在人工智能技术飞速发展的背景下，Codeium 近日推出了其首款智能集成开发环境（IDE）——Windsurf。Windsurf 的发布标志着开发者与编程工具互动方式的重大转变，旨在提供更高效、更智能的编程体验。Windsurf 的设计理念是将人工智能与直观的用户界面结合，帮助开发者更轻松地进行代码编写。其安装过程十分简单，用户只需从现有的 VS Code 中提取插件和设置，即可迅速完成配置。这种便捷的上手方式确保了开发者在更换工具时不会受到太大影响，能够无缝过渡到新的工作环境中。Windsurf 的几

视频编辑平台 InVideo 近日推出重磅升级版本 v3.0，引入了基于人工智能的文本生成视频功能。用户只需输入文字提示，即可创建真人实拍、动画或二次元风格的视频内容，并可针对 YouTube、Instagram Reels 和 LinkedIn 等不同平台进行定制化调整。这项新功能虽然依赖第三方 AI 模型构建，但用户可以通过追加文字提示对视频进行实时动态编辑。InVideo 为此专门推出了名为"Generative Plan"的订阅计划，起步价为每月120美元，可生成15分钟的视频内容，用户可根据需求购买更多时长。尽管这次升级显著提升

今日，智谱技术团队发布了其最新的视频生成模型 CogVideoX v1.5，并将其开源。这一版本是自8月以来，智谱技术团队推出的 CogVideoX 系列中的又一重要进展。据了解，此次更新大幅提升了视频生成能力，包括支持5秒和10秒的视频长度、768P 的分辨率以及16帧的生成能力。同时，I2V（图像到视频）模型也支持任意尺寸比例，进一步增强了复杂语义的理解能力。CogVideoX v1.5包含两个主要模型:CogVideoX v1.5-5B 和 CogVideoX v1.5-5B-I2V，旨在为开发者提供更强大的视频生成工具。更值得关注的是，CogVideoX v1.5将

北京智谱华章科技有限公司宣布，其旗下的CogVideoX系列模型推出了最新版本——CogVideoX v1.5，并已对外开源。自8月初发布以来，该系列模型凭借其行业领先的技术和深受开发者喜爱的特性，已经成为视频生成领域的佼佼者。新版本CogVideoX v1.5在原有基础上进行了显著升级，包括增强了视频生成能力，现在支持5/10秒、768P、16帧的视频生成，并且I2V模型能够支持任意尺寸比例，大幅提升了图生视频的质量和复杂语义理解。

近日，Cerence Inc. 与川崎汽车公司建立新的合作伙伴关系，以改变其两轮车系列的用户体验。通过整合该公司专为两轮车打造的平台Cerence Ride，川崎将为骑行者提供所需的信息，通过直观的语音人工智能助手访问导航、车辆控制和云应用。随着油价上涨和人口密集城市的交通拥堵，两轮车越来越受欢迎，这也使得骑行者在路上随时获取信息的需求日益增加。Cerence Ride 让川崎能够满足这一需求，通过语音辅助将骑行者与周围的世界联系起来。Cerence Ride 平台是专为两轮车打造的，能够提供语音

亚马逊Prime Video平台迎来重大更新。其标志性的X-Ray功能再添"AI智能助手"，全新的X-Ray Recaps功能正式亮相，让观影体验再上新台阶。X-Ray一直是Prime Video最受欢迎的功能之一，能够实时展示演员简介、背景音乐、拍摄花絮等丰富信息。而这次推出的X-Ray Recaps则通过生成式AI技术，将这一体验推向了新高度。据亚马逊官方介绍，X-Ray Recaps能够根据观众当前观看进度，智能生成个性化的内容概要，无论是整季剧集梗概、单集剧情回顾，还是某个片段的详细解说，都能轻松应对。这意味着，当你跟

亚马逊的 Prime Video 正在推出一项名为 “X-Ray Recaps 新功能，这是一种利用生成式人工智能技术的工具，旨在帮助用户快速回顾他们正在观看的节目。根据亚马逊在其博客中发布的信息，X-Ray Recaps 可以生成包括整个季节、单集及单集片段在内的文本摘要，用户无需从头观看便可了解关键情节。这一新功能将通过节目详细信息页面或在观看节目时的 X-Ray 功能进行访问。它能够分析不同的视频片段，并结合字幕或对话，生成有关关键事件、地点、时间和对话的详细描述。这意味着用户可以轻松

近日，图像 AI 初创公司 Recraft 发布了其最新的文本生成图像模型 Recraft v3，该模型在独立测试中表现出色，重新定义了图像生成的性能标准。根据 Recraft 的介绍，v3模型在生成图像中的文本、保持解剖学准确性、理解提示和制作高质量视觉内容方面都表现优异。其最大的突破在于能够在一次生成中准确呈现长段文本，而许多其他模型在处理超过几个字时常常力不从心。Recraft v3在 Hugging Face 的文本生成图像基准测试中名列第一，获得1172的 ELO 分数，超越了近期的竞争对手 Flux 和 Ideogram。用户

GitHub 近日宣布，将为使用 Mac 的开发人员提供一项重要更新。GitHub C o p ilot 的第一个预览版现已推出，开发人员可以尝试这项基于 AI 的新功能来改善他们的工作流程。GitHub C o pilot 是一个 AI 编码助手，它通过针对特定命令的建议和请求帮助开发人员更快地 编写代码。GitHub C o p il ot 现已适用于许多 IDE，包括 Android Studio 和 Visual Studio Code。现在该功能还将集成到 Xcode 中，Xcode 是用于为 macOS 和 iOS 等 Apple 平台开发应用程序的软件。借助 Xcode 中的 GitHub Co p ilot，开发人员可以使用代码完成和多行建议

当前，多模态大型语言模型（MLLM）在视频理解领域取得了显著进展，但处理超长视频仍然是一个挑战。 这是因为，MLLM 通常难以处理超过最大上下文长度的数千个视觉标记，并且会受到标记聚合导致的信息衰减的影响。 同时，大量的视频标记也会带来高昂的计算成本。为了解决这些问题，智源研究院联合上海交通大学、中国人民大学、北京大学和北京邮电大学等多所高校提出了 Video-XL，这是一种专为高效的小时级视频理解而设计的超长视觉语言模型。 Video-XL 的核心在于“视觉上下文潜在

​北京智源人工智能研究院联合上海交通大学、中国人民大学、北京大学和北京邮电大学等高校推出了一款名为Video-XL的超长视频理解大模型。这款模型是多模态大模型核心能力的重要展示，也是向通用人工智能（AGI）迈进的关键步骤。与现有多模态大模型相比，Video-XL在处理超过10分钟的长视频时，展现了更优的性能和效率。

最近，Salesforce AI 研究团队推出了一款全新的多模态语言模型 ——BLIP-3-Video。随着视频内容的快速增加，如何高效处理视频数据成为了一个亟待解决的问题。这款模型的出现，旨在提升视频理解的效率和效果，适用于从自动驾驶到娱乐等各个行业。传统的视频理解模型往往是逐帧处理视频，生成大量的视觉信息。这一过程不仅消耗了大量的计算资源，还极大地限制了处理长视频的能力。随着视频数据量的不断增长，这种方法变得愈发低效，因此，找到一种既能捕捉到视频的关键信息，又能

阿里巴巴达摩院最近开源了一款名为CoI-Agent的AI工具，可以帮助科研人员自动生成科研idea。这个工具可以根据输入的论文主题，快速生成相关的科研idea，帮助科研人员节省时间和提高效率。CoI-Agent可以被视为一个AI研究助手，可以帮助科研人员头脑风暴、发散思维，找到新的研究方向和idea。这个工具可以根据输入的主题，快速生成相关的关键词、研究问题、研究方法等，帮助科研人员快速找到研究方向。阿里巴巴达摩院开源CoI-Agent的目的是希望能够帮助科研人员提高研究效率，找到新的研

最近，加拿大的 AI 图像初创公司 Ideogram 推出了一项新功能 —— Canvas，目前正在进行 beta 测试。Canvas功能不仅包含了常规的图像生成，还提供了多种强大的选项，像 Remix、Extend （可帮助用户将图像扩展到其原始边框之外，从而保持一致的样式。此工具可用于调整图像大小、调整构图或将内容调整为不同的屏幕格式，而不会丢失原始结构。）和 Magic Fill(允许用户通过替换对象、添加文本、更改背景或修复瑕疵来编辑图像的特定区域) 等允许用户将新生成的图像自由地展开、对比，随意调整大

​近日，CodeFuse IDE0.6版本正式发布，引入了编辑器诊断问题 AI 修复功能，以及支持在下拉补全时同时出现内敛补全的特性，进一步提升了代码编写的便捷性和效率。CodeFuse IDE 是一款基于蚂蚁自研大模型 CodeFuse 和自研 IDE 框架 OpenSumi 开发的 AI 集成开发环境（IDE），支持主流编程语言，并在开发过程中提供代码编写建议、代码解释、单元测试生成、问题修复和智能终端等功能。

在近期的一项研究中，OpenAI研究团队推出了名为 MLE-bench 的全新基准测试，旨在评估AI智能体在机器学习工程方面的表现。这项研究特别关注75个来自 Kaggle 的机器学习工程相关竞赛，旨在测试代理在现实世界中所需的多种技能，包括模型训练、数据集准备和实验运行等。为了更好地进行评估，研究团队使用了 Kaggle 公开排行榜的基础数据，确立了每个竞赛的人类基准。在实验中，他们利用开源的智能体架构，对几种前沿语言模型进行了测试。结果显示，最佳表现的配置 ——OpenAI 的 o1-preview

近日，智谱AI宣布，视频通话API:GLM-4-Plus-VideoCall上线开放平台开放申请。据介绍，这是清言视频通话背后的模型，能够实现视频通话和语音多轮交互等跨模态能力，有望成为推动人机交互革新的新范式。

心理健康初创公司 Yung Sidekick 已获得825，000美元的种子前资金，用于开发针对心理健康专业人士的人工智能平台。该平台可以捕获治疗师的治疗音频并自动生成记录，人工智能可以在2分钟内从中提取可用于电子健康记录的进度记录和详细的治疗报告。Yung Sidekick 平台的目标是减少心理学家的行政负担，让他们能够投入更多时间与客户进行有意义的互动。该公司联合创始人 Stanley Efrem 表示:“在文书工作上花费的每一分钟，都意味着用于患者护理的时间减少一分钟。”图片来源:Yung Sidekick该公

在 AI 浪潮席卷全球的今天，语言障碍不再是知识共享的绊脚石。VideoLingo，这款革命性的视频翻译和本地化配音工具，可以一键为你带来 Netflix 级品质翻译视频，带来了人工智能视频翻译的新方式。VideoLingo 是一款全自动视频本地化工具，支持生成 Netflix 品质的字幕！支持多种高质量配音方案！在人工智能加速提升内容生产效率的背景下，VideoLingo 强大的功能帮助全球视频内容创作者和翻译者提供了跨越语言障碍的解决方案。本文将详细介绍 VideoLingo 的相关信息，帮助您全面了解这款产品。

在近期的云栖大会上，JetBrains 正式发布了基于阿里云通义大模型的 JetBrains Al Assistant。据悉，JetBrains Al Assistant 与多款 JetBrains 产品深度集成，是专为中国开发者量身定制的提效神器。JetBrains Al Assistant 支持全链路优化开发，可在特定 IDE 工具窗口中作为内联操作使用，也可以通过内置聊天使用。JetBrains 此前曾强调，AI Assistant 在中国大陆和其他地区没有区别，只是 LLM 不同，但主要功能完全相同。此外，JetBrains 中国区总裁李玥萱表示，“中国市场在 JetBrains 的全球版图中占据举足轻重的地位