/
Runway與DeepSeek發布新一代基礎模型，性能超越行業巨頭算法
AI初創公司Runway和深度求索今日發布兩款新基礎模型，聲稱性能超越科技巨頭算法。Runway的Gen-4.5提供文本轉視頻功能，在人工智能分析文本轉視頻基準測試中創下新紀錄，能更好地遵循提示并生成更逼真的視頻內容。深度求索發布的V3.2版本在編程和數學任務方面表現更優，采用新的注意力機制實現DSA，降低硬件使用率。兩款模型均針對不同應用場景進行了優化。
Anthropic發布Opus 4.5版本，集成Chrome和Excel新功能
Anthropic周一發布了旗艦模型Opus 4.5，這是4.5系列的最后一個模型。新版本在編程、工具使用和問題解決等基準測試中表現出色，是首個在SWE-Bench驗證測試中得分超過80%的模型。同時推出Claude for Chrome和Claude for Excel產品，分別面向不同用戶群體。Opus 4.5還改進了長文本處理的內存管理，支持付費用戶的"無限聊天"功能，并針對智能體應用場景進行了優化，將與OpenAI的GPT 5.1和谷歌的Gemini 3展開競爭。
OpenAI GPT-5.1模型全面升級：個性化交互與推理能力雙提升
OpenAI宣布推出GPT-5的首個重大升級版本GPT-5.1，包含Instant和Thinking兩個變體。新模型在對話風格上更加自然溫暖，具備自適應推理能力，能根據問題復雜度調整思考深度。GPT-5.1提供八種個性化對話模式供用戶選擇，減少專業術語使用，提升易理解性。該升級旨在解決GPT-5發布后用戶反饋的不足，將逐步向訂閱用戶推出。
OpenAI發布更智能溫暖的GPT-5.1版本
OpenAI正式推出GPT-5.1，主打更溫暖自然的對話風格和增強的智能水平。新版本包含即時模式和思考模式兩種變體，其中思考模式在簡單任務上速度更快，復雜任務上更持久。GPT-5.1默認采用更對話化的語調，并提供友好、高效、專業等多種個性化選項。模型在遵循特定指令方面也有顯著改進。該更新首先面向付費用戶推出，隨后擴展至免費用戶。
Google Veo 3.1視頻生成模型升級，圖像轉視頻能力增強
谷歌發布Veo 3.1 AI視頻生成模型更新，顯著改進了提示詞遵循能力和圖像轉視頻功能。新版本可同時生成視頻和音頻，并在Flow視頻編輯器中新增"幀到視頻"功能，用戶可上傳首尾幀自動生成中間內容。雖然在真實感方面仍不如OpenAI的Sora 2，但谷歌專注于為專業視頻工作者提供實用工具的策略值得認可。
蘋果全新語言模型實現超快速長文本生成
蘋果與俄亥俄州立大學研究人員發布名為FS-DFM的新模型，采用少步離散流匹配技術，僅需8輪快速優化即可生成完整長文本，效果媲美需要上千步驟的擴散模型。該模型通過三步訓練法：處理不同優化預算、使用教師模型指導、調整迭代機制來實現突破。測試顯示，參數量僅1.7億至17億的FS-DFM變體在困惑度和熵值指標上均優于70-80億參數的大型擴散模型。
Liquid AI發布超小型高性能基礎模型，專為設備端處理設計
AI初創公司Liquid AI發布名為"Nanos"的突破性小型AI模型，參數規模在3.5億到26億之間，可在手機、筆記本和嵌入式設備上本地運行。該模型在專門任務上可達到GPT-4o級別性能，支持多語言翻譯、數據提取、數學推理等功能。公司采用"液態神經網絡"架構，使模型能以極小體積提供前沿級性能，實現設備端AI處理，確保隱私安全并降低成本。
Gemini"香蕉"AI圖像編輯體驗：有趣但問題不少
谷歌發布的Gemini 2.5 Flash Image AI圖像編輯模型被用戶昵稱為"納米香蕉"。該模型在添加圖像元素和保持人物一致性方面表現出色，處理速度快且自動添加水印。但存在明顯局限：只能生成方形圖像、會降低照片分辨率、難以處理復雜編輯任務如移除反射等。谷歌表示正在改進相關問題。該功能免費提供，付費用戶可獲得更多使用額度。
本地大語言模型崛起：為何用戶開始選擇自主部署AI
隨著AI服務成本上升和數據隱私擔憂加劇，越來越多用戶開始嘗試本地部署大語言模型。硬件性能提升和軟件工具優化使得在個人設備上運行AI模型變得可行。通過量化技術降低模型精度要求，配合llama.cpp等開源工具，用戶可在消費級硬件上運行各類專業模型。雖然本地模型在通用性上仍遜色于云端大模型，但在特定場景下已能滿足需求，且在隱私保護和成本控制方面優勢明顯。
OpenAI與微軟發布全新語音生成模型
OpenAI和微軟發布了兩款新的語音人工智能模型。OpenAI的gpt-realtime被稱為其最強語音模型，可生成更自然的語音并能在句中改變語調和語言。微軟推出的MAI-Voice-1模型已集成到Copilot助手中，具有高硬件效率，單個GPU即可在一秒內生成一分鐘音頻。兩家公司還發布了MAI-1-preview模型，采用專家混合架構提高效率。
Gemini 2.5 Flash Image企業級圖像編輯一致性與精準控制升級
Google正式發布Gemini 2.5 Flash Image模型，該模型此前在測試版中被稱為nanobanana。新模型為企業創意項目提供更多選擇，能夠快速修改圖像外觀并提供比以往模型更強的控制能力。該模型在保持人物相似度和編輯一致性方面表現出色，支持多輪編輯、照片融合等功能，并已集成到Gemini應用中供付費和免費用戶使用。
Gemini 2.5 Flash Image發布，圖像編輯精度大幅提升
谷歌升級Gemini聊天機器人，推出新的AI圖像模型Gemini 2.5 Flash Image，讓用戶能更精確地控制照片編輯。該模型基于自然語言請求進行圖像編輯，同時保持面部、動物等細節的一致性，解決了競爭對手工具的常見問題。新工具在LMArena等基準測試中表現出色，專為消費者使用場景設計，支持多輪對話和多參考融合功能，并配備安全防護措施防止不當內容生成。
使用Llama.cpp在家中私密運行大語言模型
本文詳細介紹了如何使用Llama.cpp在個人電腦上本地運行大語言模型。內容涵蓋了Llama.cpp的安裝配置、模型部署、性能優化、量化壓縮、推測解碼、工具調用等核心功能。文章指出雖然訓練大模型需要巨額投資，但運行已訓練好的模型在普通硬件上是完全可行的。通過Llama.cpp，用戶可以獲得無限制的本地AI服務，避免數據上傳云端，同時享受更好的性能和更多定制選項。
Hugging Face：企業在不犧牲性能下降低AI成本的5種方法
企業普遍認為AI模型需要大量算力，但Hugging Face專家認為應該更智能地使用AI。五個關鍵策略包括：為特定任務選擇合適規模的模型而非通用大模型；將效率設為默認選項，避免不必要的高成本計算模式；通過批處理和精度調整優化硬件利用；推廣能耗透明度評級系統；重新思考"更多算力更好"的觀念，專注于智能架構和優質數據而非簡單擴大GPU集群規模。
Anthropic的Claude AI模型現可處理更長的提示內容
Anthropic宣布為企業客戶增加Claude單次提示詞的信息處理量，以吸引更多開發者使用其AI編程模型。Claude Sonnet 4現支持100萬token上下文窗口，可處理75萬詞或7.5萬行代碼的請求，是此前限制的5倍，超過OpenAI GPT-5的40萬token。該功能也將通過Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地處理軟件工程問題和長期自主編程任務。
谷歌Gemini AI家族迎來重大更新：2.5 Pro穩定版發布
谷歌宣布大幅擴展Gemini AI模型家族，高性能的Gemini 2.5 Pro經過數月調優后正式退出預覽版，面向開發者開放。同時推出預覽版高效模型Gemini 2.5 Flash-Lite，成本僅為2.5 Flash的三分之一。所有2.5模型均支持可調節的思考預算功能，為開發者提供更好的成本控制。Flash和Flash-Lite已集成到搜索功能中，根據查詢復雜度智能選擇合適模型。
Google 推出性能更快、更高效的 Gemini AI 模型
Google 推出 Gemini 2.5 Flash 模型，基于 Gemini 2.5 Pro 代碼，但運行更快、成本更低。新模型引入動態思考技術，可根據查詢復雜度調整推理深度，提高響應速度并降低成本。Google 還將 Gemini 2.5 Pro 應用于 Deep Research 工具，顯著提升了其準確性和實用性。這些進展有望降低生成式 AI 的高昂成本，推動其更廣泛應用。
xAI 公司推出 Grok 3 API 服務
xAI 公司推出了旗艦模型 Grok 3 的 API，提供 Grok 3 和 Grok 3 Mini 兩個版本。Grok 3 定價較高，但具有圖像分析和問答能力。盡管馬斯克此前宣稱 Grok 模型不受限制，但實際表現較為中立。xAI 承諾將 Grok 調整為政治中立，但長期影響尚不明確。
Google 新實驗性 Gemini 2.5 模型向免費用戶開放
Google 推出最新的 Gemini 2.5 Pro (實驗版) AI 模型，并以罕見的速度向免費用戶開放。該模型支持模擬推理，提高了準確性，并在 LMSYS 聊天機器人競技場排行榜上名列前茅。免費用戶可在網頁上試用，但有使用限制，無法上傳文件，且有未明確的token和使用次數限制。
OpenAI 4o 圖像生成器：AI 重塑動漫創作新時代
OpenAI 推出的 4o 圖像生成器引發了一場 AI 動畫熱潮。這一發展不僅展示了 AI 輔助視覺創作的能力和局限性，還引發了版權問題的討論。與之前主要聚焦于藝術詮釋和風格轉換的 Dall.E 模型不同，4o 圖像生成器似乎旨在解決特定的專業痛點，尤其是在文本渲染和多圖像一致性方面。隨著各大 AI 平臺開發出各自的專長，這一領域變得日益擁擠，同時也揭示了生成式 AI 的進展和持續挑戰。
京公網安備 11010802021500號
