全球AI新闻头条 | 政策解读·巨头动向·融资快讯 - AI中国|教程|工具大全

列表

默认

浏览次数

发布时间

飞桨3.0正式发布，支持文心4.5等大模型，跨芯片适配成本降80

百度旗下的深度学习平台飞桨近日宣布正式发布新一代飞桨框架3.0。此次发布的框架3.0引入了五大核心技术创新，包括“动静统一自动并行”等关键技术，旨在有效降低大模型开发和训练成本，助力大模型时代的基础设施建设。作为支撑大模型训练和推理任务的核心基础设施，飞桨框架3.0在性能优化方面表现出色。该框架已经支持包括文心4.5、文心X1在内的多款主流大模型，并通过优化的DeepSeek-R1满血版单机部署，

逆天改命！Flow-GRPO 让图像生成模型秒变 “大神”

家人们，今天必须给你们唠唠科研界的一项超酷新成果 ——Flow-GRPO!这东西可不得了，它就像是给图像生成模型打了一针 “超级进化剂”，直接让它们从 “青铜” 一路飙升到 “王者”。想知道它是怎么做到的吗?快搬好小板凳，听我细细道来!图像生成模型的 “成长烦恼”现在的图像生成模型，比如基于流匹配（Flow matching）的那些，理论基础那叫一个扎实，生成的高质量图像也让人眼前一亮。但它们也有

Tavus发布SOTA唇形同步模型Hummingbird-0：革新零样本唇形同步技术

近日，AI视频研究公司Tavus正式发布了其最新零样本唇形同步模型Hummingbird-0，被誉为当前最先进的唇形同步技术（State-of-the-Art， SOTA）。该模型已在Tavus平台、API以及FAL上开放研究预览，引发了AI内容创作领域的广泛关注。零样本唇形同步的突破性进展Hummingbird-0是Tavus基于其旗舰模型Phoenix-3组件开发的全新唇形同步模型。该模型的最

字节跳动豆包视频生成功能升级，提升语义理解、动作连贯性等方面表现

IT之家 4 月 29 日消息，最近豆包视频生成功能升级，官方称相较之前的版本在语义理解、影调画质、风格类型以及动作连贯性等方面均有明显提升。本次功能升级由豆包・视频生成模型-Seedance 支持，打开豆包 App 对话框选择“照片动起来”，或在豆包电脑版及 doubao.com 网页选择“视频生成”，输入文字或者上传参考图即可体验。IT之家注意到，本月早些时候字节跳动发布了豆包 1.5 深度

FDA全面部署AI:加速新药审批，OpenAI或成合作伙伴

美国食品药品监督管理局（FDA）于当地时间周四宣布，将在其所有下属中心全面启动人工智能(AI)的内部部署，目标是在6月30日前完成整合。此前，FDA已成功完成面向科学审评人员的新生成式AI试点项目。FDA表示，引入这些生成式AI工具旨在通过减少科学家及各领域专家重复性的工作，显著加快新药审批流程。目前，FDA通常需要在收到新药审批申请后的6到10个月内做出决定。图源备注：图片由AI生成，图片授权服

人形机器人

动态运动控制

宇树G1 人形机器人拳击技能展示：摔倒后 4 秒内可自主站立

10日晚间宇树科技（Unitree）发布了一段备受关注的G1人形机器人搏击视频，展示了其在动态运动控制与智能交互方面的最新突破。视频中，G1机器人不仅演示了对固定目标（立式沙袋）的击打能力，还与人类拳手以及另一台G1机器人进行了实战对打测试。宇树最新发布的G1搏击视频中，G1人形机器人展现了惊艳的动态性能。在视频中，G1通过精准的动作捕捉与实时运动规划，完成了包括拳击、闪避和平衡调整在内的一系列

Perplexity 推出 Comet 浏览器 beta 版，重新定义网络浏览体验

近期，Perplexity 宣布推出其代理智能浏览器 Comet 的 beta 版，目前仅限于部分 Apple Silicon Mac 用户进行测试。早期用户本周已收到邀请，Perplexity 鼓励他们反馈使用过程中的 Bug 和功能建议，以推动产品的发展。Comet 浏览器旨在通过上下文感知智能来重新构想网络浏览体验。它会根据用户的浏览历史和当前打开的标签页个性化响应，而这些信息都是保存在本地

ComfyUI-Copilot

节点式工作流

告别节点噩梦！ComfyUI-C opilot发布，具备GPT-4o同款图像生成与编辑能力

近日，一款名为 ComfyUI-C opilot 的创新工具引发了人工智能生成内容领域的广泛关注。这款工具通过将自然语言处理与 ComfyUI 的节点式工作流相结合，赋予用户如同 GPT-4o 般的图像生成与编辑能力。它的出现不仅大幅降低了使用门槛，还为新手和专业用户提供了一个高效、智能的创作平台，标志着 AI 图像生成技术向更人性化、自动化的方向迈出了重要一步。自然语言驱动，简化复杂流程Comf

智能匹配技术

数字化转型

最新AI产品库哪个平台好？最新AI工具网站平台推荐

在当今数字化时代，人工智能（AI）技术正以前所未有的速度发展，深刻地改变着我们的工作和生活方式。然而，面对众多的AI产品和网站，用户往往难以快速找到最适合自己的解决方案。为了满足这一需求，AIBase产品库(https://top.aibase.com/)正式推出，它通过智能匹配技术，为用户提供了便捷、高效的AI工具和应用推荐服务。平台简介AIBase产品库是一个全面的AI工具和应用推荐平台，

酷狗音乐发布蝰蛇AI音质：比黑胶唱片更清晰

快科技4月12日消息，酷狗音乐与联发科合作，正式发布蝰蛇音质AI超分音频引擎。官方介绍称，蝰蛇音质的创新之处在于构建了物理重建轻量计算的双引擎架构。其核心技术依托深度神经网络模型，通过对大量高质量音乐样本的深度学习，建立从低码率音频到无损音质的映射关系。例如，基于128kbps标准音质音源，算法可精准修复重建16kHz以上已经丢失的高频信号，至高恢复达到192kHz 24bit的母带级音质，

关税带来不确定性，软银、OpenAI 千亿美元“AI 基建”项目被曝陷入停滞

IT之家 5 月 12 日消息，据彭博社报道，软银集团计划在美国投资 1000 亿美元（IT之家注：现汇率约合 7232.59 亿元人民币）建设 AI 基础设施的项目已陷入停滞，华盛顿加征关税带来的经济不确定性使融资谈判受阻。今年 1 月，软银创始人孙正义与 OpenAI 联合创始人奥尔特曼发布“星际之门”计划，宣称将“立即”启动 1000 亿美元投资，并最终扩大至约 5000 亿美元。然而三个

文档智能新突破：ContextGem开源工具上线，几行代码实现专业级文档解析

一款备受期待的AI文档处理工具ContextGem日前正式亮相，凭借其强大的结构化数据提取能力和极简编程体验，迅速吸引了开发者社区的广泛关注。作为完全免费、开源的大型语言模型框架，ContextGem通过简洁代码实现复杂文档分析，核心优势在于精准理解用户意图，自动定位并提取文档中的关键信息。ContextGem的设计理念围绕简化文档处理流程展开。用户只需通过自然语言描述所需信息，如"提取合同中的关

全球首个人形机器人半程马拉松完赛，各奖项揭晓

IT之家 4 月 19 日消息，据央视新闻报道，由中央广播电视总台北京总站参与联合主办的全球首个人形机器人半程马拉松今天圆满完赛。完赛奖和各类专项奖发布。IT之家整理奖项如下：第一名：天工队无更换人总用时 2:40’42”，最终 2:40’42”第二名：小顽童队更换一次机器人总用时 3:27’50”，最终 3:37’50”第三名：行者二号队更换两次机器人总用时 4:00’56”，最终 4:25’

阿里通义实验室推出 ZeroSearch：让大模型无需 API 自我 “搜索”

在人工智能的迅速发展中，如何提升大语言模型（LLM）的检索和推理能力成为研究的热门话题。近日，阿里通义实验室提出了一个名为 “ZeroSearch” 的新框架，它能够使大型语言模型自己模拟搜索引擎，从而在没有实际搜索引擎的情况下，提升其推理能力。传统的搜索引擎虽然强大，但在训练大模型时，它们的输出质量常常不可预测，可能导致训练过程中的噪声和不稳定。此外，依赖真实搜索引擎的 API 调用会产生巨大的

ElevenLabs推出MCP服务器:AI语音能力无缝整合到智能助手

ElevenLabs最新推出的MCP（Multi-modal Communication Protocol）服务器为AI生态系统带来重大升级。这项服务允许用户通过简单的文本提示，让AI助手(如Claude、Cursor、Windsurf等)直接访问ElevenLabs的完整AI音频平台能力。MCP服务器本质上充当了一座桥梁，将ElevenLabs先进的文字转语音、语音克隆等技术连接到用户日常使用的

图像生成模型

GPT-4o图像生成能力跻身顶尖行列：多领域表现亮眼，挑战AI创意极限

近日，人工智能领域再次掀起热议，OpenAI旗下的GPT-4o图像生成模型凭借卓越性能，在行业权威评测中脱颖而出。据最新社交媒体讨论透露，GPT-4o在图像生成质量的ELO评分中与新兴模型Reve并列第一，超越了Recraft V3、FLUX1.1[pro]以及Google的Gemini2.0Flash等强劲对手。这一成绩不仅巩固了OpenAI在生成式AI领域的领先地位，也引发了业界对该模型应用潜