李亮指出，一篇题为《字节AI团队大变阵》的文章中存在多处不实信息。文章中提及的技术副总裁杨震原即将退休、冯佳时将离职创业等说法，均为错误信源所致。此外，关于张一鸣拜访豌豆荚创始人王俊煜及上海模速空间创业公司的报道，同样与事实不符。

据多位接近字节跳动的人士透露，字节跳动的 AI 核心部门 Seed 正在经历快速的战略调整和人事变动。刚刚从谷歌加入字节跳动的 AI 领域权威专家、曾参与 Gemini 开发的 Google Fellow 吴永辉博士，将接替原 LLM 团队及 Seed 总负责人朱文佳，成为 Seed 部门的新负责人。目前，团队内部正在进行汇报关系的梳理和调整。字节跳动内部人员表示:吴永辉博士将主要负责 AI 基础研究探索工作，侧重于基础研究领域;朱文佳则继续负责模型应用相关工作，侧重于模型应用领域。双方均在 Seed 部门，并直接向

字节跳动豆包大模型团队今日宣布，成功研发出全新稀疏模型架构UltraMem，该架构有效解决了MoE（混合专家）模型推理时的高额访存问题，推理速度较MoE提升2-6倍，推理成本最高可降低83%。这一突破性进展为大模型的高效推理开辟了新路径。UltraMem架构在保证模型效果的前提下，成功解决了MoE架构推理时的访存瓶颈。实验结果表明，在参数和激活条件相同的情况下，UltraMem不仅模型效果优于MoE，更将推理速度提升了2-6倍。此外，在常见batch size规模下，UltraMem的访存成本几乎与同计算量的Dense

想象一下，仅凭一张照片，就能在几秒钟内看到这个人说话、做动作，甚至进行表演，这就是字节跳动推出的 OmniHuman-1的魅力所在。这款近期在网上走红的人工智能模型，可以通过生成高度逼真的视频，使静态图像焕发活力，配合音频片段，实现口型同步、全身肢体动作和丰富的面部表情。与传统的深度伪造技术不同，OmniHuman-1不仅仅局限于人脸替换，而是能够完整地动画化整个身躯，包括自然的手势、姿态，以及与物体的互动。无论是一个政客在发表演讲、一个历史人物被复活，还是一

近日，香港大学与字节跳动合作研发的基于流动的视频生成模型 Goku 正式发布。该模型利用先进的生成算法，可以根据文本提示生成高质量的视频内容，极大地丰富了数字艺术的表现形式。为了展示 Goku 模型的强大功能，研究团队制作了一系列精彩的视频示例，这些示例不仅展示了模型的技术能力，也展现了其在创意表现上的无限潜力。Goku 模型的特点在于其高效的生成速度和图像质量。通过使用大量的数据训练，Goku 可以生成包括动画、自然风光、动物行为等多种场景。研究人员使用了原

字节跳动的研究团队近日开发出一款名为 OmniHuman 的人工智能系统，能够将单张照片转化为逼真的视频，展示人物的讲话、歌唱以及自然的动作。这一突破性技术有望彻底改变数字娱乐和通讯领域。OmniHuman 能够生成全身视频，展现人物在讲话时的手势和动态，超越了以往仅能动画面部或上半身的 AI 模型。这项技术的核心在于，它结合了文本、音频和人体动作等多种输入，通过一种称为 “全条件” 训练的创新方法，使得 AI 能够从更大、更丰富的数据集中学习。研究团队指出，OmniHuman 经过

在学术研究领域，文献检索是一项复杂且重要的信息获取任务。研究人员需要能够处理复杂的、专业知识领域的检索能力，以满足细致的研究需求。然而，现有的学术搜索平台，如谷歌学术，往往难以应对这些复杂的研究查询。例如，针对使用 UCB 方法的非平稳强化学习的专业查询，需要更强的计算和分析能力。此外，研究人员在进行文献综述时，通常需要耗费大量的时间和精力手动浏览庞大的学术数据库。尽管已有多项研究探讨了大型语言模型（LLMs）在学术论文检索和科学发现中的应用

2024年全球手机用户在 AI 聊天机器人和艺术生成工具上的支出达到了惊人的12.7亿美元。这一数据相比于前两年呈现出显著增长，其中聊天机器人应用的支出达到了10.7亿美元，显示出人们对 AI 助手的强烈需求和认可。根据最新的市场报告，ChatGPT 在人工智能生成内容（AIGC）应用的下载量和消费上均处于领先地位，成为用户的首选。紧随其后的是谷歌的 Gemini 和字节跳动的豆包，它们分别位列下载量的第二和第三位。这表明，用户不仅在使用 AI 技术，甚至愿意为此支付高额费用，表明市场对

据媒体报道，字节跳动正加大在人工智能（AI）领域的基础研究投入，其豆包大模型团队已在内部组建一支代号为“Seed Edge”的AGI长期研究团队。该团队旨在探索更长周期、具有不确定性和大胆的AGI研究课题，体现了字节在AI领域的战略决心。据披露，“Seed Edge”团队已初步确定了五大研究方向，包括探索推理能力的边界、探索感知能力的边界、探索软硬一体的下一代模型设计、探索下一代AI学习范式以及探索下一个scaling方向。这表明字节在AGI的布局并非仅限于应用层面，而是深入到了基础

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

2025年1月22日，字节跳动旗下的火山引擎宣布正式发布豆包大模型1.5，并全面上线火山方舟平台。此次发布的豆包大模型1.5在多个领域取得了显著的性能提升，综合能力达到全球领先水平，标志着字节跳动在人工智能领域的又一重要突破。

据媒体报道，字节跳动计划在2025年投资超过120亿美元用于人工智能芯片的研发与采购。英国金融时报援引知情人士透露消息，字节跳动已为今年在人工智能基础设施上编列了400亿人民币（约合55亿美元）的预算，这一数字是去年支出的两倍。随着人工智能技术的快速发展，字节跳动希望通过大规模投资来提升自身在 AI 领域的竞争力。除了在国内的投资，字节跳动还计划在海外市场投入约68亿美元。这笔资金主要用于采购英伟达的芯片，以增强其基础模型的训练能力。据悉，字节跳动已经通

字节跳动近日推出了一款针对中文开发者的 AI 集成开发环境（IDE）——Trae。这一产品旨在与 Cursor 和 Windsurf 等国际知名工具竞争，特别是在中文开发者的使用体验上，Trae 希望能填补现有工具的短板。在编程的日常中，许多开发者常常需要在英文和中文之间切换，这种中英混合的工作模式虽然习以为常，却让不少中文开发者感到不便。现有的 IDE 如 Cursor、Windsurf 和 Vscode，虽然功能强大，却未能对中文用户进行特别优化，造成使用时的不适感。Trae 的出现正是为了解决这一问题。Trae IDE 从底

在美国TikTok禁令即将生效之际，AI搜索公司Perplexity AI已加入竞购行列，为这款广受欢迎的短视频应用提供了一个新的可能性。据知情人士表示，Perplexity已经提交了与TikTok US合并的提案。这一方案的独特之处在于采用合并而非直接收购的形式，将创建一个新的实体，整合Perplexity、TikTok US以及新的股权合作伙伴。值得注意的是，该方案允许TikTok母公司字节跳动的大多数投资者保留其股权。对Perplexity而言，这次合并也具有战略意义。通过整合TikTok的视频资源，该公司有望为其AI搜索引擎带来更

近日，美国搜索引擎初创公司 Perplexity AI 向 TikTok 的母公司字节跳动提出了一项合并提案，计划将 Perplexity 与 TikTok 美国版合并成一个新实体。根据知情人士的透露，这一提案在面对即将到来的美国禁令时显得尤为重要。据了解，TikTok 正在面临美国政府的禁令，预计将在本周日生效，除非其能够切断与字节跳动的关系。然而，刚刚当选的总统唐纳德・特朗普表示，他可能会在周一给予 TikTok 一个为期 90 天的缓冲期，以便其能继续运营。这使得 TikTok 的未来充满变数。Perplexity AI 的合并计划旨

字节跳动旗下的豆包正式上线全新的 AI 编程功能，这一功能适用于豆包的电脑版和网页版，旨在提升开发者的编程效率和使用体验。从页面来看，用户现在可以轻松地通过一键上传多个本地代码文件，或者实时引入 GitHub 开源仓库，从而快速获取项目的完整上下文，无需繁琐的逐段复制操作。豆包的这一新功能配备了全新的代码编辑器，提供沉浸式阅读体验，帮助开发者更专注于代码本身。当用户需要对代码片段进行解释或调整时，能够精准圈选相关部分，大大提高了互动性和便利性。此

近日，南京大学的研究团队与字节跳动、西南大学联合推出了一项创新技术 ——STAR（Spatial-Temporal Augmentation with Text-to-Video Models），旨在利用文本到视频模型，实现真实世界视频的超分辨率处理。该技术结合了时空增强方法，能够有效提高低分辨率视频的质量，尤其适用于在视频分享平台上下载的低清晰度视频。为了方便研究者和开发者使用，研究团队已经在 GitHub 上发布了 STAR 模型的预训练版本，包括 I2VGen-XL 和 CogVideoX-5B 两种型号，以及相关的推理代码。这些工具的推出标志着在视频处

在数字媒体快速发展的时代，视频质量的提高和恢复成为了一个备受关注的话题。视频内容制作的普及使得人们对视频质量的要求日益增加，然而，许多视频在生成或传输过程中往往会受到各种因素的影响，导致画面模糊、细节缺失等问题。为了解决这一难题，南洋理工大学与字节跳动的研究团队近期推出了一款名为 SeedVR 的创新视频恢复技术。SeedVR 采用了前沿的扩散变换器（Diffusion Transformer）模型，旨在应对现实世界中视频恢复面临的各种挑战。传统的视频恢复方法在面对不同的分辨率

近日，字节跳动公司宣布推出一种名为 INFP 的人工智能系统，能够让静态的人物肖像照片通过音频输入实现 “说话” 和反应。与传统技术不同，INFP 无需手动指定说话和倾听的角色，系统可以根据对话的流动自动判断角色。INFP 的工作流程分为两个主要步骤。第一步，称为 “基于运动的头部模仿”，该系统通过分析人们在对话中的面部表情和头部运动，从视频中提取细节。这些运动数据会被转化为可以用于后续动画的格式，使静态照片能够与原始人物的运动相匹配。第二步是 “音频引导

近日，字节跳动发布了名为 LatentSync 的新型口型同步框架，旨在利用音频条件潜在扩散模型实现更精确的口型同步。该框架基于Stable Diffusion，针对时间一致性做了优化。与以往的基于像素空间扩散或两阶段生成的方法不同，LatentSync 采用端到端的方式，无需中间运动表示，能够直接建模复杂的音频与视觉之间的关系。在 LatentSync 的框架中，首先使用 Whisper 将音频频谱图转换为音频嵌入，并通过交叉注意力层将其集成到 U-Net 模型中。框架通过将参考帧和掩码帧与噪声潜在变量进行通道级拼接