DAM-3B – 英伟达推出的多模态大语言模型
DAM-3B是什么DAM-3B（Describe Anything 3B）是英伟达推出的多模态大语言模型，专为生成图像和视频中特定区域的详细描述设计。模型通过点、边界框、涂鸦或掩码等方式指定目标区域，能生成精准且符合上下文的描述文本。 DAM-3B的核心创新包括“焦点提示”技术和“局部视觉骨干网络”。焦点提示技术将全图信息与目标区域的高分辨率裁剪图融合，确保细节不失真，同时保留整体背景。局部视
微软上线GPT-image-1模型 通过API向开发者开放使用
4月24日凌晨，OpenAI正式推出了其全新图像生成模型GPT-image-1，并通过API向全球开发者开放使用。这一模型的发布标志着图像生成技术的又一次飞跃，为开发者带来了更多可能性。GPT-image-1与OpenAI此前的ChatGPT版本有很大不同，它不仅能够生成高质量的图像，还支持多种高级定制功能。开发者可以通过API控制生成图像的敏感度、生成效率、背景、输出格式、渲染质量和压缩质量
消息称 OpenAI 计划今夏初发布开源语言模型，力争推理能力超越同类
IT之家 4 月 24 日消息，今年 3 月底，OpenAI 宣布计划在今年某个时候发布自 GPT-2 以来的首个“开源”语言模型，目前该模型的细节正逐渐浮出水面。据 TechCrunch 报道，消息人士透露，OpenAI 研究副总裁 Aidan Clark 正在领导这一开源模型的开发工作，该模型目前仍处于早期阶段。公司计划在今夏初发布该模型，并希望其在推理能力上超越其他同类开源推理模型。该模型
谷歌 AI 聊天机器人 Gemini 月活达 3.5 亿，与 ChatGPT 等竞品仍有差距
IT之家 4 月 24 日消息，根据正在进行的谷歌反垄断诉讼中披露的内部数据，截至 3 月，谷歌的人工智能聊天机器人 Gemini 全球月活跃用户数达 3.5 亿。IT之家注意到，在过去一年中，谷歌的 AI 产品使用量呈现出爆发式增长。数据显示，Gemini 在 2024 年 10 月的日活跃用户仅为 900 万，而到了上个月，其日活跃用户数已攀升至 3500 万。然而，尽管 Gemini 的用
OpenAI 新推出的 GPT-4.1 模型面临对齐性下降的挑战
近期，OpenAI 发布了其最新的人工智能模型 GPT-4.1，声称该模型在执行指令方面表现优秀。然而，多项独立测试却显示，GPT-4.1在对齐性，即可靠性方面，相较于前代模型 GPT-4o 有所下降。通常，OpenAI 会在发布新模型时附上详细的技术报告，包含安全评估的结果。但此次却没有遵循这一惯例，OpenAI 解释称，GPT-4.1不属于 “前沿” 模型，因此不需发布单独的报告。这一决定引起
AWS 发布 SWE-PolyBench:评估 AI 编程助手的新开源基准
近日，AWS AI Labs 推出了 SWE-PolyBench，这是一个多语言的开源基准，旨在为 AI 编程助手的评估提供一个更全面的框架。随着大规模语言模型（LLM）的进步，AI 编程助手的开发已经取得了显著的进展，这些助手能够生成、修改和理解软件代码。然而，目前的评估方法仍然存在诸多局限，许多基准测试往往仅集中在 Python 等单一语言，无法全面反映真实代码库的结构和语义多样性。SWE-P
谷歌 Workspace 再添 AI 功能，音频概述与会议跟踪全新上线
谷歌近日宣布，旗下 Workspace 产品将引入更多 AI 工具，尤其是对其 Gemini 功能的扩展。这些更新包括新的音频概述（）功能和改进的会议跟踪方式，旨在提升用户的工作效率和体验。新推出的音频概述功能，最初在谷歌的 NotebookLM 中亮相，允许用户围绕自己选择的研究主题创建播客。现在，通过 Gemini 平台，用户可以根据上传的文档和幻灯片生成音频文件。此外，用户还能在深度研究报告
Meta为Ray-Ban智能眼镜推出实时翻译功能
近日，Meta 公司宣布，为其 Ray-Ban 智能眼镜推出多种新功能，包括实时翻译、Instagram 消息和通话功能等。这些功能原本仅限于 Meta 的抢先体验计划用户，现在已全面向所有 Ray-Ban 智能眼镜用户开放。实时翻译功能最早在2024年 Meta Connect 大会上首次披露，并于去年12月在部分国家进行有限测试。现在，用户可以在支持的市场中，使用该功能与讲英语、法语、意大利语
腾讯云代码助手CodeBuddy推出Craft软件开发智能体 支持MCP协议
4月24日，腾讯云宣布其代码助手CodeBuddy全新升级，推出Craft软件开发智能体，这一创新工具将AI编程从“补全代码”进化为“交付项目”，极大地提升了软件开发效率。据腾讯云介绍，使用Craft智能体的开发者平均编码时间缩短了超过40%，AI生成代码的占比超过40%，研发效率提升超过16%。在过去，开发一个完整的应用程序需要多个团队协作，包括前端、后端、测试和运维等，流程复杂且耗时。然而，C
Perplexity语音助手全新升级，智能交互再创新高
Perplexity AI在其iOS应用中推出全新语音助手功能，进一步增强了AI助手的实用性与交互体验。据AIbase了解，新功能支持设置闹钟、查找路线、发送消息、预订餐厅等多项任务，结合强大的实时搜索与多应用集成，为用户带来无缝的智能生活体验。相关更新已在App Store上线，社区反响热烈，标志着Perplexity向综合AI助手领域的强势迈进。核心功能:多任务处理与实时交互Perplexit
首届具身智能机器人运动会启动，宇树机器人携舞蹈与竞速项目参赛
首届具身智能机器人运动会将在无锡市盛大举行。作为重要参赛队伍之一，宇树科技将与来自全国各地的机器人企业同台竞技，参与激烈的竞速跑比赛以及精彩的舞蹈表演环节。截至目前，已有100多家相关企业报名参赛，来自北京、上海、深圳、西安、重庆等地的顶尖机器人公司将参与竞速跑项目，宇树机器人将在这一项目中与国家地方共建具身智能机器人创新中心（北京）、人形机器人创新中心(上海)等知名机构展开激烈竞争。除了竞速跑，
30岁华裔将成最年轻白手起家女富豪：是Scale AI联合创始人
站长之家（ChinaZ.com）4月24日 消息:近日，人工智能领域传来一则引人瞩目的财富新闻:30岁的华裔创业者郭露西（Lucy Guo）以12.5亿美元身家估值，超越知名艺人泰勒·斯威夫特，成为全球最年轻的白手起家女性亿万富豪。作为全球仅有的六位40岁以下白手起家女亿万富豪之一，郭露西的财富轨迹折射出人工智能时代的技术红利。这位出生于旧金山湾区的华裔二代，自幼便展现出对科技的敏锐洞察力。在
UniToken：多模态AI的“全能选手”，一次编码搞定图文理解与图像生成
声明：文来自微信公众号“量子位”，作者:UniToken团队，，授权站长之家转载发布。首次在统一框架内实现理解与生成的“双优表现”，打破了多模态统一建模的僵局!复旦大学和美团的研究者们提出了UniToken——一种创新的统一视觉编码方案，在一个框架内兼顾了图文理解与图像生成任务，并在多个权威评测中取得了领先的性能表现。UniToken通过融合连续和离散视觉表征，有效缓解了以往方法中“任务干扰”
50 → 100 条：OpenAI 放宽限制，Plus 等用户每周可用 o3 AI 模型消息数翻倍
IT之家 4 月 24 日消息，OpenAI 公司首席执行官山姆・奥尔特曼（Sam Altman）今天（4 月 24 日）在 X 平台发布推文，宣布针对 Plus、Team 或 Enterprise 用户，放宽模型消息限制，o3 从每周 50 条升至每周 100 条，o4-mini 从每日 150 条升至每日 300 条，o4-mini-high 升至每天 100 条。IT之家此前报道，Open
Adobe 挑战 OpenAI，安卓 / iOS 版 AI 生图工具 Firefly 蓄势待发
IT之家 4 月 25 日消息，CNBC 昨日（4 月 24 日）发布博文，报道称 Adobe 公司为更有力挑战 OpenAI，计划推出移动版 AI 图像生成工具 Firefly。在伦敦 MAX 创意大会上，Adobe 公司宣布 Firefly 移动版将“很快”登陆 iOS 和安卓平台，但未公布具体日期。在接受 CNBC 采访时，Adobe Firefly 副总裁 Alexandru Costi
共同阶跃星辰与原力灵机达成战略合作
阶跃星辰与原力灵机在北京签署了战略合作协议，双方将利用各自的技术优势，在多模态大模型技术、智能终端 Agent 和具身智能场景方面展开深入合作。此次合作的目标是实现 “实现在物理世界的推理”，共同开发一种名为 “RoboAgent” 的智能机器人，推动通用人工智能（AGI）在实际应用中的落地。签约仪式上，阶跃星辰的创始人兼 CEO 姜大昕博士和原力灵机的联合创始人范浩强共同见证了这一重要时刻。阶跃
谷歌I/O2025展望:Material3、Android XR与生成式AI重塑开发者体验
在今天上午的谷歌I/O2025会议上，谷歌宣布了一系列令人激动的新技术，进一步展示了其在人工智能、沉浸式体验和开发工具方面的最新进展。以下是我们可以期待的主要亮点:1. Material3Expressive:情感化设计的未来谷歌将在此次大会上推出Material3Expressive，这一全新设计系统被形容为“谷歌用户体验设计的未来”。Material3Expressive注重情感化设计，融合了
谷歌研究显示：利用AI每年可为员工节省122 小时的工作时间
近日，谷歌发布了一份试点报告，指出如果员工在处理行政任务时使用人工智能（AI），每年可以节省超过122小时的工作时间。根据这份报告，若企业能够为员工提供几小时的基础培训，不仅可以迅速提升员工对技术的掌握程度，还有可能促进整体经济增长。报告中的分析显示，借助 AI 的潜力，英国的经济增长有望增加多达4000亿英镑，约合3.88万亿元人民币。图源备注：图片由AI生成，图片授权服务商Midjourney
Create2025百度AI开发者大会举行 文心4.5 Turbo、X1 Turbo发布
今日，Create2025 百度AI开发者大会在武汉经济技术开发区（经开区）盛大举行。本次大会汇聚了众多AI领域的专家和开发者，共同探讨AI技术的最新进展和未来趋势。百度创始人、董事长兼CEO李彦宏在大会上发表了主旨演讲，强调应用才是创造价值的真正关键。李彦宏指出，当前AI领域模型发布愈发频繁，MCP逐渐成为行业标准，通用智能体等多智能体协作的产品也受到广泛关注。然而，随着模型迭代加速和能力增
“你可能患了血癌……” 医生诊断错误，而 ChatGPT 是对的！
皮肤发烫且伴有发热症状，医护人员诊断后称无明显异常，ChatGPT 建议可能是 “血癌”……站长之家(ChinaZ.com) 4月25日 消息:一位 20 多岁的女性在医生诊断其为“一切正常”后，通过 AI 模型 ChatGPT 进行检测，得到“血癌”的回复，且最终证明 AI 才是对的 ……她的经历成为了热门话题。据《每日邮报》（Daily Mail）等外媒当地时间 24 日报道，27 岁的法