Aishaobing的个人播客

【AI模型】 🤖 豆包1.6-Vision发布：多模态更强，成本再降50% 强化工具调用与视觉理解，推理与开发效率双提升。 综合成本较上一代约降一半，性价比显著提升。 【技术突破】 🔬 通义千问Qwen3-LiveTranslate-Flash：同传延迟刷新至3秒 覆盖18种语言与多方言，视觉上下文加持复杂场景更准。 行业领先的3秒级同传，显著提升实时沟通流畅度。 【AI模型】 🤖 DeepSeek V3.2-exp：稀疏注意力将API成本砍半 “闪电索引器”与“细粒度标记选择”协同，长上下文处理更高效。 初测显示调用成本下降约50%，更经济可用。 - 参考链接：https://www.chinaz.com/tags/855878.shtml - 参考链接：https://www.chinaz.com/tags/919172.shtml - 参考链接：https://www.chinaz.com/tags/937841.shtml 【AI模型】 🤖 Claude Sonnet 4.5发布：编码与复杂任务全面跃升 在编码基准与长时自主执行上表现卓越，新增检查点、上下文编辑与内存工具。 更强对齐与安全，适配高风险企业场景。 【行业动态】 📰 ChatGPT上线“即时结账”：聊天里一键下单 接入Stripe“代理商务协议”，多支付方式安全便捷。 后续将支持多件购物车与全球市场，重塑电商闭环体验。 【行业动态】 📰 OpenAI将推“AI版TikTok”：Sora2全AI生成短视频 10秒短片形态，支持身份认证与肖像使用标记。 同步强调安全与版权管控，力保社区健康与用户留存。 【效率工具】 ⚙️ Claude Code 2.0：检查点+VS Code插件，编程效率飞跃 新增状态回滚、内联差异与图形化交互，IDE与终端协同更顺滑。 Sonnet4.5在OSWorld拿下61.4%，擅长复杂代理构建。 【效率工具】 ⚙️ 百度地图小度想想2.0：出行智能助手全面进化 出行知识库+实时搜索，复杂出行意图理解更准。 跨端记忆打通手机与车机，支持即时/近期/长期个性化推荐。 【开源项目】 🧩 蚂蚁集团开源万亿参数Ring-1T-preview：逼近GPT-5水准 在AIME25与CodeForces等测试表现优异，强化推理与代码生成。 团队持续后训练，潜力有望进一步释放。 【技术突破】 🔬 DeepMind提出“帧链”：通用视频理解迈出关键一步 让视频模型具备跨时空推理能力，Veo3多任务强势表现。 通用视频模型或将替代专用模型，开启机器视觉新阶段。 - 源链接：https://papers-pdfs.assets.alphaxiv.org/2509.20328v1.pdf 【开源项目】 🧩 智谱GLM-4.6开源：编程能力对齐Sonnet4，国产硬件适配破局 Agentic Coding等能力大幅升级，超越DeepSeek V3.2-Exp于代码生成。 已在寒武纪与摩尔线程硬件上高效部署。

【技术突破】 🚀 京东物流发布“超脑大模型2.0”和“异狼”具身机械臂 在 JDDiscovery-2025 上，物流从“辅助决策”迈向“具身执行”新阶段。 大模型2小时解千万级变量；“异狼”机械臂自主学习，复杂包裹高精度抓取。 - 参考链接：https://www.chinaz.com/tags/jingdongwuliu.shtml - 参考链接：https://www.chinaz.com/tags/996720.shtml - 参考链接：https://www.chinaz.com/tags/996721.shtml 【AI模型】 🧠 DeepSeek V3.1 Terminus终结版发布，稳定性大幅提升 修复中英文混杂与异常字符等关键问题，优化 Code/Search Agent。 V3系列收官，V4或R2全新架构呼之欲出。 【效率工具】 ⚙️ Kimi 上线全新 Agent 模式“OK Computer”，开启灰度 基于 K2 模型，参数总量达1T，自主编程与工具调用表现突出。 以自然指令完成网站开发、数据分析等复杂任务。 【效率工具】 ⚙️ ChatGPT 推出个性化资讯功能，打造你的专属新闻助手 结合聊天历史，定制推送多领域每日资讯。 旨在提升信息获取效率与体验。 【开源项目】 🔓 Exa Code 发布：为 Coding Agent 提供亿级代码上下文 精准提取相关token，提升信息密度，显著降低幻觉与冗长输出。 免费开源、易集成，助力多场景开发提速。 - 源链接：https://exa.ai/blog/exa-code 【行业动态】 📰 Meta 推出 AI 视频平台 Vibes，轻松创作与分享短视频 支持从零创作、素材再混、动态 remix，多样玩法一站式。 作品可在 Vibes 发布，或跨平台分享至 Instagram 与 Facebook。 - 源链接：https://about.fb.com/news/2025/09/introducing-vibes-ai-videos/ 【技术突破】 🚀 蚂蚁数科发布隐私保护AI算法，推理提速超100倍 Gibbon 框架采用安全两方训练，显著加速传统GBDT。 基于同态查找表的决策图推理，兼顾隐私与高效计算。 【行业动态】 📰 OpenAI 发布 GDPval 基准，GPT-5 多行业逼近专家水平 涵盖九大行业、44种职业评估，GPT-5与Claude Opus4.1部分任务接近专家。 真实工作能力仍待验证，后续将推出更全面测试。 - 源链接：https://openai.com/index/gdpval/

【技术突破】 🚀 生数科技发布 Vidu Q2：细微表情生成更真实 在图生视频细微表情与情感传达上实现显著提升，画面更自然、更生动。 支持图生视频、首尾帧生成与可调时长，为创意影像提供更灵活的制作能力。 【效率工具】 ⚙️ 火山引擎炉米 Lumi 支持视觉模型 LoRA 微调 首次支持豆包、即梦等同款视觉模型的 LoRA 微调，企业可快速定制视觉风格。 提供从图片到视频的全流程 AIGC 能力，助力高效构建生产线。 【行业动态】 📰 阿里云：通义千问开源300+模型，下载量突破6亿 云栖大会披露最新进展，展现开源生态与应用落地的强劲势头。 通义万象生成超3.9亿张图片、7000万+视频，数字内容能力持续攀升。 【开源项目】 🧩 百度开源 Qianfan-VL：多模态视觉理解模型三档规模 依托昆仑芯 P800，兼顾低功耗与高效训练，在 OCR 与教育场景表现突出。 3B/8B/70B 全系开放，GitHub 与 Hugging Face 同步面向开发者使用。 - 项目链接（如有）：https://github.com/baidubce/Qianfan-VL 【行业动态】 📰 微软引入 Anthropic 模型扩展 Copilot Assistant 在保持与 OpenAI 紧密合作的同时，多元化引入 Anthropic 满足企业需求。 管理员启用后，企业可用 Anthropic 模型构建 AI 代理，并在多云环境运行。 【行业动态】 📰 OpenAI 在美国新建五个数据中心，推进“Stargate”算力 总投资约 5000 亿美元，目标算力接近 7GW，基础设施按周扩容。 Oracle 参与建设，阿比林数据中心扩容新增 600MW，支撑生成式 AI 加速发展。 【开源项目】 🧩 英伟达开源 Audio2Face：实时语音驱动面部动画 提供 SDK 与训练框架，支持离线渲染与实时流式，覆盖游戏与影视场景。 多家开发商已采用，显著提升虚拟角色真实感与制作效率。 - 项目链接（如有）：https://build.nvidia.com/nvidia/audio2face-3d 【AI模型】 🤖 Meta 发布 CWM：32B 参数代码世界模型支持沙箱推演 生成前先在沙箱模拟运行结果，快速定位错误并提升调试与安全性。 硬件要求高，需双 H100 与 RDMA 支持，适配高性能工程环境。 - 项目链接（如有）：https://github.com/facebookresearch/cwm

【效率工具】 ⚙️ 阿里夸克发布AI创作平台“造点”，Wan2.5视频生成7天免费 集成通义万相 Wan2.5 与 Midjourney V7，支持音画同步视频生成与高级图像创作。 提供轻量化创作体验，满足普通用户日常修图与创意需求。 - 参考链接：https://www.chinaz.com/tags/875912.shtml - 参考链接：https://www.chinaz.com/tags/835556.shtml - 参考链接：https://www.chinaz.com/tags/754515.shtml - 参考链接：https://www.chinaz.com/tags/996134.shtml - 参考链接：https://www.chinaz.com/tags/812428.shtml 【AI模型】 🧠 Wan2.5-Preview发布：多模态输入，电影级视听同步视频生成 视频生成支持高保真、高一致性视听同步，覆盖多人声、音效与BGM。 图像生成更强，涵盖逼真摄影、艺术风格与专业图表，并支持对话式指令级编辑。 【行业动态】 📰 可灵AI发布可灵2.5Turbo视频模型，订阅降价近30% 新模型上线同步降价，基础会员66元，最高级会员月费1314元。 二季度营收超2.5亿元，显示视频大模型订阅价格进入分化阶段。 【开源项目】 🧑‍💻 阿里通义推出Qwen3-ASR-Toolkit：小时级音视频转录开源工具 基于Qwen3-ASR-Flash，突破三分钟限制，支持多格式、智能静音切分与并行上传。 显著提升长时音视频转录的速度与准确率。 - 项目链接：https://github.com/QwenLM/Qwen3-ASR-Toolkit 【效率工具】 ⚙️ 谷歌相册AI编辑全面开放：用自然语言一键修图，安卓全覆盖 支持光线调整、背景移除与老照片修复等高级操作，降低修图门槛。 同步推进AI透明度，支持C2PA内容凭证，维护影像真实性。 【效率工具】 ⚙️ 谷歌推出Mixboard：情绪板生成与图像编辑一站式AI工具 支持模板与文本提示，上传图片或自然语言即可生成视觉方案。 一键再生与编辑提升创作效率，适用于家居装饰与活动策划等场景。 - 项目链接：https://labs.google.com/mixboard/welcome 【AI模型】 🧠 Qwen3-Max发布：代码生成与自主思考双强，MoE架构加持 规模超万亿参数，使用36万亿tokens预训练，提升训练效率与稳定性。 Instruct版本编程基准表现优异，Thinking版本数学推理满分。 【技术突破】 🚀 Figma MCP服务器升级：一键设计转代码，协作效率飞跃 远程访问语义层信息，与Figma Make无缝集成，资源直出代码级资产。 Code Connect映射优化，代码还原度提升，开发时间缩短60%-80%。 - 项目链接：https://127.0.1:3845/sse