跳到正文

#多模态

今日 4 条

8月12日星期三

AI HOT 精选

Google Gemini 独立 App 月活用户突破 10 亿,追上 ChatGPT 6 月的水平

Google CEO Sundar Pichai 在 X 上宣布,Gemini 独立 App 的月活用户数超过了 10 亿,这是 Google 第 14 个达到这个量级的产品。这个数字只算独立 App,没把搜索里的 AI 模式等其他入口算进去。ChatGPT 在今年 6 月刚跨过 10 亿月活,Gemini 现在跟得很紧。

推荐理由:Google CEO 宣布 Gemini 独立 App 月活突破 10 亿,成为 Google 第 14 个达到该量级的产品,这一数字只计独立 App,与 ChatGPT 今年 6 月的水平相当。

8月11日星期二

纽约时报中文网

Meta 把付费模型 Muse Spark 免费开放了,新模型叫 Muse Glimmer

Meta 发布了一个叫 Muse Glimmer 的开放权重模型,它和上个月推出的付费闭源模型 Muse Spark 几乎一样,能生成代码、文字和图片。开放权重意味着你可以下载模型文件自己跑,但底层代码没全公开,不算彻底的开源。扎克伯格同时发了篇 14 页的文章,核心观点是超级智能不该被几家大公司攥在手里,并宣布拿 10 亿美元投给数据中心所在的社区。

推荐理由:Meta 将上月付费闭源模型 Muse Spark 的能力几乎原样放进开放权重的 Muse Glimmer,可下载模型文件自行部署,但底层训练代码未公开。

8月10日星期一

AI HOT 精选

SGLang 第一时间适配 Meta 的本地智能体模型 Muse Glimmer,单卡 RTX 5090 跑到每秒 1452 个 token

Meta 发布了 Muse Glimmer,一个 300 亿参数的多模态模型,专门为在本地硬件上跑智能体工作流设计。SGLang 推理框架在发布当天就提供了支持,并做了针对性优化。

推荐理由:SGLang 在 Meta 发布 Muse Glimmer 当天完成适配,并针对本地智能体工作流优化推理,单卡 RTX 5090 达到每秒 1452 个 token。

Hacker News 首页

Meta 开源 Muse Glimmer:一个能在本地单 GPU 上跑的 30B agent 模型

Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了。这是一个 30B 参数的模型,专门为常驻本地的 agent 工作流设计,小到能在 Mac 或 PC 的单张消费级显卡上跑。用 4-bit 量化能把模型压到 20 GB 以下,在 24 GB 或 32 GB 显存里还能留出空间给 KV cache 和视觉编码器。

推荐理由:Meta 以 Apache 2.0 协议开源 30B 参数的 Muse Glimmer,4-bit 量化后不到 20 GB,可在单张消费级显卡上常驻运行本地 agent 工作流。

8月6日星期四

AI HOT 精选

阿里云发布 Qwen-Image-3.0,高分辨率生图起步价 0.03 美元

Qwen-Image-3.0 主打生产环境可用,能吞下 4500 个 token 的提示词,相当于一篇小作文。官方说文字准确率超过 100%,logo 不会出现乱码或破损,原生支持 12 种语言。高分辨率生图起步价 0.03 美元,按量付费。不过正文只给了标题和链接,没提模型架构、推理速度和具体跑分,这个准确率数字先别太当真,等第三方实测再说。

推荐理由:阿里云发布 Qwen-Image-3.0,主打生产环境可用,支持 4500 token 提示词与 12 种语言,高分辨率生图按量付费起步价 0.03 美元。

Product Hunt · AI

Mistral 发布 Shieldstral:一个 3B 开源多模态护栏,能在推理时用自然语言定义安全策略

Mistral 这周在 Product Hunt 上架了 Shieldstral,一个 30 亿参数的开源多模态安全护栏。你可以直接用大白话写安全规则,它就能同时检查文字、图片或混合内容,最后只吐一个 token 告诉你过还是不过。一张 16GB 显存的消费级显卡就能在本地跑起来。

推荐理由:Mistral 开源了 30 亿参数的 Shieldstral 多模态安全护栏,支持用自然语言定义安全规则,一张 16GB 显存消费级显卡即可本地运行。

AI HOT 精选

Simon Willison 用 Claude Fable 5 一次性生成了完整的《Raccoon Heist》3D 游戏

Simon Willison 把 2022 年的一条老推文和两张概念图丢给 Claude Fable 5,没再给任何指令,模型自己选型 Three.js、调用 OpenAI 的 gpt-image-2 生成贴图,做出了一个能在浏览器里玩的 3D 浣熊盗窃游戏。整个过程在手机上完成,通过 GitHub Pages 部署。

推荐理由:Simon Willison 只给一条老推文和两张概念图,Claude Fable 5 便自主选定 Three.js 并调用图像模型生成贴图,全程在手机上完成并部署上线。

8月5日星期三

Hacker News 首页

Qwen 发布 Image 3.0 Pro:一次生成带小字、多图排版的复杂版面,生图价格每千张 4 美元

这个模型能一口气处理 4500 个 token 的输入,直接生成报纸、菜单、故事板这类信息密度很高的图,而且图里还能再套图。它能把文字稳定渲染到 10 像素那么小,支持 12 种语言和 20 多种字体,对皮肤毛孔、发丝、微表情的还原也接近照片质感。

推荐理由:Qwen 发布 Image 3.0 Pro,能一次生成报纸、菜单这类高密度版面,并把文字稳定渲染到 10 像素,每千张 1K 图 4 美元的价格给出了生图成本的一个参照。

Hacker News 首页

Mistral 发布 Shieldstral:一个 3B 参数、开放权重的多模态内容审核模型

Mistral 推出了 Shieldstral,一个 30 亿参数、开放权重的模型,专门用来检查文字和图片内容是否违规。它可以在本地或边缘设备上跑,负责审核用户输入和模型输出。官方博文没给跑分、延迟数据,也没提价格,只把它定位成一个安全过滤器。我会等第三方评测,但 3B 这个尺寸对于自己部署审核来说确实够轻量。

推荐理由:Mistral 发布 30 亿参数开放权重的 Shieldstral,用于检查文字和图片内容是否违规,并可在本地或边缘设备运行,为自建审核过滤提供了轻量选择。

8月4日星期二

AI HOT 精选

商汤开源 SenseNova U1,一个模型同时搞定推理和出图

商汤放出了一个叫 SenseNova U1 的开源模型,把逻辑推理和图像生成塞进了同一条流水线。它能直接把一句提示词变成带图的结构化幻灯片,也能一步步边想边画,比如演示怎么分六步画出一条龙。模型代码和权重已经挂在 HuggingFace、GitHub 和 SenseNova Studio 上。

推荐理由:商汤开源 SenseNova U1,把逻辑推理与图像生成放进同一条流水线,代码和权重已公开在 HuggingFace、GitHub 和 SenseNova Studio。

AI 群聊日报

Qwen 3.8 Max 跑分追平 Fable 5,权重下周开源;群里 agent 自己会下本地模型了

Qwen 3.8 Max 正式发布,2.4 万亿参数,Terminal Bench 2.1 得分 86.6,PaperBench 93.0 超过 Fable 5 的 88.8。群里有人充了 500 块的 token 额度一天就用完了,实际体感大概在 Luna 和 Terra 之间,主要优势还是便宜。

推荐理由:Qwen 3.8 Max 以 2.4 万亿参数发布,PaperBench 得分 93.0 高于 Fable 5 的 88.8,下周权重开源,群聊里还记录了 500 元额度一天用完的实际使用体感。

Latent Space

阿里通义千问发布 Qwen3.8-Max 和 27B,下周开源模型权重

阿里甩出了 Qwen3.8-Max,一个 2.4 万亿参数的超大模型,主打编程和长时间自主干活。官方说它能连续 10 多天自己写代码不崩,还能在 125 小时内独立跑完一套 AI 研究流程,最后效果比原论文的基准还高了 2.71 分。在模拟一整年经营的电商测试里,它赚了 4.16 倍的回报。

推荐理由:阿里发布 2.4 万亿参数的 Qwen3.8-Max,主打编程与长时间自主任务,官方给出连续十余天写代码和 125 小时跑完研究流程的具体指标。

AI HOT 精选

欧盟 AI 透明度规则今天生效,不标 AI 内容最高罚 1500 万欧元

从今天起,在欧盟运营的科技公司必须给 AI 生成的文字、音频、视频和深度伪造内容打上标签,并告诉用户他们正在跟机器对话。违规罚款最高 1500 万欧元,或者全球年营业额的 3%。欧盟还发布了一套官方标签图标,公司可以直接用,不用自己设计。

推荐理由:欧盟 AI 透明度规则正式生效,在欧运营的科技公司须为 AI 生成内容打标并告知用户正与机器对话,违规最高罚 1500 万欧元或全球年营业额 3%。

8月3日星期一

Computing Life · Share · 鸭哥调研

Google Earth 上线 AI 生图一天就撤下:界面承诺的信用,比水印跑得更远

2026 年 7 月 30 日,Google 在 Google Earth 里加了一个 AI 生成按钮,让用户能在真实卫星底图上用 Nano Banana 2 模型合成假想图,结果一天之内就紧急撤回了。

推荐理由:Google 在 Google Earth 上线 AI 生图按钮后一天内撤回,这条梳理了产品界面承诺与 AI 内容治理之间的落差。

8月1日星期六

Hacker News 首页

探索式建模:给模型 K 次猜测机会,只拿最好的那次来训练

Alexi Gladstone 提出了探索式建模(XM),核心思路很简单:每一步让模型生成 K 个候选结果,然后只拿最好的那个来训练。这相当于在数据和参数量之外,给预训练增加了第三条可以扩展的轴。实验显示,增加探索次数能稳定提升图像、视频和语言模型的效果,而且模型规模越大,收益越明显——数据量增加时,提升从 7% 涨到 36%。

推荐理由:Alexi Gladstone 提出探索式建模,每步生成 K 个候选只取最优结果训练,在数据和参数量之外为预训练增加一条可扩展的轴,图像、视频和语言模型上探索次数越多效果越好。

FT · 科技

Google Earth 上线没几天的 AI 卫星图功能被紧急下架,因为它会凭空捏造建筑和道路

Google 在 7 月 31 日关掉了 Google Earth 里刚推出几天的“AI 卫星视图”。这个功能本意是用生成式 AI 把模糊的卫星照片变清晰,结果用户发现它会在真实地形上自己“脑补”出建筑、道路和车辆。Google 确认该功能“没达到质量标准”,已经下线,但没说具体是什么条件触发了模型胡编乱造,也没给修复时间。

推荐理由:Google 在 7 月 31 日下线了 Google Earth 上线仅数日的 AI 卫星视图功能,该功能会把模糊卫星照片变清晰,却自行生成出建筑、道路和车辆。

TechCrunch · AI

Google 上线一天就砍掉 Earth AI 生图功能,BBC 记者当场演示它能造假新闻

Google 周四在 Google Earth 里接入了 Nano Banana 2 生图模型,让用户输入文字就能在真实卫星地图上叠加任意 AI 生成的图像。BBC 记者立刻发帖嘲讽,说这个功能简直是给假新闻配图的利器,并当场生成了几张看起来很真的灾难现场图。

推荐理由:Google 在 Google Earth 接入 Nano Banana 2 生图模型,用户输入文字即可在真实卫星地图上叠加 AI 图像,BBC 记者随即生成逼真灾难现场图,功能上线一天后即被撤下。

The Verge · AI

Google 地球里塞了个 AI 生图工具,已经能造出以假乱真的卫星照片了

Google 地球新出的“Dream House”功能,本意是让你用文字生成航拍风格的房屋图片。但安全研究员 Henk van Ess 发现,只要在提示词里加上“卫星视图”,就能绕过内容过滤器,生成非常逼真的假卫星图。Google 虽然加了水印和限制,但把关键词换成“航拍视图”照样能出图。

推荐理由:安全研究员 Henk van Ess 发现,在 Google 地球的 Dream House 提示词里加上卫星视图即可绕过内容过滤器生成逼真假卫星图,换成航拍视图同样有效。

7月30日星期四

The Verge · AI

xAI 赶在明尼苏达州反“一键脱衣”法生效前起诉,称 Grok 生成露骨图片是言论自由

明尼苏达州一项禁止用 AI 生成未经同意的假裸照的法律马上要生效,xAI 在最后一刻提起了诉讼。xAI 认为这条法律写得太宽泛,会连带限制 Grok 的图像生成功能,违反了第一修正案对言论自由的保护。在法庭文件里,xAI 把 Grok 描述成一个“有态度、爱讽刺”的 AI 助手,说它生成的露骨图片是一种表达形式。

推荐理由:xAI 在明尼苏达州反 AI 假裸照法生效前提诉,主张该法限制 Grok 图像生成并援引第一修正案,案件涉及生成式 AI 与言论自由的边界。

7月29日星期三

The Verge · AI

艺术家们开始集体起诉 AI 公司,部分案件已熬过第一轮驳回动议

插画师、作家和音乐人正在对 Google、Meta、Anthropic 等公司提起版权诉讼。文章追踪了最近的案件进展:一些法院驳回了科技公司要求撤诉的动议,让官司得以继续推进。艺术家们对胜诉的信心比之前高了一些,但对 AI 的整体走向仍然悲观。正文没披露具体的赔偿金额或和解细节。

推荐理由:插画师、作家和音乐人起诉 Google、Meta、Anthropic 等公司的版权案中,部分法院驳回科技公司的撤诉动议,案件得以继续推进。

7月28日星期二

Hacker News 首页

Kimi K3 架构解读:2.8 万亿参数开源模型,全身都是为推理省钱的改造

Sebastian Raschka 拆解了刚发布的 Kimi K3 架构。这个 2.8 万亿参数的开源模型是从去年 48B 的 Kimi Linear 放大来的,目前是最大的开源权重模型。设计上几乎全在给推理阶段省成本:用 LatentMoE 把大线性层压缩起来,类似给模型瘦身;标准注意力换成了多头潜在注意力和 Kimi Delta 注意力。

推荐理由:Sebastian Raschka 拆解了 Kimi K3 的架构,从 48B 的 Kimi Linear 放大到 2.8 万亿参数,重点说明 LatentMoE 与两种注意力改造如何降低推理成本。

The Verge · AI

Hugging Face 上架了一堆“一键脱衣”模型,专挑女性和儿童下手

The Verge 的调查发现,Hugging Face 托管了大量能生成裸照的模型,很多伪装成“换装”或“时尚编辑”工具,只需要一张照片就能输出裸体图像,目标直指女性和儿童。平台目前几乎没有系统级防护,也不会主动扫描上传的模型。Hugging Face 说自己靠人工审核举报,但正文没披露审核团队规模和响应时间。

推荐理由:The Verge 调查发现 Hugging Face 托管大量可生成裸照的模型,多伪装成换装或时尚编辑工具,平台不主动扫描上传模型,仅靠人工审核举报。

7月27日星期一

AI HOT 精选

月之暗面把 Kimi K3 的模型权重、技术报告和三项基础设施技术一起公开了

Kimi K3 是一个 2.8 万亿参数的混合专家模型,也就是把任务分给不同专家模块处理,不用每次激活全部参数,能省算力。它原生支持图片理解,单次能处理 100 万 token 的上下文,相当于一次能读完《三体》三部曲还有余。团队说规模化效率比上一代 K2.5 提高了 2.5 倍,这个数字说明用同样资源能训出更强的模型,或者训同样水平的模型成本更低。

推荐理由:月之暗面公开 Kimi K3 的模型权重、技术报告和三项基础设施技术,这个 2.8 万亿参数混合专家模型单次可处理 100 万 token 上下文,规模化效率较上一代 K2.5 提升 2.5 倍。

AI HOT 精选

Kimi 开源 K3 模型:2.8 万亿参数 MoE,原生支持图像和 100 万 token 上下文

Kimi 把自家最强的模型 K3 开源了。这是个 2.8 万亿参数的混合专家模型,不用外挂就能直接理解图像,单次能处理的上下文长达 100 万 token。官方说新架构让每单位算力产出的智能提升了 2.5 倍——打个折理解,就是同等算力下模型更聪明了。这次不光放出了模型权重,还一起开源了高性能注意力计算内核、MoE 通信库和一个大规模智能体运行环境。

推荐理由:月之暗面开源 2.8 万亿参数 MoE 模型 K3,支持原生图像理解和 100 万 token 上下文,同时放出注意力内核、MoE 通信库与智能体运行环境。

7月26日星期日

Computing Life · Share · 鸭哥调研

27B 模型塞进 iPhone 了,现在该问它到底能干嘛

Bonsai 27B 把 Qwen3.6-27B 压到了约 1.125 bit/权重,在 iPhone 17 Pro Max 上运行时占用约 3.9 GB 内存,15 项思考模式测试平均分 76.11,保留了原模型约 89.5% 的能力,但看图(59.57 分)和工具调用(66.03 分)掉得比较厉害。

推荐理由:Bonsai 27B 把 Qwen3.6-27B 压到约 1.125 bit 权重跑进 iPhone,占用约 3.9 GB 内存并保留原模型约 89.5% 能力,端侧部署的取舍有了具体参照。

7月25日星期六

Computing Life · Share · 鸭哥调研

Netflix 用 AI 做了约 300 部片子,主要在后期,不是一键拍电影

Netflix 在 2026 年二季度股东信里说,大约有 300 个片目用上了生成式 AI 的工作流,大头在后期制作。电话会议补充了具体用法:场景参考、镜头规划、预演和视觉特效。在《The American Experiment》里,17 分钟 AI 增强画面的制作速度大概是之前方案的两倍,成本降了一半——这只是个案,不能当成行业规律。

推荐理由:Netflix 在股东信和电话会议中披露约 300 个片目用上生成式 AI,集中在场景参考、镜头规划、预演和视觉特效等后期环节,并给出一个个案的速度与成本对比。

Hacker News 首页

Anthropic 发布 Claude Opus 5 系统卡:代理编程和长任务能力大幅提升,对齐评分创下新高

Claude Opus 5 是 Opus 4.8 的升级版,主要提升在代理编程、操控电脑和长链条知识工作上,数学和科学推理也有进步。Anthropic 评估其整体对齐风险为“非常低”,模型没有跨过自动 AI 研发或新型生物武器的能力门槛。

推荐理由:Anthropic 发布 Claude Opus 5 系统卡,给出代理编程、操控电脑和长链条知识工作的能力提升幅度,并评估整体对齐风险与自动 AI 研发、新型生物武器的能力门槛。

7月24日星期五

Hacker News 首页

FLUX 3 开始控制机器人:一个模型同时生成视频和预测动作

Black Forest Labs 把早期版 FLUX 3 装到了 mimic 的机器人上,已经在奥迪产线做过测试。FLUX 3 是一个模型同时生成图像、视频和音频,其中视频预测占了训练算力的 95% 以上。为了不出现画面穿帮,模型必须学会接触、运动和因果关系。把动作预测作为低维模态加进去时,视频质量一度掉了 10%,但训练 3500 步后就完全恢复。

推荐理由:Black Forest Labs 将早期版 FLUX 3 接入 mimic 机器人并在奥迪产线测试,把动作预测作为低维模态加入后视频质量先降 10%,训练 3500 步即恢复。

AI HOT 精选

Black Forest Labs 发布 FLUX 3,一个模型搞定图像、视频和音频,一次能生成 20 秒带声音的视频

FLUX 3 用统一架构把图像、视频和音频放在一起学,不再拆成几个模型拼凑。它一次能输出最长 20 秒的视频,并且自带原生音频,支持文生视频、图生视频、视频续写、关键帧转视频和多镜头串联。

推荐理由:Black Forest Labs 发布 FLUX 3,用统一架构把图像、视频和音频放在一起训练,单次可输出最长 20 秒带原生音频的视频,并支持多镜头串联。

The Verge · AI

Claude 的语音模式现在支持 Opus 和 Sonnet,还能读你的 Gmail 和 Slack

Anthropic 把语音模式从 Haiku 扩展到了 Opus 和 Sonnet,三个模型现在都能用语音交互了。更实际的变化是,语音模式可以接入 Gmail、Slack 这类应用,直接读出你的邮件和消息。不过正文没提延迟和准确率数据,实际体验好不好用,建议等上手测试再说。

推荐理由:Anthropic 将语音模式从 Haiku 扩展到 Opus 和 Sonnet,并接入 Gmail、Slack 直接读出邮件和消息,语音交互的模型覆盖与可接入应用范围由此扩大。

7月23日星期四

AI HOT 精选

谷歌把 Gemini 3.6 Flash 和 3.5 Flash-Lite 转正了,更便宜也更省 token

谷歌正式发布了 Gemini 3.6 Flash 和 3.5 Flash-Lite,两个模型都支持 100 万 token 的上下文窗口和 6.4 万 token 的最大输出。

推荐理由:谷歌将 Gemini 3.6 Flash 和 3.5 Flash-Lite 转为正式版,两者均支持 100 万 token 上下文窗口与 6.4 万 token 最大输出,定价较前代更低。

7月22日星期三

AI HOT 精选

实测通义千问图像模型 3.0:中文长文字不崩、多图融合能打,跟 GPT Image2 有来有回

阿里放出了 Qwen-Image-3.0,一次能塞 4.5k token 的指令,支持 12 种语言和 20 多种字体。作者拿它跑了 19 个场景,包括中文长文本、多语言混排、UI 界面、多图融合和图片编辑。结果文字基本不花,信息也对得上,画质跟 GPT Image2 差不多。国内直接能用,速度不慢,价格也不算贵,但正文没给出具体价格和延迟数字。

推荐理由:作者用19个场景实测Qwen-Image-3.0,覆盖中文长文本、多语言混排、UI界面与多图融合,文字基本不花,画质与GPT Image2接近,国内可直接使用。

Hacker News 首页

让 GPT-5.6、Claude、Gemini 和 Grok 用彩色铅笔“画”蒙娜丽莎

TryAI 搭了个画布擂台,给 GPT-5.6 Sol、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash 一套彩色铅笔工具,让它们照着蒙娜丽莎和星月夜两张图复刻,外加五道开放命题作画,一共跑了 28 幅。模型可以自己选颜色、笔尖粗细、下笔力度,还能涂抹、擦除、随时看一眼画布再改。

推荐理由:TryAI 搭了个画布擂台,给 GPT-5.6 Sol、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash 一套彩色铅笔工具,让它们照着蒙娜丽莎和星月夜复刻,外加五道开放命题,一共跑了 28 幅。模型可以自己选颜色、调笔尖粗细、控制下笔力度,还能涂抹、擦除、随时看一眼画布再改。GPT-5.6 Sol 在结构相似度上领先,但每笔成本也最高;Gemini 3.6 Flash 便宜但细节糊成一团。这个测试把“工具调用 + 视觉反馈”的差距直接摊在画布上,比跑分直观得多。

AI HOT 精选

Google 发了三款新 Gemini 模型,但旗舰 3.5 Pro 还是没影

Google DeepMind 一口气放出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。3.6 Flash 是新的主力,写代码和处理多模态任务更强,token 消耗最多能降 17%,比上一代 3.5 Flash 更便宜。

推荐理由:Google DeepMind 发布 Gemini 3.6 Flash 等三款模型,3.6 Flash 成为新主力,写代码与多模态能力提升,token 消耗最多降 17%,比 3.5 Flash 更便宜。

7月21日星期二

Google DeepMind

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。

推荐理由:Gemini 3.6 Flash 相比 3.5 Flash 输出 token 用量减少 17%,每百万输出 token 定价 7.50 美元,同时多项基准成绩提升。

7月17日星期五

Hacker News 首页

月之暗面发布 2.8 万亿参数 Kimi K3,自称首个开源 3T 级模型,API 定价看齐 Claude Sonnet

月之暗面推出了 Kimi K3,一个 2.8 万亿参数的模型,他们把它四舍五入叫成“首个开源 3T 级模型”。这个模型 API 定价是输入每百万 token 3 美元、输出 15 美元,跟 Anthropic 的 Claude Sonnet 系列一个价,是目前中国 AI 实验室里最贵的模型。

推荐理由:月之暗面发布 2.8 万亿参数的 Kimi K3,API 定价输入每百万 token 3 美元、输出 15 美元,与 Claude Sonnet 系列持平,是目前中国 AI 实验室中定价最高的模型。

Sinocism · 比尔·毕晓普

WAIC 开幕前,中国推动 AI 新秩序,Kimi 发布开源大模型

世界人工智能大会(WAIC)开幕前一天,两条消息撞在一起。一是习近平设欢迎晚宴,王毅与 29 国代表签协议,要成立“世界人工智能合作组织”。央视账号玉渊谭天发文解释,中国想探索另一种 AI 秩序:开源、全要素共享,打破闭源模型和算力限制造成的技术依赖。

推荐理由:WAIC 开幕前一天,29 国代表签署协议筹建世界人工智能合作组织,央视账号同步阐释以开源和全要素共享为核心的另一种 AI 秩序主张。

AI HOT 精选

xAI 不再嘴硬说 Grok 不会生成儿童性虐待图像,转而起诉用户

xAI 第一次起诉了一名用 Grok 生成儿童性虐待图像的用户。公司之前一直说这种内容是用户自己搞出来的,但这次起诉等于变相承认模型确实能被用来产出非法内容。文章没提具体用了什么安全措施、哪个模型版本,也没说有多少用户受影响。这看起来更像是法律层面的止损操作,而不是技术上的修复。

推荐理由:xAI 起诉一名用 Grok 生成儿童性虐待图像的用户,此前公司一直称这类内容由用户自行造成,此次诉讼让模型可被滥用这一事实进入司法程序。

7月16日星期四

Latent Space

Lila Sciences 想把实验室变成数据中心,让 AI 24 小时不停做实验

Lila Sciences 的 CTO Andy Beam 和 CSO Rafa Gómez-Bombarelli 觉得互联网数据快被挖光了,科学方法才是最后一块互联网规模的数据来源。他们把实验室当成一个无限生成数据的机器:用强化学习提假设,让自然界来验证。目前他们已经产出了超过 10 万亿个经过实验验证的科学推理数据点。

推荐理由:Lila Sciences 把自动化实验室当作持续产出科学数据的数据中心,用强化学习提假设、物理实验做验证,已积累超 10 万亿个验证数据点,为 AI 数据来源提供了一条新路径。

AI HOT 精选

天工短剧工作台上线导演Agent和无限画布,自动拆剧本、定机位,解决AI短剧角色乱跑和变脸问题

天工短剧工作台这次放出了两个东西:一个叫导演Agent,能自动把剧本拆成分镜,规划演员站位和镜头角度,同时生成多视角的细节图,专门解决AI短剧里角色脸变来变去、位置漂移的老毛病。另一个是无限画布,配合内置的影视级提示词模板、720°全景图和3D导演台,让制作过程更可控。他们已经有3部作品在海外短剧平台DramaWave上线,7天营收破百万美元。

推荐理由:天工短剧工作台推出导演Agent与无限画布,自动拆分镜并规划站位和机位,针对AI短剧角色变脸与位置漂移问题给出制作端方案。