Genspark近期推出了新功能"Deep Research"，该功能通过整合多个模型的能力，提供AI驱动的搜索和研究服务。初步测试显示，尽管在内容深度上可能不及OpenAI的相关服务，但其质量和准确性表现令人满意。值得注意的是，该功能目前支持免费试用。在实际测试中，Deep Research能够准确整理近期重要信息，如OpenAI过去一周的发布内容等。这表明该功能在信息搜索和整合方面具有良好的实用价值。

​1月20日，商汤科技宣布其“日日新融合大模型交互版”（SenseNova-5o）正式对外提供实时音视频对话服务，并限时免费开放给用户使用。这一交互版本的发布，标志着商汤在人工智能领域的又一重要进展，旨在通过强大的实时交互、视觉识别、记忆思考和复杂推理能力，推动AI与人类更自然、更流畅的交流。

在专业环境中，图形用户界面（GUI）代理面临着三大关键挑战。首先，专业应用程序的复杂性远高于一般软件，要求对复杂布局有深入理解;其次，专业工具通常具备更高的分辨率，导致目标尺寸较小，从而降低了定位准确性;最后，工作流程往往依赖于额外工具和文档，增加了操作的复杂性。这些挑战凸显了开发更先进的基准和解决方案以提升 GUI 代理在这些严苛场景中的性能的必要性。目前的 GUI 定位模型和基准无法满足专业环境的要求。例如，ScreenSpot 等工具设计主要用于低分辨率任务

近日，研究人员开发了一种创新的人工智能系统——DiffSensei，能够自动将书面故事转换成漫画风格。这一系统不仅可以保持角色外观的一致性，还能控制漫画页面的布局，展现了AI在漫画创作领域的巨大潜力。该项目是由北京大学、上海人工智能实验室和南洋理工大学联合研发的，结合了扩散模型与大型语言模型，旨在处理漫画创作中的视觉和叙事元素。为了展示DiffSensei的功能，研究团队创作了一部虚构漫画，讲述了人工智能领域先驱杰弗里·辛顿、扬·勒昆和约书亚·本吉奥的故事。漫画

12月18日，在火山引擎FORCE原动力大会上，火山引擎总裁谭待发布了全新的豆包视觉理解大模型。该模型通过同时处理文本和图像相关信息，能够提供更为精准的答案。新模型在内容识别、理解和推理能力方面表现出色，并且具备更细腻的视觉描述能力，为企业用户带来了更强的智能处理能力。谭待在发布会上透露，豆包视觉理解大模型不仅在技术上实现了显著突破，而且在价格方面也大幅降低。自今年5月起，豆包大模型的行业价格已经降低了99%，使得企业用户能够更放心地应用这一技术。

在天气预报领域，新的技术革新正在悄然发生。谷歌旗下的DeepMind团队开发了一款名为 GenCast 的人工智能天气预测程序，其预测效果已经超过了当前最顶尖的天气预报系统 —— 欧洲中期天气预报中心（ECMWF）的 ENS 预测系统。根据研究，GenCast 在日常天气和极端天气事件的预测准确度上，比 ENS 提高了20%。图源备注:图片由AI生成，图片授权服务商MidjourneyGenCast 的主要优势在于其快速和高效的预测能力。传统天气预报依赖于复杂物理模型，需要在超级计算机上运行数小时。而 GenCast 通过对1979年

加拿大多伦多的人工智能硬件初创公司 Tenstorrent 近日宣布成功完成了一轮近7亿美元的融资。这轮融资总额为6.93亿美元，使得 Tenstorrent 的估值超过了26亿美元。此轮融资由三星证券和 AFW Partners 领投，其他投资者包括现代汽车以及杰夫・贝索斯的投资公司贝索斯探险等。图源备注:图片由AI生成，图片授权服务商MidjourneyTenstorrent 表示，获得的资金将主要用于扩大其工程团队以及建设人工智能训练服务器，以便展示其技术实力。该公司首席执行官吉姆・凯勒（Jim Keller）表示，他们计划每两年推

熬夜肝文献综述?抓耳挠腮写论文?别慌!AI2的科研大神们带着他们的最新力作OpenScholar来拯救你了!这款科研效率神器，能让文献综述像逛公园一样轻松愉快!OpenScholar的最大秘密武器，就是一个叫做OpenScholar-Datastore （OSDS）4.5亿篇开放获取论文，还有2.37亿个文章段落嵌入。有了这么强大的知识储备，OpenScholar才能游刃有余地应对各种科研难题。当你遇到一个科研问题时，OpenScholar首先会派出它的得力干将——检索器和重新排序器，从OSDS中快速筛选出与你的问题相关的文章段落。接着，一个语言

近日，OpenAI 与非营利组织 Common Sense Media 联合推出了一项免费的人工智能（AI）培训课程，旨在帮助教师掌握 AI 技术和提示工程的知识。这一新举措于周三正式发布，目标是为教育工作者提供将 AI 工具有效且负责任地融入课堂的技能与资源。图源备注:图片由AI生成，图片授权服务商Midjourney随着 ChatGPT 等 AI 工具在学生和教师中的广泛应用，教育领域正在经历着一场变革。然而，这种转变也带来了诸多担忧，例如学生可能利用 AI 进行作弊和抄袭。因此，这个培训课程的推出显得尤为重要。该

近日，谷歌宣布其基于人工智能的模糊测试工具 OSS-Fuzz 成功发现了26个开源代码库中的漏洞，其中包括 OpenSSL 加密库中的一个中等严重性漏洞。谷歌的开源安全团队在一篇分享的博客文章中表示:“这些漏洞的发现标志着自动化漏洞检测的新里程碑:每个漏洞都是通过 AI 生成和增强的模糊测试目标找到的。”图源备注:图片由AI生成，图片授权服务商Midjourney此次发现的 OpenSSL 漏洞编号为 CVE-2024-9143（CVSS 评分为4.3），其表现为一个越界内存写入错误，可能导致应用程序崩溃或远程代码执行。该

近日，一款名为 Pensieve（冥想盆）的开源软件在 GitHub 热榜上引起了广泛关注。这款软件的设计灵感来源于《哈利波特》中提取和回忆记忆的神奇工具，它能够自动记录用户在电脑上的所有活动，让你随时回忆起过去所见过的信息。用户只需输入相关关键词，Pensieve 就能快速找到相关记录，极大地方便了日常生活和工作。Pensieve 的开发者表示，该软件具有隐私保护的特点，所有记录均保存在本地，用户完全控制自己的数据。与市面上其他类似软件如收费的 Rewind 和微软的 Windows Recall 相比，

美国初创公司 Useful Sensors 推出了一款名为 Moonshine 的开源语音识别模型。Moonshine 的设计旨在更高效地处理音频数据，相比于 OpenAI 的 Whisper，它在计算资源的使用上更为经济，处理速度快五倍。这一新模型专为在资源有限的硬件上实现实时应用而打造，具有灵活的架构。与 Whisper 将音频分为固定的30秒片段处理不同，Moonshine 根据实际音频长度调整处理时间。这使得它在处理较短音频片段时表现出色，减少了由于零填充而产生的处理开销。Moonshine 有两个版本:小型的 Tiny 版本参数量为2710万，

Elon Musk旗下的xAI公司终于兑现了8月份的承诺，正式推出了其旗舰AI模型Grok的API接口。然而，这个期待已久的API版本却显得有些仓促和基础。目前，xAI API仅提供一个名为"grok-beta"的模型。定价方面，输入tokens收费为5美元/百万tokens（约75万个单词），输出tokens则为15美元/百万tokens。值得注意的是，tokens是指将原始数据细分后的基本单位，就像将"fantastic"分解为"fan"、"tas"和"tic"这样的音节。有趣的是，目前尚不清楚"grok-beta"具体对应哪个版本的Grok模型。虽然X平台上最新版本是Grok2，但API文档中同

Adobe 在全球创意大会 Adobe MAX2024上推出了其最新产品 ——GenStudio，这是一款专为性能营销设计的全新解决方案。GenStudio 是 Adobe GenStudio 生态系统的一部分，旨在帮助企业在内容创作和营销过程中实现更高的效率和个性化体验。它从内容规划、创作到管理、激活和效果测量，全方位优化每一个营销环节。GenStudio 是一款自助式、以人工智能为驱动的应用专注于利用生成式 AI 技术，利用生成式 AI 技术，快速创建高效的广告和电子邮件内容。通过这款工具，创意团队和市场团队可以更好地协同合

最近，Third Dimension AI 公司宣布成功融资690万美元，旨在帮助游戏开发者使用生成式 AI 技术构建3D 游戏世界。这笔资金将用于扩大团队规模、进一步训练将2D 图像和视频转换为3D 的生成式 AI 模型，并推动公司成为领先的3D 生成企业。此次融资由 Felicis 领投，参与投资的还有 Abstract Ventures、MVP、Soma Capital 和 Salt Fund。Third Dimension AI的创始团队由自动驾驶和游戏领域的专家组成，包括首席执行官 Tolga Kart、Piotr Sokolski 和 Özgun Pelvan。他们的目标是简化大规模3D 环境的创建，让制作过程像按下一个

AI GPU 云平台 TensorWave 宣布成功完成了一轮4300万美元的 SAFE 融资。这轮融资由 Nexus 风险投资公司主导，吸引了 Maverick Capital、Translink Capital、Javelin Venture Partners、Granite Partners 以及 AMD Ventures 等多家投资者的参与。这也是内华达州最大的 SAFE 融资案例，展现了 TensorWave 在行业内的强劲潜力。随着这笔资金的注入，TensorWave 计划在其主要数据中心部署数千个 AMD Instinct™ MI300X GPU，进一步提升其计算能力。同时，公司还将扩充团队，推出新的推理平台，并为下一代 AMD Instinct GPU MI325X 的集成铺平道

谷歌最近推出了一系列全新的 AI 驱动功能，让用户在搜索引擎和 Google Lens 的使用体验更加丰富。根据谷歌搜索副总裁 Liz Reid 的介绍，Google Lens 现在每个月处理近200亿次视觉查询，用户可以通过拍摄视频并提问的方式，轻松获得 AI 生成的摘要。只需要在 Google 应用中按住快门按钮并发问，系统就能同时分析视频和问题，为用户提供简洁明了的答案。此外，用户也可以对任何通过 Lens 拍摄的照片提问。这项功能在 Android 和 iOS 的 Google 应用上都可以使用，不过目前只支持英语查询。为了提升用

在 AI 的世界里，数据就像是金矿，越丰富越闪亮。最近，LLM360推出了一个令人瞩目的数据集 TxT360，专为大语言模型训练量身定做。这个庞然大物不仅收录了来自各行各业的高质量文本数据，更是经历了一场全球范围的去重大作战，最终汇聚成5.7万亿个优质 tokens，真可谓是 “数据界的百宝箱”!TxT360的魅力在于其超大的规模和超高的质量，完胜现有的 FineWeb 和 RedPajama 等数据集。这份数据集从99个 Common Crawl 快照中抓取了互联网的精华，同时还特别挑选了14个高质量的数据源，比如法律文档和

近日，智谱AI宣布其开放平台bigmodel.cn将在国庆月期间推出重磅优惠活动，同时清言科技推出全新大会员体系，为用户提供更多实惠和选择。智谱AI的国庆特别活动力度空前。用户可以低至1折的优惠价格调用智谱的所有AI模型，极大地降低了企业和开发者使用高级AI服务的成本。不仅如此，活动期间每位用户还将获赠高达1亿tokens的免费额度，让更多人有机会体验和应用先进的AI技术。与此同时，清言科技推出的全新大会员体系同样引人注目。最低只需19元/月，用户就能享受到包括清影AI生视频

​科大讯飞讯飞开放平台宣布讯飞星火API平台实现重大升级，此次升级包括Spark Max模型和4.0Ultra模型，它们在生成速度上提升了70%，同时在逻辑推理、创作能力和联网搜索等关键性能上实现了显著突破。升级后的Spark Max和4.0Ultra模型在逻辑推理方面表现出更快的速度和更高的准确性，尤其在复杂任务处理上，能够提供详细的推理过程。在内容创作方面，新模型能够生成具有逻辑性和实用性的文章，如小红书文案等，同时在Function Call指令命中准确率上提升至90%以上。