Ежедневные новости ИИ - 2025-08-13

Новый рубеж на пути к AGI: модель GLM4.5V2 открывает новую эпоху визуального вывода

В области искусственного интеллекта достигнут новый пик в поисках создания общего искусственного интеллекта (AGI). На днях глобальное сообщество с открытым исходным кодом официально представило модель GLM4.5V2, которая является масштабом 100B параметров для визуального вывода и считается одной из лучших новинок среди аналогичных открытых продуктов. GLM4.5V2 обладает мощными способностями визуального понимания и вывода, демонстрируя удивительную обобщающую способность в разборе содержания изображений и решении сложных визуальных задач, что способствовало значительному прогрессу инфраструктуры открытого ИИ. Эта модель занимает лидирующие позиции в ряде основных тестов по визуальному выводу и предвещает новые прорывы в области автономных возможностей ИИ в открытой среде.

Основная модель XAI GROCKV7: Нативная многомодальная архитектура для эмоционального восприятия

Команда XAI, принадлежащая Илону Маску, завершила разработку основной модели GROCKV7 с нативной многомодальной архитектурой. Эта модель может напрямую обрабатывать исходные видеопотоки и аудиопотоки, а также обладает нативными возможностями распознавания эмоций и речи. Этот дизайн преодолевает ограничения традиционного многомодального ИИ, требующего слоистой обработки и промежуточных преобразований, значительно улучшая глубину понимания человеческих эмоций и динамики выражения, объединяя визуальные, слуховые и эмоциональные характеристики. В отрасли ожидают, что внедрение GROCKV7 приведет к множеству инновационных приложений в области взаимодействия человека и машины, адаптивных сценариев и генерации контента.

Alibaba DaMo Academy открывает три ключевые технологии для умного восприятия мира роботами

На Всемирном конгрессе роботов Alibaba DaMo Academy представила и открыла три основные технологии: модель VLA, модель понимания мира и протокол контекста робота, что приносит новую парадигму технологий в область умных роботов. Модель VLA обеспечивает более глубокое понимание смыслов речи, модель понимания мира динамически моделирует реальную среду и адаптируется к неструктурированным потокам данных, а протокол контекста робота позволяет различным роботам эффективно взаимодействовать в сложных сценариях. В настоящее время эти технологии внедрены в самодельные роботы Alibaba и в умные сценарии, что имеет реальное значение для содействия бесшовной интеграции "машинных сообществ" и практического ИИ.

ByteDance представляет новые продукты, связанные с видео, ускоряя преобразование интеллектуального взаимодействия в коротких видео

ByteDance представила ряд интеллектуальных инструментов для видео-контента, включая новое поколение автоматического видеоредактора и движка семантического понимания, что способствует дальнейшей автоматизации и интеллектуализации процесса создания и распространения коротких видео. Новые продукты выделяются своими возможностями в области распознавания контента, захвата эмоций и интеллектуальной генерации, позволяя пользователю производить прямое многомодальное взаимодействие и получать более разнообразный индивидуализированный опыт. Это приводит к новым выгодам от данных для производителей контента и платформ.

Google Finance запускает продукт для отслеживания финансов на базе ИИ, обеспечивая контроль за "умными денежными потоками"

Недавно Google Finance представила платформу для интеллектуального отслеживания финансов, использующую ИИ для реализации многомерного мониторинга финансовых динамик в реальном времени. Этот продукт поддерживает автоматический анализ активов, прогнозирование инвестиционных тенденций и персонализированные интеллектуальные оповещения, значительно повышая прозрачность и эффективность в области управления рисками, личными финансами и корпоративным финансовым управлением. Представители Google заявили, что в будущем их ИИ-финансовые продукты будут интегрировать больше кроссплатформенных источников данных, предоставляя обновление инфраструктуры для глобального финансово-технологического рынка.

Мнения отрасли сегодня: основные ИИ-платформы ускоряют интеграцию многомодальных и нативных архитектур

Новые тенденции в области ИИ проявляют четкую тенденцию: нативные многомодальные системы и глубокое понимание эмоций становятся основными технологическими направлениями. От открытых моделей визуального вывода с параметрами в десятки миллиардов до крупных моделей, которые обрабатывают битовые потоки напрямую, и до автоматизированного управления финансовой информацией с контекстной совместной работой роботов – каждый сегмент активно использует способности нативного ИИ к выводу, генерации и адаптации. Основные компании быстро открывают базовые технологии и протоколы, совместно продвигая обновление инфраструктуры ИИ, что сокращает цикл инноваций в отрасли. Сцены генерации контента, интеллектуального взаимодействия, финансового интеллекта и "машинных сообществ" являются важными полями для прорыва приложений ИИ во второй половине года.

Создание контента осуществляется YooAI.co