搜索
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。
国产大模型进步的速度早已大大超出了人们的预期。年初 DeepSeek-R1 爆火，以超低的成本实现了部分超越 OpenAI o1 的表现，一定程度上让人不再过度「迷信」国外大模型。
随着生成式人工智能技术的飞速发展，合成数据正日益成为大模型训练的重要组成部分。未来的 GPT 系列语言模型不可避免地将依赖于由人工数据和合成数据混合构成的大规模语料。
随着AI Agent 在工作场所日益普及，个人可能会与之紧密协作。波士顿咨询集团报告指出，未来五年内，AI Agent 市场预计将以45%的复合年增长率扩张。
就在刚刚，在Create 2025百度AI开发者大会上，李彦宏又一口气官宣了两款新模型：分别是主打深度思考和多模态的X1 Turbo/4.5 Turbo。据介绍，它们是百度在3月发布的旗舰模型X1、4.5的升级版，推理和多模态能力双双更跃Level。
基于当前观察，预测铰链物体的的运动，尤其是 part-level 级别的运动，是实现世界模型的关键一步。
强化学习提升了 LLM 各方面的能力，而强化学习本身也在进化。
AI 初创公司 ElevenLabs，刚刚筹集了 1.8 亿美元巨额融资 ，主要以其音频生成能力而闻名。该公司通过推出首个独立语音转文本模型 Scribe，迈向了另一个技术方向。
OpenAI o1视觉能力还是最强，模型们普遍“过于自信”！
ElevenLabs 似乎无处不在。2025年 1 月，Lex Fridman在基辅对乌克兰总统Zelenskyy进行了长达三小时的采访，采访中使用了ElevenLabs 提供的AI英语、乌克兰语和俄语翻译，完美地保留了泽连斯基的语音和语调。这是AI消除语言障碍能力的一次引人注目的展示。