📰 让 ChatGPT 在你睡觉时为你研究,醒来直接看简报
更多动态
🧑💼 快速构建企业级 AI 数字员工
阿里云新发布的瓴羊 AgentOne,是一个面向企业的 AI 智能体开发平台,目标是让 Agent 解决具体业务问题,而非停留在演示。 它不是简单的 API 调用,核心思路是“大模型 + 高质量数据 + 强业务场景”的结合。 1️⃣ 两种开发模式:为业务人员提供零代码拖拽平台(ADP),为开发者提供高代码框架(ADK),官方称都能在 1 小时左右完成原型搭建。 2️⃣ 典型应用:已落地在客服(自动处理工单)、营销(全链路策划)、数据分析(自动出报告)、直播(监控话术违规)等多个场景。 3️⃣ 开发者提示:平台通过 Model Context Protocol (MCP) 实现跨系统互联,并深度集成了 Qwen 等自研模型,为二次开发与性能调优提供了空间。 官网: https://www.lydaas.com/agentone

🎬 告别繁琐工具:一站式解锁影音创作
阿里巴巴 Wan2.5-Preview 发布,通过其创新的原生多模态架构与音画同步能力,重塑视觉内容生成。告别多平台切换,开启更高效的创作体验。 核心技术 1️⃣ 原生多模态架构:区别于传统“拼接”模型,Wan2.5-Preview 采用统一框架,能同时处理文本、图像、视频和音频输入输出。理解与生成更深层次的跨模态关联,带来高保真度体验。 2️⃣ 联合多模态训练:通过同步训练文本、音频、视觉数据,模型学会深度关联不同模态。这是实现其标志性“原生音画同步”功能的基础,例如口型与语音的精准匹配。 3️⃣ RLHF 人类偏好对齐(用人类的反馈训练 AI):引入强化学习,不断向人类审美与动态表现偏好校准。让生成内容更具“电影感”和艺术吸引力,避免僵硬与不自然。 🎥 视频生成革新: ◦ 原生音画同步:首次实现单次生成流程中,同时创造高保真视频与完全同步的音频内容,包括人声对白、音效和背景音乐。支持音频驱动视频生成。 ◦ 电影级画质与时长:支持 1080p 全高清,单次生成时长达 10 秒,镜头运动与结构稳定性显著增强,提供专业级电影感。 ◦ 多模态输入:可自由组合文本、图像、音频作为输入源,创意起点更灵活 图像编辑精准控制: ◦ 高级图像生成:精准遵循复杂指令,生成照片级真实感图像,支持多样艺术风格、创意中文/英文文字设计及专业图表。 ◦ 对话式编辑:支持多轮自然语言指令编辑图像,实现像素级精准控制,如多概念融合、材质变换、产品换色。 Wan2.5-Preview 定位独特,尤其在原生音画同步、多语言支持(特别是中文)及工作流整合方面,对比 Sora、Kling、Veo3 具有优势。虽然目前采用 API 预览模式引发社区对开源的讨论,但这被认为是阿里收集数据(用于 RLHF 优化)与构建技术壁垒的战略考量。 快速上手: 目前 Wan2.5-Preview 提供 API 服务。创作者可通过其平台探索其音画同步、多模态输入等新能力,体验更高效的创作工作流。 官网: https://wan.video

美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
