AI资讯微调时代的终结：AI发展新趋势解析
本文探讨了OpenAI宣布弃用微调API背后的行业变化，以及AI模型训练、推理和应用领域的新动态。
#多模态AI
按标签聚合查看文章内容。
AI资讯
AI资讯Thinking Machines原生交互模型——TML-Interaction-Small 276B-A12B推动实时语音技术新高度
Thinking Machines团队发布了全新交互模型TML-Interaction-Small，凭借2760亿参数和12亿活跃参数，显著提升了实时语音模型的性能，开创了人机协作的新范式。
AI资讯文本基准测试超越Opus-4.6 Max的「Qwen3.7-Plus」
阿里巴巴云发布了集视觉与语言功能于一体的多模态AI代理Qwen3.7-Plus，支持多种交互方式，提升编码和生产力工作流程能力。
AI资讯谷歌分析Gemini 1500万条数据：职场自动化率不足10%
美国谷歌公司于当地时间23日发布了首版《AI与经济ATLAS（活动、任务、环境与采用研究）》报告，深入分析了人们在工作和日常生活中如何使用人工智能（AI）。 该报告基于谷歌旗下“Gemini”应用及“Gemini API”等AI产品收集的1500万条匿名对话数据，涵盖了全球150多个国家和地区，使用140种语言，涉及800种职业和4000种任务，构成了规模庞大的调研基础。 职场中AI的使用现状 调
AI资讯Qwen 3.8 Max（2.4万亿参数）与27B：阿里巴巴新开放权重模型聚焦编码与协作
阿里巴巴发布了旗舰级开放权重模型Qwen 3.8 Max（2.4万亿参数）及27B版本，主打长时编码、自主协作和多模态推理，标志着中国开放模型领域的重大进展。
AI资讯Mira Murati希望她的AI“让人类始终参与其中”
在人工智能引发的失业担忧和少数大公司权力增强的背景下，Mira Murati创办的初创公司Thinking Machines Lab提出了一个截然不同的技术愿景。 Murati在接受WIRED采访时表示：“未来我们终将拥有超级智能机器，但我们认为实现多种可能的美好未来的最佳方式，是让人类始终参与其中。” 她认为，人工智能不必将人类排除在外。她提出一种更乐观的观点：让人们构建并定制自己的前沿AI模型
AI资讯谷歌正式推出图像生成AI模型“Nano Banana 2”和“Nano Banana Pro”
美国谷歌公司于2026年5月29日（当地时间）正式发布了图像生成AI模型“Nano Banana 2”（Gemini 3.1 Flash Image）和“Nano Banana Pro”（Gemini 3 Pro Image），向开发者和企业开放使用。这两款模型可通过“Google AI Studio”以及“Gemini Enterprise Agent Platform”的API接口调用。 “
AI资讯NVIDIA推出XR AI公共测试版，助力多模态AI代理开发
NVIDIA发布了面向AR眼镜和XR设备的多模态AI代理开发框架，支持开发者构建智能交互应用。
AI资讯谷歌Vids现支持你主演专属AI视频
OpenAI的Sora应用虽然已经关闭，但谷歌显然认为用户对能让自己成为AI视频主角的工具仍有兴趣。周四，这家科技巨头宣布对Google Vids进行更新，用户可以通过上传自拍照和语音录音，创建一个看起来和听起来都像自己的数字化身。 此外，谷歌还将其多模态AI模型Gemini Omni引入Vids，用户可以通过文字提示和上传的参考图片组合来制作视频。Omni会将这些输入融合，生成所需的AI视频。它
AI写作InkFox AI：多模态智能创作与工作流自动化平台
InkFox AI 是一款支持文本、图片、音频等多模态的智能创作与自动化平台，集成 AI 对话、文案生成、图片生成、工作流编排与团队协作，帮助个人与企业高效完成内容创作和业务流程自动化。
AI资讯高性能视频生成AI「MiniMax-H3」开源发布，支持商业用途
2023年8月3日（中国时间），MiniMax发布了通用AI模型「MiniMax-H3」的权重文件，已在Hugging Face平台公开。该模型能够综合理解文本、图像、视频和音频等多种素材，生成最高2K分辨率并带有立体声的视频。 MiniMax-H3采用MiniMax-H3社区许可协议，允许商业使用，但需注明许可信息。若年销售额超过2000万美元（约合31亿元人民币，按1美元兑155日元计算），
AI资讯微软推出三款全新基础AI模型，挑战竞争对手
微软AI研究实验室于周四宣布推出三款基础AI模型，分别支持文本、语音和图像生成。这一发布标志着微软在构建多模态AI模型体系上的持续努力，旨在与其他AI实验室竞争，尽管微软仍与OpenAI保持合作关系。 其中，MAI-Transcribe-1支持25种语言的语音转文本，速度是微软Azure Fast的2.5倍。MAI-Voice-1是一款音频生成模型，能够在一秒内生成60秒的音频，并支持用户定制个性