AI日报：Kimi全新音频基础模型Kimi-Audio；阶跃星辰开源图像编辑模型Step1X-Edit；​夸克AI超级框上线 “拍照问夸克”

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、Moonshot AI发布Kimi-Audio:开源音频基础模型树立新标杆

Moonshot AI最近推出的Kimi-Audio是一款开源音频基础模型，旨在推动音频理解、生成和交互技术的发展。该模型基于Qwen2.5-7B架构，结合Whisper技术，支持多种音频任务，如语音识别和音频问答。凭借超过13亿小时的多样化音频数据训练，Kimi-Audio在多项基准测试中表现出色，超越了现有模型。

【AiBase提要:】

🎤 Kimi-Audio具备强大的多功能音频处理能力，支持语音识别、音频问答等多项任务。

📊 该模型在超过13亿小时的多样化音频数据上进行训练，展现了卓越的性能表现。

🌍 Kimi-Audio的开源策略降低了音频AI技术的使用门槛，促进了全球AI技术的民主化进程。

详情链接:https://github.com/MoonshotAI/Kimi-Audio

2、阶跃星辰开源图像生成模型Step1X-Edit:开源图像编辑新标杆

Step1X-Edit是由Stepfun AI团队推出的开源图像编辑模型，结合了多模态大语言模型与扩散变换器，展现出强大的图像生成能力。其开源特性和高性能表现吸引了业界的广泛关注，尤其是在GEdit-Bench基准测试中表现优异。该模型为内容创作者和开发者提供了强大的工具，推动了图像编辑技术的发展。

【AiBase提要:】

🚀: Step1X-Edit结合多模态大语言模型与扩散变换器，能高效生成高质量图像。

📊: GEdit-Bench基准测试显示其性能超越现有开源模型，接近闭源模型水平。

💡: 开源特性为研究和开发提供了基础，推动了图像编辑技术的创新与普及。

详情链接:https://huggingface.co/spaces/stepfun-ai/Step1X-Edit

3、夸克AI超级框升级 上线“拍照问夸克”功能:啥都能答

阿里巴巴旗下的夸克AI超级框于4月25日推出了“拍照问夸克”功能，这一创新利用视觉理解和推理模型，能够快速识别和理解用户在现实生活中遇到的各种问题。用户通过拍照可以获取准确的信息和答案，涵盖多个领域，包括文物讲解、商品识别、健康分析等。

【AiBase提要:】

📸 新功能“拍照问夸克”基于视觉理解，能快速识别图片中的内容并提供相关信息。

🛒 用户可以通过上传商品图片直接跳转到淘宝同款链接，提升购物体验。

🌍 该功能支持多种语言提问和翻译，适用于旅行、健康、工作等多个场景。

4、国行版苹果AI智能要来了?iOS18.5正式版预计5月份推送

苹果公司即将在5月向中国用户推送iOS18.5正式版更新，带来备受关注的Apple智能功能。这一功能已在其他地区上线，中国用户等待了近一个月。Apple智能是一套基于个人场景的AI系统，提供多样化服务，包括照片消除和智能回复等。然而，只有iPhone15Pro系列及即将发布的iPhone16全系机型支持该功能，且用户需确保设备有足够的存储空间。

【AiBase提要:】

🆕 Apple智能功能将于5月正式推送给中国用户，标志着苹果进入生成式AI时代。

📸 该功能包括照片消除、通知摘要和智能回复等多样化服务，但仅支持iPhone15Pro及以上机型。

💾 用户需确保设备至少有7GB可用存储空间，这对部分用户的存储管理可能带来挑战。

5、谷歌AI发布601个真实世界的生成式AI应用案例，涵盖各行业

谷歌云最近发布了一份报告，展示了601个来自全球顶尖企业的生成式AI应用案例，显示出这一技术的快速发展和广泛应用。相比去年仅有的101个案例，增长了六倍，涵盖了汽车、金融、医疗等多个行业。这些案例不仅突显了生成式AI在运营和战略中的重要性，还展示了其作为组织结构一部分的潜力。

【AiBase提要:】

🔍601个生成式AI应用案例展示了技术在各行业的广泛应用，较去年增长六倍。

💼 AI代理分类清晰，展示了AI在客户服务、内部生产力和安全等方面的多重角色。

🚀 各行业的实际应用案例凸显了生成式AI从实验走向生产的重要趋势。

详情链接:https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders

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

微软近期推出的UFO²版本在自动化领域带来了显著进步，特别是在与Windows系统的深度集成方面。新版本能够直接调用Windows的原生API，极大提升了自动化任务的执行效率。与OpenAI的Operator相比，UFO²在多个测试场景中的成功率明显更高，尤其在处理复杂任务和跨应用操作时表现出色。

【AiBase提要:】

🚀 UFO²与Windows系统深度集成，能直接调用原生API，提升自动化效率。

📊 UFO²的自动化任务成功率显著高于OpenAI的Operator，表现出色。

🖥️ 新增的画中画模式实现自动化任务与用户操作的隔离，提升用户体验。

详情链接:https://github.com/microsoft/UFO?tab=readme-ov-file

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

OpenAI 最近对其 ChatGPT 的 GPT-4o 版本进行了重要更新，重点在于如何更好地保存记忆以及提升在科学、技术、工程和数学（STEM）领域的技能。新版本旨在引导对话更有效地朝着富有成效的结果发展，同时提升模型的智能水平和人格特质。尽管存在某些“光滑”过度的问题，OpenAI 承诺未来将进行改进。此外，开发者可以选择新的 GPT-4.1系列，以获得更稳定的 API 体验。

【AiBase提要:】

🌟 更新的 GPT-4o 版本在记忆保存和 STEM 技能方面进行了优化。

🤖 OpenAI 承认模型在某些情况下存在 “光滑” 过度的问题，未来将改进。

🔧 开发者可选择新推出的 GPT-4.1系列，以获得更稳定的 API 体验。

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

Ema公司推出了新型语言模型EmaFusion，声称在成本和准确性上超越了多款知名AI模型。EmaFusion采用“级联”判断系统，能够动态平衡成本与准确性，并允许用户根据任务需求进行微调。其准确率达到94.3%，运行成本显著降低，成为企业AI发展的新选择。

【AiBase提要:】

🌟 EmaFusion 的准确率达到94.3%，成本是市场平均水平的四分之一。

💡 EmaFusion 能够智能拆解复杂任务，并将其分配给最适合的 AI 模型。

🚀 Ema 正与 KPMG、Hitachi 等全球领军企业合作，推动企业 AI 的发展。

详情链接:https://www.ema.co/emafusion

9、Liquid AI推出Hyena Edge，开创智能手机边缘设备的新时代

Liquid AI近期推出了新型卷积模型Hyena Edge，旨在为智能手机及边缘设备提供更高效的人工智能解决方案。该模型在计算效率和内存使用上超越了传统的Transformer++模型，尤其适合资源受限的环境。Hyena Edge在多个标准语言模型基准测试中表现出色，展示了自动化架构设计的潜力，并计划在未来开源，推动技术普及。

【AiBase提要:】

🌟 Hyena Edge 是Liquid AI公司推出的新型卷积模型，专为智能手机等边缘设备设计。

🚀 该模型在计算效率和内存使用上优于传统的 Transformer++ 模型，适合资源受限的环境。

📈 Hyena Edge 在多个标准语言模型基准测试中表现卓越，并计划在未来开源以促进技术普及。

详情链接:https://www.liquid.ai/research/convolutional-multi-hybrids-for-edge-devices

10、LemonAI 推出实时音视频 AI 数字人模型 Slice Live

LemonAI 最近推出了其创新产品 Slice Live，这是一款全球首创的实时音视频 AI 模型。用户只需上传一张照片，即可与虚拟角色进行实时视频通话。Slice Live 采用先进的 Transformer 模型，以每秒25帧的速度渲染每个像素，确保画面流畅且真实。该产品在娱乐和教育领域都展示了巨大的潜力，未来还将扩展到 AR、VR 和元宇宙应用，同时重视用户隐私和数据安全。

【AiBase提要:】

📸 用户只需上传一张照片，即可与虚拟角色进行实时视频通话。

🎭 Slice Live 在娱乐和教育领域提供沉浸式互动体验，带来生动的学习内容。

🔒 LemonAI 承诺持续探索隐私保护，确保用户数据安全。

11、智谱与生数科技达成战略合作 专注大模型联合创新

4月27日，清华大学旗下的智谱与生数科技宣布达成重大战略合作，旨在通过双方在大语言模型和多模态生成模型的技术积累，共同推进国产大模型的技术创新与产业落地。此次合作涵盖联合研发、产品联动、解决方案整合等多个方面，双方将聚焦多个行业，推动AI技术的应用与发展，展示了国产大模型在技术创新和产业应用方面的巨大潜力。

【AiBase提要:】

🤖 智谱与生数科技将联合研发大语言模型和多模态生成模型，推动技术创新。

📈 双方的合作将整合各自的技术特长，打造更具竞争力的行业解决方案。

🌐 合作将聚焦政企服务、文化旅游等领域，共同推动AI技术的规模化应用。

12、宝马中国宣布新车型接入DeepSeek 含5系、全新X3

宝马中国在第三季度将推出搭载DeepSeek技术的新车型，标志着其在智能车载系统方面的重要进步。此技术将应用于第九代操作系统的多款新车，增强车主与车辆的互动体验。用户可通过BMW智能个人助理以自然语言进行交流，系统能够理解并响应口语化指令，提供便捷的驾驶体验。

【AiBase提要:】

🚗 宝马将在第三季度推出搭载DeepSeek技术的新车型，提升车载智能交互体验。

🗣️ 用户可通过BMW智能个人助理以自然语言进行交流，系统能理解口语化指令。

🌟 DeepSeek技术旨在增强用户与车辆的互动，提供更便捷的驾驶体验。

（举报）