通义千问团队宣布，继Qwen2发布三个月后，Qwen家族的最新成员——Qwen2.5系列语言模型正式开源。这标志着可能是历史上最大规模的开源发布之一，包括了通用语言模型Qwen2.5，以及专门针对编程和数学领域的Qwen2.5-Coder和Qwen2.5-Math模型。

最近全球人才招聘和人才提供商公司 Magnit，推出了一个名为 “Maggi” 的 AI 助手，旨在帮助招聘经理更轻松、更快速地找到合适的人才。Maggi 是 Magnit 全新集成的劳动力管理平台的一部分，Magnit 希望通过这一创新工具，改变目前招聘的传统方式。Magnit 的首席产品与市场官 Vidhya Srinivasan 表示，Maggi 采用的是 OpenAI 的 GPT-4技术，连接了 Magnit 的大量数据，包括客户信息和行业数据。通过这一平台，招聘经理、供应商和求职者能够在同一个系统中共享数据，从而减少信息孤岛，提高招聘效率。无

随着人工智能技术的不断进步，用户界面（UI）的理解成为了创建直观且有用的AI应用程序的关键挑战。最近，苹果公司的研究人员在一篇新论文中介绍了UI-JEPA，这是一种旨在实现轻量级设备端UI理解的架构，它不仅保持了高性能，还显著降低了UI理解的计算要求。UI理解的挑战在于需要处理跨模式特征，包括图像和自然语言，以捕捉UI序列中的时间关系。尽管多模态大型语言模型（MLLM）如Anthropic Claude3.5Sonnet和OpenAI GPT-4Turbo在个性化规划方面取得了进展，但这些模型需要大量的计算资源、巨

Alexis Conneau，OpenAI的前首席研究员及GPT-4o项目的负责人，宣布离职并创立新公司，引发AI领域热议。Conneau在社交平台透露，其在OpenAI的“#Her项目”结束后，决定创立新公司。他幽默回应关于人工通用智能（AGI）的时间表，暗示新公司可能会带来“AGEI”。Conneau在AI领域的贡献显著，尤其在自然语言处理（NLP）和机器翻译方面，他参与的项目如InferSent、MUSE、XNLI和XLM等均为该领域的重要里程碑。在FAIR和Facebook AI的研究经历，以及在多个顶级学府的教育背景，为他的科研和创业之路奠定了坚实基础。随着新公司的成立，AI界对其未来的创新充满期待。

艾伦·图灵于1950年提出的图灵测试，旨在评估机器的智能，通过文字交流使人类难以区分机器与人类。近期，加州大学圣地亚哥分校科学家探索了在阅读对话记录而非直接交流情况下，AI与人类区分对方的能力。他们设计了倒置图灵测试和移位图灵测试，结果显示，AI裁判的准确率低于直接参与交流的人类，且在某些情况下，AI甚至错误地将AI识别为人类。这表明，在没有直接交流的情况下，无论是AI还是人类，都难以准确判断对话者的身份。这一发现对在线交流和假信息检测具有重要意义，提示需要发展更精确的工具来区分AI生成内容与人类生成内容，以保障数据安全和网络环境的真实性。

美国第11巡回上诉法院法官凯文・纽森创新性地使用聊天机器人，如ChatGPT，来解析法律术语“普通含义”，特别针对一起持枪抢劫案中是否构成“身体约束”的争议。在该案中，法官同意维持对被告德利昂的重刑，但指出过去关于“身体约束”的定义可能存在误判，并强调该术语应按其普通、常用意思理解。纽森通过向GPT-4、Claude和Gemini提问“身体约束”的普通含义，展示了聊天机器人在法律解释中的辅助作用，尽管它们并不取代传统法律工具，但能提供对语言日常用法的洞见。这一做法凸显了AI在法律领域的应用潜力，以及其对传统解释方法的补充价值。

HyperWrite公司宣布推出基于Meta开源Llama3.1-70B Instruct的Reflection70B模型，这款模型在第三方基准测试中表现卓越，被评价为“世界上最强大的开源AI模型”。新模型具有自我纠错技术，能够提供高精度答案，并在多个测试中超越Meta Llama系列。其在Hugging Face平台提供下载，通过Hyperbolic Labs的GPU服务接入。HyperWrite正计划将Reflection70B集成到其AI写作助手产品中，即将发布更新版本Reflection405B。Glaive公司为模型提供了高质量的合成数据集，加速了训练过程。HyperWrite作为AI初创公司，致力于提供准确性和安全性的解决方案，获得了280万美元的最新融资，其产品能够将网页浏览器转化为虚拟助手，支持各种任务。

DeepSeek-V2.5在人工智能领域展现卓越性能，特别是在代码编写和聊天模型方面，通过与GPT-4的对比测试，其在多个指标上取得显著提升，包括胜率、MT-Bench和AlignBench分数。在代码生成能力上，DeepSeek-V2.5的HumanEval评分达到89%，LiveCodeBench评分达到41%，显示了生成高质量、可执行代码的能力。此外，DeepSeek团队还开发了Fire-Flyer AI-HPC框架，优化了硬件和软件设计，实现性能提升、成本节约和节能效果，与NVIDIA DGX-A100相比，成本降低50%，能耗降低40%。

在2024年9月4日举行的第二届网络空间安全（天津）论坛上，360集团创始人周鸿祎发表了题为《打造安全大模型，用AI重塑安全》的演讲，分享了他对人工智能大模型时代下网络安全形势的见解，并介绍了360集团在该领域的实践和成果。

Not Diamond 是一款创新的 AI 模型路由器，专为自动确定最适合响应特定查询的 LLM 而设计。通过将多个 LLM 组合成元模型并学习何时调用每个模型，Not Diamond 能在保证高质量响应的同时显著提高处理效率。这一自动化智能路由机制减少了人工选择模型的时间，确保每次查询都能得到优化的响应。Not Diamond 的功能亮点包括多模型支持、性能卓越、自定义模型训练、快速响应、智能权衡、隐私保护以及开发者友好。适用于从旅行规划到技术报告分析、内容创作等各类场景。通过访问其官网注册账号，用户可以轻松开始使用 Not Diamond，根据任务需求选择模型、输入指令，然后获取处理结果。Not Diamond 还提供 API 密钥调用选项，支持用户进行个性化设置和监控模型性能，以适应不同需求。

GPT-4，OpenAI的语言模型，未经过额外训练，通过了日本国家物理治疗考试，正确率高达73.4%，在处理纯文本问题时表现出色，正确率80.5%，但在解决实际问题和处理包含图片与表格的问题时表现欠佳，正确率分别为46.6%和35.4%。研究揭示了AI在某些领域，尤其是理解复杂情境与视觉信息的局限性。尽管GPT-4使用英语数据训练，但在处理日语输入时仍能有效工作。研究人员认为，GPT-4在临床康复和医学教育中展现出潜力，但应谨慎对待其能力，未来还需评估其在不同测试中的表现。此外，谷歌和Meta等公司正在开发更专业的医疗AI模型，旨在提高在医疗任务中的表现。然而，专家指出，将这些模型安全地整合到日常医疗实践中可能需要很长时间，因为它们在推理能力上仍有改进空间。

智谱AI近期发布了其基座大模型GLM-4-Plus，展示了媲美OpenAI GPT-4的视觉能力，并宣布将于8月30日开放使用。该模型在语言基础、文生图、图像/视频理解以及视频生成等领域均取得了显著进展，成为国内首个通用视频理解模型API，并为开源社区贡献了超过2000万次下载量的模型。GLM-4-Plus在语言解析、指令执行和长文本处理上表现出色，同时，文生图模型CogView-3-Plus和图像/视频理解模型GLM-4V-Plus也展现出卓越的性能。视频生成模型CogVideoX在5B版本中性能显著提升，并已开源，成为开源视频生成模型中的佼佼者。此外，智谱AI计划推出首个面向C端的AI视频通话功能，通过实时推理实现流畅的多模态交互，为人工智能与日常生活深度融合提供了新可能。

根据OpenAI的官方消息，ChatGPT的周活跃用户数已突破2亿，较去年增长了一倍，显示出其在全球范围内的影响力显著扩大。92%的《财富》500强企业使用了OpenAI的产品，表明在商业领域，人工智能技术的采用正在加速。随着GPT-4o Mini模型的推出，OpenAI的API使用量翻倍，这一趋势反映了市场对高质量产品和先进AI技术的强劲需求。然而，AI聊天助手的竞争激烈，Google、微软和Meta等科技巨头也推出了自己的产品。尽管如此，ChatGPT的用户基数持续增长。AI安全研究所宣布，OpenAI和Anthropic同意让政府对主要AI模型进行评估，以确保安全性，这体现了AI技术监管的加强。市场传言称，苹果和英伟达可能成为OpenAI下轮融资的投资者，预示着AI领域的发展前景广阔。未来，AI助手有望为生活和工作带来更多便利与创新。

Grok-2与Grok-Mini两款AI模型在LMSys聊天机器人排行榜中表现出色，Grok-2以第二名的成绩超越了GPT-4o，与Gemini并列，得益于超过6000名用户的投票。Grok-2在数学任务中独占鳌头，同时在多个任务中获得第二名。Grok-2-Mini则以第五名进入排行榜，展现不俗实力，并实现了速度提升，运行速度是之前的两倍。这一进步得益于推理团队对推理堆栈的彻底重写，采用SGLang实现高效多主机推理与精度提升，引入的新算法和优化技术进一步提升了模型性能。尽管受到质疑，但用户反馈显示Grok-2在编程和数学任务上表现优秀。本月，Grok-2系列以测试版发布，用户可通过X平台体验，同时支持与FLUX.1图像生成模型结合进行图像创作。

Recogni公司推出了一种名为"Pareto"的革命性AI计算方法，采用创新的对数方法，使AI芯片在运行大型模型时性能超越现有技术，同时大幅降低能耗和运行成本。该技术得到知名企业和风险投资公司的支持，如宝马、博世和Mayfield。与传统AI模型相比，如OpenAI的GPT-4和谷歌的Gemini，Pareto系统通过将乘法转换为加法运算，显著降低了能耗。已与Meta和Stability AI等公司合作，测试结果积极。Recogni的首款芯片采用七纳米工艺，与未透露名称的合作伙伴共同推广计划，计划在未来几个月内宣布。此外，公司正与提供数据中心硬件租赁服务的公司洽谈合作，以推动Pareto技术的广泛应用。

OpenAI公司宣布第三方开发者可对新推出的多模态大型模型GPT-4o进行微调，这一功能允许开发者根据特定需求调整模型行为，如改变语气、遵循指令或提升技术任务准确性。微调仅需少量训练数据即可实现显著性能提升，操作简便。OpenAI为开发者提供9月23日前每天100万Token的免费使用额度，以及200万Token的每日免费额度给GPT-4o mini模型。此举旨在增强模型在编程、创意写作等领域的表现，并提升与竞争对手的市场竞争力。同时，OpenAI强调了数据安全性和隐私保护，确保微调模型不会使用输入输出数据进行再训练。微调功能的成功案例，如Cosine和Distyl公司的应用，证明了这一功能的潜力，推动了每个组织拥有定制化AI模型的愿景。

阿里巴巴的“通义千问”团队发布了一款名为Qwen2Math Demo的数学模型，该模型在处理文字输入的数学问题、图片和截图中的公式方面表现出色，甚至在MATH数据集上的表现超越了GPT-4，提高了9.6%的分数。模型推出三个版本，其中72B版本尤其突出，不仅在数学难题上胜过GPT-4，还在GSM8K、MATH等经典测试集上超过了Llama-3.1。模型通过专门设计的数学语料库进行训练，包含高质量的数学文本、书籍、代码和题目。Qwen2-Math在中文数据集CMATH和高考试题上同样表现出色，各版本相对于同规模的基础模型均有所提升。此模型为数学问题提供了强大的解决方案，但使用时应注重自我学习和实践。

当前AI行业竞争激烈，销售AI模型的生意正迅速变为零利润行业。像OpenAI和Anthropic等公司因在训练大型模型上投入数十亿美元，导致整体业务脆弱。价格战使得AI模型研发公司的边际利润几乎消失，仅依赖模型销售的业务面临艰难。AI模型的高昂研发成本与硬件费用，加上价格竞争，使得各公司面临亏损。虽然短期内亏损，但AI模型的长期市场潜力被看好。初创企业如Cohere在亏损中运营，面临巨大挑战。依赖云服务提供商的商业模式被认为是危险的。尽管对AI模型创新充满期待，但何时能实现盈利仍不确定，且非所有AI初创公司都能等到盈利的时刻。

OpenAI最新发布的基于GPT-4模型的ChatGPT语音功能，旨在提升人机交流的自然度和实时性。然而，这一创新引发了对用户情感依赖的担忧，部分用户在与AI的交流中形成了情感联系，甚至表达出对AI的不舍，这可能影响到用户的社交行为和与真实人类的互动。研究表明，长时间的AI语音交流可能会改变用户的社交规范，如AI的随时打断行为，这在人类交往中不常见。GPT-4模型还具备记忆用户信息和偏好的功能，进一步加深了用户依赖。OpenAI正深入研究这种情感依赖现象，并关注其如何改变用户行为。在安全性评估中，尽管存在一些风险，如说服能力的中等风险，但总体上，AI在说服力上并未超越人类，其影响力有限。

AI初创公司Cosine在旧金山发布了一款名为Genie的AI模型，旨在辅助软件开发人员。Genie在基准测试中表现出色，超越了竞争对手，得益于与OpenAI合作，使用高质量数据对GPT-4变体的训练。其核心能力在于“编码人类推理”，不仅限于软件开发领域。在SWE-Bench测试中，Genie取得了30%的成绩，这是AI模型在该领域的最高得分，超过亚马逊和Cognition的模型。Genie通过模仿人类开发人员的认知过程，自主或协作地修复错误、开发新功能、重构代码，执行各种编程任务。Cosine通过整理数十亿高质量数据，包括JavaScript、Python、TypeScript等，以及对模型的自我改进训练，实现了这一成就。技术限制，如上下文窗口标记容量的限制，通过Gemini1.5Pro等模型的更新得到了缓解，为Genie的成功提供了支持。