AI 新闻中心

AI 新闻中心 过去24小时分析了 173 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。

OmniCompass:全面评测全模态视频定位与理解的基准

OmniCompass 是一套用于系统评估多模态大语言模型视频理解能力的基准。它包含两个方向:OmniCompass-VL 评测需要视觉证据的任务,OmniCompass-AV 评测需要结合音频与视觉证据的任务。两者均涵盖时间定位、空间定位和问答。OmniCompass-VL 收录 820 个视频和 2,460 个实例;叙事与音频内容丰富的 AV 子集则包含 240 个视频和 720 个实例。对

Intern Lumina U2:用于视觉理解与图像生成的多码本扩散语言模型

Intern Lumina U2是一种扩散语言模型,使用多个码本在完全离散的空间中表示视觉令牌。该方法旨在提升视觉表示能力,同时支持与文本进行联合建模。模型基于AToken的统一4D表示,可在单一骨干网络中处理图像、视频和3D输入,并支持视觉理解、图像生成与编辑。作者称,一种考虑稳定性的采样策略可将图像生成速度提升4.45倍;团队还报告了在昇腾和NVIDIA平台上的测试结果。

斯坦福与 Together AI 提出文本生成新方法 NCM

斯坦福大学与 Together AI 的研究人员提出下一概念建模(NCM):先预测整体概念,再分层补充细节。在测试中,NCM 的生成质量与传统扩散语言模型相当或更好,速度快 10 至 31 倍,训练所需 token 数也显著减少;在数独任务上,它还优于受测的自回归和扩散基线模型。不过,研究使用的模型规模较小,其扩展能力以及生成准确长文本的表现仍有待验证。

Apple Intelligence 将接入阿里巴巴千问进入中国市场,测试版预计 10 月底推出

据报道,苹果董事会执行主席蒂姆·库克确认,Apple Intelligence 相关功能及其接入的阿里巴巴千问模型已获准在中国推出,测试版预计于今年 10 月底发布。首批功能包括实时翻译、写作工具和照片清除工具;Siri 的 AI 功能暂不在首发范围内。

Cursor 调查 Grok Bot 测试是否涉及机密信息

据媒体调查,Grok Bot 发布前,Cursor 工程师曾警告,内部测试和日常使用产生的数据可能包含客户、供应商及商业伙伴的机密信息,并可能已传至 SpaceX AI 部门。Cursor 已启动内部调查,但尚未公布结论。该公司此前为改进产品收集使用记录,并表示今后不再将员工使用数据用于模型训练。公司律师也质疑,Cursor 是否有权将客户及合作伙伴信息用于训练。报道还提及 Cursor 和 Sp

微软发布 MAI-Base-2:总参数量 2.8 万亿、激活参数量 800 亿的 MoE 模型

微软 AI 发布了 MAI-Base-2,这是一款混合专家(MoE)模型,总参数量为 2.8 万亿,激活参数量为 800 亿。微软称,该模型在预训练中的 FLOPs 效率是 DeepSeek-V4-Pro-Base 的 4 至 12 倍。今年 6 月,微软曾宣布 MAI-Thinking-1;该通用基础模型基于 MAI-Base-1 进行后训练,并被称具有较强的推理能力。

Speculative Forcing 提升自回归视频生成效率

自回归视频生成器通常会将每个 token 都处理到最后一个去噪步骤,即使部分结果已经趋于稳定。Speculative Forcing 检查中间估计,提前将符合条件的 token 确认为最终输出,同时保留其缓存的键和值,供其余 token 作为上下文。研究测试了无需训练的验证器和学习型验证器。评估结果显示,该方法在保持完整步数采样质量的同时减少了计算量。在 LongLive 上,每个 token 平

小米开源空间音频理解大模型 MiDashengLM-Spatial

小米发布了 MiDashengLM-Spatial,并以 Apache 2.0 许可证公开模型权重和推理代码。该模型基于 MiDashengLM-7B,除了理解语音、环境声音和音乐,还能识别声音的来源及其在空间中的分布,并进行相关推理。小米称其为业界首个开源端到端空间音频理解大模型,计划将其应用于智能家居和汽车座舱等场景。报道未提供具体测试结果,“业界首个”的说法也尚未经过独立验证。

苹果库克:AI应用快速增长,并对供应链产生影响

苹果执行董事长蒂姆·库克在上海一场会议上表示,AI应用正快速增长,并影响供应链。AI辅助编程降低了编写代码的门槛。在质量检测方面,机器学习让检查流程更加自动化、精准;苹果也借此确保量产iPhone的颜色保持一致。库克还表示看好苹果在中国的发展前景,并计划进一步扩大在华业务。

Meta首席AI官:不会开源最强模型,但将继续发布优秀开源模型

Meta发布了开放权重AI模型Muse Spark Open,并宣称这是迄今能力最强的美国开放权重模型。不过,Meta表示,该模型性能低于本周早些时候发布的前沿模型Muse Wonder。Meta尚未公布Muse Wonder的任何基准测试成绩,该模型目前仍保持闭源。Meta首席AI官Alexandr Wang表示,出于安全性和模型能力边界的考虑,公司通常不会开源最顶尖的模型,但会继续发布高性能开

Figma 推出 Markdown 编辑器 Specs,扩大 Code Layers 公开测试

Figma 在印度举办的首届 Config 大会上推出基于 Markdown 的编辑器 Figma Specs,并扩大 Code Layers 的公开测试。Specs 支持用户以文档形式定义设计系统,引用画布元素、嵌入 FigJam 图表和代码,并连接设计库与代码库。Code Layers 可用于创建交互式原型,AI 代理能够将设计转换为代码或修改现有代码。Figma 的 MCP 现已支持 20

苹果研究系统 Minions 集结闲置 Mac GPU,让部分原需等待 10 小时的 AI 任务几分钟内即可启动

苹果研究团队介绍了 Minions:该系统将多台 Mac 上闲置的 Apple Silicon GPU 集合起来,组成可动态调度的虚拟 GPU 云。服务器把工作拆分为子任务并分配到各设备本地执行;监控服务则检测设备断连或休眠,并重新分配未完成的任务。苹果称,部分此前因集中式 GPU 资源不足而需等待 10 小时以上的推理任务,如今几分钟内即可开始,且无需添购 GPU。Minions 目前仍是内部研