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22日
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/仓库美团LongCat-Video-Avatar
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Lance统一模型
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API国产大模型
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-3.1AI 安全大语言模型
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几何猜想科研突破
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/仓库腾讯混元端侧部署多语言
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推理模型低延迟代理任务谷歌
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
07:54
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音色克隆阿里通义千问
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/工具推理模型Qwen3.7-Max
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
07:02Simon 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APIInteractions API
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
01:45
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人形机器人开源全身控制
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
13:49
08:33
5月17日
01:46
00:54
00:54IT之家（博客/媒体）
精选73°
蚂蚁集团旗下百灵大模型正式开源 Ring-2.6-1T，这是一款面向真实复杂任务场景的万亿级旗舰思考模型。该模型引入了可调节的 Reasoning Effort 机制，支持 high 与 xhigh 两种推理强度，开发者可根据任务复杂度灵活控制模型思考深度。high 模式适合高频 Agent 工作流，具备更低 Token 开销与更快多步执行能力；xhigh 模式面向数学、科研、复杂逻辑分析等高难任务。开源链接已在 Hugging Face 和 ModelScope 上提供，方便开发者、研究者与企业进行验证、适配和二次开发。
AI模型开源/仓库推理模型智能体蚂蚁集团Ring-2.6-1T
推荐理由：万亿级思考模型开源，可调节推理强度让开发者按需平衡效果与成本，做 Agent 工作流或复杂推理的团队可以直接上手试。
原文
5月14日
15:15
11:23
11:23IT之家（博客/媒体）
小米发布并开源了 Xiaomi OneVL，一个一步式潜空间语言视觉推理框架。雷军称，该模型在业内率先通过潜空间推理将 VLA（视觉语言动作模型）和世界模型统一到同一框架中。在推理和规划等主流基准上，Xiaomi OneVL 全面刷新了潜在推理方法的性能上限。该模型在精度上超越显式 CoT，速度上对齐“仅答案”预测的潜空间 CoT 方案。小米已将模型权重和训练、推理代码全面开源，邀请全球开发者探索自动驾驶大模型的可能性。
AI模型自动驾驶Xiaomi OneVLVLA世界模型潜空间推理
推荐理由：小米把 VLA 和世界模型统一到一套框架，解决了自动驾驶多模型协同的痛点，做自动驾驶或具身智能的开发者可以直接用开源代码试试，性能还刷新了基准。
原文
01:10
01:10IT之家（博客/媒体）
95°
中国科学技术大学潘建伟团队成功研制出“九章四号”量子计算原型机，拥有1024个量子压缩态输入和8176个模式，首次操纵3050个光子的量子态，求解高斯玻色取样问题比全球最快超级计算机快10的54次方倍。该成果发表在《自然》期刊，解决了光量子计算中光子损耗的瓶颈，通过高效光源和时空混合编码技术实现连接度立方级扩展。这标志着光量子计算在规模和复杂度上的重大飞跃，巩固了中国在光量子计算领域的领先地位。
AI模型九章四号量子计算光量子中国科学技术大学自然期刊
推荐理由：量子计算研究者或关注前沿科技的读者，这是光量子计算里程碑式突破——九章四号将算力提升到超经典计算机10^54倍，直接刷新世界纪录，值得深入了解其技术细节。
原文
5月13日
17:17
13:05
00:33
00:33
00:33
00:33
5月11日
00:23
00:23
00:22