热搜话题榜单

业界唯一！百度网盘上线多模态AI笔记 效率提升10倍

快科技5月2日消息，过往，用户在通过视频学习并记录笔记时，总免不了要不停切换平台软件，暂停、截屏、记录、插图、批注、切换返回视频过程繁琐而低效。为了应对这种情况，百度网盘和百度文库联合研发上线了AI笔记”，支持全自动学习、半自动学习、辅助学习三种模式。如今只要在网盘里面任意打开一个学习视频，在右侧就能看到AI笔记”功能，用户可以自主输入内容，也可以让其直接生成图文并茂、结构清晰的笔记。而且每个重要知识点旁会有时间戳，点击时间戳即可跳转到视频中对应位置，实现视频和笔记内容的顺滑关联。此外AI笔记”还可以帮

多模态和Agent成为大厂AI的新赛 点

这是《窄播Weekly》的第52期，本期我们关注的商业动态是:当大厂的AI竞争策略开始倾斜向应用场景，多模态能力和代理执行成为两个焦点。大模型落地C端场景的核心，就是让大模型的能力越来越接近人。沿着这个主旋律，可以划分出两个进化方向:一个是持续降低用户与大模型进行有效沟通的难度;另一个则是让大模型具备执行更复杂任务的能力。前者的实现，需要给到大模型多

AI日报：国内首个多模态AI程序员上岗；字节启动Top Seed计划招募AI人才；DeepSeek R1T Chimera上线OpenRouter

【AI日报】今日AI领域重要动态：1.百度发布文心快码3.5及多模态AI程序员"文心快码Comate Zulu"，提升开发效率；2.字节跳动启动"Top Seed"计划，招募30名AI博士人才；3.DeepSeek开源R1T Chimera模型上线OpenRouter平台；4.阿里AI工程师余亮获"全国劳动模范"称号；5.开源图像编辑工具Step1X-Edit登陆Hugging Face，性能媲美GPT-4o；6.谷歌被曝每月向三星支付巨额资金预装Gemini应用

多模态和Agent成为大厂AI的新赛点

本期《窄播Weekly》聚焦AI大厂竞争策略向应用场景倾斜的趋势，重点分析了多模态能力和代理执行两大发展方向。文章指出，大模型落地的核心在于让人机交互更自然，具体表现为：1）通过多模态技术降低用户使用门槛，如阿里夸克新推出的"拍照问夸克"功能；2）通过代理执行提升复杂任务处理能力，如字节、百度等推出的通用Agent产品。国内外厂商路径差异明显：国�

UniToken：多模态AI的“全能选手”，一次编码搞定图文理解与图像生成

复旦大学与美团研究者提出UniToken框架，首次在统一模型中实现图文理解与生成任务的"双优表现"。该方案融合连续和离散视觉编码，有效解决了传统多模态建模中的"任务干扰"和"表示割裂"问题。通过三阶段训练策略（视觉语义对齐、多任务联合训练、指令强化微调），UniToken在多个基准测试中性能超越专用模型。其创新性体现在：1）统一的双边视觉编码

可灵AI发布全新2.0模型：上线多模态视频编辑功能

快科技4月16日消息，据报道，可灵AI在北京举行灵感成真”2.0模型发布会，正式发布可灵2.0视频生成模型及可图2.0图像生成模型。据介绍，可灵2.0模型在动态质量、语义响应、画面美学等维度保持领先；可图2.0模型在指令遵循、电影质感及艺术风格表现等方面显著提升。3月27日，全球AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模

刚刚，商汤发布第六代大模型：6000亿参数多模态MoE，中长视频直接可推理

现在的国产AI应用，一口气看好几分钟的视频，都可以直接做推理和解析了!瞧~只需“喂”上一段柯南片段，AI就摇身一变成“名侦探”做剖析:它会对整个视频的内容先做一个总结，再按照秒级，对视频片段做内容上的推演。商汤科技联合创始人杨帆认为:银河通用合伙人、大模型负责人张直政表示:除此之外，上海交通大学副教授闫维新对这个问题的看法是:总言之，商汤作为国�

AI日报：阿里腾讯全面支持MCP协议；阶跃星辰多模态推理模型Step-R1-V-Mini；美图WHEE图像生成模型Miracle F1

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里巴巴已宣布全面支持MCP协议腾讯紧随其后近日，中国人工智能领域迎来技术标准的变革，ModelContextProtocol成为国内AI生态的事实标准。12.英伟达发布Llama3.1NemotronUltra253B，性能�

1000万上下文！新开源多模态大模型，单个GPU就能运行

今年2月初，谷歌发布的Gemini2.0Pro支持200万上下文，震惊了整个大模型领域。仅过了2个月，Meta最新开源的Llama4Scout就将上下文扩展至1000万，整整提升了5倍开启千万级时代。根据实验数据显示，Llama4Behemoth在MMLUPro、GPQA、MATH-500等测试的数据比GPT-4.5、ClaudeSonnet3.7、Gemini2.0Pro更好。

刚刚，Llama 4深夜开源击败DeepSeek V3！2万亿多模态巨兽抢回王座

Llama4重磅发布了!Meta官宣开源首个原生多模态Llama4，首次采用的MoE架构，支持12种语言，首批发布一共两款:Llama4Scout:共有1090亿参数，17B活跃参数，16个专家，1000万上下Llama4Maverick:共有4000亿参数，17B活跃参数，128个专家，100万上下文另外，2万亿参数Llama4Behemoth将在未来几个月面世，288B活跃参数，16个专家。Llama4的横空出世，成为迄今为止开源最强，多模态能力最好的模型之一。L

GPT-4o多模态生图正式上线 - 用嘴改图，此为王道。

今天日子是2025年3月26日。

AI日报：昆仑万维开源R1V多模态推理模型；豆包AI编程能力上线三大功能；英伟达推DGX个人AI超级计算机

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、昆仑万维开源SkyworkR1V视觉思维链推理模型昆仑万维推出全球首个开源多模态推理模型SkyworkR1V，具有38亿参数，性能接近知名闭源模型DeepSeek-R1。该功能能够快速分析过去48小时内的热点话题，用户反馈积极，显示出Grok在信息处理方面的强大实力。

AI日报：重磅！阿里新夸克升级为“AI超级框”；谷歌开源多模态模型Gemma-3；潞晨科技开源视频大模型Open-Sora 2.0

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里巴巴推出AI旗舰应用“新夸克”全面升级为“AI超级框”阿里巴巴于3月13日推出了其全新升级的AI旗舰应用——新夸克。智谱在融资方面表现优异，去年成功完成多轮融资，总额超过40亿元，吸引了多家知名投资机构。

全球首次！2B复现DeepSeek-R1「啊哈时刻」，UCLA等用纯RL实现多模态推理

【新智元导读】由UCLA等机构共同组建的研究团队，全球首次在20亿参数非SFT模型上，成功实现了多模态推理的DeepSeek-R1「啊哈时刻」!就在刚刚，我们在未经监督微调的2B模型上，见证了基于DeepSeek-R1-Zero方法的视觉推理「啊哈时刻」!这一成就，再次让AI社区轰动。博客地址:https://turningpointai.notion.site/the-multimodal-aha-moment-on-2b-model开源项目:https://github.com/turningpoint-ai/VisualThinker-R1-ZeroDeepSeek-R1的独特推理能力，能成功扩展到多模态推理领域吗?UCLA等机构的研究者发现，虽然目前已经涌现出许多试图复现DeepSeek-R1的研究，然这些研究大多遭遇了这个难点:很难复现出R1所表现出的回答长度增加和思考模式。在台湾大学获得硕士学位，导师是Chih-JenLin教授。

百度今年将发布人工智能模型Ernie 5.0：大幅增强多模态能力

据报道，百度计划在今年下半年发布下一代人工智能模型Ernie5.0，将大幅增强多模态能力。多模态人工智能能够处理和融合文本、视频、图像和音频等多种信息形式，并实现跨模态转换，例如将文本转换为视频，或将音频转换为图像。Ernie模型的当前版本为第四代，于2023年10月发布，其升级版涡轮版Ernie4.0于2024年8月发布。

Sam Altman炸场东京，亲曝GPT-5研发路线图，多模态能力颠覆传统

OpenAI联合创始人兼首席执行官SamAltman出席了日本东京大学活动，介绍了OpenAI的技术研发、产品规划以及GPT模型未来发展等重要信息。在问答环节，有学生提到了大家比较关心的GPT-5问题，Altman表示，GPT-5将是一个超级混合模型，计划会把GPT和o系列模型整合在一起，并且支持视频、音频、图像的多模态交互。Altman表示，OpenAI积极倡导与全球各界共同探讨伦理问题，希望通过广泛的交流和合作，形成一套科学合理、切实可行的伦理规范。

滚烫Deepseek一夜刀掉英伟达4万亿，除夕开源多模态新模型：7B超越DALL-E 3和StableDiffusion

DeepSeek大爆出圈，现在连夜发布新模型——多模态Janus-Pro-7B，发布即开源。在GenEval和DPG-Bench基准测试中击败了DALL-E3和StableDiffusion。他们分别是湛江人梁文锋，汕头人杨植麟以及AI学术大佬广州人何恺明。

DeepSeek深夜发布全新多模态大模型 性能碾压OpenAI

爆火的国产大模型DeepSeek又放大招，今天凌晨突然发布Janus-Pro多模态大模型，进军文生图领域。在GenEval和DPG-Bench基准测试中，Janus-Pro-7B不仅击败了OpenAI的DALL-E3击败了StableDiffusion、Emu3-Gen等热门模型。作为多模态模型，Janus-Pro不仅能文生图能对图片进行描述，识别地标景点，识别图像中的文字，并能对图片中的知识进行介绍。

多模态卷王阶跃震撼6连发，春节档最强AI家族来袭！

【新智元导读】开年放大招!阶跃星辰重磅升级Step系基座模型全家桶，一口气连更上新6款模型。作为业内公认的「多模态卷王」，这家AI明星公司目前已拥有业内最全模型矩阵。在通过AGI的征程上，只有那些能够持续积累的玩家，才有可能走到最后。

Kimi硬刚多模态满血版o1，首曝训练细节！强化学习scaling新范式诞生

【新智元导读】来了来了，月之暗面首个「满血版o1」来了!这是除OpenAI之外，首次有多模态模型在数学和代码能力上达到了满血版o1的水平。AI大神Karpathy曾说过，「英文是最热门的编程语言」。k1.5已经带来了诸多惊喜真是有点期待下一代模型的到来。