Sora2不够香了！这款国产AI视频模型已经能边看边生成，生成快还互动佳
Sora2不够香了！这款国产AI视频模型已经能边看边生成，生成快还互动佳还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
来自主题:
AI资讯
6991 点击 2025-10-16 15:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本，并将在12月份开放「成人模式」，OpenAI最终还是没忍住，要抄马斯克的Grok作业了～
人火了是连毕业论文都要被翻出来的（doge）。 这不，宇树科技CEO王兴兴的硕士毕业论文就被网友们掘地三尺找到了。
从「深蓝」到ChatGPT和DeepSeek，AI已从棋盘上的较量转向生产力革命。中国移动以自研「九天」大模型为核心，打造「灵犀智能体」，一个能理解意图、主动服务的全场景生活助手。通过「灵犀贴贴」实现AI+NFC的便捷交互。同时「爱购商城」以「AI豆」构建统一价值体系，打通通信、消费与智能生态，为用户提供个性化、温度化的智能生活新范式。
基础模型（FM）是一种在海量数据上训练的人工智能系统，具备强大的通用性和跨模态能力。港科大最新发表的论文显示：FM可能引领科学进入第五范式，但大模型的偏见、幻觉等问题仍需正视。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
在AI智能体日益依赖记忆系统的时代，一种新型攻击悄然兴起：记忆投毒。A-MemGuard作为首个专为LLM Agent记忆模块设计的防御框架，通过共识验证和双重记忆结构，巧妙化解上下文依赖与自我强化错误循环的难题，让AI从被动受害者转为主动守护者，成功率高达95%以上。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。
教育 AI 的热度正重新回到上升曲线。不同于早期的「狂飙阶段」，如今的竞争更像一场结构重排——头部在稳，中腰在提速，尾部在寻找新的出口。AI 在教育中的角色，也从单一的「功能工具」，进化为教学系统中的「生态节点」。
针对视觉 Transformer（ViT）因其固有 “低通滤波” 特性导致深度网络中细节信息丢失的问题，我们提出了一种即插即用、受电路理论启发的 频率动态注意力调制（FDAM）模块。它通过巧妙地 “反转” 注意力以生成高频补偿，并对特征频谱进行动态缩放，最终在几乎不增加计算成本的情况下，大幅提升了模型在分割、检测等密集预测任务上的性能，并取得了 SOTA 效果。
近日，RoboChallenge 重磅推出！这是全球首个大规模、多任务的在真实物理环境中由真实机器人执行操作任务的基准测试。
近年来，多模态大语言模型（Multimodal Large Language Models, MLLMs）在图文理解、视觉问答等任务上取得了令人瞩目的进展。然而，当面对需要精细空间感知的任务 —— 比如目标检测、实例分割或指代表达理解时，现有模型却常常「力不从心」。
10月15日消息，近日，在泰安市卫星互联网产业发展暨“星算”计划02组星座合作大会上，国星宇航“星算”计划02组星座正式发布，单星算力突破10P的“天秤-10”卫星同步亮相。此外，多项产业合作项目现场达成签约。
加州大学伯克利分校等机构的研究人员，近日推出了一种全新的基因组语言模型GPN-Star，可以将全基因组比对和物种树信息装进大模型，在人类基因变异预测方面达到了当前最先进的水平。
10月16日消息，OpenAI首席执行官山姆·奥特曼于美国当地时间周三表示，该公司并非"经选举产生的世界道德警察"。此前，他决定放宽限制，允许其聊天机器人ChatGPT生成成人内容，这一决定引发了强烈反弹。
无论是中文的粤语、闽南话、吴语，还是欧洲的荷兰比尔茨语方言、法国奥克语，亦或是非洲和南美的地方语言，方言都承载着独特的音系与文化记忆，是人类语言多样性的重要组成部分。然而，许多方言正在快速消失，语音技术如果不能覆盖这些语言，势必加剧数字鸿沟与文化失声。
互联网大厂要引流，教育大厂想变现。
在这个新访谈中，Sutton 与多位专家一起，进一步探讨 AI 研究领域存在的具体问题。
AI席卷职场，大厂裁员与岗位替代加速。奥特曼称能被AI取代的工作并非「真工作」。硅谷上演「代码战争」：有人拥抱Cursor/Claude提效，有人拒用AI遭解雇。在效率与质量拉扯中，人类价值与工作定义正被重写。
“如果一个问题只需小模型就能回答，为什么还要让更贵的大模型去思考？”
从2025年9月开始，美国多家科技巨头放弃彼此间的“恩恩怨怨”，转而围绕算力展开串联合作，呈现成片的“合纵连横”态势。
在最近的一篇 NeurIPS 25 中稿论文中，来自中山大学、加州大学 Merced 分校、中科院自动化研究所、诚橙动力的研究者联合提出了一个全新开源的高自由度灵巧手平台 — RAPID Hand (Robust, Affordable, Perception-Integrated, Dexterous Hand)。
这是一个信息悖论的时代。
四十年前，他说：「计算机永远不会思考」。四十年后，AI开始拒绝指令、撒谎、反思、甚至「自我保护」。哲学家约翰·塞尔——「中文屋」思想实验的作者、AI怀疑论的旗手，却在去世的那一周，被时代反讽。他花一生质问机器是否真正「理解」，而如今，机器反问我们：你们的理解，又凭什么是真实的？
当地时间10月15日，人工智能初创公司Anthropic发布轻量级模型Claude Haiku 4.5。同时知情人士透露，该公司计划2026年实现年化营收近三倍增长，以巩固其作为OpenAI主要竞争对手的行业地位。
正如前几天网上泄露与传闻所预料的那样，深夜，谷歌发布了最新的 AI 视频生成模型 Veo 3.1。Veo 3.1 带来了更丰富的音频、叙事控制，以及更逼真的质感还原。在 Veo 3 的基础上，Veo 3.1 进一步提升了提示词遵循度，并在以图生视频时提供更高的视听质量。
只花120元，效果吊打70000元微调！腾讯提出一种升级大模型智能体的新方法——无训练组相对策略优化Training-Free GRPO。无需调整任何参数，只要在提示词中学习简短经验，即可实现高性价比提升模型性能。
智东西10月15日报道，今日，阿里通义千问团队推出其最强视觉语言模型系列Qwen3-VL的4B与8B版本，两个尺寸均提供Instruct与Thinking版本，在几十项权威基准测评中超越Gemini 2.5 Flash Lite、GPT-5 Nano等同级别顶尖模型。
前端UI的工作，被谷歌AI一夜干没了。 就在最新能力展示中，Gemini 3.0 Pro居然自己“捏”出了一个macOS。
在几天前的开发者大会上，OpenAI 发布了一套面向开发者和企业的完整工具集 AgentKit。其中，可视化画布 Agent Builder 用于创建、管理和版本化多智能体工作流，通过拖拽节点的方式即可编辑工作流。
