在人工智能领域竞争日益激烈的背景下，谷歌近日宣布推出 Gemini2.0 Flash Thinking模型。这一多模态推理模型具备快速且透明的处理能力，能够应对复杂问题。谷歌首席执行官桑达尔・皮查伊在社交媒体 X 上表示:“这是我们迄今为止最具深度的模型。” 根据开发者文档，Gemini2的Flash Thinking比基础版本的 Gemini2.0Flash模型具备更强的推理能力。新模型支持32，000个输入标记（大约50到60页文本），输出响应可以达到8，000个标记。谷歌在其 AI 工作室的侧边面板中表示，这一模型特别适用于 “多模态

在2024年12月18日的火山引擎 FORCE 原动力大会上，火山引擎宣布对豆包大模型家族进行全面升级，并重磅发布了全新的视觉理解模型。火山引擎总裁谭待表示，豆包大模型的日均 tokens 使用量在过去几个月中迅猛增长，达到了超过4万亿，相较于5月发布时增长了33倍。这一增长趋势显示出豆包大模型在多个应用场景中的广泛使用。本次，火山引擎通过推出视觉理解模型，使得用户能够同时输入文本和图像的问题，模型能够综合理解并给出准确的回答。这一创新将大大简化应用的开发流程，并激

在 AI 的世界里，"大力出奇迹" 似乎成了金科玉律。模型越大，数据越多，算力越强，仿佛就能越接近智能的圣杯。然而，这狂飙突进的背后，也隐藏着巨大的成本和能耗压力。为了让 AI 训练更高效，科学家们一直在寻找更强大的优化器，就像一位教练，引导模型的参数不断优化，最终达到最佳状态。AdamW 作为 Transformer 预训练的默认优化器，多年来一直是业界标杆。然而，面对日益庞大的模型规模，AdamW 也开始显得力不从心。难道就没有一种方法，既能提升训练速度，又能降低能耗吗?别急

在2024世界百度大会上，百度创始人李彦宏带来了一系列引人瞩目的AI领域最新进展。他指出，过去两年大模型技术最显著的突破在于"幻觉"问题的基本解决，这标志着AI回答的准确性获得质的飞跃，使其从"一本正经地胡说八道"转变为可靠的智能助手。会上，李彦宏重点介绍了百度最新推出的检索增强文生图技术iRAG。这项技术创新性地整合了百度搜索平台积累的海量图片资源和先进的基础模型能力，能够生成超高真实度的图像。李彦宏表示，iRAG的整体效果已经远超传统文生图系统，成功消

最近，有用户在社交媒体平台 X 上爆料称，OpenAI 的全新 o1模型在短时间内通过网址 “chatgpt.com/?model=o1” 向部分用户开放了访问权限，随后又迅速被关闭。根据用户的反馈，这一最新模型能够处理大约20万字的文本，并且具备分析图像的能力。OpenAI 将 o1模型称为其 “最强大的模型”，特别适合那些需要创造力和高级推理能力的任务。与之前的版本相比，o1在性能上有了显著提升，能够更好地满足用户在各种复杂场景下的需求。目前，公众可以使用 o1的迷你版和预览版，但完整版本尚未正式

在周三，苹果公司发布了开发者测试版的 iOS18.2、iPadOS18.2和 macOS Sequoia15.2。这些更新带来了多项新的 Apple Intelligence 功能，包括 Genmoji、Image Playground、Visual Intelligence、Image Wand 和 ChatGPT 集成合，显著增强了用户的体验。软件更新在 OS18.1、iPadOS18.1和 macOS Sequoia15.1公开发布的前一周发布，为平台带来了书写工具、图像清理、文章摘要和键入输入，以实现重新设计的 Siri 体验。除了这些更新之外，还推出了 Apple Intelligence 的三个关键功能的 API，包括写作工具Writing Tools API、Genmoji API 和Image Playgro

据媒体报道，微软亚洲研究院前首席研究经理谭旭已于8月加入大模型创业公司月之暗面，主要负责研发端到端语音模型。谭旭加入后，其中一项重要目标是为该公司打造类似GPT-4o的语音体验。月之暗面方面暂无回应，但内部知情人士已确认谭旭已入职公司，目前尚未确定具体的职级信息。公开资料显示，谭旭研究领域为深度学习、语言/语音/音乐处理以及AI内容生成，在AI学术会议发表论文100余篇，出版学术专著《神经语音合成》。他的研究成果受到学界关注并应用于微软重要产品中，如A

Google Gemini近日在其官方推特账号宣布，备受期待的Imagen3图像生成功能现已向全球所有Gemini用户开放。这一重大更新标志着Google在人工智能图像生成领域迈出了重要一步，为用户提供了更强大、更灵活的创作工具。Imagen3作为Imagen系列的最新版本，相比其前身Imagen2带来了多项显著改进。根据Google官方介绍，这些改进主要体现在以下几个方面:增强的多功能性:Imagen3能够更好地理解和执行复杂的图像生成指令。快速理解能力:系统能更迅速地捕捉用户意图，提高了图像生成的效率。图像质量提升

在数字时代，内容安全问题愈发受到重视。9月26日，OpenAI 正式推出了一款全新的多模态内容审核模型，名为 “omni-moderation-latest”。该模型基于最新的 GPT-4o 技术，能够准确地识别检测有害文本图像。这一更新将为开发者提供强大的工具，让他们能够构建更强大的审核系统。新模型的亮点在于，它支持对文本和图像输入进行审核，特别是在处理非英语内容时表现更加出色。与之前的审核模型相比，“omni-moderation-latest” 不仅提高了识别的准确性，还增加了检测更多有害内容的能力。它可以对

知名机器人专家大卫・汉森加入WorkFar Robotics，担任首席执行顾问，专注于人机协作技术的创新。WorkFar致力于为仓储和制造行业提供智能化人形机器人解决方案，旨在解决人力资源短缺问题。汉森与团队共同研发了“合成机器人”Syntro，结合人工智能与远程人类操控技术，确保机器人在高风险任务中的安全操作。此外，汉森计划让其创造的“索非亚”机器人前往火星，探索人机互动的新领域。WorkFar强调人机合作，旨在通过机器人的辅助，增强人类的创造力和决策能力，以适应不断发展的技术环境。

一个仅有10人的初创公司Nous Research，以其名为Hermes3的AI模型挑战了科技巨头Meta的地位。Hermes3基于Llama3.1的模型进行微调，性能强大，优化了VRAM和磁盘需求，能够在单个节点上运行。该模型在对话能力、理解文本质量以及集成智能体能力方面表现出色，展现了一种超越传统语言建模的高级能力。Nous Research专注于开源，发布了一系列数据集和模型，表明了实力和创新能力并不取决于团队规模。

​谷歌DeepMind的数学人工智能模型在今年的国际数学奥林匹克（IMO）比赛中取得了突破性进展。据官方消息，正规数学推理模型AlphaProof和改进版几何求解模型AlphaGeometry2共同攻克了本届IMO六道难题中的四道，首次达到了与人类银牌获得者相当的水平。