歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的熱點内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鮮AI産品點擊了解:https://top.aibase.com/

1、阿裏通義開源支持鏈式推理的音頻生成模型ThinkSound

阿里语音AI团队开源了全球首个支持鏈式推理的音頻生成模型ThinkSound，该模型通过引入思维链技术，突破传统视频转音频技术的局限，实现高保真、强同步的空间音頻生成。这一技术进步标志着AI音频从“看图配音”向“结构化理解画面”的跨越。

【AiBase提要:】

? ThinkSound首次将多模态大语言模型与统一音頻生成架构结合，实现精准音频合成。

? 研究团队构建了包含2531.8小时高质量样本的AudioCoT数据集，提升模型处理复杂指令的能力。

? ThinkSound在多个测试集中表现优于主流方法，代码和预训练权重已开源，开发者可免费获取。

详情链接:https://github.com/FunAudioLLM/ThinkSound https://huggingface.co/spaces/FunAudioLLM/ThinkSound https://www.modelscope.cn/studios/iic/ThinkSound

2、谷歌Veo3重磅升級，支持靜態圖片生成生動視頻

谷歌宣布对 AI 视频生成工具 Veo3进行重磅升级，用户只需上传一张静态照片即可生成高质量的音频和视频内容，展示了 AI 在创作领域的巨大潜力。Veo3的核心功能包括保持角色在多个镜头下的一致性，并提供丰富的运镜功能，如推镜头。此外，用户可以选择不同质量的生成模型，但需要消耗相应的 credits。

【AiBase提要:】

?? Veo3升级后支持从单张静态图片生成高质量动态视频。

? 支持运镜功能，如推镜头（Dolly in），提升视频专业性。

? 用户可选择不同质量模型，但需消耗相应 credits 资源。

3、Hugging Face发布新一代小参数模型 SmolLM3:128K上下文，双模式推理

Hugging Face发布了SmolLM3，一款具有30亿参数的小型开源模型，其性能优于Llama-3.2-3B和Qwen2.5-3B。该模型支持多种语言处理，并具备双模式推理功能，同时公开了架构细节以促进研究与优化。

【AiBase提要:】

? SmolLM3拥有30亿参数，性能超越同类开源模型，支持多语言处理。

?? 提供深度思考和非思考两种推理模式，灵活应对不同需求。

? 采用先进的transformer解码器架构，通过三阶段混合训练提升能力。

詳情鏈接:https://huggingface.co/HuggingFaceTB/SmolLM3-3B-Base

4、阿里开源 WebSailor，具备强大的推理和检索能力

阿里通义开源了网络智能体 WebSailor，其在中英文任务的 BrowseComp 评测集中表现出色，超越了 DeepSeek R1和 Grok-3等闭源模型，展现了强大的推理和检索能力。银河证券指出 AI Agent 经济已全面开启，并建议关注布局领先的 SAAS 企业。相关上市公司如焦点科技和中科金财已在 AI Agent 技术应用上有所布局，推动了智能体技术的发展。

【AiBase提要:】

? 阿里通义开源 WebSailor，展现出色的推理与检索能力。

? 银河证券指出 AI Agent 经济全面开启，建议关注相关 SAAS 企业。

? 相关公司如焦点科技和中科金财在智能体技术应用上具备明显优势。

詳情鏈接:https://github.com/Alibaba-NLP/WebAgent

5、Moonvalley发布Marey Realism v1.5:原生1080P AI视频模型，零版權风险引领行业新风向!

Moonvalley推出的Marey Realism v1.5AI视频生成模型在画质、创作自由度和法律合规性上实现了全面升级。其原生1080P视频生成能力、基于授权内容的训练数据以及精准解读复杂提示的能力，为影视制作和廣告创意提供了更安全、高效的工具。

【AiBase提要:】

? 原生1080P视频生成能力，提供接近真实拍摄的视觉体验。

?100%授权数据训练，彻底规避版權风险。

? 支持文本到视频和图像到视频生成，提升创作灵活性。

6、Vidu Q1震撼升级:参考转视频支持最多七张图像，AI视频生成再创新高

Vidu Q1的‘参考转视频’功能允许用户上传最多七张参考图像，生成视觉一致性極高的1080p視頻。該技術通過語義融合確保多圖像元素在視頻中保持一致，解決了傳統AI視頻生成中的場景斷裂或角色失真問題，爲創作者提供了強大的工具。

【AiBase提要:】

? 支持最多七张参考图像，提升视频创作灵活性

? 语义融合技术确保多图像元素在视频中保持高度一致

? 多主体一致性技术实现复杂场景的连贯视觉体验

7、苹果研发类似 ChatGPT AI 客服助手，提升用户支持体验

苹果公司正在开发一款基于人工智能的‘支持助手’，旨在为用户提供更智能和高效的客户服务体验。该功能已在 Apple Support 应用代码中被发现，未来将允许用户在联系客服前获得 AI 生成的解决方案，提高服务效率。

【AiBase提要:】

? 苹果正在开发一款基于 AI 的支持助手，以提升客户服务效率。

? 用户可在联系客服前通过 AI 获得问题解决方案，减少等待时间。

? 支持助手可能允许上传文件，丰富互动体验。

8、飛書重磅發布多款AI新品，打造企業級“豆包”

飛書發布了多款AI産品，包括知識問答、AI會議、Aily、飛書妙搭等，旨在加速AI在企業級應用中的落地。同時，飛書還推出了業界首個AI應用成熟度模型，幫助企業評估AI産品的實際效果。

【AiBase提要:】

? 飞书推出多款AI产品，助力企业实现智能化运营。

? 发布AI应用成熟度模型，提升企业对AI产品的判断能力。

? 飞书多维表格性能与AI能力双重飞跃，支持大规模数据处理。

9、微软、OpenAI 与 Anthropic 联合推出教育工作者 AI 培训中心

美国教师联合会（AFT）联合微软、OpenAI 和 Anthronic 成立全国人工智能教育学院，旨在为教师提供免费的AI工具培训，帮助他们更好地利用人工智能技术。该项目获得2300万美元资金支持，推动教育领域的技术变革。

【AiBase提要:】

??? 教师将通过AI培训掌握新技术，确保在教育中的主导地位。

? 微软、OpenAI 和 Anthropic 提供2300万美元资金支持AI教育项目。

? AI学院致力于推动教育民主化，确保技术服务于学生和教师。

10、昆仑万维重磅发布 Skywork-R1V3.0:跨模态推理能力直逼人类专家!

昆仑万维发布 Skywork-R1V3.0，展现出卓越的多模态推理能力，训练样本少但表现出色，达到了人类专家水平。

【AiBase 提要:】

1. ? Skywork-R1V3.0在跨模态推理中取得76.0分，超越多款闭源模型。

2. ? 该模型使用1.2万条微调样本和1.3万条强化学习样本进行训练。

3. ? 在物理、逻辑和数学推理测试中表现优异，分别获得52.8分、59.7分和77.1分。

（舉報）