00:00

Create AI 开源 Ruyi-Mini-7B 图生视频模型，专为消费级 GPU 设计

Create AI （原图森未来）开源了Ruyi-Mini-7B图生视频模型。这款模型专为消费级 GPU 设计，支持生成 360p 和 720p 分辨率、最长 5 秒的视频。

据Create AI官网介绍，Create AI 似乎正在利用大模型技术开发 AAA 级开放世界游戏《金庸群侠传》。

来源：三花快讯

# AI视频 # 生成模型

0 0

00:00

ebook2audiobook 2.0 发布：全新WebUI与 1000 种语言

知名开源电子书转有声书项目ebook2audiobook 发布了 2.0 版本。新版本支持本地语音克隆与有声书生成，覆盖了 1000 种语言，并配备了全新的 WebUI 界面。

此外，安装脚本也得到了优化，使用更加便捷。想体验新功能的佬友，可以访问在线版本进行试用。

来源：三花快讯

# AI音频 # 生成模型

0 0

00:00

DDUF：统一扩散模型分发与权重保存的单文件格式

DDUF（DDUF’s Diffusion Unified Format）是一种为扩散模型设计的单文件格式，旨在统一不同的模型分发方法和权重保存格式。它将模型的所有组件打包到一个文件中，并且与语言无关，支持远程解析。目前社区热门的模型已经有专门的 DDUF 格式了，之前看到一大堆文件就头疼，以后就好了。

来源：三花快讯

# 多模态AI # 模型突破

0 0

00:00

字节开源 LatentSync：高效口型同步扩散模型

LatentSync 是字节开源的用于口型同步的扩散模型，只需提供角色视频和要同步的音频即可生成。该模型对硬件的要求适中，仅需 6.5 GB 的 GPU 即可运行，适合大多数开发者和研究人员使用。此外，@fffiloni大佬还提供了一个在线演示可以玩一下。

来源：三花快讯

# AI音频 # 模型突破

0 0

00:00

TangoFlux：极速文本转音频生成模型

TangoFlux 是一个开源的极速文本转音频（TTA）生成模型，在单个 A40 GPU 上仅需 3.7 秒即可生成 30 秒的 44.1kHz 音频。佬友们可以在线体验 看看，速度确实飞快，生成的质量也算还行。

来源：三花快讯

# AI音频 # 生成模型

0 0

00:00

生成式人工智能投资在2024年达到新高

2024 年生成式 AI 投资创历史新高，全球融资达 560 亿美元，同比增长 192%。OpenAI、Anthropic、xAI 等头部企业持续获得大额融资并推出创新产品。美国公司占据主导地位，但中国、欧洲等地也有 Moonshot AI、Mistral 等企业获得显著投资。生成式 AI 在编程助手、媒体创作等垂直领域竞争加剧，但技术挑战和高计算成本可能限制中小企业的持续创新。基础设施层企业（如数据中心）受益显著，预计全球 AI 数据中心年支出将达 2500 亿美元。未来，行业可能面临估值泡沫和技术瓶颈的双重挑战。

来源：TechCrunch AI

# AI投资 # 生成模型 # 行业挑战

0 0

00:00

微软计划在2025财年投入800亿美元用于人工智能数据中心

微软计划在2025财年投入800亿美元建设AI数据中心，主要用于训练AI模型和部署全球AI及云应用。其中超半数投资将用于美国，旨在推动AI技术创新和生产力提升。微软与OpenAI正合作开发名为Stargate的AI超级计算机数据中心，预计耗资超1000亿美元。此举凸显AI对算力和电力的巨大需求，可能引发数据中心电力短缺问题，同时也标志着AI基础设施建设的全球竞争加剧。

来源：TechCrunch AI

# AI训练 # 数据中心 # 模型突破

0 0

17:08

阿里入局 AI 眼镜：与雷鸟达成战略合作，产品将接入通义大模型

雷鸟创新与阿里云达成AI眼镜领域的独家战略合作，阿里云通义大模型将为雷鸟AI眼镜提供技术支持。是国内首次大模型与AI眼镜硬件厂商深度定制合作。双方将共同投入研发资源，围绕云计算、大模型、AI硬件等领域合作。雷鸟计划于1月7日发布雷鸟V3 AI拍摄眼镜。
来源：IT之家

来源：AI工具集

# AI硬件 # 模型突破

0 0

17:08

微软发布新模型 LAM ，可以自己操作Windows程序

微软推出 LAM（Large Action Model）“大型动作模型” ，能够独立操作Windows程序，将用户请求转化为实际行动。是首个专门训练与微软Office产品一起工作的模型。在Word测试中，LAM的成功率达到71%，速度超过GPT-4o。
来源：AI工具集

来源：AI工具集

# AI智能体 # 模型突破

0 0

00:00

xAI的下一代AI模型未能按时发布，延续了这一趋势。

xAI 的下一代大模型 Grok 3 未能如期发布，反映了当前 AI 模型发展的技术瓶颈。尽管 Elon Musk 曾表示 Grok 3 将在 2024 年底推出，并基于 10 万块 H100 GPU 进行训练，但至今未见其踪影。这一延迟与 Anthropic、Google 和 OpenAI 等公司在旗舰模型发布上的挫折相呼应，凸显了现有 AI 扩展法则的局限性。随着模型性能提升的边际效益递减，企业正探索替代技术路径。此外，xAI 团队规模较小也可能影响了开发进度。这一趋势表明，传统 AI 训练方法正面临瓶颈，亟需技术创新以突破现有局限。

来源：TechCrunch AI

# AI训练 # 模型突破

0 0

18:05

智象未来多模态大模型3.0全球首发

智象未来发布智象多模态生成大模型3.0和智象多模态理解大模型1.0，旨在提升视觉多模态基础模型服务，激发创造力。创始人梅涛院士强调了AI技术在推动科学发展和具身智能方面的重要性，提出了大模型通往AGI的两条路径。
来源：HiDream智象未来

来源：AI工具集

# 多模态AI # 模型突破

0 0

18:05

阿里云与零一万物达成战略合作，成立“产业大模型联合实验室”

阿里云与零一万物达成战略合作，共建“产业大模型联合实验室”，旨在加速大模型技术应用落地和产业生态整合。双方将结合研发实力，通过阿里云百炼大模型平台提供服务。进一步深化双方在AI大模型领域的合作。
来源：IT之家

来源：AI工具集

# AI智能体 # 模型突破

0 0

18:05

英伟达新一代显卡领衔，一波AIPC芯片产品有望亮相CES展

英伟达CEO黄仁勋将在CES 2025发表开幕演讲，可能发布新一代GeForce RTX50系列显卡。英特尔和AMD也预计在会上发布AIPC相关产品，推动AI芯片技术迭代。行业已进入用户体验探索阶段，AIPC芯片具备自然语言交互等特点，有望快速渗透PC市场，带动产业链升级。
来源：财联社

来源：AI工具集

# AI芯片 # PC市场 # 模型突破

0 0

18:05

谷歌前CEO施密特预测：AI 将在今年获得“永久记忆”，2028 美国会耗尽能源储备

谷歌前CEO埃里克·施密特预测，2025年AI将实现三大突破：获得“永久记忆”、智能体从对话到行动的飞跃、文本到行动的编程革命。他强调AI变革将“一切，无处不在，同时发生”，警告美国可能在2028年耗尽能源储备，因数据中心耗电量巨大。
来源：36Kr

来源：AI工具集

# AI智能体 # 多模态AI # 模型突破

0 0

00:00

百度推出全新AI搜索引擎“AI搜”，整合多内容生态，提供无广告权威结果

百度近期在Web端首页推出全新的搜索引擎入口“AI搜”（Chat.baidu.com），基于文心大模型，整合了百度搜索、健康、律临、文库、教育等多内容生态，提供无广告、可靠和权威的搜索结果。功能涵盖话题探索、问题解决、决策辅助等，支持文生图、逻辑推理、智能摘要等AI技术。用户还可创建智能体并互动，提升个性化体验。李彦宏宣布2025年初将推出文心大模型新版本，持续加强AI技术应用。

来源：AI Base

# AI对话 # 多模态AI # 模型突破

0 0

00:00

一年800亿，字节凶猛，追赶AI

字节跳动在大模型领域起步较晚，但凭借强大的资源投入和战略布局，迅速崛起。2024年，豆包App月活跃用户达5998万，跃居全球第二、国内第一。字节通过C端高强度市场投放、B端低价策略及持续的算力和人才投入，在短短一年多内实现了从“迟到者”到“破局者”的转变。此外，字节正构建全面的AI产品生态体系，涵盖大模型产品、基础AI开发、AI社交等多领域，目标是再造一个“AI工厂”。

来源：TechWeb

# AI对话 # 多模态AI # 模型突破

0 0

00:00

字节发布 VMix：提升扩散模型生图美学质量

VMix 是字节发布的一项提升扩散模型生图美学的技术。它能够在颜色、光照、构图等细粒度维度上更精准地遵循提示词，同时还能兼容原有的 LoRA、ControlNet 和 IPAdapter。图片里演示的是对 SDXL 模型的增强，不过，VMix 现在还没有开源，关注我为你持续跟进。

来源：三花快讯

# AI绘画 # 模型突破

0 0

00:00

创新插件VMix：大幅提升生成图像的美学质量

字节跳动与中科大团队推出VMix，通过新颖的价值混合交叉注意力机制，显著提升扩散模型生成图像的美学质量。VMix能系统性增强图像的颜色、光线和构图等细节维度，弥合生成图像与现实美学之间的差距。该插件无需重新训练即可应用于社区模型，实验表明其效果优于现有方法，并兼容LoRA、ControlNet等模块。VMix通过分离文本提示中的内容描述和美学描述，优化去噪过程，从而在保持图像与文本对齐的同时，大幅提高视觉表现。

来源：字节跳动 & 中科大

# AI绘画 # 图像美学 # 生成模型

0 0

00:00

蓝色起源即将凭借新格伦发射挑战SpaceX的主导地位

Blue Origin 即将首次发射其轨道火箭 New Glenn，标志着其正式进入由 SpaceX 主导的发射行业。New Glenn 配备了七台 BE-4 发动机，可产生超过 380 万磅的推力，并计划通过垂直着陆实现助推器的重复使用。此次发射将搭载 Blue Ring 航天器的演示技术，该航天器旨在提供轨道运输、物流和卫星服务。Blue Origin 的发射计划涉及 NASA、Space Force 和亚马逊的 Project Kuiper 等多个合作伙伴。这一进展展示了 AI 在航天领域的应用潜力，特别是在轨道计算、任务规划和自动化操作中的关键作用。

来源：TechCrunch AI

# AI智能体 # 模型突破

0 0

00:00

威尔·史密斯吃意大利面及其他在2024年走红的奇特AI基准测试

2024年，AI视频生成技术取得显著进展，Google Veo 2等模型成功实现逼真的Will Smith吃意大利面视频生成，成为社区热门基准。此外，AI在游戏设计（如Minecraft）和互动游戏（如Pictionary）中的应用也引发关注。尽管学术界存在更严谨的AI性能测试，但这些非正式基准因其娱乐性和易理解性而广受欢迎。专家指出，AI社区应更关注AI的实际下游影响，而非局限于狭窄领域的性能测试。未来，随着AI技术的复杂性和应用场景的扩展，如何将其转化为易于理解的营销信息仍是行业挑战。

来源：TechCrunch AI

# AI视频 # 模型突破

0 0