字节跳动正式推出其最新的豆包大模型1.5Pro（Doubao-1.5-pro），这一新模型在多个领域的综合能力上表现出色，成功超越了行业内知名的 GPT-4o 和 Claude3.5Sonnet。该模型的发布标志着字节跳动在人工智能领域又向前迈出了重要一步。豆包1.5Pro 采用了新型的稀疏 MoE（混合专家）架构，使用较小的激活参数进行预训练。这种设计的创新之处在于其可以提供等效于7倍激活参数的 Dense 模型性能，使其在效率上远超行业常规的 MoE 架构，带来了约3倍的效率提升。这样的设计使得豆包大模型在知识、代码

谷歌研究院近日发布了革新性的"Titans"系列模型架构，通过仿生设计实现了突破性的200万Token上下文长度，并计划在未来开源相关技术。这一架构的核心创新在于引入深度神经长期记忆模块，其设计灵感来源于人类记忆系统。Titans巧妙地结合了短期记忆的快速响应能力和长期记忆的持久性特征，同时运用注意力机制来处理即时上下文，形成了一个高效的信息处理体系。据谷歌介绍，Titans在长序列处理任务中展现出显著优势。无论是在语言建模还是时间序列预测方面，这一架构都实现了突破性

2025年1月20日，豆包 App 正式发布了其最新的 “端到端” 语音大模型，并对实时语音通话功能进行了重要更新。这一进展标志着豆包在语音交互领域的又一次飞跃，超越了之前的 ASR（自动语音识别）、LLM(大语言模型)和 TTS(文生音频)的级联方案，将语音识别、理解和生成整合在同一个模型中。经过《智能涌现》的测试，新版豆包的最大亮点在于其具备了人类般的表达能力和情感输出，提升了对话的流畅度与智能水平。尤其是 “灵魂歌手” 和 “百变大咖” 模式，让豆包不仅能够进行唱歌，

近日，一项由奥地利复杂科学研究所（CSH）主导的研究显示，尽管大型语言模型(LLMs)在多项任务中表现优异，但在应对高级历史问题时却暴露了短板。研究团队针对三大顶尖模型进行测试，包括 OpenAI 的 GPT-4、Meta 的 Llama 和谷歌的 Gemini，结果让人失望。图源备注：图片由AI生成，图片授权服务商Midjourney为了评估这些模型在历史知识上的表现，研究者们开发了一个名为 “Hist-LLM” 的基准测试工具。该工具依据 Seshat 全球历史数据库，旨在验证 AI 回答历史问题的准确性。研究结果在知名人工智

OpenAI 宣布推出其首个专注于生物数据的人工智能模型 ——GPT-4b micro，旨在帮助人类延长寿命，目标是让人类多活10年。根据 MIT 科技评论的报道，这一模型不仅为生物医学研究提供了新的视角，还可能引领意想不到的科学发现。OpenAI 与 Retro Biosciences 达成合作，后者成立于2022年，专注于开发抵抗细胞衰老的新药。该公司联合创始人丁胜教授曾在清华大学药学院担任院长，其团队在2022年取得了一项突破性成果，成功利用化学小分子诱导小鼠全能干细胞的稳定培养，这一成果还登上了著名期刊

最新研究显示，尽管人工智能在编程和内容创作等领域表现出色，但在处理复杂的历史问题时仍显不足。近期在NeurIPS会议上公布的一项研究表明，即使是最先进的大型语言模型（LLM）在历史知识测试中也难以取得令人满意的成绩。研究团队开发了名为Hist-LLM的测试基准，对OpenAI的GPT-4、Meta的Llama和谷歌的Gemini三款顶级语言模型进行评估。测试基于Seshat全球历史数据库进行，结果令人失望:表现最佳的GPT-4Turbo准确率仅为46%。图源备注：图片由AI生成，图片授权服务商Midjourney伦敦大学学院副教授

今天，阿里云通义团队正式发布了全新的数学推理过程奖励模型 Qwen2.5-Math-PRM。该模型提供了72B 和7B 两种尺寸，性能表现均显著优于同类的开源过程奖励模型，尤其是在识别推理错误方面表现突出。Qwen2.5-Math-PRM 的7B 版本令人惊讶地超越了业界广受欢迎的 GPT-4o，这一成就标志着阿里云在推理模型的研发上迈出了重要的一步。为了全面评估模型在数学推理中的表现，通义团队还开源了首个步骤级的评估标准 ——ProcessBench。这个评估标准涵盖了3400个数学问题测试案例，其中还包括国际奥林匹

在 Meta 正在进行的人工智能版权案件之一 Kadrey v. Meta 中，法院公布的内部消息揭示了该公司在开发 Llama3 时的激烈竞争和潜在版权问题。Meta的高层领导和研究人员全力以赴，力图在AI模型开发中超越 OpenAI 和 Anthropic 等公司，并将其 GPT-4 和 Claude 视为努力的黄金标准。激烈的竞争心态:Meta誓言打败OpenAI据Meta生成AI副总裁 Ahmad Al-Dahle 透露，该公司在开发 Llama3 时的目标明确指向 GPT-4，并决心通过高效的硬件支持，如64k GPU，在AI竞争中占得先机。Al-Dahle在一条内部信息中写道:“我们将推出64k GPU!

近年来，人工智能技术取得了显著进展，但在计算效率与多功能性之间仍然存在挑战。许多先进的多模态模型，如 GPT-4，通常需要大量的计算资源，这限制了它们在高端服务器上的使用，导致智能技术难以在智能手机和平板电脑等边缘设备上得到有效利用。此外，实时处理视频分析或语音转文本等任务仍面临技术障碍，突显出对高效、灵活的 AI 模型的需求，以便在有限的硬件条件下实现无缝运作。为了解决这些问题，OpenBMB 最近推出了 MiniCPM-o2.6，这款具有80亿参数架构的模型，旨在支持视

今日，讯飞星火4.0Turbo迎来了全面升级，其七大核心能力——文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力，均实现了显著提升，并在数学和代码能力方面超越了性能强劲的GPT-4o。

近日，随着一起关于人工智能版权的案件 ——Kadrey 诉 Meta 案的进展，Meta 公司内部的消息被法庭解封，透露出公司高管在开发 Llama3过程中，执着于超越 OpenAI 的 GPT-4模型。Meta 的生成 AI 副总裁阿赫马德・阿尔 - 达赫（Ahmad Al-Dahle）在2023年10月的一条信息中提到:“老实说，我们的目标必须是 GPT-4。我们有64000个 GPU!我们需要学习如何建设前沿技术，赢得这场竞争。”尽管 Meta 发布开放的 AI 模型，但公司的 AI 领导层显然更关注那些不公开模型权重的竞争对手，比如 Anthropic 和 OpenAI，并将它们的

​MiniMax于2025年1月15日宣布开源其全新系列模型MiniMax-01，该系列包含基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01。MiniMax-01系列在架构上进行了大胆创新，首次大规模实现线性注意力机制，打破了传统Transformer架构的局限。其参数量高达4560亿，单次激活459亿，综合性能与海外顶尖模型相当，且能高效处理长达400万token的上下文，这一长度是GPT-4o的32倍、Claude-3.5-Sonnet的20倍。

在人工智能技术飞速发展的当下，OpenAI 于2023年10月1日推出了其最新的实时 API，旨在为开发者提供构建智能语音应用的强大工具。此 API 的发布受到了广泛关注，尤其是在 OpenAI DevDay 新加坡站上，Daily.co 的工程师分享了他们在使用这一 API 过程中获得的经验和教训。该工程师们不仅借助实时 API 搭建产品，还积极参与了开源项目 Pipecat 的开发，旨在为更多开发者提供便利。实时 API 的核心功能是其出色的 “语音到语音” 处理能力，这使得开发者能够以极低的延迟实现语音交互。通过将语音输

微软近期在 Hugging Face 平台上发布了名为 Phi-4的小型语言模型，这款模型的参数量仅为140亿，但在多项性能测试中表现出色，超越了众多知名模型，包括 OpenAI 的 GPT-4o 及其他同类开源模型如 Qwen2.5和 Llama-3.1。在之前的在美国数学竞赛 AMC 的测试中，Phi-4获得了91.8分，显著优于 Gemini Pro1.5、Claude3.5Sonnet 等竞争对手。更令人惊讶的是，这款小参数模型在 MMLU 测试中取得了84.8的高分，充分展现了其强大的推理能力和数学处理能力。与许多依赖于有机数据源的模型不同，Phi-4采用了创新的方法来生

在2025年的 CES 展会上，闪极正式推出了其海外全新子品牌 loomos，并首发了一款名为 loomos AI 眼镜的新产品。这款眼镜在硬件配置和功能上，与国内版本的闪极 AI「拍拍镜」几乎一致，支持高达4K 的照片拍摄和1080P 的视频录制。不同之处在于，loomos AI 眼镜搭载了由 GPT-4o 驱动的语音助手，能为用户提供即时帮助，如文字翻译、物品识别、记忆车位以及信息检索等。loomos AI 眼镜预计将于1月21日左右在 Kickstarter 平台上开启众筹。官方同时宣布，将在北美和欧洲等地区设立分公司，致力于推动闪

在2025年 CES 消费电子展上，闪极宣布了其全新海外子品牌 loomos，并推出了最新的 loomos AI 眼镜。这款眼镜的硬件配置和特色功能基本与国内版本的闪极 AI “拍拍镜” 相同，支持拍摄4K 照片和1080P 视频，展现出强大的影像能力。与国内版本不同，loomos AI 眼镜搭载了由 GPT-4o 驱动的语音助手，可以为用户提供即时的帮助，例如文字翻译、物品识别、记忆停车位置和信息检索等实用功能。用户可以通过简单的语音指令，获得所需的信息或服务。据悉，loomos AI 眼镜将于1月21日在 Kickstarter 平台开启

近日，VITA-MLLM 团队宣布推出 VITA-1.5，这是该团队在 VITA-1.0基础上推出的升级版本，致力于提升多模态交互的实时性与准确性。VITA-1.5不仅支持英语和中文，还在多项性能指标上实现了显著提升，为用户提供了更流畅的交互体验。在 VITA-1.5中，互动延迟大幅降低，从原来的4秒缩短至仅1.5秒，用户在进行语音交互时几乎感受不到延迟。此外，该版本在多模态性能方面也有显著提高，经过评估，VITA-1.5在 MME、MMBench 和 MathVista 等多个基准测试中的平均性能从59.8提升至70.8，展现了出色的能力。VITA

在近期的一次社交平台发言中，OpenAI 的创始人兼 CEO 山姆・阿尔特曼透露，ChatGPT Pro 高级订阅的用户使用频率远超出公司的预期，尽管月费已达到200美元（约合1470元人民币），该服务仍然处于亏损状态。阿尔特曼表示，原本设定的价格应该能带来一定的盈利，但现实情况却不尽如人意。自2024年12月5日推出以来，ChatGPT Pro 已经引起了广泛关注。与每月20美元（约合147元人民币）的 Plus 版本相比，Pro 版本提供了显著的提升。用户现在可以无限制访问更为先进的 GPT-4o 和 OpenAI o1模型，同时也可

斯坦福大学在人工智能领域再次取得重大进展，他们最新开发的STORM&Co-STORM系统已经开源，这一系统能够通过简单的主题输入，全面整合多源信息，生成高质量的长篇文章。这一创新不仅能够避开信息盲点，还能大幅提升科研写作的效率和质量。STORM&Co-STORM系统的核心技术包括必应搜索和GPT-4o mini的支持。STORM部分通过“LLM专家”与“LLM主持人”之间的多角度问答，迭代式地生成提纲、段落和文章。而Co-STORM则通过多智能体之间的对话生成可交互的动态思维导图，确保不遗漏用户可能未注意到

正微软的研究团队近日推出了一种被称为 “大型行动模型”（Large Action Model，简称 LAM）的人工智能技术，标志着 AI 的发展迎来了新的阶段。与传统的语言模型如 GPT-4o 不同，LAM 能够自主操作 Windows 程序，这意味着 AI 不仅仅能对话或提供建议，而是能真实地执行任务。LAM 的优势在于其能够理解用户的各种输入，包括文字、语音和图像，然后将这些请求转化为详细的步骤计划。LAM 不仅能制定计划，还能根据实时情况调整其行动策略。构建 LAM 的过程主要分为四个步骤:首先，模型学习将任务