Hugging Face收购法国机器人初创,加码开源机器人赛道
知名AI开源平台Hugging Face确认,已完成对法国机器人初创公司Pollen Robotics的收购。此次交易的具体财务细节未对外公布。对于以开源AI模型和社区闻名的Hugging Face来说,这一举动标志着其业务范围首次从软件和模型库扩展至硬件领域,显示出公司希望将其开源理念应用于机器人技术,特别是人形机器人方向的意愿。
收购完成后,Pollen Robotics的联合创始人Matthieu Lapeyre、Pierre Rouanet及约20 名员工将加入Hugging Face。
xAI推出Grok Studio:一站式AI创作与协作平台,重塑生产力工具格局
xAI近日宣布Grok-3迎来重大更新,正式推出Grok Studio,一个集文档生成、代码编写、报告分析、浏览器游戏开发及协作环境于一体的多功能平台。这一更新面向所有用户开放,包括免费和付费用户,为开发者、创作者和企业用户提供更强大的AI生产力工具。
Numina和Kimi团队联合发布Kimina-Prover预览版
4月16日,月之暗面(Moonshot AI)发布与非营利组织Numina(2023年国际AI数学奥林匹克竞赛冠军)联合研发的形式化定理证明模型Kimina-Prover预览版。
在权威数学验证基准MiniF2F上,该模型以80.7%的通过率刷新纪录,展现出对OpenAI o3-mini、DeepSeek-Prover-V1.5、Gemini 2.5 Pro、豆包及腾讯元宝等顶尖的通用推理大模型的压倒性优势。
Kimina-Prover的突破,标志着AI开始突破传统大模型的概率性推理局限,在形式化数学验证这一需要绝对严谨的领域,首次实现了与人类专家相当甚至超越的可靠性,并建立了新型验证范式。
不仅如此,实验清晰地表明,Kimina-Prover 的性能随着模型参数从15亿、70亿到720亿规模的增大而持续提升。
实验团队认为,这是首次在形式化数学领域的神经定理证明器中观察到如此明确的规模效应。
理想同学MindGPT 3.0发布:基于结构化思维链的深度思考模型
4月17日,理想同学基座模型MindGPT 3.0正式发布,模型能力全面升级,长思维链推理能力取得突破,性能对标DeepSeek-V3-0324(短思维链)及DeepSeek-R1(长思维链),基于监督微调和强化学习结合的思维链增强技术,具备深度推理、高质量反思、持续探索等推理能力,模型在复杂问题解决、多模态理解及推理、工具使用等方面的能力显著增强。
基于MindGPT 3.0,理想同学正式上线深度思考能力,在理想同学手机App及网页版均可免费使用。
具身智能机器人企业智平方发布新一代通用智能机器人AlphaBot 2(爱宝2)
4月16日,智平方推出了全栈自研的全域全身VLA大模型——Alpha Brain,该模型具备了从桌面到环境、从单臂到全身、从简单到长程的能力,能够让人形机器人实现在全身协同控制和全场景任务覆盖中的高效交互与自主行动。
另外,智平方还发布了搭载Alpha Brain的通用智能机器人AlphaBot 2(爱宝2),该机器人无需训练就能完成多种任务,具有360°?360°全空间探测感知能力,腰腿可升降。
首个人形机器人半马开赛在即,宇树G1将亮相
全球首个人形机器人半程马拉松4月19日即将在北京亦庄拉开帷幕。赛事邀请全球机器人企业、科研院所、机器人俱乐部、高校等创新主体的人形机器人参赛,据悉当天将有12000名人类选手与20多家机器人企业的“钢铁选手”并肩起跑。
目前在人形机器人领域技术较为成熟的宇树科技、北京人形机器人创新中心、松延动力、灵宝、上海青心意创科技等皆在参赛队列。
4月16日消息称,宇树科技G1机器人将作为城市之间科技队的选手亮相赛场。该团队已经为G1进行了适赛化改造升级:将灵巧手质地更换为复合型塑料从而减轻负重;在侧面改装为开放式电池仓,通过卡扣式设计实现电池快速换取。
实现“双杀”!中国大模型竞争力排名出炉:第一名是他
不久前,李飞飞领衔的斯坦福大学人工智能研究所发布了《2025年人工智能指数报告》,在评选的2024年重大模型发布里,阿里以6个模型的发布数量,高居全球第三、中国第一,这个成绩仅次于谷歌和OpenAI。
相比模型能力,阿里在生态建设和商业化层面的表现更加不容小觑。
近日,国际权威研究机构Omdia发布了《2025年度中国商用大模型》厂商评估报告。阿里不仅连续第二年获评领导者,还拿下了商用基础模型竞争力的整体第一,并在模型能力和执行能力两大核心维度蝉联榜首。
字节Seaweed-7B给视频生成卷出新高度
字节最近介绍了一个中等规模的研究模型,名为Seaweed-7B,该模型从零开始训练,拥有约70亿参数(7B),共使用了665,000小时的H100 GPU。尽管训练资源适中,Seaweed-7B在性能上仍表现出极强的竞争力,甚至可与当前体量更大的视频生成模型媲美。
尽管该模型表现出良好的潜力,但仍存在若干已知的局限性。首先,在视频基础模型的几乎所有方面仍有大量提升空间。要解决这些挑战,需要科研界与工业界的共同努力,推动数据整理、模型设计以及训练后处理等方向的进步。其次,受限于计算资源,模型在生成精细细节(如小型人脸或精致图案)方面仍存在不足。最后,确保负责任的视频生成 是一个亟需关注的研究方向,需要在安全性、公平性和伦理性方面投入更多努力。
豆包1.5深度思考模型发布
字节跳动火山引擎发布豆包1.5深度思考模型,采用MoE架构,总参数量200B,激活参数仅20B,在多项基准测试中达到或接近全球第一梯队水平,超越DeepSeek-R1等国产模型,与OpenAI o1、o3-mini-high能力相仿。豆包1.5·深度思考模型具备“边想边搜”、“视觉理解”等能力,高并发场景延迟仅20毫秒,显著降低训练和推理成本。在数学、编程、科学领域表现优异,在高难度通用人工智能测试ARC-AGI上得分超过OpenAI o1和o3-mini-high。截至2025年3月底,豆包大模型日均tokens调用量达12.7万亿,市场份额46.4%,位居中国市场第一。
Claude更新:高级Research功能、深度集成Google Workspace、语音模式即将上线
4月16日消息,Claude的母公司Anthropic宣布对其AI助手Claude进行重要升级,旨在进一步增强其作为高效协作工具的实用性。
本次更新引入了两项新功能,Research和Google Workspace深度集成。
不过,Research功能目前处于早期Beta测试阶段,面向美国、日本、巴西地区的Max、Team和Enterprise付费计划用户开放,用户可在设置中启用。
Google Workspace集成, 同样处于Beta阶段,所有付费计划用户均可在个人设置中启用。需要注意的是,Team和Enterprise计划的管理员需先在组织层面授权该集成。
另外,根据彭博社的报道,Claude的语音模式即将在本月上线。
中国自研AI图像生成模型HiDream-I1&HiDream-E1全面开源
4月15日,HiDream智象未来团队宣布开源图像生成大模型HiDream-I1与交互编辑模型HiDream-E1,打通从对话到图像创作闭环,引领行业技术产品新风向。
HiDream-I1在权威榜单Artificial Analysis中24小时内登顶,成为首个跻身全球第一梯队的中国自研生成式AI模型,并在图像质量、语义理解、艺术表现三大维度刷新行业纪录。多项创新,实现图像的多风格生成,涵盖动漫、肖像、科幻等场景。目前Hugging Face实时排名第二,以中国智造实力持续刷新世界记录。
OpenAI发布o3和o4-mini
深夜,OpenAI发布了o系列模型的最新成果o3和o4-mini。该系列模型经过训练,会在响应之前进行更长时间的思考。
OpenAI表示,这是他们迄今为止发布的最智能模型,也标志着ChatGPT能力的巨大飞跃。
这次新发布的推理模型能够像智能体一样使用并组合ChatGPT中的每一个工具——这包括搜索互联网、用Python分析上传的文件和其他数据、深入推理视觉输入,甚至生成图像。
至关重要的是,这些模型经过训练,能够推理何时以及如何使用工具,以在正确输出格式下产生详细且深思熟虑的答案,通常在不到一分钟的时间内解决更复杂的问题。这使得它们能够更有效地应对多面性问题,迈向一个更具自主性的ChatGPT,独立为你执行任务。
OpenAI CEO山姆?奥特曼表示,o3和o4-mini功能非常强大,尤其擅长多模态理解,并且可以组合使用ChatGPT中的所有工具。另外,o4-mini的价格非常划算。
黄仁勋时隔3个月再次到访北京,H20芯片管制或造成百亿美元损失
4月17日,应中国贸促会邀请,英伟达公司首席执行官黄仁勋抵达北京。黄仁勋在会谈中表示,中国是英伟达非常重要的市场,希望将继续与中国合作。三个月前,黄仁勋曾在华表态称,要继续与中国合作。特朗普加征关税政策对英伟达带来不小的影响。英伟达周二表示,由于美国对H20芯片实施出口管制,公司将计提55亿美元损失。不过,业内知情人士指出,这一出口管制对英伟达收入的实际影响可能超过100亿美元。此外,黄仁勋还会见了DeepSeek创始人梁文锋,讨论如何为中国设计下一代芯片,以满足客户需求以及中美双方的监管要求。
Reachy 2开源人形机器人正式开售
Pollen Robotics推出的Reachy 2是一款开源人形机器人,售价7万美元,已在多所顶级大学和研究机构中得到应用。其模块化设计和强大的AI驱动能力使其成为人形机器人领域的先锋,适用于多种研究和教育场景。高度仿人设计,具备7自由度手臂,能够自然、精准地执行动作,适合多种应用场景。模块化与开源架构,支持Python SDK编程,开发者可根据需求扩展功能,推动技术创新。已在全球20多个国家部署,客户包括知名机构,展现出在医疗、零售及教育等领域的广泛应用潜力。
猿辅导集团推出首个教育AI范式“小猿AI”
4月15日,猿辅导集团在“小猿AI暨智能硬件战略发布会”上,正式推出首个教育AI范式--“小猿AI”,并发布覆盖家校两端的“软件应用+智能终端+通识课程”三位一体解决方案,涵盖小猿AI App、小猿AI学习机及飞象星球人工智能通识课,系统性回应大模型时代教育AI的发展命题。
据了解,小猿AI模型层由猿辅导集团自研的猿力大模型和Deepseek-R1模型矩阵组成,既能充分发挥大模型优势,又能保障教育专业性。
百度地图正式发布V21版本
4月15日,百度地图正式发布V21版本,全面升级为全球首个“智驾级导航”,无论驾驶何种车型,用户均可通过车机或手机畅享智驾级导航,真正为全民智驾保驾护航。
传统导航只是在刻画现实世界,而智驾级4D导航则是感知世界的延伸。
为了打造更沉浸的智能座舱体验,百度地图V21首次发布自研渲染引擎——Real至真引擎,将次世代游戏渲染技术全面应用于导航,带来60+项图面效果提升。
可灵AI全球发布2.0模型,史上最强视觉模型来了
4月15日,快手可灵AI在北京中关村国际创新中心举行“灵感成真”2.0模型发布会,宣布基座模型再次升级,面向全球正式发布可灵2.0视频生成模型及可图2.0图像生成模型。
数据显示,自去年6月发布以来,可灵AI已累计完成超20次迭代,截至目前,全球用户规模突破2200万。来自世界各地的超1.5万开发者和企业客户,将可灵的API应用于不同的行业场景中。
一直以来,可灵AI致力于提升模型基础质量,增强画质清晰度,并引入更多创新功能,以满足用户多样化需求。快手高级副总裁、社区科学线负责人盖坤表示,可灵希望让每个人都能用AI讲出好故事,实现更加精准的复杂创意表达。
与“甲亢哥”斗舞的深圳机器人,开售!花18.8万元就可以拥有
众擎机器人4月15日宣布,近期在社交媒体上与“甲亢哥”合跳“斧头舞”走红的机器人已正式量产上市,现已在众擎京东自营旗舰店上架,售价为18.8万元。同时,众擎还推出了另一款双足机器人产品——众擎ENGINEAI SA01,售价仅为4.2万元。
当前,人形机器人产业链的最新动态备受市场关注。有券商机构认为,2025年为人形机器人量产元年,更是人形机器人通用能力跃升的起点,全球将有数千台人形机器人进入工厂场景训练。另有机构预计,未来三年人形机器人产业链的降本增效趋势将更加显著。
OpenAI开源超火Agent,五小时破5000颗星,霸榜Github
OpenAI在17日凌晨1点发布了开源项目Codex CLI,这是一款轻量级的终端代码智能体工具。仅5小时时间,该项目就在GitHub上收获了超过5000颗星,并有望在一天内突破1万颗星,成为开发者社区中的明星工具。OpenAI联合创始人Greg Brockman透露,Codex CLI只是其开源计划的第一步,未来还将推出更多Agent产品。
根据彭博消息,OpenAI正以30亿美元洽谈收购AI编程平台Windsurf,进一步表明其对智能体编程领域的重视与投入。Codex CLI功能强大且易用,支持通过简单提示生成完整代码文件、运行代码、安装依赖并实时展示结果。
上海人工智能实验室开源多模态大模型“书生?万象 3.0”
上海人工智能实验室近日开源了升级版多模态大模型“书生?万象 3.0”(InternVL3),这是一个能够同时处理文本和多模态输入的强大工具。这款模型通过创新的多模态预训练方法,在模型开发初期就将文本数据与图像、音频等多模态数据结合,使模型具备更强的语言和视觉理解能力。
InternVL3的参数规模从10亿到780亿不等,在多个专家级基准测试中表现优异,成为开源模型中的佼佼者。除了常规的多模态任务外,该模型还拓展了多项新能力,例如图形用户界面(GUI)智能体操作、建筑图纸理解、空间感知推理以及通识学科推理等。
微软开放Edge浏览器AI视觉助理Copilot Vision免费使用
4月17日消息,微软人工智能首席执行官穆斯塔法?苏莱曼今天在Bluesky上宣布,微软的人工智能助手功能“Copilot Vision”现在可以在Edge浏览器中免费使用,该功能可以解读屏幕上的内容并帮助用户使用应用程序。
据了解,“Copilot Vision”是一种“基于语音的体验”,用户可以通过语音指令与之交互。苏莱曼表示,当用户启用该功能时,“Copilot Vision”能够“实时看到屏幕上你所看到的内容”。例如,用户可以在烹饪时让“Copilot Vision”指导自己按照食谱操作,或者让它“解读”工作职位描述,并直接进入定制化的面试准备或求职信构思环节。不过,微软官方支持页面提醒用户,“Copilot Vision”虽然可以高亮显示屏幕上的部分内容以帮助用户找到相关信息,但它不会代替用户点击链接或执行任何具体操作。
值得注意的是,目前在Edge浏览器中免费提供的Copilot Vision功能是有限制的。更广泛的、跨应用、系统级别的Copilot Vision功能,例如在Photoshop、视频编辑软件中提供操作指导,或是在《我的世界》(Minecraft) 这类游戏中提供引导,仍然需要用户订阅Copilot Pro服务才能使用。
谷歌Gemini Live功能免费向所有安卓用户开放
谷歌公司17日宣布,其Gemini应用中的Gemini Live功能将正式免费向所有安卓用户开放。此决定是在收到用户对Gemini Live功能的积极反馈后作出的调整,旨在让更多用户体验到这一创新技术带来的便利。
据悉,Gemini Live功能能够实时识别并回应用户手机摄像头和屏幕上的内容。该功能本月早些时候率先在Pixel 9和三星Galaxy S25用户中推出,且初期需要通过Gemini Advanced订阅才能使用。然而,随着用户反馈的不断积累,谷歌决定改变策略,将这一功能免费提供给更广泛的安卓用户群体。
小鹏汽车抛出 “王炸”:720亿参数基模来袭,AI汽车大脑焕新升级
4月15日消息,小鹏汽车昨日在香港举办AI技术分享会,正式披露其正在研发的720亿参数超大规模自动驾驶大模型——“小鹏世界基座模型”。这一模型不仅将为小鹏汽车提供全新的智能驾驶“大脑”,还将通过云端蒸馏技术部署到车端,同时赋能小鹏的AI机器人、飞行汽车等多种终端设备。
据小鹏汽车自动驾驶负责人李力耘介绍,该基座模型以大语言模型为骨干网络,通过海量优质驾驶数据训练而成,具备视觉理解、链式推理和动作生成三大核心能力。通过强化学习训练,这一基座模型能够不断自我进化,有望发展出媲美甚至超越人类的自动驾驶技能。
4K分辨率视觉预训练首次实现!伯克利&英伟达多模态新SOTA,更准且3倍加速处理
近日,伯克利联合英伟达提出一项突破性成果:PS3视觉编码器,首次实现了在4K超高分辨率下的高效视觉预训练并且没有额外开销,并在此基础上提出多模态大模型VILA-HD。相比于目前最先进的多模态大模型(如Qwen2-VL),VILA-HD提升了高清场景下的表现和效率。
更关键的是,研究团队还发布了一个强挑战性的高分辨率视觉基准测试集:4KPro。在这个数据集上,VILA-HD相比于Qwen2-VL提升了3.2%的准确率并且实现了三倍的加速。
研究团队也开放了全部内容,该研究已被CVPR 2025评为Highlight论文。
从思考到行动:大模型自主工具调用能力的深度实现
复旦大学知识工场实验室的研究团队,在肖仰华教授和梁家卿青年副研究员的带领下,探索了如何让大模型具备自主工具调用能力。这项研究通过开源项目SimpleGRPO,成功将大模型从“被动执行者”转变为“主动决策者”,为人工智能的应用开辟了新方向。
研究团队以Qwen2.5-7B为基础模型,在数学问题数据集(如GSM8K和MAT)上训练,并通过强化学习算法(Reinforce++)优化模型表现。实验结果显示,经过训练的模型不仅能在数学题中灵活调用工具,还能将这种能力泛化到其他领域,例如逻辑推理和验证答案正确性。
起亚探索AI驱动“声音景观”技术:让视障乘客用听觉“感知”旅行
4月17日消息,起亚汽车最近推出了一项名为“起亚声景”的创新概念,旨在通过AI技术将沿途风景转化为声音,帮助视障人士“听”见窗外的世界。这一项目由起亚与营销机构Innocean合作开发,利用车辆的ADAS传感器检测周围环境,并通过AI界面生成动态配乐。例如,树木用柔和的木管乐器表示,山脉则用深沉的共鸣音调呈现,音乐节奏还会随车速变化。
研究显示,音乐能够激活视障者大脑中的视觉皮层,因此这套系统通过定制音效让乘客感知风景。在测试中,两位视障参与者安妮和丹尼乘坐起亚全电动EV9进行公路旅行,对体验感到感动。尽管该项目目前仅作为艺术实验而非商业化功能,但它展示了技术如何打破障碍,为社会创造更包容的体验。
结束
丨关于国脉文化丨
新国脉数字文化股份有限公司是中国电信旗下A股上市公司,成立于1992年4月1日,并于1993年4月7日在上海证券交易所挂牌上市(股票代码为600640),是我国邮电系统第一家上市公司。
作为中国电信数字内容领域的专业公司,国脉文化深入践行中国电信“云改数转”战略,积极弘扬“红色电信精神”,聚焦数字内容、数智应用、元宇宙、实体场景、数字资产五大板块业务,持续打造国家文化和科技融合示范基地,致力于成为文化和科技融合型领军企业,让全民共享文化数字化科技成果。
#AIGC+数字创意产业联盟
股票
板块
用户
资讯
评论 (0)