熱門資訊> 正文
2025-08-11 15:42
(來源:數據GO)
1、GPT-5正式發佈:OpenAI新一代AI模型全面上線
8月 8 日,OpenAI正式發佈了新一代人工智能模型GPT-5。這是自GPT- 4 發佈以來最重要的模型升級,標誌着AI技術發展的又一重要里程碑。
OpenAI採用了前所未有的開放策略,GPT- 5 對所有ChatGPT用户開放,包括免費用户、Plus、Pro和Team用户,這是免費用户首次獲得推理模型的使用權限。
具體的用户權限分配如下:
免費用户:可直接使用GPT- 5 基礎版本,首次體驗到具備"思考"能力的推理模型
Plus用户:除基礎版本外,還可使用"GPT-5 Thinking"版本,享受更強的推理能力
Pro用户:享有GPT- 5 和GPT-5 Pro的無限制訪問權限,並可根據需要切換到舊版本模型
企業和教育用户:將在下周獲得訪問權限,同時還將獲得GPT-5 Pro版本,提供更可靠和詳細的擴展推理功能
2、從閉源到開源,OpenAI重磅推出gpt-oss-120b與20b OpenAI宣佈推出兩款開源權重語言模型——gpt-oss-120b和gpt-oss-20b,這是自2019年GPT-2發佈以來,OpenAI首次迴歸開源領域。此舉不僅標誌着OpenAI戰略的重大轉向,也為全球AI開發者提供了強大的推理工具,加速AI技術的普及與創新。
根據OpenAI官方公告,gpt-oss-120b和gpt-oss-20b採用Apache2.0許可證發佈,允許開發者自由下載、修改和用於商業用途。這兩款模型分別是1170億參數和210億參數的混合專家(MoE)架構,分別激活51億和36億參數,兼顧高效推理與低資源消耗。
gpt-oss-120b:能在單個NVIDIA H100GPU(80GB內存)上運行,適合數據中心或高端企業場景,性能接近OpenAI的專有模型o4-mini,尤其在競賽編程(Codeforces)、通用問題解決(MMLU、HLE)及健康相關查詢(HealthBench)上表現突出。
gpt-oss-20b:僅需16GB內存即可在邊緣設備上運行,適合本地推理和設備端應用,性能媲美o3-mini,特別是在競賽數學(AIME2024&2025)等領域表現優異。
這些模型支持長達128k token的上下文長度,採用交替密集和局部帶狀稀疏注意力機制,並使用分組多查詢注意力技術以提升推理效率。OpenAI還開源了‘o200k_Harmony’分詞器,進一步降低開發門檻。
3、微軟Bing Image Creator免費上線GPT-4o圖像生成模型
微軟宣佈Bing Image Creator現已免費提供OpenAI最新的GPT-4o圖像生成模型,為用户帶來更強大的AI圖像創作體驗。
用户可通過bing.com/create、Bing移動應用、Copilot Search訪問更新后的服務,也可直接在Bing搜索欄或Edge地址欄輸入提示。此外,ChatGPT Plus、Pro、Team或Free賬户用户同樣可免費使用GPT-4o圖像生成功能。
4、谷歌DeepMind重磅發佈Genie 3
8月5日,谷歌DeepMind正式發佈了其最新一代世界模型 Genie3,這一突破性AI技術以其強大的實時交互能力和多樣化的環境生成能力,標誌着AI模擬技術邁向新高度。Genie3不僅在生成時長、分辨率和物理一致性上實現顯著提升,還支持通過文本動態改變虛擬世界事件,為AI智能體訓練、遊戲開發和教育等領域開闢了全新可能。
5、谷歌Gemini 2.5 Deep Think發佈
近日,谷歌DeepMind宣佈其最強大的AI模型Gemini2.5Deep Think正式向Google AI Ultra訂閲用户開放。
主要技術突破:
1. 並行思考機制:Deep Think通過多智能體系統,允許多個AI「代理」同時處理一個問題,探索不同假設並整合結果。這種方法不僅提升了推理深度,還顯著提高了解決數學、科學和編碼等複雜任務的能力。
2. 強化學習優化:谷歌開發了新型強化學習技術,鼓勵模型在推理過程中不斷優化其策略。這使得Deep Think在處理需要逐步改進的任務(如算法設計和戰略規劃)時更加高效。
3. 多模態與長上下文支持:Gemini2.5Deep Think支持文本、音頻、圖像和視頻輸入,擁有100萬Token的上下文窗口,能夠處理海量數據集,適用於從學術研究到實時應用的多種場景。
6、谷歌開源結構化信息提取工具langextract,可提供精確來源定位
谷歌正式發佈了一款全新的開源 Python 庫 LangExtract,旨在利用大型語言模型(LLM)如 Gemini,從非結構化文本中高效提取結構化信息。
這一工具的推出為開發者、數據科學家以及各行業從業者提供了一個強大的解決方案,能夠將複雜的文本數據快速轉化為可用於分析的結構化格式。
7、Claude Opus 4.1 橫空出世,編碼推理雙雙稱王
Anthropic 正式發佈了其最新旗艦模型 Claude Opus4.1,在 Agent 任務、真實世界編碼和推理能力方面實現顯著提升。這一版本被定位為 Claude Opus4的直接升級,定價保持不變,已向付費 Claude 用户開放,並通過 API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 平臺全面上線。
Claude Opus4.1現已面向所有付費用户、Claude Code、API、Amazon Bedrock和Google Cloud Vertex AI開放,價格維持與Opus4相同。
8、Midjourney 推出 HD 視頻模式,專為專業人士打造高品質影像
Midjourney 宣佈向其 Pro 和 Mega 訂閲計劃用户推出全新的 HD視頻模式。這一新功能旨在為需要最高質量影像輸出的專業人士提供更優質的創作工具,進一步鞏固 Midjourney 在 AI 視頻生成領域的競爭力。
據官方聲明,HD*視頻模式的生成成本約為默認標清(SD)視頻輸出的3.2倍,但其像素分辨率提升了約4倍。這一升級顯著提高了視頻的清晰度和細節表現,滿足專業用户在廣告、影視製作和創意內容生產等場景中的高標準需求。Midjourney 表示,此模式專為追求極致視覺效果的專業人士設計,旨在提供無與倫比的高質量鏡頭。
9、Anthropic 推出個性向量技術,掌控語言模型行為新突破
Anthropic普近日宣佈了一項新技術 —— 個性向量,旨在監測、控制和預防大型語言模型中的特定個性特徵。隨着語言模型在實際應用中的廣泛使用,部分模型表現出不可預測的個性特徵,比如 ChatGPT 顯示出的過度恭維行為,以及更極端的例子,如 x.AI 的 Grok 模型展現出具有爭議的角色"MechaHitler"。
個性向量是一種與諸如 「邪惡」、「阿諛奉承」 或 「幻覺」 等個性特徵相關的神經活動模式。Anthropic的研究人員通過對比模型在展現這些個性特徵時與不展現時的神經激活情況,成功識別出這些個性向量。例如,向模型注入一個 「邪惡」 向量會促使其產生不道德的回答,而注入 「阿諛奉承」 向量則會導致模型表現出過度的恭維。此外,這種技術還可以用於調節其他個性特徵,如禮貌、幽默或冷漠等。
10、亞馬遜推出全球最大 AI 模型平臺Amazon Bedrock
亞馬遜推出了 Amazon Bedrock 平臺,旨在為企業提供一個如同超市般的 AI 模型選擇環境。
這個新平臺被業內稱為 「模型超市」,它匯聚了多種 AI 模型,企業可以根據自身的需求和場景,選擇最合適的解決方案。亞馬遜意識到,企業需要的不僅僅是最強大的模型,而是能夠適應不同場景的多元化模型組合。
11、xAI 發佈 Grok Imagine4:支持文生圖與視頻生成
xAI推出的Grok Imagine4 在文生圖和圖生視頻方面表現出色,尤其以快速的生成速度和原生支持NSFW內容為亮點,但視頻效果仍有提升空間。
12、Perplexity 被指控祕密抓取被禁止的網站內容
根據互聯網基礎設施提供商 Cloudflare 的最新研究報告,人工智能初創公司 Perplexity 被指控在抓取網站內容時忽視了明確的阻止指令。Cloudflare 表示,他們觀察到 Perplexity 在嘗試抓取網頁時隱藏了自己的身份,以此規避網站的偏好設置。
Perplexity 的發言人 Jesse Dwyer 對 Cloudflare 的指控表示反駁,並稱其博客文章為 「推銷」。他補充稱,文中截圖顯示並沒有訪問內容。他進一步聲稱,Cloudflare 所提到的爬蟲並非其所擁有的。Cloudflare 表示,他們最初注意到這些問題是由於客户投訴 Perplexity 仍在抓取其網站內容,儘管這些網站已通過 Robots 文件阻止了該爬蟲的訪問。
13、小米全量開源MiDashengLM-7B:音頻理解性能刷新SOTA,推理速度暴增20倍
小米正式發佈並全量開源了MiDashengLM-7B多模態大模型,這款專注於音頻理解的AI模型在性能和效率兩個維度都實現了顯著突破。該模型不僅在22個公開評測集上刷新了多模態大模型的最好成績,更在推理效率上展現出驚人優勢——單樣本推理的首Token延迟僅為業界先進模型的四分之一,數據吞吐效率更是高出20倍以上。
14、小米開源最新多模態大模型 Xiaomi MiMo-VL-7B-2508
小米大模型團隊宣佈開源最新一代多模態大模型 Xiaomi MiMo-VL-7B-2508,包含 RL 與 SFT 兩個版本。
官方數據顯示,新版模型在學科推理、文檔理解、圖形界面定位及視頻理解四項核心能力上全面刷新紀錄,其中 MMMU 基準首次突破70分大關,ChartQA 升至94.4,ScreenSpot-v2達92.5,VideoMME 提升至70.8。
MiMo-VL-7B-RL-2508,推薦用户在大多數情況下體驗使用該模型。
MiMo-VL-7B-SFT-2508,用户可以根據實際需求,基於此模型進行SFT以及RL。相比於上一版SFT模型,該模型的RL穩定性更高。
15、消息稱百度8月底前將發佈新AI推理模型
據報道,百度正在加速推進其文心大模型的更新計劃。消息人士透露,百度最快將於8月底推出文心大模型的最新版推理模型,目前該模型正處於緊張的測試階段。這一新版本在邏輯推理和複雜計算等關鍵能力上有望超越OpenAI的o3滿血版。
與此同時,百度還計劃在未來數月內發佈文心基座大模型的最新版本。據內部人士透露,新模型很可能會在百度世界大會上正式亮相。這一計劃顯示出百度在人工智能領域的戰略佈局和技術創新能力。
16、騰訊混元開源併發布 0.5B、1.8B、4B、7B模型
騰訊混元團隊宣佈推出四款開源的小尺寸模型,參數分別為0.5B、1.8B、4B和7B。這些模型專為消費級顯卡設計,適用於筆記本電腦、手機、智能座艙、智能家居等低功耗場景,並支持垂直領域的低成本微調。這一舉措進一步豐富了混元開源模型體系,為開發者和企業提供了更多尺寸的模型選擇。
這四款模型的推出是騰訊混元大模型持續開源的一部分,旨在為開發者和企業提供更多選擇,以滿足不同場景下的需求。目前,這些模型已在Github和HuggingFace等開源社區上線,並得到了Arm、高通、Intel、聯發科技等多個消費級終端芯片平臺的支持。
17、混元開源新方案 MixGRPO:訓練效率大幅提升,性能更強
近日,騰訊的混元基礎模型團隊發佈了一項突破性的圖像生成新框架 MixGRPO。這一方案不僅將訓練時間縮短了近50%,而且在性能上表現優異,甚至推出了一個名為 MixGRPO-Flash 的變體,進一步將訓練時間降低了71%。這一切,得益於他們將隨機微分方程(SDE)和常微分方程(ODE)相結合的創新採樣策略。
在當前的圖像生成技術中,效率與質量常常是一對矛盾的存在。MixGRPO 通過引入混合採樣的方法,優化了馬爾可夫決策過程(MDP),使得訓練效率得到了顯著提升。具體而言,該框架通過限制智能體的隨機探索範圍,減少了優化過程中的計算開銷,同時簡化了模型的訓練流程。
18、B站推出AI原聲翻譯功能
B站推出了自主研發的AI原聲翻譯功能,旨在解決國際版與國內版合併后的內容互通問題。該技術能夠保留UP主的原始聲線、音色特徵和説話習慣,為海外用户提供更自然的中文內容體驗。
19、通義千問重磅開源Qwen-Image:20B參數MMDiT模型全面刷新圖像生成SOTA
Qwen-Image的最大亮點在於其三項核心技術能力的全面提升。首先是卓越的文本渲染能力。傳統的圖像生成模型在處理文字內容時往往存在字體扭曲、內容錯誤或排版混亂等問題,Qwen-Image通過創新的MMDiT架構有效解決了這些痛點。該模型能夠在各種複雜場景下實現高保真文本渲染,無論是中英文混排還是長段落文字生成,都能保持極高的準確性。
目前,Qwen-Image已在魔搭社區、Hugging Face及GitHub等平臺開源,並提供了詳細的Technical report和Demo展示。用户可通過訪問QwenChat(chat.qwen.ai)選擇「圖像生成」功能,親身體驗這款強大模型的魅力。
20、阿里巴巴與南開大學推出視頻大模型新型壓縮技術LLaVA-Scissor
近日,阿里巴巴通義實驗室與南開大學計算機科學學院聯合發佈了一種創新的視頻大模型壓縮方法 ——LLaVA-Scissor。這一技術的出現旨在應對視頻模型處理中的一系列挑戰,特別是傳統方法在處理視頻幀時所面臨的高 token 數量帶來的推理速度和擴展性問題。
21、崑崙萬維發佈並開源全新推理大模型 MindLink
崑崙萬維正式發佈並開源了其最新推理大模型Skywork MindLink,同時公佈了72B模型權重、技術報告及代碼倉庫鏈接,引發行業廣泛關注。
該模型通過創新性推理框架實現動態路徑選擇,可根據任務複雜度靈活結合推理與非推理生成模式,在降低計算成本的同時提升答案透明度與效率。
在基準測試中,Skywork MindLink表現亮眼,不僅在未依賴外部工具的10項大模型評測中,於"人類最后的考試"項目中斬獲冠軍,更在數學奧賽領域包攬USAMO2025、AIME2024/2025及HMMT2025四項金牌,同時在GPQA-diamond、MMLU-pro等通用知識評測中展現卓越性能。
22、「問小白」發佈第四代開源大模型 XBai o4
開源大模型領域迎來新突破。「問小白」正式發佈其第四代開源模型 XBai o4,該模型在複雜推理能力上表現卓越,其 Medium 模式已全面超越 OpenAI o3-mini,並在部分基準測試中優於 Anthropic Claude Opus。
XBai o4引入了創新的「反思型生成範式」,通過結合 Long-CoT 強化學習和過程評分學習,實現了深度推理和高效推理鏈路篩選,同時顯著降低了推理成本。
23、挑戰閉源巨頭:Wan2.2A14B 成性價比最高視頻 AI 模型
根據人工分析(Artificial Analysis)的最新報告,Wan2.2A14B 已成為目前開源視頻模型中的性能領跑者。儘管在幀率上存在劣勢,其在文本轉視頻方面的出色表現使其脫穎而出。然而,與 Veo3和 Seedance1.0等頂級閉源模型相比,Wan2.2A14B 在整體性能上仍有差距,但其顯著的成本優勢使其成為極具吸引力的替代方案。
24、MiniMax Speech 2.5語音生成模型上線:多語種表現力更強
MiniMax宣佈推出新一代語音生成模型Speech2.5,這一升級版模型在全球語音技術領域再次樹立了新的標杆,進一步鞏固了其作為全球最強語音模型的地位。Speech2.5在多語種表現力、音色復刻以及語種覆蓋範圍等方面均實現了顯著提升。
25、面壁智能新一代多模態模型 MiniCPM-V 4.0 開源
魔搭ModelScope社區宣佈,面壁小鋼炮新一代多模態模型MiniCPM-V4.0正式開源。憑藉4B參數量,該模型在OpenCompass、OCRBench、MathVista等多個榜單上取得了同級SOTA(State of the Art,即當前最佳)成績,並且實現了在手機等移動設備上的穩定、流暢運行。同時,官方還開源了推理部署工具MiniCPM-V CookBook,幫助開發者在不同需求、不同場景、不同設備下實現開箱即用的輕量、簡易部署。
26、dots.ocr橫空出世!1.7B參數多語言文檔解析神器
近期,一款名為dots.ocr的多語言文檔解析模型引發了AI領域的廣泛關注。這款基於1.7B參數的輕量化視覺-語言模型,以其出色的性能和統一佈局檢測與OCR能力,成為文檔處理領域的新星。
dots.ocr基於僅1.7B參數的語言模型構建,相較於許多依賴更大模型的文檔解析工具,其推理速度更快,處理單頁PDF僅需數秒即可完成。儘管模型規模較小,dots.ocr在文本、表格和閲讀順序的解析上表現優異,達到了業界領先(SOTA)水平,其公式識別能力甚至可與Doubao-1.5和gemini2.5-pro等大型模型相媲美。這一高效性能使其成為開發者與企業的理想選擇。
27、Onyx Impact 推出「信息誠信實驗室」
非營利組織 Onyx Impact 啟動「信息誠信實驗室」,專門應對針對黑人社區的數字錯誤信息傳播問題。該實驗室結合了 AI 技術與「數字綠皮書」(Digital Green Book),並與黑人傳統媒體及意見領袖合作,通過 AI 工具監測與識別虛假信息,增強社區信任、提升媒體參與度,併成功推動訂閲與流量增長。實驗基地還將在其他黑人媒體間推廣這一模型。
28、僅0.01%虛假文本就能增加AI有害輸出11.2%
近期,國家安全部發布警告,提醒公眾注意人工智能領域的數據污染問題。隨着人工智能技術在社會經濟中扮演越來越重要的角色,訓練數據的質量顯得尤為關鍵。國家安全部指出,虛假信息、偏見觀點以及其他不良數據正嚴重影響 AI 的性能,給社會帶來了新的安全隱患。
人工智能的核心要素包括算法、算力和數據,其中數據是訓練 AI 模型的重要基礎。大量高質量的數據能夠幫助 AI 更好地學習內在規律,實現智能決策與內容生成。然而,當數據中摻雜了虛假信息時,就會對 AI 模型產生嚴重的負面影響。研究表明,僅有0.01% 的虛假文本就能導致 AI 系統輸出有害內容的概率增加11.2%。即便是0.001% 的虛假文本,也會導致有害輸出上升7.2%。
數據污染不僅會影響 AI 模型的準確性和性能,還可能導致一系列現實風險。例如,在金融領域,不法分子可能利用 AI 生成的虛假信息來操縱市場,導致股價異常波動。在公共安全方面,數據污染可能誤導輿論,甚至引發社會恐慌。而在醫療健康領域,虛假的數據可能導致錯誤的診療建議,危害患者的生命安全。
爲了應對數據污染帶來的威脅,國家安全部建議加強源頭監管,防止污染數據的產生。依據《網絡安全法》《數據安全法》和《個人信息保護法》等法律,建立 AI 數據的分類分級保護制度,確保數據的安全性。同時,還需強化風險評估,保障數據在全生命周期內的安全流通。此外,定期對受污染的數據進行清洗和修復,以構建有效的數據治理框架,從根本上提高 AI 的數據安全能力。
國家安全部的發文提醒我們,面對人工智能快速發展的時代,確保數據的真實與安全是維護社會各領域安全的重要一環。
28、百度智能雲宣佈推出全球首批AI數字員工
在百度AI Day開放日現場,百度智能雲宣佈推出全球首批AI數字員工,涵蓋營銷經理、還款助理、汽車銷售、促銷專員、產品經理、課程顧問、招聘專員等核心業務職能。這些數字員工依託百度智能雲領先的AI全棧能力,深度融合了大模型、數字人技術及行業Know-How三大業務優勢,能夠實現開箱即用,上崗即勝任,精準賦能垂直業務場景的同時持續沉澱崗位能力,以「懂業務、給結果、可進化」三大特性重新定義企業級智能服務能力,真正成為企業可信賴的數字業務夥伴。
29、美國證券交易委員會成立人工智能專責小組
美國證券交易委員會(SEC)宣佈成立一個專注於人工智能(AI)的專責小組,旨在通過負責任地使用人工智能技術來增強機構的創新能力和運營效率。該小組將由 SEC 首席人工智能官瓦萊麗 謝切潘尼克(Valerie Szczepanik)領導。
SEC 意識到人工智能的變革潛力,因此成立了這一 AI 專責小組,旨在加速 AI 的整合,強化 SEC 的使命。該小組將集中協調機構內的各種努力,促進跨部門及跨學科的合作,幫助 SEC 高效應對 AI 技術發展過程中的各種挑戰,消除進步的障礙,聚焦於最大化 AI 應用的收益,並確保治理結構的完善。此外,該小組將支持 SEC 各部門及辦公室的創新工作,並推動負責任的人工智能整合。