AI中国|教程|工具大全
热门搜索： deepseek gemini 即梦 gpt

列表

Midjourney

Step1X-Edit：开源图像编辑新标杆 媲美GPT-4o等闭源模型

132 0
2025年4月27日，AIbase报道：由Stepfun AI团队推出的Step1X-Edit图像编辑模型于近日正式开源，引发业界广泛关注。这一通用图像编辑框架以其卓越性能和实用的开源特性，展现了媲美GPT-4o和Gemini 2 Flash等闭源模型的潜力。以下是对Step1X-Edit的全面解析，涵盖其技术亮点、应用场景及未来影响。创新技术架构Step1X-Edit采用多模态大语言模型（MLL
Midjourney

国行版苹果AI智能要来了？iOS 18.5正式版预计5月份推送

101 0
苹果公司即将在5月向中国用户推送iOS18.5正式版更新，为国行版iPhone带来备受关注的Apple智能（Apple Intelligence）功能。此前，该AI功能已在美版、欧版iPhone上线，而中国用户则等待了近一个月的时间。这一更新标志着苹果在中国市场正式迈入生成式AI时代。据了解，Apple智能是一套基于个人场景的AI系统，能够提供智能辅助、图像创作等多样化服务。具体功能包括照片消除、
Midjourney

​OpenAI 推出 ChatGPT 新版本:更智能、更直观的 GPT-4o

109 0
OpenAI 最近宣布对其 ChatGPT 的 GPT-4o 版本进行了更新。这次更新主要集中在如何保存记忆的时机以及在科学、技术、工程和数学（STEM）等领域的技能提升。此外，新版本还旨在更有效地引导对话朝着 “富有成效的结果” 发展。OpenAI 希望通过这些改进，使模型在各种任务中显得更加 “直观和高效”。OpenAI 首席执行官山姆・阿尔特曼表示，这次更新不仅提升了智能水平，还改善了模型的
Midjourney

Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆

108 0
近日，Moonshot AI正式宣布推出Kimi-Audio，一款全新的开源音频基础模型，旨在推动音频理解、生成和交互领域的技术进步。这一发布引发了全球AI社区的广泛关注，被认为是多模态AI发展的重要里程碑。以下是对Kimi-Audio核心特性、性能表现及行业影响的全面报道。突破性特性:全能音频处理能力Kimi-Audio-7B-Instruct基于Qwen2.5-7B架构，并结合Whisper技
Midjourney

微软发布全新Agent操作系统UFO² ，深度整合Windows与智能自动化

76 0
近日，微软宣布重磅升级其开源项目 AgentUFO，推出了全新的 UFO² 版本，该版本新增了操作系统功能，并与 Windows 系统实现了深度集成。此举不仅增强了自动化任务的执行效率，还使得用户能够更便捷地进行复杂操作。UFO² 的一个显著特点是其能够直接调用 Windows 的原生 API 和 COM 接口。这种方式相比传统的机器人流程自动化（RPA），能够在执行复杂业务时更加高效且精准。例如
Midjourney

​Waymo CEO暗示未来可能出售个人自动驾驶汽车

172 0
在最近的一次财报电话会议上，Alphabet 首席执行官桑达尔・皮查伊（Sundar Pichai）透露，Waymo 未来有可能会出售自动驾驶汽车供个人拥有。这一消息引起了广泛关注，皮查伊在会上被问及 Waymo 的长期商业模式时表示，除了与 Moove 和 Uber 等合作伙伴的扩展外，Waymo 还考虑 “个人所有权的未来选项”。图源备注:图片由AI生成，图片授权服务商Midjourney事实
Midjourney

Ema推新型语言模型EmaFusion：成本和准确性方面击败了 O3、Gemini

105 0
在 AI 行业竞争日益激烈的今天，Ema 公司推出了一款新型语言模型 EmaFusion，声称在成本和准确性上超越了包括 O3、Gemini 和 Sonnet 在内的多款知名 AI 模型。与传统的单一策略系统不同，EmaFusion 采用了一种 “级联” 判断系统，能够动态平衡成本和准确性，同时用户也可以根据具体任务的需求进行微调。Ema 的首席执行官 Surojit Chatterjee 表示，
Midjourney

​芯驰发布新一代4纳米 AI 座舱芯片 X10，提升智能驾驶体验

164 0
在2025上海车展上，芯驰科技正式推出了最新研发的 AI 座舱芯片 ——X10。这款芯片采用了先进的4纳米制程工艺，具备强大的计算能力，能够支持7B 参数的多模态大模型在端侧的本地部署。这标志着芯驰科技在智能座舱芯片领域的一次重大突破，预计将大幅提升智能驾驶体验。从技术规格来看，X10芯片配备了200K DMIPS 算力的 Arm v9.2架构 CPU，搭载1.8TFLOPS 算力的 GPU 以及
Midjourney

Alphabet 第一季度业绩超预期，宣布700亿美元股票回购，AI 概览月活达15亿

158 0
谷歌母公司 Alphabet 公布2025年第一季度业绩，营收达到902.3亿美元，每股收益2.81美元，双双超出华尔街分析师的预期。受此消息提振，Alphabet 股价在盘后交易中上涨4%。首席执行官桑达尔·皮查伊 （Sundar Pichai） 将谷歌核心搜索业务的强劲表现和稳定的广告收入视为本季度业绩的关键驱动力。广告收入同比增长8.5% 至668.9亿美元，占据总收入的四分之三。尽管增速较
Midjourney

Gmail 更新：Android 平板用户迎来全新界面和 AI 功能

80 0
最近，谷歌为其 Gmail 移动应用推出了一系列更新，涵盖 Android 和 iOS 用户。这次更新不仅带来了设计上的改进，还增加了对 AI 功能的访问，旨在提升用户体验。对于 Android 平板和可折叠设备的用户来说，Gmail 应用界面的灵活性得到了显著提升。用户现在可以在横向视图中自由拖动分隔线，以调整列表和对话窗格的大小。如果用户更喜欢单窗格视图，只需将分隔线拖到一侧即可。这项更新目前
Midjourney

Open Avatar Chat – 阿里开源的实时数字人对话系统

128 0
Open Avatar Chat是什么Open Avatar Chat 是阿里开源的模块化的实时数字人对话系统，支持在单台电脑上运行完整的功能。Open Avatar Chat 支持低延迟的实时对话（平均响应延迟约2.2秒），兼容多模态语言模型，包括文本、音频和视频等多种交互方式。系统基于模块化设计，用户根据需求灵活替换组件，实现不同的功能组合。Open Avatar Chat 为开发者和研究
Midjourney

RAGEN – 训练大模型推理 Agent 的开源强化学习框架

168 0
RAGEN是什么RAGEN是开源的强化学习框架，用于在交互式、随机环境中训练大型语言模型（LLM）推理Agent。基于StarPO（State-Thinking-Action-Reward Policy Optimization）框架，通过多轮交互优化整个轨迹，支持PPO、GRPO等多种优化策略。RAGEN通过MDP形式化Agent与环境的交互，引入渐进式奖励归一化策略，有效解决了多轮强化学习
Midjourney

文心大模型4.5 Turbo – 百度推出的最新多模态大模型

158 0
文心大模型4.5 Turbo是什么文心大模型4.5 Turbo是百度推出的高性能、低成本多模态大模型。基于文心大模型4.5的基础上进行优化，具备多模态、强推理能力，能处理文本、图像等多种输入形式。相比文心大模型4.5，文心大模型4.5 Turbo的速度更快，成本大幅降低，价格下降80%，让开发者用更低的成本使用高性能AI模型，推动更多AI应用的开发和落地，适用于内容创作、智能客服、多模态交互等
Midjourney

Hummingbird-0 – Tavus 推出的AI口型同步模型

56 0
Hummingbird-0是什么Hummingbird-0 是 Tavus 推出的AI口型同步模型。基于 Phoenix-3 模型开发，支持实现零样本学习，无需额外训练快速生成高精度的口型同步视频。仅需输入几秒视频，Hummingbird-0 能在短时间内生成逼真的口型效果，适合多种应用场景，如影视制作、AI 影响者内容创作、广告、本地化翻译等。Hummingbird-0支持长达 5 分钟的视
Midjourney

LiveCC – 字节联合新加坡国立大学开源的实时视频解说模型

132 0
LiveCC是什么LiveCC 是新加坡国立大学Show Lab 团队联合字节跳动推出的实时视频解说模型，基于自动语音识别（ASR）字幕进行大规模训练。LiveCC像专业解说员一样快速分析视频内容，同步生成自然流畅的语音或文字解说。LiveCC 推出 Live-CC-5M 数据集用在预训练，和 Live-WhisperX-526K 数据集用在高质量的监督微调。LiveCC 设计了 LiveSp