大模型与基础AI技术

  • DeepSeek V3.1上线：DeepSeek发布了V3.1版本大模型，该版本融合了V3和R1的优势，具备更强的智能体能力和思考效率。它采用混合推理架构，支持思考和非思考两种模式，上下文窗口为128K。V3.1采用了UE8M0 FP8精度格式，旨在适配下一代国产芯片，通过牺牲小数精度换取更大的数值表示范围和计算效率，以帮助国产硬件绕过英伟达在传统FP8支持上的专利优化和技术短板。
  • 字节跳动开源Seed-OSS：字节跳动开源了Seed-OSS-36B大模型，该模型具有360亿参数和512K的超长上下文窗口，据称在知识理解、推理、数学和代码等领域表现优秀。它引入了“思考预算”机制，允许用户控制模型思考深度。Seed-OSS支持免费用于学术研究和商业部署。
  • 英伟达推出混合语言模型：英伟达推出了91参数的混合语言模型Lion Transformer Nano video，该模型相较于81参数的千问三等规模相似模型，实现了数倍的推理负载吞吐量和领先的精准度。

AI应用与工具

  • ElevenLabs推出视频音乐和AI配音功能：ElevenLabs推出了“video to music”功能，可以为视频生成匹配的音乐和音效，并支持修改提示词。同时，其AI配音功能支持29种语言自动配音，并能为同一个视频中的多个角色保持与原声一致的音色风格和情感。
  • 百度发布图生视频模型Muse Steamer 2.0：百度上线了图生视频模型Muse Steamer 2.0。该模型能够将用户上传的产品图片无缝融合到视频内容中，将静态图像转化为动态、高质量的视频。它还能通过AI生成传统影视制作中的演员、场地、后期配音和特效追加等，且整体价格为国内主流竞品的70%。
  • 香港中文大学推出Twin Composer：香港中文大学等机构推出了面向卡通和动画制作的生成式模型Twin Composer。该模型将中间帧补全与上色整合到后关键帧阶段，只需一张线稿和一张参考色稿即可创建动画视频，支持精准的线稿、关键帧控制和区域内容控制，可节省70%的人工劳动。

AI与生物保护

  • Google DeepMind升级Perch模型：Google DeepMind升级了其Perch模型，该模型能够快速分析生物声学数据，以帮助拯救濒危物种。新模型更擅长预测鸟类物种，并能更好地适应新环境，尤其是水下环境。其训练数据覆盖广泛物种，能够解析数千甚至数百万小时音频数据中的复杂声音场景，回答特定区域动物数量或幼崽数量等问题。

开源AI项目

本周Github上推荐了多个AI相关开源项目：

  • airi - 本地数字伴侣：一个开源的自托管AI数字人项目，支持Web和桌面版本（Mac和Windows），可进行实时文本和语音聊天，旨在将赛博生命带入现实。
  • Archon - AI编程助手的指挥中心：一个AI编程助手的管理平台，负责管理知识上下文和分配任务，可作为AI版技术中台。
  • everything-ai-chat：基于Everything开发的项目，将Everything与AI结合，通过自然语言搜索电脑文件。
  • fastapi_mcp - FastAPI转MCP工具：可将FastAPI应用自动转换为MCP服务器，使AI助手能够直接调用API接口。
  • CapsWriter-Offline - 电脑语音输入工具：一款PC端离线语音输入工具，通过按下大写锁定键进行语音识别，并支持音视频文件转录生成字幕。
  • LibreTranslate - 本地翻译引擎：可部署到本地的开源翻译引擎，支持离线翻译，并通过浏览器或API进行翻译。
  • GitHubDaily - 开源项目推荐：一个持续更新的GitHub开源项目推荐集合。

其他相关进展

  • Firefox支持中日韩本地翻译：Firefox浏览器为中日韩用户推出了本地翻译功能，所有翻译在设备端处理，不上传云端，保障用户隐私，并支持离线使用。Mozilla工程师团队克服了字符、语法和无空格分词等技术挑战，优化了机器学习模型和性能。

  • Ungoogled Chromium - 无谷歌服务浏览器：一个基于Chromium开发的开源浏览器，移除了所有谷歌网络服务依赖，提供精简、隐私保护的浏览体验。

  • Windhawk - Windows定制平台：Windows上的自定义平台，提供简单安全的方式个性化配置应用程序行为和外观，以Mod形式解决窗口排布、资源管理器功能和任务栏行为等问题。

  • fuck-u-code - 屎山代码鉴定器：基于Go语言开发的代码质量评估工具，从循环复杂度、函数长度、注释覆盖率、错误处理、命名规范和代码重复度等七个维度评估代码的“屎山”程度。

  • PixiEditor - 通用2D编辑器：一款通用2D编辑器，为游戏素材、动画、图像编辑和Logo设计等提供工具和功能，支持在同一画布上混合使用矢量和光栅图，并支持多种格式导出。

  • 韩国部署3D全息影像警察：韩国警方在公园设置3D全息影像警察后，公园内的犯罪案件数量减少了约22%。这些全息影像警察在夜间运行，提醒市民摄像头监控和警方实时响应，起到了心理威慑作用。