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
6月10日
01:24
6月9日
16:33
15:00
15:00IT之家（博客/媒体）
88°
小米 MiMo 与 TileRT 联合发布 MiMo-V2.5-Pro-UltraSpeed 模式，首次在 1 万亿参数模型上实现超过 1000 tokens/s 的输出速度。该模式 API 已上线，定价为原版的 3 倍，但输出速度提升约 10 倍。由于高速推理资源有限，该模式采取申请制限时开放，申请通过的用户可在 2026 年 6 月 9 日至 6 月 23 日期间免费体验 Chat 功能，每日最多 10 次会话，每次最长 30 分钟。这一突破标志着万亿参数模型在实时推理场景中的实用化迈出关键一步。
AI模型万亿参数模型推理速度MiMoTileRTAPI
推荐理由：万亿参数模型首次达到千 tokens/s 输出，做大规模推理或实时 AI 应用的团队可以直接申请体验，看看能否真正落地到生产环境。
原文
02:22
00:49
6月8日
17:14
17:03
17:03marktechpost@Asif Razzaq
精选
微软 AI 发布了其自研语音转文字模型 MAI-Transcribe-1.5，这是该系列的第二代。该模型支持 43 种语言，在 Artificial Analysis 排行榜上词错误率低至 2.4%，在 FLEURS 基准测试中达到最佳精度。它引入了关键词（实体）偏置功能，可针对特定领域术语提升识别准确率。长音频转录速度提升高达 5 倍，1 小时音频可在 15 秒内完成转录。该模型已在 Azure AI Foundry 中正式可用。
AI模型语音识别微软MAI-Transcribe-1.5Azure AI Foundry多语言
推荐理由：语音转文字场景的开发者终于有了微软官方的强力选项——MAI-Transcribe-1.5 在精度和速度上双双突破，做会议转录、客服质检或多语言内容处理的团队可以直接在 Azure 上试用，省去自建模型的麻烦。
原文
6月7日
14:27
09:48
09:44
09:44pandaily@contact@pandaily.com (Pandaily)
Harness Engineering 是近期 AI 领域兴起的新概念，旨在通过系统化方法将 AI 模型的能力“驾驭”到实际应用中。它强调在模型训练之外，设计有效的输入输出接口、反馈循环和任务分解策略，以提升 AI 系统的可靠性和实用性。这一范式被认为是对传统“提示工程”的升级，尤其适用于复杂任务和多步骤工作流。该概念由多位 AI 研究者和从业者推动，正在成为行业讨论的焦点。
AI模型Harness EngineeringAI 范式提示工程系统化方法AI 应用
推荐理由：Harness Engineering 解决了 AI 落地中模型能力与真实场景脱节的问题，做 AI 应用开发或系统集成的团队值得关注，它可能改变你设计 AI 工作流的方式。
原文
6月6日
19:15
19:15Decoder@Jonathan Kemper
78°
一款名为 Audio Interaction 的新型开源语音模型发布，它能够持续监听音频流，并每 0.4 秒决定是否说话或保持沉默，无需等待录音结束。该模型支持翻译、转录、聊天以及识别日常噪音（如咳嗽），实现了真正的实时交互。与 GPT-4o 或 Qwen3.5-Omni 不同，它在一个流中处理所有任务。代码、模型权重和下载说明已在 GitHub 上以 Apache 2.0 开源许可证发布，训练数据也将随后提供。
AI模型开源/仓库语音模型实时交互Audio InteractionApache 2.0
推荐理由：这款模型解决了实时语音交互中“等待录音结束”的痛点，做语音助手或实时翻译的开发者可以直接在 GitHub 上试玩，体验每 0.4 秒的决策能力。
原文
15:55
15:24
11:06
11:06IT之家（博客/媒体）
精选
中国科学院海洋研究所发布了“琅琊”2.0，这是全球海洋现象智能预报大模型，在2024年1.0版本基础上，从海洋状态变量预报扩展至复杂海洋现象智能预报。该模型针对台风、降水、风暴潮、海冰等六类现象开发了6个垂直模型，提升了预报速度和精度。例如，台风预报模型可提升24小时路径与强度预报能力，海冰预报模型可实现3公里分辨率下月尺度以上的北极海冰快速预测。相比传统数值模式，智能预报大模型解决了计算成本大、更新频率低的问题，为海洋防灾减灾和航运安全提供科技支撑。
AI模型琅琊2.0海洋预报AI大模型台风预报海冰预报
推荐理由：海洋预报从数值模式转向AI大模型，精度和速度都大幅提升，做海洋防灾、航运规划或极地研究的团队值得关注，可以直接评估其预报能力。
原文
09:43
02:59
6月5日
15:42
12:52
12:52IT之家（博客/媒体）
72°
马斯克旗下 xAI 通过 API 开放预览版图像转视频模型 grok-imagine-video-1.5-preview，能将单张静态图片扩展为流畅、带电影感的视频片段。用户提供起始图片并用自然语言描述运动方式，即可控制镜头移动、画面节奏、环境氛围与物理效果。该模型最高支持 720p 视频生成，适合概念验证、分镜测试和短内容生产。xAI 还强调其适合制作多镜头序列，用户可先设计画面再逐段动画化并串联成更长的场景。
AI模型xAIgrok-imagine-video-1.5-preview图像转视频720p电影感
推荐理由：做短视频、概念设计或分镜测试的创作者，现在可以用一张图生成电影感视频，省去逐帧手绘的麻烦，值得通过 API 试玩。
原文
10:45
10:45IT之家（博客/媒体）
精选76°
深圳河套学院联合哈工大、华为等团队，依托华为昇腾910C国产AI算力集群，成功完成1.6万亿参数大模型DeepSeek-V4-Pro的全参数后训练。这是全球第三方机构首次在国产算力平台上完成如此规模的模型训练，模型算力利用率超过30%，关键训练算子效率提升14%，达到工业级运行标准。该成果证明国产AI芯片已能支撑世界级超大参数模型训练，为国产算力生态积累了重要经验。
AI模型华为昇腾910C国产算力万亿参数大模型DeepSeek-V4-Pro模型训练
推荐理由：国产芯片终于能跑万亿参数大模型了，做AI基础设施和模型训练的团队值得关注——这证明昇腾910C已具备工业级训练能力，后续国产替代路径更清晰。
原文
09:56
05:48
05:48marktechpost@Asif Razzaq
83°
NVIDIA 发布了 Nemotron 3 Ultra，一个 550B 总参数（55B 激活）的开放混合专家模型，采用 Mamba-Transformer 混合架构。该模型支持 100 万 token 的上下文窗口，推理吞吐量比同等精度的开放 LLM 高约 6 倍。NVIDIA 同时开源了模型权重、训练数据和配方，遵循 OpenMDW-1.1 许可。这一发布旨在解决长时运行智能体在推理效率和上下文长度上的瓶颈，为 AI 代理和复杂任务自动化提供了更高效的基础模型。
AI模型NVIDIANemotron 3 Ultra混合专家模型长上下文智能体
推荐理由：长时智能体开发者终于有了一个兼顾超长上下文和高推理效率的开放模型——Nemotron 3 Ultra 的 6 倍吞吐量提升能显著降低部署成本，做 Agent 或 RAG 系统的团队值得直接试。
原文
05:27
05:27OpenAI@OpenAI (@OpenAI)
OpenAI的研究人员Alex Wei、Hongxun Wu和Wujie Ma在OpenAI播客中分享了一个案例：他们训练的模型发现了一个存在80年的Erdős猜想的反例。这一发现展示了AI模型在数学研究中的潜力，能够协助数学家发现新规律或反例。该事件强调了人机协作在科学探索中的价值，尤其是模型可以处理大量数据并识别人类可能忽略的模式。播客中详细讲述了模型如何通过推理和搜索找到反例，以及数学家如何验证这一结果。
AI模型OpenAIErdős猜想数学发现人机协作推理模型
推荐理由：数学家和AI研究者会感兴趣——模型不仅验证了猜想，还主动发现了反例，展示了AI在数学发现中的实际应用。建议点开了解人机协作如何突破传统研究边界。
原文
04:32
6月4日
22:32
16:15
16:04
16:04IT之家（博客/媒体）
精选
安全研究员Kasra Rahjerdi搭建了一个故意留有漏洞的图书评论APK，测试多款AI大语言模型的安全推理能力。模型需解包APK并识别暴露的Firebase凭据以绕过API访问数据库。每个模型预算10美元，限时2小时，总花费1500美元。结果显示，GPT-5.5在10次运行中成功7次，每次成功成本9.46美元；DeepSeek V4 Pro成功3次，但每次成功成本仅0.62美元，约为GPT-5.5的十五分之一。Gemini多次在任务早期拒绝继续，而Claude Sonnet 4.6和Opus 4.8各成功2次。该测试揭示了不同模型在安全漏洞利用任务中的性能与成本差异，对批量运行安全工具的团队具有现实意义。
AI模型安全测试GPT-5.5DeepSeek V4 Pro漏洞利用成本对比
推荐理由：安全团队和AI开发者可以直观看到不同模型在真实漏洞利用任务中的性价比——GPT-5.5最可靠但贵，DeepSeek V4 Pro成本极低但成功率有限，做自动化安全测试的团队值得参考这个对比。
原文
15:24
14:03
04:27
03:00
02:51
02:51marktechpost@Asif Razzaq
88°
Google DeepMind 发布了 Gemma 4 12B，一款无编码器的多模态模型，直接将视觉和音频输入送入 LLM 主干，无需传统视觉或音频编码器。该模型原生支持音频理解，可在 16GB 内存的笔记本电脑上本地运行，并采用 Apache 2.0 开源许可。这降低了多模态 AI 的硬件门槛，让开发者能在消费级设备上部署视觉和音频处理能力。Gemma 4 12B 的发布标志着多模态模型向轻量化和本地化迈出重要一步。
AI模型多模态模型开源/仓库Gemma 4 12B本地部署无编码器
推荐理由：多模态模型终于能跑在普通笔记本上了，做本地 AI 应用或边缘计算的开发者可以直接下载试用，16GB 内存就能跑视觉+音频推理，开源许可也友好。
原文
6月3日
16:41
14:48
12:21
12:21IT之家（博客/媒体）
精选
智元机器人开源了行业首个聚焦物理交互的具身数据集 AGIBOT WORLD 2026 第二期“多样交互”。该数据集系统记录了机器人与真实物理世界之间的复杂、高密度、非理想交互过程，旨在补齐当前世界模型训练中缺失的真实物理交互数据。它将具身智能的数据范式从“学习成功动作”推进到“理解完整的物理分布”，对世界模型、神经仿真器、物理感知等研究至关重要。目前数据集已在 Hugging Face 开放下载。
AI模型具身智能开源/仓库数据集物理交互智元
推荐理由：做具身智能或世界模型研究的团队终于有了真实物理交互数据，不再是模拟器里的完美动作——补齐了训练的关键短板，搞机器人的建议直接去 Hugging Face 下载。
原文
06:32
06:32Simon Willison’s Weblog（博客/媒体）
76°
微软今日发布两款新文本 LLM：MAI-Thinking-1（35B 参数，推理模型，面向早期合作伙伴）和 MAI-Code-1-Flash（5B 参数，专为 GitHub Copilot 和 VS Code 设计，已向个人用户推出）。MAI-Thinking-1 在盲测中优于 Sonnet 4.6，且参数规模较小，运行成本更低。两款模型均使用清洁、商业授权数据从头训练，未蒸馏第三方模型，也未使用未授权的网络数据。这标志着微软在低成本、合规数据训练的高效模型上迈出重要一步。
AI模型微软MAI-Thinking-1MAI-Code-1-Flash推理模型编程助手
推荐理由：微软用 35B 参数模型挑战 Sonnet 4.6，证明小模型也能出奇迹——做推理应用或 Copilot 开发的团队值得关注，尤其是对数据合规有要求的项目。
原文
02:26
02:26IT之家（博客/媒体）
83°
微软在 Build 2026 大会上发布自研 AI 模型系列，包括首款高级推理模型 MAI-Thinking-1。该模型为中等规模，在软件工程基准测试中达到业界领先水平，并承诺完全自研、未使用第三方蒸馏数据。同时发布的还有图像生成模型 MAI-Image 2.5、语音转写模型 MAI-Transcribe-1.5（速度达竞品五倍）、语音合成模型 MAI-Voice-2 及编程辅助模型 MAI-Code-1。MAI-Code-1 已集成到 GitHub Copilot 和 VS Code 中。这标志着微软在推理、图像、语音和编程等 AI 领域全面布局自研模型。
AI模型推理模型微软MAI-Thinking-1编程助手语音合成
推荐理由：微软终于拿出了自己的推理模型，而且强调纯自研、不蒸馏，这对关注模型自主可控的开发者是个信号。做软件工程或编程的团队可以关注 MAI-Code-1 在 Copilot 中的实际表现，值得一试。
原文
6月2日
22:33
17:15
16:05
13:44
13:44IT之家（博客/媒体）
精选72°
JetBrains 于 6 月 1 日开源了 Mellum2 模型，这是其面向软件工程系统的新一代机器学习模型。相比原版 Mellum，Mellum2 从代码补全模型升级为完整的编码助手，上下文窗口从 8192 Token 扩展到 131072 Token。该模型总参数为 12B，采用稀疏混合专家框架，激活时参数量为 2.5B，在标准硬件上仍能保持较快计算。Mellum2 支持代码生成与编辑、外部工具调用、多步骤智能体工作流和长对话维持，定位在 AI 工作负载路由、低延迟 RAG 管线、复杂工作流中的子智能体以及私有本地 AI 部署。JetBrains 已开源基础版、指令版和思考版，开发者可在 Apache 2.0 许可证下使用。
AI模型JetBrainsMellum2开源/仓库编程助手智能体
推荐理由：JetBrains 把自家 IDE 的 AI 能力下放给社区了——做 JetBrains 插件开发或自建 AI 编程管线的团队，可以直接用 Mellum2 跑本地智能体工作流，省去自己训练和调优的麻烦。
原文