周报
issue155 2026.1.12-1.18
共 16 条
谷歌 Gemini“个人智能”发布:整合“全家桶”应用数据,让 AI 更懂你
该功能可以整合 Gmail、谷歌相册等应用中的信息,帮助 Gemini 在无需明确指引的情况下理解上下文关系,让聊天机器人能够跨应用理解用户数据,从而给出更贴近个人情境的回答。
阿里千问 App 全球首发点外卖、买东西、订机票 AI 购物,接入淘宝、支付宝、闪购等
阿里千问 App 今日宣布全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务,在全球首先实现点外卖、买东西、订机票等 AI 购物功能,并向所有用户开放测试。
阶跃星辰原生语音推理模型Step-Audio-R1.1登顶Artificial Analysis Speech Reasoning榜单
大模型评测榜单Artificial Analysis Speech Reasoning更新,阶跃星辰原生语音推理模型Step-Audio-R1.1登顶榜首。该榜单是目前业界评估“原生语音模型”(Native Audio Models)第三方基准之一。核心考量模型直接处理音频并进行复杂逻辑推理的能力,主要考察维度包括准确率、首包延迟等。
爱诗科技推出全球首个实时生成世界模型PixVerse R1
该模型支持最高1080P分辨率,可实现即时响应的通用实时世界模型。实时世界模型,是一种能够对画面、声音等内容进行实时生成和交互建模的人工智能系统,使数字场景能够持续演化,并即时响应用户操作。实时互动视频生成是其中主要应用之一。
谷歌发布医疗 AI 模型 MedGemma 1.5 4B:可本地部署,CT、MRI 都能处理
谷歌发布轻量化医疗AI模型MedGemma 1.5 4B及语音识别模型MedASR。前者可本地部署,能分析文本、图像及CT、MRI等三维医疗数据,准确率提升;后者专攻医疗术语,转录错误率低至5.2%。#医疗AI# #谷歌#
面壁智能 AgentCPM-Explore 小模型开源:仅 4B 参数,挑战端侧智能体部署
清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发 AgentCPM-Explore 智能体模型,基于仅 4B 参数的模型,有望让大模型的长程任务处理能力部署于端侧。
Vidu 上线 AI 一键生成 MV 功能:只需提供音乐 + 参考图 + 指令,其余交给“虚拟制片厂”
该工具是一个深度协同的多智能体(Multi-Agent)系统。用户仅需提交音乐、参考图像与文本指令,系统即可全自动输出叙事连贯、音画同步的高完成度 MV。
智谱联合华为开源首个国产芯片训练的多模态 SOTA 模型 GLM-Image
智谱今日宣布联合华为开源新一代图像生成模型 GLM-Image,模型基于昇腾 Atlas 800T A2 设备和昇思 MindSpore AI 框架完成从数据到训练的全流程,是首个在国产芯片上完成全程训练的 SOTA 多模态模型。
谷歌 Veo 3.1 视频 AI 模型发布:强化场景一致性、支持 9:16 纵向比例适配移动端
谷歌推出Veo 3.1视频模型,提升“图像要素”生成能力,故事表达更丰富,能在不同场景切换中保持角色和叙事一致性。模型支持素材复用与融合,并针对移动端优化,支持9:16竖屏比例生成,适配短视频平台。 #AI视频生成# #谷歌Veo#
百川智能发布开源医疗模型 Baichuan-M3,性能超越 OpenAI GPT-5.2
百川智能发布开源医疗大模型Baichuan-M3,在问诊能力、幻觉控制及多项评测中均排名第一,超越GPT-5.2及人类医生表现。创始人王小川称AI医疗已进入应用阶段,成为AI技术核心领域。#AI医疗##大模型#
Anthropic 发布 Cowork:面向所有人版本的 Claude Code 助手
Claude Cowork 完成任务时更为自主,且支持任务队列和并行处理,让人与 AI 的交互更类似于向真实的同事留言。
Adobe Firefly AI 创作平台上线 GPT-Image 1.5 模型,订阅用户 1 月 15 日前可不限量生成图片
Adobe宣布Firefly AI创作平台已上线OpenAI GPT-Image 1.5模型,Pro和Premium订阅用户在1月15日前可不限量生成图片。该平台已整合多家厂商的AI模型,采用点数订阅制。#Adobe# #AI绘画# #GPTImage#
Midjourney 推出面向动漫领域的图像生成模型:Niji V7
Midjourney 官方宣布 Niji V7 模型正式上线,这是由 Midjourney 与 Spellbrush 合作推出的最新动漫专用模型。该模型在动漫的连贯性、对提示词的理解、文本渲染以及 sref 性能方面均得到了提升。