8月21日，百度蒸汽机（MuseSteamer）音视频一体化模型完成重大升级，Turbo版、Lite版、Pro版，及有声版全面开放，在行业内首次实现多人有声音视频一体化生成。百度蒸汽机通过五大技术突破实现“需求即成片”，在生成电影级高清视频画面的同时，实现逼真环境音效、自然人物语音的同步输出。即日起，用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户可在千帆平台享受高性能视频生成服务。 五大突破定义视频生成新标准...

文章转载自「新智元」 昨晚，谷歌发布了其最新图像生成与编辑模型 Gemini 2.5 Flash Image，代号nano banana，被网友誉为「最强图像模型」。 此前，nano-banana 在 LMArena 上线后便迅速风靡。凭借角色一致性、提示编辑、原生世界知识和多图像融合四大能力，nano-banana 在盲测的 500 多万场中，获得了超 250 万选票，以 171 分优势领先第二名 flux-1-knotext-max，并取得了 LMArena 竞技场历史上最大的 Elo 分数领先优势。 目...

风投巨头 Andreessen Horowitz（ a16z ） 第五版《全球前 100 大 Gen AI 消费级应用》出炉。 报告显示，OpenAI 的 ChatGPT 依旧稳居榜首，但谷歌 Gemini、xAI 的 Grok，以及 Meta AI 等竞争对手正在快速追赶，差距正在不断缩小。 与此同时，中国力量强势崛起，多款 AI 应用不仅跻身榜单前列，并已走向全球市场。 本次榜单依旧覆盖 Web Top 50 （网页端）与 Mobile Top 50（移动端），两榜单共计 100 款消费级 AI 产品...

"这一切始于一个香蕉的表情，却预示着AI生成技术新时代的到来。" 一切始于一个略显神秘的预告。  当Google CEO桑达尔·皮查伊（Sundar Pichai）在社交媒体上仅仅发布了“🍌🍌🍌”三个香蕉的表情时，整个科技圈与投资界便已屏息期待。  随后谜底揭晓，代号为“nano-banana”的 Gemini 2.5 Flash Image-preview横空出世，这不仅是Google在AI图像生成领域的又一次重磅落子，更可能标志着整个行业从“技术玩具”向“工业级生产力...

人工智能实验室 Cohere、斯坦福大学、麻省理工学院和 Ai2 联合发表的一篇新论文指责 LM Arena（流行众包人工智能基准 Chatbot Arena 背后的组织）帮助一组精选的人工智能公司以牺牲竞争对手为代价获得更好的排行榜分数。 据作者称，LM Arena 允许一些行业领先的人工智能公司（例如 Meta、OpenAI、谷歌和亚马逊）私下测试多种人工智能模型变体，并且不公布表现最差的模型的得分。作者表示，这使得这些公司更容易在该平台的排行榜...

亚马逊周三发布了该公司声称是其 Nova 系列中功能最强大的 AI 模型 Nova Premier。 Nova Premier 可以处理文本、图像和视频（但不支持音频），目前已在亚马逊的 AI 模型开发平台 Amazon Bedrock 上线。亚马逊表示，Premier 擅长处理“复杂任务”，这些任务“需要深入了解上下文、进行多步骤规划，并跨多个工具和数据源进行精确执行”。 亚马逊于去年 12 月在其年度 AWS re:Invent 大会上宣布了Nova 系列模型。在过去的几个月里，该...

根据周三公开的法庭文件，Meta 去年预测，其生成式 AI 产品将在 2025 年带来 20 亿至 30 亿美元的收入，到 2035 年将达到 4600 亿至 1.4 万亿美元。 起诉 Meta的书籍作者律师提交的这些文件，指控 Meta 未经授权在其作品上训练该公司的 AI。文件并未明确指出 Meta 究竟将哪些产品定义为“生成式 AI 产品”。但众所周知，这家科技巨头通过多种形式的生成式 AI 赚钱，并且未来还会赚得盆满钵满。 Meta与托管其开放 Llama 模型集的某...

由 OpenAI 首席执行官 Sam Altman 共同创立的“世界人类验证”项目背后的初创公司 Tools for Humanity 周三发布了一款移动设备，旨在帮助人们区分人类和人工智能代理。 for Humanity 首席设备官、前苹果董事 Rich Heley 在旧金山举行的“At Last”活动上首次展示了 Orb Mini 设备。该设备外观类似智能手机，正面有两个大型传感器，用于扫描用户的眼球。 World 是由 Altman 和 Alex Blania 发起的 web3 项目，前身为 Worldcoin。该项...

微软周三推出了几款新的“开放式”人工智能模型，其中功能最强大的模型至少在一个基准测试上可与 OpenAI 的 o3-mini 相媲美。 正如其名称所示，所有新的授权模型——Phi 4 mini reasoning、Phi 4 reasoning 和 Phi 4 reasoning plus——都是“推理”模型，这意味着它们可以花更多时间对复杂问题的解决方案进行事实核查。它们扩展了微软一年前推出的 Phi“小型模型”系列，为在边缘构建应用程序的 AI 开发者提供了基础。 Phi 4 mini 推理机...

TechCrunch Sessions：距离 AI大会仅剩一个多月！我们最后诚邀您加入我们，共同打造这场盛会。如果您曾经好奇科技活动的内部运作，现在就是您参与的机会。 志愿者名额有限，切勿错过！请在5月22日截止日期前申请。提前申请者优先，所以越早申请越好！ 作为志愿者，您将获得独家幕后活动体验，亲眼见证这些活动的精心策划。此外，您还将获得一张免费门票，可在工作前后参加 TC Sessions: AI，以及一张免费通行证，参加我们于 10 ...

OpenAI正准备推出一个开放的 AI 系统，用户可以免费下载，不受任何 API 限制。知情人士向 TechCrunch 透露，OpenAI 研究副总裁 Aidan Clark 正在领导这个开放模型的开发，目前该模型尚处于非常早期的阶段。

谷歌正在扩展AI 模式的访问权限，这是一项实验性功能，允许用户直接在搜索中提出复杂的、多部分的问题和后续问题，以便更深入地挖掘某个主题。这家科技巨头还为该功能添加了更多功能，包括从上次中断的地方继续搜索的功能。 谷歌于今年 3 月推出了AI 模式，旨在与 Perplexity AI 和 OpenAI 的 ChatGPT Search 等热门服务展开竞争。今天宣布的更新旨在让 AI 模式更好地与上述服务竞争。 通过此次扩展，谷歌将取消 AI 模式的候补...

FutureHouse是一家由埃里克·施密特 (Eric Sc​​hmidt) 支持的非营利性公司，旨在在未来十年内打造一名“人工智能科学家”，该公司推出了其首款主要产品：一个带有人工智能工具的平台和 API，旨在支持科学工作。 众多初创公司竞相开发用于科学领域的人工智能研究工具，其中一些公司已经获得了巨额风险投资资金的支持。科技巨头们似乎也对人工智能在科学领域的应用持乐观态度——今年早些时候，谷歌推出了“人工智能联合科学家”项目，该...

OpenAI最初宣布计划转型为营利性组织，但该公司决定由其非营利部门保留对营利性组织的控制权。 据该公司称，OpenAI 的业务部门（自 2019 年起一直隶属于该非营利组织）将转型为一家公益公司 (PBC)。该非营利组织将控制 PBC，并成为 PBC 的大股东。 OpenAI 董事会主席布雷特·泰勒 (Bret Taylor) 在公司博客上的一份声明中写道：“OpenAI 成立之初是一家非营利组织，目前也由该非营利组织进行监督和控制。未来，它将继续接受该非营...

人工智能初创公司 11x 的创始人 Hasan Sukkar 今晨在领英上宣布，将辞去首席执行官一职。11x 首席技术官 Prabhav Jain 被任命为公司新任首席执行官。  苏卡尔在领英上写道，他将转任“非执行董事长”一职，与贾恩一起制定“战略方向、产品愿景、行业关系以及开拓新的市场机会”，尽其所能帮助 11x“走向未来”。  “我花了很多时间思考如何才能从一家快速发展的初创公司发展成为一家经久不衰的企业级扩张型公司，我意识到我喜欢从...

Mistral AI 是一家法国公司，其研发了人工智能助手 Le Chat 和多个基础模型，被官方视为法国最有前途的科技初创公司之一，并且可以说是唯一一家能够与 OpenAI 竞争的欧洲公司。但与其 60 亿美元的估值相比，其全球市场份额仍然相对较低。  然而，其聊天助手最近在移动应用商店上线后，引起了一些热议，尤其是在法国。“去下载 Mistral 开发的 Le Chat，而不是 OpenAI 的 ChatGPT——或者其他什么，”法国总统埃马纽埃尔·马克龙在巴...

安杜里尔周一宣布了其第九次收购，收购了都柏林的 Klas 公司，该公司是一家为军队和急救人员生产加固型边缘计算设备的制造商。 Anduril 不会透露此次交易的财务细节，此次收购还需获得监管部门的批准，但该公司确实表示 Klas 拥有 150 名员工。  与此相关，周一，Anduril 还发布了一款名为 Menace-T 的新产品。  我们会给这家公司点赞，因为它的产品名很有意思，尤其是考虑到它实际上只是一套计算/网络连接设备，而不是像...

由于医疗体系负担过重，等候名单冗长，成本不断上升，许多人开始使用像 ChatGPT 这样的人工智能聊天机器人进行医疗自我诊断。最近的一项调查显示，大约六分之一的美国成年人已经至少每月使用聊天机器人寻求健康建议。 但牛津大学最近领导的一项研究表明，过于信任聊天机器人的输出可能会有风险，部分原因是人们很难知道应该向聊天机器人提供哪些信息才能获得最佳的健康建议。 “这项研究揭示了双向沟通的障碍，”牛津互联网研究所...

根据谷歌官网发布的活动日程以及一篇意外发布的谷歌博客文章，谷歌将在即将举行的谷歌 I/O 开发者大会上发布新版 Android 设计语言。I/O 大会的标题暗示了 Android 设计系统即将迎来重大变革，从“Material 3”升级为“Material Design 3 Expressive”。这篇泄露的博客文章指出，谷歌的升级设计将专注于打造“在情感层面与人产生共鸣”的界面。 像这样的设计系统更新会影响应用程序开发人员如何为平台构建应用程序以及如何为用户定制...