周报
issue156 2026.1.19-1.25
共 17 条
MiniMax 发布 M2-her:专为沉浸式角色扮演与多轮对话打造的大型语言模型
MiniMax M2-her 是一款以对话为核心的大语言模型,专为沉浸式角色扮演、人设驱动的聊天以及富有表现力的多轮对话而打造。该模型旨在保持语调与性格的一致性,支持丰富的消息角色(包括 user_system、group、sample_message_user 和 sample_message_ai),并能通过示例对话进行学习,从而更精准地匹配特定场景的风格与节奏。这使其成为故事创作、虚拟伴侣及各类对话体验的理想之选,尤其适用于那些追求自然流畅度和生动交互感的应用场景。
字节跳动发布Stable-DiffCoder:扩散模型在代码生成领域实践
华中科技大学与字节跳动Seed团队于近日发布了名为Stable-DiffCoder-8B的代码大语言模型。该研究成功解决了扩散语言模型在代码领域长期性能弱于传统自回归模型的问题,在同等参数规模和训练预算下,实现了对自回归模型的超越。
OpenAI 编程工具 Codex 上线 JetBrains 旗下 IDE,适配 IDEA、PyCharm 等
OpenAI编程工具Codex现已登陆JetBrains全家桶(Rider/IDEA/PyCharm等),开发者无需离开编辑器即可完成规划、编码、测试等全流程。支持ChatGPT账号、API Key等多种方式接入,目前限时免费。 #AI编程# #JetBrains#
谷歌 DeepMind 发布 4D 世界模型 D4RT,比 SOTA 快 300 倍
谷歌 DeepMind 发布 D4RT,彻底颠覆了动态 4D 重建范式。它抛弃了复杂的传统流水线,用一个统一的「时空查询」接口,同时搞定全像素追踪、深度估计与相机位姿。不仅精度屠榜,速度更比现有 SOTA 快出 300 倍。这是具身智能与自动驾驶以及 AR 的新基石,AI 终于能像人类一样,实时看懂这个流动的世界。
基于Claude Code的UI设计应用Pencil上线
基于Claude Code的UI设计画布应用Pencil现已上线,内置设计组件库,使用Claude按组件库风格生成前端代码,方便手动修改,并支持导入figma文件。
阿里千问:Qwen3-TTS 语音生成模型全家桶开源上线
阿里千问宣布开源Qwen3-TTS语音生成模型全家桶,包含1.7B和0.6B两种尺寸。该模型支持10种主流语言及方言音色,具备音色克隆、创造与控制能力,端到端合成延迟低至97ms,首包音频仅需等待一个字符。已在GitHub、ModelScope等平台开源。
微软开源VibeVoice-ASR:60 分钟长音频一把梭
VibeVoice-ASR推出了一种统一的语音转文本模型,能够在一次处理过程中处理长达60分钟的音频,并生成结构化的转录内容,包括发言者(Who)、时间戳(When)和具体内容(What)。该模型还支持自定义热词功能,进一步增强了转录的精准度和灵活性,为长时间音频记录提供了高效的解决方案。
首创“证据锚定”技术,百川智能推出最低幻觉循证增强医疗大模型 M3 Plus
百川智能发布Baichuan-M3 Plus医疗大模型,幻觉率降至2.6%,首创“证据锚定”技术,让AI生成的每句医学结论都能精确对应原始论文证据段落。同时推出「海纳百川」计划,向中国医疗服务机构免费开放API。#AI医疗##大模型#
百度发布文心大模型 5.0 正式版:2.4 万亿参数,具备全模态理解与生成能力
百度方面称,在 40 余项权威基准的综合评测中,文心 5.0 正式版的语言与多模态理解能力超越 Gemini-2.5-Pro、GPT-5-High 等模型,“稳居国际第一梯队”。
LightOnOCR-2-1B:1B小模型吊打9倍大模型,速度快3倍还开源了
LightOnOCR发布1B参数端到端OCR模型,在OlmOCR-Bench测试中超越90亿参数的Chandra模型1.5个百分点,速度快3.3倍,采用Apache 2.0协议开源。该模型支持Transformers和vLLM生态系统,适用于文档处理、PDF转Markdown等场景,并提供完整的模型家族供不同场景选择。
MiniMax Agent现已在桌面端推出
具备深度整合本地文件的功能,用户可以选择工作空间,让AI读取、分析并批量处理数据。新增的全浏览器控制功能使用户只需描述任务,AI即可自动导航、点击并提交。此外,用户可将偏好配置保存为可重用模板,涵盖指令、模型偏好和代理行为,极大提升工作效率。MiniMax Agent特别适合重复性任务,如财务报告、客户沟通和数据分析,用户还可探索社区共享的模板,进行自定义设置,优化工作流。
阶跃星辰开源 10B 多模态模型 Step3-VL-10B,性能媲美千亿级大模型
阶跃星辰今日开源多模态模型Step3-VL-10B,仅10B参数却在多项基准测试中达到同规模SOTA,甚至媲美或超越规模大10-20倍的模型。该模型通过全参数联合训练、大规模强化学习及并行协调推理机制,实现了视觉感知、逻辑推理等能力的跃升,有望推动复杂多模态推理下沉至手机、电脑等终端设备。#人工智能##开源模型#
智谱 GLM-4.7-Flash 模型发布并开源,可免费调用
GLM-4.7-Flash 是一个混合思考模型,总参数量为 30B,激活参数量为 3B,宣称作为同级别 SOTA 模型,为轻量化部署提供了一个兼顾性能与效率的新选择。
字节跳动“扣子”官宣 2.0 品牌升级,推出全新功能 Agent Skills、Agent Plan
1 月 19 日,字节跳动旗下 AI Agent 平台“扣子”宣布 2.0 品牌升级,推出 Agent Skills、Agent Plan 等新功能,还优化了 Agent Office ,开发平台升级为扣子编程。##字节跳动扣子升级##