MiniMax H3 开源登场:能理解文图音视频,还能直接生成 2K 立体声视频
MiniMax 发布全能多模态模型 H3,支持文本、图像、视频、音频联合理解与生成,可输出 2K 分辨率、原生立体声 15 秒视频,2K 定价不到主流三分之一,并即将开源模型权重。
AI快讯
模型发布、产品动态和行业观察,统一按发布时间从新到旧排列。
MiniMax 发布全能多模态模型 H3,支持文本、图像、视频、音频联合理解与生成,可输出 2K 分辨率、原生立体声 15 秒视频,2K 定价不到主流三分之一,并即将开源模型权重。
面壁智能与清华NLP团队提出ALIGN方法,自动对齐智能体与环境接口。实验显示,仅调整反馈表述,Qwen2.5-7B在ALFWorld上的任务成功率从13.4%跃升至31.3%,四个基准最高提升45.67%。
欧盟《人工智能法》新一轮透明度要求于8月2日正式落地,聊天机器人和深度伪造内容被纳入强制标识范围。谷歌、微软、OpenAI等180多家机构签署行为准则,Meta缺席,违规最高可罚全球年营收1%。
国家发改委7月发布会交出AI产业半年答卷:全国产10万卡超集群投用,智能算力规模达去年同期2.8倍,深度求索、月之暗面等本土企业发布多个万亿参数开源大模型,相关行业保持30%以上高增长。
DeepSeek 推出 V4-Flash 官方 API 公测,Agent 能力大幅升级,基准测试分数超过 V4-Pro-Preview,并原生支持 Responses API 与 Codex 适配。
开源大模型推理框架 SGLang 通过与 Google Cloud 合作,将完整功能引入 TPU 平台。开发者可在 TPU 上运行 Gemma、Qwen、DeepSeek 等模型,国产大模型又多了一个部署选项。
Gemini Spark 正式接入 Chrome 的自动浏览功能,用户授权后可处理表单填写、预约看房这类网页任务。本文拆解它的核心能力、行业背景、对开发者和企业的影响,以及中文用户能从中读出的趋势。
美国生活方式名人玛莎·斯图尔特联合创办的 AI 初创公司 Hint 正式推出,主打面向个人房主的家居管理助手,覆盖维护提醒、能耗、空气质量、合同文件查询等场景,目前免费提供 iOS 版本。
腾讯混元开源端到端投机解码框架 AngelSpec,在 Hy3-A21B 上实现 1.98–2.40 倍加速,吞吐量比 DFlash 高 10.5–11.8%,训练代码与草稿模型权重一并放出。
知名 AI 教育者吴恩达宣布创办 LearnVector,主打 AI 一对一个性化学习,获 Coursera 一亿美元投资。平台将整合 Coursera 课程内容,强调定制学习路径而非自由聊天,押注的是 AI 在教育场景的真正落地。