在今日举行的2024云栖大会开幕式上，阿里巴巴集团董事兼CEO、阿里云智能集团董事长兼CEO吴泳铭发表演讲，分享了对人工智能（AI）发展的深刻见解。他透露，过去一年中，通义千问API在阿里云百炼上的调用价格大幅下降97%，现在调用百万tokens的费用最低仅需0.5元，且阿里云将继续努力降低成本。

在人工智能快速发展的今天，AI视频生成技术迎来了一个重要的里程碑。来自纽约的Runway和旧金山的Luma AI几乎同时向市场推出了各自的视频生成API，为开发者和企业提供了前所未有的创意工具，引发业界广泛关注。Runway率先亮相的是其Gen-3Alpha Turbo AI视频模型API。这款产品目前处于逐步推广阶段，初期仅向特定合作伙伴开放使用。Runway采用了积分定价策略，每个积分售价1美分，生成1秒钟的视频需要消耗5个积分。换言之，制作一段4秒钟的视频，用户需要支付20美分。尽管具体应用场景尚未公

近日，有消息传出，阿联酋的国有投资公司 MGX 正考虑参与 OpenAI 的一轮数十亿美元的融资。根据《华尔街日报》的报道，MGX 尚未确定其投资的具体规模，而 OpenAI 正在寻求达到65亿美元的融资，并将公司的估值提升至1500亿美元。这个融资计划得到了包括风险投资公司 Thrive Capital 的支持，而微软也有可能参与其中，毕竟自2019年以来，微软已经向 OpenAI 投资了130亿美元。此外，苹果和英伟达也在和 OpenAI 洽谈投资事宜。OpenAI 的首席执行官山姆・奥特曼向投资者透露，该公司的年化经常性收入

OpenAI 推出了全新的模型系列 OpenAI o1，这个新模型在推理能力上表现得更加出色，相较于之前的模型，它的表现令人期待。OpenAI o1:更强的推理能力这是一系列全新的推理模型，旨在帮助解决复杂问题。这些模型经过特别训练，可以在作出回应之前，花更多时间进行思考，能够在科学、编码和数学等领域解决比以往更具挑战性的问题，OpenAI o1将先在 ChatGPT 和 API 上推出。新模型是怎么运作的呢?官方介绍，它们经过专门的训练，学习如何像人类一样思考问题，尝试不同的解决策略，并及时识别错误。

近日，快手旗下的可灵AI与蓝色光标宣布达成战略合作协议，双方将在AI视频生成技术研发、平台合作、场景共建、内容创作优化等多个领域展开深入合作。可灵AI是快手自研的新一代AI创意生产力工具，提供AI视频、AI图片及相关可控编辑能力。自发布以来，可灵AI已经进行了多次产品和功能更新，并于7月24日向全球用户开放。目前，可灵AI不仅为创作者提供Web端和移动端的在线创作平台，也为开发者提供API解决方案。

北京月之暗面科技有限公司旗下的Kimi智能助手近日宣布，其Kimi API现在支持联网搜索功能，这标志着用户可以通过API获取互联网上的信息，从而增强了交互体验。Kimi API的这一更新意味着开发者可以利用这一功能，使应用程序能够“网上冲浪”，即在对话中遇到问题时自动进行网络搜索并提供答案。

生物科技公司Chai Discovery在成立六个月内，获得Thrive Capital和OpenAI近3000万美元投资。该公司专注于生物技术在药物研发中的应用，开发出能预测生化分子结构与重新编程分子间相互作用的创新技术，旨在将生物学转变为“工程学”。Chai Discovery的目标是加速和优化药物研发过程，通过人工智能和机器学习等技术提升药物分子设计与筛选效率，降低研发成本，加速新药上市，最终惠及患者。此次融资反映了市场对Chai Discovery技术实力和前景的高度认可，未来公司将致力于生物技术创新，推动医药行业变革。

RapidLayoutRecover是一款创新的文档图像处理工具，专为将扫描文档或PDF页面高效转换为可编辑的Word或TXT文本格式而设计。其核心优势在于智能化的自动识别功能，能精准识别文本、表格、公式等元素，自动完成版面分析和内容提取，大幅节省用户时间和精力。工具通过快速分类文档方向、进行细致版面分析、识别文字、表格和公式，实现从文档图像到结构化TXT或Word格式的高效转换。集成的专业模块确保了识别过程的准确性和输出结果的完整性。用户可借此在文档编辑、存档和分享方面享受前所未有的高效体验。

风险投资家 Vinod Khosla 的言论引发热议，声称“100% 的 AI 独角兽都建立在 OpenAI 的 API 上”。此言遭到网友反对，指出包括 Claude、Anthropic、Mistral、Meta 的 Llama 等在内，多种 AI 模型并非完全依赖 OpenAI 技术。讨论中，有用户用电动汽车市场类比，强调不同 AI 独角兽可能有各自的技术基础。Khosla 的言论正值 OpenAI 面临 AI 安全团队大规模离职，公司估值升至1000亿美元，科技巨头如苹果和 Nvidia 积极投资。OpenAI CEO Sam Altman 计划将重点转向 AI 基础设施项目，预计投资数百亿美元。

​9月2日，通义千问宣布开源其第二代视觉语言模型Qwen2-VL，并在阿里云百炼平台上推出2B、7B两个尺寸及其量化版本模型的API，供用户直接调用。Qwen2-VL模型在多个方面实现了性能的全面提升。它能够理解不同分辨率和不同长宽比的图片，在DocVQA、RealWorldQA、MTVQA等基准测试中创下全球领先的表现。

OpenAI，以其创新的AI研究和以ChatGPT为代表的影响力，正积极寻求新一轮融资，目标估值高达1000亿美元，有望成为全球最有价值的科技公司之一。此轮融资预计将筹集数十亿美元，风险投资公司Thrive Capital和科技巨头微软均表现出浓厚兴趣，分别可能投入10亿美元和超过130亿美元。OpenAI的估值在过去几年内迅速增长，从2022年底的860亿美元到2023年获得微软的100亿美元投资。此次融资不仅反映了投资者对AI技术前景的乐观，也凸显了OpenAI在AI领域的领先地位。然而，随着估值的提升，OpenAI将面临更大的期望和挑战，如何将技术创新转化为商业价值将是关键。这一事件将加剧AI领域的竞争，并推动AI技术的进一步发展和应用。

Kimi开放平台近期推出moonshot-v1-auto模型API，自动选择最优模型以节省费用，同时更新账号密码登录、手机号换绑及余额预警功能，提升用户体验。未来还将上线联网搜索功能，增强API能力，为开发者提供更多创新机遇。

​北京智谱华章科技有限公司近期宣布，将旗下GLM-4-Flash大型语言模型的API接口免费向公众开放，以推动大型模型技术的普及和应用。GLM-4-Flash模型在速度和性能上都展现出显著的优势，特别是在推理速度方面，通过采用自适应权重量化、并行处理技术、

Meta Reality Labs近期推出的人工智能模型“Sapiens”，在处理人类视觉任务上实现了重大突破。此模型专门用于分析和理解图片或视频中的人及其动作，通过在超过3亿张人类图像上的严格训练，展现出在复杂环境下的卓越性能。Sapiens的核心功能包括2D姿态估计、身体部位分割、深度估计和表面法线预测等，使得它能够精确识别人体姿势、区分身体部位，并预测图像中的深度信息和物体表面方向。其技术亮点包括基于大规模数据集的预训练、视觉变换器架构、遮掩自编码器预训练和多任务学习，这些使得Sapiens具备强大的泛化能力、高分辨率处理能力以及同时处理多项复杂任务的能力。Sapiens的应用范围广泛，包括视频监控、虚拟现实、医疗领域和社交媒体平台，其性能超越了现有方法，在多个任务上表现优异。

谷歌推出Gemini API的Gemini1.5Flash免费套餐，提供每天15亿个免费Token，包括每分钟15次请求、每分钟100万个Token，及每小时100万个Token的上下文缓存服务，以及微调功能全免费。此举旨在降低开发者使用AI技术的门槛，支持创新应用的孕育。对于中小型开发团队，这将大幅降低成本，带来研发便利。预计此举将吸引更多开发者加入，推动AI应用市场发展。

Anthropic公司宣布其Claude系列大型语言模型推出“提示缓存”新功能，旨在大幅降低企业AI成本并提升性能。该功能允许用户存储并重复使用特定上下文信息，无需额外成本或增加延迟。在公开测试中，Claude3.5Sonnet和Claude3Haiku模型将应用此功能，预期能带来高达90%的成本降低和某些场景下响应速度提高一倍的效果。此功能特别适用于需要保持一致上下文的商业AI应用，如长时间对话、大规模文档处理、代码辅助和复杂工具使用。尽管行业专家持谨慎态度，Anthropic表示将与客户合作，收集数据和反馈，以评估新功能的实际效果。此举有望降低中小企业采用AI技术的门槛，推动AI技术在商业领域的广泛应用。

Anthropic API新增提示缓存功能，旨在优化Claude模型的使用体验。该功能允许用户在API调用间缓存常用上下文信息，显著降低长提示成本与延迟，最高可达90%和85%。目前支持Claude3.5Sonnet和Claude3Haiku的公开测试版，未来将扩展至Claude3Opus。适用于对话代理、编码助手、处理大型文档及代理搜索等场景。提示缓存定价根据缓存输入令牌数量和使用频率，写入缓存成本比基本输入令牌高25%，使用缓存内容成本仅为10%。Notion已集成此功能，优化了内部运营与用户体验。

智谱AI宣布，支持超长上下文长度的LLM GLM-4-Long已经在开放平台bigmodel.cn上线。该模型专为处理超长文本而设计，能够一次性阅读相当于两本《红楼梦》或125篇论文的文本量，广泛应用于翻译长篇文档、全局分析财报、提取关键信息以及构建具有超长记忆的聊天机器人等场景。

OpenAI 推出的结构化输出功能旨在使模型生成的输出严格遵循开发者提供的 JSON 模式，提升输出的可靠性。这一功能在去年的开发者日首次亮相，通过 JSON 模式提升了模型生成有效 JSON 输出的可靠性，但并未确保模型响应符合特定模式。新功能通过约束模型匹配开发者提供的模式，解决了这一问题，特别适用于从非结构化输入生成结构化数据的应用场景。复杂 JSON 模式的结构化输出得分从之前的不到40%提升至完美的100%。使用结构化输出非常简单，通过 API 的函数调用或响应格式的新选项实现，开发者只需提供 JSON 模式，模型的输出将严格符合该模式。OpenAI 的 Python 和 Node SDK 已更新，支持结构化输出，简化了开发过程。此功能的引入将为开发者带来便利，帮助他们更轻松地创建出色的应用。

OpenAI在API中新增结构化输出功能，确保生成的输出完全符合预设的JSON架构，显著提升API的可靠性和应用的精确度。这一功能不仅定义了JSON的结构，还确保了输出的准确性。同时，价格下调，输入价格降低一半，输出成本减少1/3。结构化输出的引入，解决了JSON模式在保证输出符合特定架构方面的局限性，显著提升模型在结构化输出方面的表现。通过技术革新，如受限解码技术，实现了模型输出与JSON Schema的完美匹配。此功能在API中以函数调用和参数新选项的形式呈现，支持所有模型和工具。结构化输出在实际应用中展现出广泛的用途，从动态界面到数据提取，都能实现高效、精确的数据处理。安全政策得到遵循，Python和Node SDK已更新，支持结构化输出，简化了开发流程。这一功能的推出，为AI技术在数据处理和应用开发领域带来了新的可能。