Sesame 公司最新推出的语音合成模型“Conversational Speech Model”（简称 CSM）近日在 X 平台上引发热议，被誉为“像真人说话一样的语音模型”。这款模型以其惊艳的自然度和情感表达能力，不仅让用户“已经无法分辨”其与人类的区别，还宣称成功跨越了语音领域的“恐怖谷效应”。随着演示视频和用户反馈的传播，CSM 正迅速成为 AI 语音技术的新标杆。跨越“恐怖谷”:CSM 的技术突破“恐怖谷效应”是指当人工合成的语音或形象接近真实人类但仍存细微差异时，会引发人类的不适感。Sesame 通

亿万富翁埃隆·马斯克旗下的公司 xAI 近日在其网站上更新了一个常见问题解答页面，详细介绍了其人工智能聊天机器人Grok的新模式——“Unhinged Mode”。据了解，这种模式将提供“旨在引起反感、不恰当和冒犯”的回应，类似于一个仍在学习技艺的业余单口相声演员。马斯克去年4月首次提及这种神秘的模式，但截至目前尚未上线。“Unhinged Mode”可能是马斯克实现 Grok 最初愿景的尝试。两年前，马斯克宣布推出 Grok 时，他称这款聊天机器人前卫、未经过滤、反“觉醒”，并愿意回答其他人

目前，AI已跃升为企业增强竞争力、驱动创新加速及优化运营流程的核心技术。中小企业正面临着如何高效管理、优化AI模型，并顺利实现其业务应用落地的重大挑战。在全球范围内，随着人工智能等前沿技术的蓬勃发展，未能及时适应数智化转型浪潮的企业，或将被市场逐步淘汰。因此，优刻得推出了一款企业级AI模型服务平台UModelVerse，为企业提供从模型微调、训练、评估到部署的全生命周期解决方案，助力企业实现AI技术的深度赋能，提升运营效率、驱动智能化转型。作为一款创新的大

最近，Answer.AI 和 LightOn 联合发布了开源语言模型 ModernBERT，这是对谷歌 BERT 的重大升级。根据开发者的介绍，ModernBERT 在处理速度、效率和质量上都有了显著提升。该模型可以比其前身快四倍，同时使用更少的内存。ModernBERT 的设计允许它处理长达8192个标记的文本，这比现有编码模型的典型512标记限制提高了16倍。此外，ModernBERT 还是首个经过广泛训练的编程代码编码模型，它在 StackOverflow 问答数据集上的得分超过80，创造了编码模型的新纪录。在通用语言理解评估（GLUE）中，ModernBERT-Large

OpenAI 正式发布了其最新的 o-Model 推理系列模型 ——OpenAI o3。作为继任者，o3在数学和科学推理方面展现了显著的进步，引发了业界对其能力与局限性的广泛讨论。OpenAI 表示，o3的设计旨在提升处理结构化思维需求的推理能力，尤其是在数学和科学领域。该模型在一项专门的推理基准测试 ARC AGI 中表现优异，得分从之前模型的32% 跃升至87%。这一进步标志着 o3在解决复杂逻辑和数学问题上的能力有了显著提升。o3的性能表现尤为引人关注。在高级数学测试中，o3的成功率达到96.7%，相比之前的

近日，华盛顿大学的研究团队发布了一个名为 SAMURAI 的新型视觉追踪模型。该模型基于沿的 Segment Anything Model2（SAM2），旨在解决在复杂场景中进行视觉对象追踪时所遇到的挑战，尤其是在处理快速移动和自遮挡物体时。SAM2在物体分割任务中表现出色，但在视觉追踪方面却存在一些限制。例如，在拥挤的场景中，固定窗口的记忆方式未能考虑到所选记忆的质量，这可能导致错误在视频序列中不断传播。为了解决这一问题，研究团队提出了 SAMURAI，通过引入时间运动线索以及运动感知记忆选择

价值190亿美元的AI初创公司Anthropic的CEO Dario Amodei在周三旧金山AI大会上，就人工智能发展风险问题发表了引人深思的见解。虽然他认为目前的AI模型并不会给人类带来即刻威胁，但他对一些同行过于轻视AI风险的论调提出了尖锐批评。针对著名风险投资人Marc Andreessen的观点，Amodei展开了独到的分析。Andreessen曾在今年三月发推文称"限制AI就等同于限制数学、软件和芯片"，并将AI简单归结为"数学"。对此，Amodei指出这种逻辑存在根本性缺陷。"如果用这种逻辑，人类大脑不也是数学吗?神经元的放

据Tech星球报道，阿里巴巴正测试了一款名为 “Animode” 的 AI 视频创作工具，这是一款专业的3D 软件，旨在帮助用户创建真实感十足的二次元角色和高质量的视频效果。资料显示，该工具的官方网站为 animode.com.cn，备案主体为杭州连凡信息技术有限公司，后者同时也是阿里 AI 电商工具 “绘蛙” 的开发者。 据了解，使用Animode时，用户只需上传图片或视频等素材，便可以通过该工具将现实世界的视频转换为二次元风格的视频。这一转化过程不仅简单易用，还使得人物动作和招式流畅自然，带

在AI领域，我们似乎正站在一个新时代的门槛上。Anthropic的CEO Dario Amodei最近发表了一篇长达15000字的文章，向我们展示了一个由AI驱动的未来世界，其中技术不仅带来了前所未有的繁荣和社会提升，还带来了丰富的资源。他坚信，所谓的“强大AI”最早可能在2026年，这种AI将比诺贝尔奖得主更聪明，能够完成从证明数学定理到撰写优秀小说的一系列任务。Amodei的愿景中，AI将能够控制任何软件或硬件，包括工业机械，几乎能够取代人类今天所做的大部分工作，而且做得更好。他甚至预测，在

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

在数字时代，内容安全问题愈发受到重视。9月26日，OpenAI 正式推出了一款全新的多模态内容审核模型，名为 “omni-moderation-latest”。该模型基于最新的 GPT-4o 技术，能够准确地识别检测有害文本图像。这一更新将为开发者提供强大的工具，让他们能够构建更强大的审核系统。新模型的亮点在于，它支持对文本和图像输入进行审核，特别是在处理非英语内容时表现更加出色。与之前的审核模型相比，“omni-moderation-latest” 不仅提高了识别的准确性，还增加了检测更多有害内容的能力。它可以对

据最新消息，特斯拉计划在10月10日于洛杉矶华纳兄弟电影制片厂举办活动，届时将展示备受期待的Robotaxi无人驾驶出租车。马斯克表示，这一天对特斯拉来说意义重大，甚至可与Model3的发布相提并论。此前，有博主在社交平台推特上透露，挪威为了解决电动公交车在冬季供暖问题，正在尝试为这些车辆加装柴油发电机。这一措施的原因是去年冬季，一些电动公交车因电量耗尽导致乘客被困车内，造成了混乱局面。该博主强调，这一情况是真实发生的。对此，特斯拉CEO埃隆·马斯克在推特上

Rabbit R1CEO吕骋近日披露，过去六个月里，Rabbit R1经历了16次更新，包括错误修复、缩短响应时间以及添加小功能等。同时，吕骋宣布Rabbit R1即将在10月1日推出全新模型——Large Action Model。在过去的六个月中，R1经历了多次无线更新，目前仍只能与七种特定服务（如 Uber 和 Spotify）进行交易。Lyu 承认，早期的高期望可能过于乐观，但他强调新的 LAM将提供更广泛的功能，允许用户如购买音乐会门票、注册网站及在线游戏等任务。LAM 的工作原理架构为步骤，通过分析网页内容进行交互。Lyu 演示了

机器人初创公司1X Technologies 开发了一种新的生成模型，可以提高仿真中训练机器人系统的效率。该公司在一篇新的博客文章中宣布了该模型，解决了机器人技术的重要挑战之一，即学习“世界模型（1X World Model）”，该模型可以预测世界如何响应机器人的动作而变化。当机器人从相同的起始图像序列出发时，这个世界模型可以根据不同的动作提议，想象出多种未来场景。这种能力使其能够预测复杂的物体互动，比如刚体的运动、物体掉落的效果、以及与可变形物体（如窗帘、衣物）和关节

上海人工智能实验室的司南 OpenCompass 团队与魔搭 ModelScope 合作，推出了 Compass Multi-Modal Arena，这是一个大模型评测平台的新版块，专注于多模态大模型。用户可通过上传图像并输入问题，让两个匿名多模态大模型生成答案，然后基于生成内容的质量进行主观评估，选择表现更佳的模型。平台提供简单易用的界面和特色题库，题库侧重于主观视觉问答任务，如迷因理解、艺术品赏析和摄影作品赏析。此平台旨在评估多模态大模型在主观任务上的性能和用户体验，并已向公众开放。

近日，阿里巴巴推出了一款名为DS Assistant的AI数据科学助手，它能够自动化地完成从数据探索到模型评估的全流程，让数据科学工作变得更加简单、高效。

智谱AI在其OpenDay活动中推出了名为清影（Ying）的AI大模型，能够将任意文字生成视频。清影基于文本生成视频的能力，可以在30秒内生成1440x960清晰度的高精度视频，用户只需输入一段文字(即Prompt)，选择想要的风格，如卡通3D、黑白、油画、电影感等，即可生成视频。清影已上线清言App，面向所有用户开放。

东京初创公司Sakana AI推出了Evo-Ukiyoe和Evo-Nishikie两个AI模型，旨在生成浮世绘风格艺术作品。Evo-Ukiyoe通过文字提示生成图像，Evo-Nishikie则用于为图像添加浮世绘色彩或改变风格。这些模型分别基于自家的Evo-SDXL-JP模型优化而成，使用了24000多幅浮世绘艺术品作为训练数据。目前，这两个模型仅支持日语提示，旨在提高对传统日本美学的欣赏和教育，提供研究与开发工具，但尚不适用于商业用途。

Google DeepMind发布了一项引领性的研究，中心围绕其提出的百万级专家模型——Mixture，该模型采用了革新性架构在Transformer基础上跨出重要一步。Mixture通过让从十万多个微型专家中高效快速进行稀疏检索，实现了在保持计算效率的同时释放Transformer架构潜力的目标。核心亮点在于参数效益高的专家检索机制，通过乘积密钥技术分离计算成本与参数计数，PEER架构在语言模型任务中展现出卓越性能，优于密集式FFW，粗粒度MoE和PKM层。实证结果显示，通过调整专家数量与活跃专家数量，Mixture模型性能显著提升，特别是其在降低困惑度方面的出色表现。这项技术突破性地展示了个性化和智能化能力在提升转化率和用户满意度上的潜力，对于AIGC领域具有重要影响。

在2024年的世界人工智能大会上，商汤科技展示了其全新可控人物视频生成大模型——Vimi。该模型应用了商汤自主研发的先进大模型技术，通过一张照片即可生成与目标动作吻合的人物视频，具备精准的表情和肢体控制、多种驱动方式（包括视频、动画、声音和文字）以及高度一致、光影自然的视频输出。Vimi的突出稳定性使得它能够生成长达1分钟以上的人物视频，并且画面效果不会随时间劣化。模型还具备根据人物动作调整环境的能力，支持光影变化模拟，为视频创作者提供了丰富的创作自由度。此外，Vimi还以Vimi相机的形式推出了消费者版本，为用户提供了将不同角度的高清人物图片转化为数字分身和个性化风格视频的工具。用户可以通过关注并提交预约来体验Vimi相机的内测版本。