AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
5月25日
11:11
10:21
10:21官方一手pandaily@contact@pandaily.com (Pandaily)
83°
阿里巴巴的 Qwen 3.7 Max 模型完成了一次长达 35 小时的自主任务运行，期间执行了 1,158 次工具调用。这一表现展示了模型在长时间、多步骤任务中的持续稳定能力，令海外开发者印象深刻。该成果凸显了 Qwen 系列在复杂自动化场景下的潜力，可能推动更多企业探索 AI 驱动的长周期工作流。
AI模型Qwen 3.7 Max阿里巴巴自主任务
推荐理由：Qwen 3.7 Max 证明了 AI 可以稳定执行 35 小时的长任务，做自动化工作流或复杂项目管理的开发者值得关注，这可能是你寻找的可靠长任务模型。
原文
10:20
10:20官方一手pandaily@contact@pandaily.com (Pandaily)
精选76°
DeepSeek V4 已全面适配华为昇腾芯片，标志着中国 AI 基础设施在推理负载上减少对海外芯片依赖的重要进展。该适配覆盖了从训练到推理的全流程，使得国内企业可以在国产硬件上运行 DeepSeek V4 模型。这一突破降低了供应链风险，同时提升了国产 AI 生态的自主可控能力。对于依赖 AI 推理的中国企业和开发者来说，这意味着更稳定的算力供应和更低的合规成本。
AI模型DeepSeek V4华为昇腾国产 AI 栈
推荐理由：DeepSeek V4 适配华为昇腾解决了中国 AI 推理的芯片依赖问题，做国产化部署的团队可以直接用这套方案，建议关注后续性能评测。
原文
10:16
06:55
5月24日
17:01
15:43
10:50
10:50官方账号Decoder@Matthias Bastian
Deepseek 宣布将其旗舰模型 V4-Pro 的 75% 折扣永久化，输入价格降至每百万 tokens 0.435 美元，比 GPT-5.5 便宜至少 11.5 倍，输出价格更是低 34 倍以上。这一激进定价策略针对 token 消耗大的智能体系统，可能对西方 AI 提供商造成巨大竞争压力。Deepseek 通过永久降价巩固其性价比优势，吸引更多开发者转向其平台。此举标志着 AI 模型价格战进入新阶段，尤其对依赖大规模推理的自动化应用影响深远。
AI模型DeepseekV4-Pro降价
推荐理由：做智能体或高 token 消耗应用的开发者，Deepseek 这个永久降价直接拉低了推理成本，比 GPT-5.5 便宜几十倍，值得立刻评估迁移。
原文
5月23日
18:47
17:52
17:52官方一手marktechpost@Asif Razzaq
精选76°
微软研究院发布了 Fara1.5 系列浏览器计算机使用智能体，包含 4B、9B 和 27B 三个参数规模。其中 Fara1.5-27B 在 Online-Mind2Web 基准测试上达到 72% 的准确率，超越了 OpenAI Operator、Gemini 2.5 Computer Use 和 Yutori Navigator n1。该系列还配套推出了 FaraGen1.5 合成数据流水线，用于训练智能体执行门控操作。这一进展表明，开源级别的浏览器自动化智能体正在快速追赶并超越闭源竞品。
AI模型浏览器智能体微软Fara1.5
事件专题
推荐理由：做浏览器自动化或 RPA 的开发者终于有了一个开源且性能领先的选择——Fara1.5 直接对标 OpenAI Operator，27B 模型在关键基准上胜出，值得立即上手测试。
原文
17:51
17:51官方一手marktechpost@Asif Razzaq
精选
阿里巴巴 Qwen 团队在 2026 年阿里云峰会上推出 Qwen3.7-Max，这是其最先进的智能体模型。该模型拥有 100 万 token 的上下文窗口和扩展思考模式，专为长周期任务设计，包括编程、调试和多步骤工作流自动化。在 Artificial Analysis Intelligence Index 上得分为 56.6，在专有模型中排名第五。
AI模型Qwen3.7-Max推理模型智能体
推荐理由：百万 token 上下文窗口让长代码库分析和复杂工作流自动化成为可能，做 AI 智能体或编程工具的开发者值得关注，可以直接用于长周期任务。
原文
17:50
17:50官方一手marktechpost@Michal Sutter
78°
Cohere 发布了 Command A+，一个 218B 参数的稀疏混合专家（MoE）模型，整合了此前四个 Command A 变体。该模型在 W4A4 量化下仅需两张 H100 GPU 即可运行，支持 48 种语言，是 Cohere 首个多模态推理模型，专为智能体工作流设计。其开源特性降低了部署门槛，适合需要高效多模态推理和智能体任务的团队。
AI模型CohereCommand A+稀疏 MoE
推荐理由：Cohere 把 218B 模型压到两张 H100 就能跑，做智能体工作流的团队终于有了高性价比的开源选择——多模态推理和 48 语言支持直接可用，建议试试。
原文
15:00
15:00IT之家（博客/媒体）
精选
智元发布新一代二阶段Motion-Between运控基座模型BFM-2，旨在让机器人具备类似“肌肉记忆”的自主运动能力。该模型能在任意状态（静态、预设动作或随机输入）下，让机器人自主进行高稳定性的动作插值和动态任务闭环。演示视频显示，搭载BFM-2的机器人被打倒在地后能快速站起并自我平衡。这为具身智能提供了更可靠的运动底座，提升了机器人在复杂环境中的适应性和鲁棒性。
AI模型机器人运动控制基座模型
推荐理由：做机器人运动控制的团队终于有了更可靠的基座模型——BFM-2解决了机器人在任意状态下自主恢复和动态平衡的痛点，做具身智能或机器人开发的值得关注。
原文
10:42
10:42IT之家（博客/媒体）
78°
微软研究院推出 Fara1.5 系列浏览器 AI 智能体模型，包含 4B、9B 和 27B 三个参数版本。该模型通过读取浏览器截图并输出鼠标键盘操作来完成网页任务，采用“观察—思考—行动”循环。在 Online-Mind2Web 基准测试中，Fara1.5-27B 以 72% 的任务成功率超越 OpenAI Operator（58.3%）和 Gemini 2.5 Computer Use（57.3%）。模型基于 Qwen3.5 微调，使用约 200 万条样本训练，并在安全方面设计了主动询问机制。配套的 MagenticLite 沙盒浏览器提供了安全边界。
AI模型微软Fara1.5浏览器智能体
事件专题
推荐理由：做浏览器自动化或网页智能体的开发者终于有了一个开源可用的强基线——Fara1.5 在多项基准上碾压 OpenAI Operator，且附带安全机制，建议直接下载试试。
原文
09:53
09:53官方一手Hugging Face: Blog（博客/媒体）
精选
NVIDIA 发布了 Nemotron-Labs 扩散语言模型，该模型采用扩散机制替代传统的自回归生成方式，大幅提升文本生成速度，接近光速。与 GPT-4 等模型相比，Nemotron-Labs 在保持生成质量的同时，推理速度提升了一个数量级。该模型在多个基准测试中表现出色，尤其适合需要低延迟的实时应用场景。这一突破可能改变大语言模型的部署范式，让文本生成更接近实时交互。
AI模型扩散模型文本生成NVIDIA
事件专题
推荐理由：NVIDIA 的扩散语言模型将文本生成速度推向新高度，做实时对话或低延迟应用的开发者可以直接关注，它可能改变你对大模型推理速度的认知。
原文
5月22日
17:49
17:49IT之家（博客/媒体）
精选
网易有道宣布将“子曰”大模型 4.0 的核心双引擎——多模态模型（27B 参数）和语音合成（TTS）模型面向全球全量开源。多模态模型在视觉数理问题上达到行业顶尖水平，纯文本中文数理难题准确率达 81.4%，并通过思维链重构将输出长度压缩 43.2%，降低推理成本。TTS 模型支持跨语种音色情感迁移克隆，3 秒内完成零样本原声复制，准确度超 97%，覆盖 14 种语言。开发者可免费下载、部署并二次开发，适合教育场景和语音应用。
AI模型开源/仓库多模态模型语音合成
推荐理由：教育场景的开发者终于有了可商用的开源多模态模型——27B 参数在数理问题上达到 SOTA，且推理成本更低；TTS 模型 3 秒克隆音色并跨语种带情感，做语音助手或教育产品的团队可以直接下载试试。
原文
16:09
16:08
14:37
14:37IT之家（博客/媒体）
76°
美团技术团队正式开源了数字人视频生成模型 LongCat-Video-Avatar 1.5，该版本在唇形同步、物理合理性、长视频稳定性、多人互动及推理效率方面全面升级。模型采用 DMD 蒸馏技术，将生成步数从 50 步压缩至 8 步，推理效率提升约 15 倍，生成 10 秒视频仅需约 1 分钟。在用户偏好对比中，该模型相比 Kling Avatar 2.0 胜率为 65.9%，相比 OmniHuman-1.5 胜率为 61.1%，相比 HeyGen 胜率为 54.3%。美团表示，数字人视频生成正从展示效果走向真实使用，希望开源能成为可验证、可改进、可共建的技术基座。
AI模型数字人视频生成开源/仓库
推荐理由：数字人视频生成终于从演示走向了可商用——10 秒视频 1 分钟生成，效率提升 15 倍，做虚拟主播、在线教育、客服视频的团队可以直接拿来用，省去大量渲染时间。
原文
13:58
13:58IT之家（博客/媒体）
精选83°
字节跳动开源了名为Lance的多模态AI模型，激活参数量仅3B，却能原生统一处理图像理解、视频理解、图像生成、视频生成和跨模态编辑等任务。与常见将理解与生成拆分为多个模块的方案不同，Lance从训练起就采用共享上下文与能力解耦的双流专家架构，兼顾高层语义特征与低层连续表示。在多项基准测试中，Lance在图像生成、视频生成、图像编辑和视频理解上均取得领先成绩，例如GenEval总分0.90、VBench总分85.11。模型采用Apache 2.0许可开源，权重已在Hugging Face提供，推理需至少40GB显存。
AI模型多模态模型开源/仓库字节跳动
推荐理由：Lance用3B参数实现了多模态理解与生成的统一，解决了传统方案模块拼接效率低、能力割裂的问题。做多模态AI研究或应用开发的团队可以直接下载权重试试，尤其适合资源有限但想探索统一模型的场景。
原文
10:08
10:08IT之家（博客/媒体）
83°
智谱今日面向部分企业客户推出 GLM-5.1 高速版 API，输出速度达到 400 tokens/s，刷新全球大模型 API 速度上限。该模型首次在国产大模型中实现旗舰级能力与低延迟的结合，打破了高速模型通常为轻量级模型的行业惯例。GLM-5.1 高速版由智谱 GLM 团队与 TileRT 团队联合打造，在推理引擎、调度系统和基础设施三个层面进行系统级优化，确保 400 TPS 是稳定可用的生产级能力。该模型适用于 AI 编程、实时交互、商业决策、实时语音等对响应延迟要求高的场景，现已面向部分企业客户开放服务。
AI模型智谱GLM-5.1高速推理
推荐理由：智谱把旗舰模型的推理速度拉到 400 tokens/s，做实时交互、AI 编程的团队可以直接用，延迟敏感场景终于有了国产高性能选项，建议点开看技术细节。
原文
09:28
09:28IT之家（博客/媒体）
83°
加州大学圣地亚哥分校的研究首次提供实证，证明现代 AI 能通过经典图灵测试。在实验中，GPT-4.5 有 73% 被裁判判定为人类，频率甚至高于真实人类。LLaMa-3.1-405B 也有 56% 被判定为人类，与真人无显著差异。研究强调，模型通过模仿人类的语气、幽默和易错性而非展示知识来获胜，但需要精心设计的提示词才能伪装成功。该发现对网络信任构成挑战，提示人们应降低对线上陌生人身份的确定性。
AI模型GPT-4.5图灵测试LLaMa-3.1
推荐理由：这项研究首次用实证数据证明 AI 能通过图灵测试，对关注 AI 社会影响和网络安全的人意义重大——做 AI 伦理或在线身份验证的团队值得仔细看，它会让你重新思考“像人”意味着什么。
原文
08:05
08:05IT之家（博客/媒体）
83°
OpenAI 宣布其全新推理模型成功推翻了一个由数学家埃尔德什于 1946 年提出的几何猜想，这是 AI 首次自主攻克数学核心领域的重大未解难题。该模型并非为数学问题定制，而是通用推理系统，能梳理复杂逻辑链条并跨学科关联知识。OpenAI 附上了多位数学家的佐证，避免了此前 GPT-5 声称攻克难题却实为现成解法的尴尬。这一突破被认为将对生物学、物理学、工程学和医学产生深远影响。
AI模型推理模型数学证明OpenAI
事件专题
推荐理由：AI 首次自主攻克数学核心难题，对数学、物理等领域的科研人员是重大信号——AI 已能发现人类未曾想到的解法，做基础研究的团队值得关注。
原文
07:57
5月21日
17:31
17:31IT之家（博客/媒体）
腾讯混元发布新一代多语言翻译模型 Hy-MT2 并正式开源，包含 1.8B、7B、30B-A3B 三种尺寸，支持 33 种语言互译及 5 种民族语言/方言互译。轻量级 1.8B 模型通过极端量化仅需 440MB 存储空间，可在苹果、高通、联发科等手机芯片上本地部署，推理速度比上一代提升 1.5 倍，且性能超越微软等主流商业 API。同步推出的腾讯 Hy 翻译小程序支持语音输入、自定义翻译风格和离线翻译，解决了弱网络场景下的翻译需求。IFMTBench 翻译指令遵循测试集也一并开源，用于评估模型对翻译风格、术语指定等指令的遵循能力。
AI模型翻译模型开源/仓库腾讯混元
推荐理由：手机端就能跑的高质量翻译模型来了，做本地化应用、离线翻译工具或移动端 AI 产品的开发者可以直接下载试用，440MB 的轻量版值得关注。
原文
15:14
09:35
09:35SuperTechFans（博客/媒体）
83°
谷歌发布了 Gemini 3.5 系列模型，其中 3.5 Flash 版本在多项基准测试中表现优异，输出速度是其他前沿模型的 4 倍，特别适合大规模多步骤代理任务。该模型已通过 Gemini 应用、Google 搜索等渠道上线，开发者可通过 Antigravity 平台和 API 使用。推测其采用混合精度（FP4/FP8）和较少活跃参数，在保持高性能的同时降低成本。这一发布标志着智能代理技术的新突破，有望推动 AI 在复杂场景中的广泛应用。
AI模型Gemini 3.5 Flash推理模型低延迟
推荐理由：Gemini 3.5 Flash 解决了高智能与低延迟的矛盾，做多步骤代理和编码的开发者可以直接用上，成本还更低，值得一试。
原文
08:00
08:00IT之家（博客/媒体）
83°
谷歌在 2026 I/O 开发者大会上宣布，Gemini 3.5 Pro 模型将于下月正式发布。目前该模型已在谷歌内部使用，官方称其进步非常强，但未透露具体细节。这一消息表明谷歌在 AI 模型迭代上持续加速，Gemini 3.5 Pro 有望在性能、多模态或推理能力上带来显著提升，值得开发者和 AI 从业者关注。
AI模型Gemini 3.5 Pro谷歌推理模型
事件专题
推荐理由：谷歌 Gemini 系列模型迭代节奏加快，3.5 Pro 内部使用已获「进步超强」评价，做多模态或推理应用的开发者值得提前关注，下月发布后可直接上手体验。
原文
07:54
07:54官方账号OpenAI@OpenAI (@OpenAI)
OpenAI在一条推文中指出，AI系统正变得能够进行长而困难的推理链，连接不同领域的想法，并发现研究者可能未探索的路径。他们认为这些能力将很快加速生物学、物理学、工程学和医学领域的工作。同时强调，人类的判断力仍然至关重要，专业知识将变得更有价值，AI负责搜索、建议和验证，而人类选择重要问题、解释结果并决定下一步方向。
AI模型推理模型科研加速OpenAI
事件专题
推荐理由：科研人员和工程师将看到AI从工具变为协作伙伴——长链推理能力让AI能跨领域连接想法，做科研的团队值得关注这一趋势，思考如何将AI融入工作流。
原文
07:51
5月20日
16:14
16:14IT之家（博客/媒体）
阿里通义千问团队发布Qwen3.5-LiveTranslate-Flash实时语音翻译模型，解决了跨境直播、跨国会议等场景中的延迟、语种覆盖和音色保留三大痛点。该模型支持60种语言输入和29种语言输出，端到端字均延迟仅2.8秒，并具备实时音色克隆功能，能保留说话人原声特征。内置热词引擎可自定义1000个词条，提升专有名词和行业术语的翻译准确性。在FLEURS和CoVoST2基准上，翻译准确率优于主流语音大模型，相比前代Qwen3-LiveTranslate-Flash在延迟和语言覆盖上均有显著提升。
AI模型实时翻译语音模型同声传译
推荐理由：跨境直播、跨国会议和出海团队终于有了低延迟、高语种覆盖的实时同传方案，还能保留说话人原声，做内容出海或智能硬件的开发者可以直接试。
原文
13:40
13:40IT之家（博客/媒体）
88°
阿里千问今日正式发布 Qwen3.7-Max，定位为面向智能体时代的旗舰模型，即将通过阿里云百炼 API 提供服务。该模型在编程、办公自动化、长周期自主执行等智能体任务上表现突出，例如在长达 35 小时、超 1000 次工具调用的内核优化实验中保持连贯推理。在多项基准测试中，Qwen3.7-Max 在编程智能体（如 SWE-Pro 60.6）、通用智能体（如 MCP-Mark 60.8）和推理（如 GPQA Diamond 92.4）上均取得领先或与顶尖模型相当的成绩。此外，它支持跨框架部署，兼容 Claude Code、OpenClaw 等，并具备多语言理解与翻译能力。
AI模型智能体编程助手MCP/工具
事件专题
推荐理由：Qwen3.7-Max 在长周期自主执行和跨框架兼容性上展现出实用价值，做自动化办公或复杂编程的开发者可以直接通过 API 体验，值得关注。
原文
11:53
09:36
07:02
07:02官方账号Simon Willison’s Weblog（博客/媒体）
83°
谷歌在 I/O 大会上正式发布 Gemini 3.5 Flash，跳过预览版直接进入通用可用阶段。该模型支持 104 万输入 token 和 6.5 万输出 token，知识截止于 2025 年 1 月。价格显著上涨：输入每百万 token 1.5 美元，输出 9 美元，是前代 3 Flash Preview 的 3 倍、3.1 Flash-Lite 的 6 倍，接近 3.1 Pro 水平。尽管如此，谷歌仍将其部署到 Gemini 应用、AI 搜索模式、Antigravity 平台、AI Studio 等全线产品。同时推出新的 Interactions API（测试版），类似 OpenAI 的服务器端历史管理。这反映出三大 AI 实验室都在试探 API 客户的价格承受力。
AI模型Gemini 3.5 Flash谷歌 I/O模型定价
事件专题
推荐理由：Gemini 3.5 Flash 价格翻倍但谷歌全线铺开，做 AI 应用开发的团队需要评估成本变化，建议点开看看定价对比和 API 新特性。
原文
01:46
01:46IT之家（博客/媒体）
76°
在 2026 年谷歌 I/O 大会上，谷歌宣布推出 Gemini 3.5 Flash 模型，该模型在多项基准测试中超越前代 3.1 Pro。其输出速度达到每秒 289 tokens，是 Claude Opus 4.7 和 GPT-5.5 xhigh 的 4 倍。谷歌内部还展示了 Antigravity 工具，用 93 个子智能体在 12 小时内从零构建了一个可运行的操作系统核心，生成了 26 亿个 tokens。这一发布标志着谷歌在 AI 模型速度和效率上的重大突破，尤其适合需要高吞吐量的应用场景。
AI模型Gemini 3.5 Flash谷歌推理模型
推荐理由：速度翻倍意味着更低的延迟和更高的吞吐量，做实时 AI 应用或大规模推理的开发者值得关注，可以直接用起来提升效率。
原文
01:45
01:35
5月19日
16:24
16:24IT之家（博客/媒体）
76°
地平线正式开源HoloMotion-1，这是一个4亿参数级的机器人小脑大模型，专为人形机器人全身控制设计。相比以往百万、千万级模型，HoloMotion-1将规模提升到新量级，并能在端侧实现约300FPS实时推理，远超常见50Hz控制频率。该模型结合MoE稀疏激活与KV-cache机制，降低推理开销，并使用互联网视频、光学动捕、VR遥操作等多来源数据训练。在真实机器人实验中，HoloMotion-1展示了零样本迁移能力，可完成高动态舞蹈、爬行、健身、搬箱子等复杂动作。代码、模型、技术报告均已开源。
AI模型地平线HoloMotion-1人形机器人
推荐理由：人形机器人开发者终于有了一个4亿参数级别的开源控制模型，零样本就能迁移舞蹈、搬箱子等复杂动作，做全身控制的团队可以直接拿来用。
原文
15:45