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

报道称苹果重组管理层，AI 与机器人项目分离

有媒体报道苹果公司对其管理层进行了一次重要的调整，尤其是在人工智能（AI）和机器人项目方面。根据彭博社的消息，苹果的人工智能负责人约翰・贾南德雷亚（John Giannandrea）将不再负责公司秘密的机器人部门，而是将重心放在人工智能的开发上。这一变动标志着苹果在优化内部结构、提升 AI 项目推进效率方面迈出了重要一步。据了解，贾南德雷亚之前同时管理多个项目，包括苹果的人工智能助手 Siri 和

Adobe的AI图像生成工具Firefly将发布iOS和安卓版

在最新的动态中，Adobe 公司宣布将推出其 AI 图像生成工具 Firefly 的移动版本，旨在与 OpenAI 进行更为激烈的竞争。这一消息在伦敦的 MAX 创意大会上得到正式发布，Adobe 表示 Firefly 的移动应用程序将很快上线，支持 iOS 和安卓平台，但具体的发布日期尚未确定。Adobe Firefly 的副总裁 Alexandru Costin 在接受 CNBC 采访时指出，

AIGC动画短片

全球首部AI电影登陆院线：70分钟的长片，AI怎么做？｜对话主创

声明:本文来自于微信公众号深响，授权站长之家转载发布。AI用于影视作品生产，早已不是什么新鲜事。Netflix早在2023年就发布了首部AIGC动画短片《犬与少年》;芒果TV的旅行综艺《我们仨》启用AI导演，负责旁白、串场和行程策划;美国导演哈莫尼·科林运用AI和游戏引擎制作的影片《暴力漂1流》入围威尼斯电影节非竞赛单元;上海国际电影节在今年的“SIFF ING青年新锐影像计划”中特地拆分出A

百度推出通用多智能体协作 App 心响，已上线超 200 个任务类型

感谢IT之家网友 F宝、西窗旧事的线索投递！IT之家 4 月 25 日消息，今日 Create2025 百度 AI 开发者大会在武汉举行，会上百度正式推出一款通用多智能体协作 App 心响。目前产品已上线安卓版，iOS 正在上架中。目前，心响 App 已上线了包括例行任务、城市旅游、AI 相亲、深度研究、法律咨询、健康咨询、智慧图表、试题讲解、AI 绘本、游戏开发在内的十大场景超 200 个

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

AI自媒体工具

社交媒体分析

Secretary自媒体神器发布，自动化社交媒体分析赋能多场景应用

一款名为Secretary的AI驱动自媒体工具正式亮相，专注于自动化跟踪与分析社交媒体内容，并将结果以Markdown格式推送至微信平台。据AIbase了解，Secretary支持Truth Social和Twitter（现为X）两大平台，允许用户为不同账号设置定制化分析主题(如财经、政治、科技)，并实现多团队定向推送。该工具的发布在开发者与企业用户中引发广泛关注，已通过GitHub开源。核心功能

利用AI助力办公，英国员工每年可节省122小时！

近日，谷歌发布了一项新报告，指出如果能有效培训员工使用人工智能（AI），英国经济可能从 AI 驱动的增长中获益4000亿英镑(约合5330亿美元)。这项报告基于一项在英国进行的试点计划，结果显示，员工在行政工作中通过使用 AI 工具平均每年能够节省超过122小时的时间。报告强调，简化 AI 的使用步骤和提供适当的培训是提升 AI 普及率的关键。谷歌的欧洲、中东和非洲地区总裁黛比・温斯坦（Debbi

文心大模型

百度发布文心大模型 4.5 Turbo 与 X1 Turbo：降价提速，强力进化

在4月25日举行的百度 Create 开发者大会上，百度创始人李彦宏隆重发布了最新的文心大模型系列 —— 文心4.5Turbo 和 X1Turbo。这两款新模型在速度和成本方面都进行了显著优化，标志着百度在人工智能领域的进一步突破。据悉，文心4.5Turbo 相比于之前的版本，其速度提升显著，处理效率更高，同时价格下降了整整80%。具体来看，每百万个 token 的输入费用仅为0.8元，而输出费用

视觉自监督学习

多模态任务

Meta 发布 WebSSL 模型：无语言视觉学习的新探索

在人工智能领域，Meta 公司最近推出了 WebSSL 系列模型，这一系列模型的参数规模从3亿到70亿不等，基于纯图像数据进行训练，旨在探索无语言监督的视觉自监督学习（SSL）的巨大潜力。这一新研究为未来的多模态任务带来了新的可能性，也为我们理解视觉表征的学习方式提供了新的视角。过去，OpenAI 的 CLIP 模型因其在视觉问答（VQA）和文档理解等多模态任务中的优异表现而备受关注。然而，由于数

# AI项目和框架

Eagle 2.5 – 英伟达推出的视觉语言模型

Eagle 2.5是什么Eagle 2.5是英伟达推出的视觉语言模型，专注于长上下文多模态学习的 AI 模型，参数规模仅为 8B。参数量较小，但在处理高分辨率图像和长视频序列方面表现出色，性能媲美参数量更大的 Qwen 2.5-VL-72B 和 InternVL2.5-78B。Eagle 2.5 采用创新训练策略：信息优先采样和渐进式后训练。信息优先采样通过图像区域保留和自动降级采样技术，确保

# AI项目和框架

DAM-3B – 英伟达推出的多模态大语言模型

DAM-3B是什么DAM-3B（Describe Anything 3B）是英伟达推出的多模态大语言模型，专为生成图像和视频中特定区域的详细描述设计。模型通过点、边界框、涂鸦或掩码等方式指定目标区域，能生成精准且符合上下文的描述文本。 DAM-3B的核心创新包括“焦点提示”技术和“局部视觉骨干网络”。焦点提示技术将全图信息与目标区域的高分辨率裁剪图融合，确保细节不失真，同时保留整体背景。局部视

消息称 OpenAI 计划今夏初发布开源语言模型，力争推理能力超越同类

IT之家 4 月 24 日消息，今年 3 月底，OpenAI 宣布计划在今年某个时候发布自 GPT-2 以来的首个“开源”语言模型，目前该模型的细节正逐渐浮出水面。据 TechCrunch 报道，消息人士透露，OpenAI 研究副总裁 Aidan Clark 正在领导这一开源模型的开发工作，该模型目前仍处于早期阶段。公司计划在今夏初发布该模型，并希望其在推理能力上超越其他同类开源推理模型。该模型

谷歌 AI 聊天机器人 Gemini 月活达 3.5 亿，与 ChatGPT 等竞品仍有差距

IT之家 4 月 24 日消息，根据正在进行的谷歌反垄断诉讼中披露的内部数据，截至 3 月，谷歌的人工智能聊天机器人 Gemini 全球月活跃用户数达 3.5 亿。IT之家注意到，在过去一年中，谷歌的 AI 产品使用量呈现出爆发式增长。数据显示，Gemini 在 2024 年 10 月的日活跃用户仅为 900 万，而到了上个月，其日活跃用户数已攀升至 3500 万。然而，尽管 Gemini 的用

OpenAI 新推出的 GPT-4.1 模型面临对齐性下降的挑战

近期，OpenAI 发布了其最新的人工智能模型 GPT-4.1，声称该模型在执行指令方面表现优秀。然而，多项独立测试却显示，GPT-4.1在对齐性，即可靠性方面，相较于前代模型 GPT-4o 有所下降。通常，OpenAI 会在发布新模型时附上详细的技术报告，包含安全评估的结果。但此次却没有遵循这一惯例，OpenAI 解释称，GPT-4.1不属于 “前沿” 模型，因此不需发布单独的报告。这一决定引起

大规模语言模型(LLM)

AWS 发布 SWE-PolyBench:评估 AI 编程助手的新开源基准

近日，AWS AI Labs 推出了 SWE-PolyBench，这是一个多语言的开源基准，旨在为 AI 编程助手的评估提供一个更全面的框架。随着大规模语言模型（LLM）的进步，AI 编程助手的开发已经取得了显著的进展，这些助手能够生成、修改和理解软件代码。然而，目前的评估方法仍然存在诸多局限，许多基准测试往往仅集中在 Python 等单一语言，无法全面反映真实代码库的结构和语义多样性。SWE-P

谷歌 Workspace 再添 AI 功能，音频概述与会议跟踪全新上线

谷歌近日宣布，旗下 Workspace 产品将引入更多 AI 工具，尤其是对其 Gemini 功能的扩展。这些更新包括新的音频概述（）功能和改进的会议跟踪方式，旨在提升用户的工作效率和体验。新推出的音频概述功能，最初在谷歌的 NotebookLM 中亮相，允许用户围绕自己选择的研究主题创建播客。现在，通过 Gemini 平台，用户可以根据上传的文档和幻灯片生成音频文件。此外，用户还能在深度研究报告