàng)公司MetAI進(jìn)行了400萬(wàn)美元的種子輪融資，旨在推動(dòng)AI數(shù)字雙胞胎技術(shù)的發(fā)展。MetAI專(zhuān)注于利用AI和3D技術(shù)迅速將CAD文件轉(zhuǎn)換為功能性3D環(huán)境，大幅縮短數(shù)字雙胞胎的創(chuàng)建時(shí)間。該公司計(jì)劃在2025年將總部遷至美國(guó)，并擴(kuò)大研發(fā)團(tuán)隊(duì)，以滿(mǎn)足日益增長(zhǎng)的市場(chǎng)需求。

【AiBase提要:】

?? Nvidia投資400萬(wàn)美元于初創(chuàng)公司MetAI，推動(dòng)AI數(shù)字雙胞胎技術(shù)發(fā)展。

?? MetAI利用AI和3D技術(shù)將CAD文件快速轉(zhuǎn)換為功能性3D環(huán)境，縮短數(shù)字雙胞胎創(chuàng)建時(shí)間。

?? MetAI計(jì)劃在2025年將總部遷至美國(guó)，并擴(kuò)大研發(fā)團(tuán)隊(duì)以應(yīng)對(duì)日益增長(zhǎng)的市場(chǎng)需求。

9、訊飛星火4.0Turbo七大核心能力升級(jí):數(shù)學(xué)、代碼能力超GPT-4o

訊飛星火4.0Turbo的全面升級(jí)標(biāo)志著科大訊飛在人工智能領(lǐng)域的又一重大突破。此次升級(jí)不僅在文本生成、語(yǔ)言理解等七大核心能力上實(shí)現(xiàn)了顯著提升，更在數(shù)學(xué)和代碼能力方面超越了GPT-4o，尤其是在復(fù)雜數(shù)學(xué)問(wèn)題的處理上展現(xiàn)出更強(qiáng)的能力。

【AiBase提要:】

?? 數(shù)學(xué)能力顯著提升，超越GPT-4o，能夠處理復(fù)雜數(shù)學(xué)問(wèn)題。

?? 新推出的星火深度推理模型X1，擁有1750億參數(shù)，適用于深層次數(shù)據(jù)分析。

?? 科大訊飛自2020年以來(lái)累計(jì)研發(fā)投入125億元，支持AI技術(shù)的持續(xù)發(fā)展。

10、Gemini AI 實(shí)現(xiàn)視覺(jué)處理新突破:實(shí)時(shí)視頻與靜態(tài)圖像同步分析

谷歌的Gemini AI最近在視覺(jué)處理領(lǐng)域取得了重要突破，能夠同時(shí)處理實(shí)時(shí)視頻和靜態(tài)圖像。這項(xiàng)技術(shù)通過(guò)實(shí)驗(yàn)性應(yīng)用AnyChat展示，標(biāo)志著人工智能在多流處理方面的進(jìn)步。開(kāi)發(fā)者可以利用Gemini的架構(gòu)創(chuàng)建自定義平臺(tái)，應(yīng)用于教育、藝術(shù)等多個(gè)領(lǐng)域，展現(xiàn)出廣泛的應(yīng)用潛力。

【AiBase提要:】

?? Gemini AI實(shí)現(xiàn)實(shí)時(shí)視頻與靜態(tài)圖像的同步處理，打破以往限制。

?? AnyChat平臺(tái)展示了AI在教育、藝術(shù)等領(lǐng)域的廣泛應(yīng)用潛力。

?? 開(kāi)發(fā)者可以輕松利用Gemini的技術(shù)構(gòu)建自己的視覺(jué)AI應(yīng)用。

詳情鏈接:https://huggingface.co/spaces/akhaliq/anychat

11、科大訊飛星火同傳語(yǔ)音大模型發(fā)布:達(dá)到人類(lèi)專(zhuān)家譯員水平

科大訊飛今日發(fā)布了星火同傳語(yǔ)音大模型，標(biāo)志著國(guó)內(nèi)首個(gè)具備端到端語(yǔ)音同傳能力的大模型的問(wèn)世。這一技術(shù)的推出，顯著提升了翻譯的流暢性和準(zhǔn)確性，尤其在國(guó)際交流場(chǎng)合中表現(xiàn)出色。該模型支持多種語(yǔ)言的即時(shí)翻譯，響應(yīng)時(shí)間縮短至5秒以?xún)?nèi)，達(dá)到人類(lèi)專(zhuān)家的翻譯水平，預(yù)示著未來(lái)國(guó)際交流的便捷與高效。

【AiBase提要:】

?? 星火同傳語(yǔ)音大模型是國(guó)內(nèi)首個(gè)具備端到端語(yǔ)音同傳能力的大模型，顯著提升了翻譯效果。

?? 該模型在英譯中方面幾乎實(shí)現(xiàn)無(wú)延遲，適合國(guó)際展會(huì)和旅游等場(chǎng)景使用。

? 支持流式翻譯和自適應(yīng)語(yǔ)速調(diào)節(jié)，翻譯的自然度和流暢度大幅提升，超越了國(guó)際同類(lèi)技術(shù)。

12、OpenBMB發(fā)布多模態(tài)模型MiniCPM-o2.6手機(jī)也能進(jìn)行視覺(jué)和語(yǔ)音處理

OpenBMB推出的MiniCPM-o2.6是一款具有80億參數(shù)的多模態(tài)模型，旨在解決高計(jì)算資源需求與邊緣設(shè)備兼容性之間的挑戰(zhàn)。該模型在視覺(jué)、語(yǔ)音和語(yǔ)言處理方面表現(xiàn)出色，能夠高效運(yùn)行于智能手機(jī)和平板電腦上。通過(guò)模塊化設(shè)計(jì)，MiniCPM-o2.6集成了多種強(qiáng)大組件，支持實(shí)時(shí)處理和多語(yǔ)言功能。

【AiBase提要:】

?? MiniCPM-o2.6是一款具有80億參數(shù)的多模態(tài)模型，能夠在邊緣設(shè)備上高效運(yùn)行，支持視覺(jué)、語(yǔ)音和語(yǔ)言處理。

?? 該模型在OpenCompass基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異，視覺(jué)任務(wù)成績(jī)超過(guò)GPT-4V，并具備多語(yǔ)言處理能力。

??? MiniCPM-o2.6具備實(shí)時(shí)處理、語(yǔ)音克隆和情感控制等功能，適用于教育、醫(yī)療等多個(gè)行業(yè)的創(chuàng)新應(yīng)用。

詳情鏈接:https://huggingface.co/openbmb/MiniCPM-o-2_6

（舉報(bào)）