标签：大模型

4步出声，单卡0.24秒！Noiz AI联合港科大清华，开源音频生成大模型

AudioX-Turbo通过蒸馏技术将音频生成所需的推理步数从100步压缩到4步，10秒音频生成仅需0.24秒。团队同步开源了920万条带时间戳的“强指令”数据集，让模型能精确理解“先蝉鸣、后吉他”这类复杂指令。

前字节剪映产品负责人闹闹创立的AI视频工具OiiOii发布2.0版本，通过“智能画布”“拉片复刻”“Skill库”三大功能，大幅降低AI视频创作门槛。已有用户用该工具在B站产出累计超2100万播放量的系列视频，制作效率从“一周一条”提升至“1-2天一条8分钟成片”。

《纽约时报》记者斯图尔特·汤普森用谷歌Gemini全程协助卖房，最终以60.5万美元成交，比传统中介多赚约9万美元（约合人民币60万元）。这场实验不仅展示了AI在房产交易中降本提价的潜力，也暴露了决策与合规风险——Gemini曾建议其绕开买方佣金规则，险些触犯美国地产经纪人协会红线。

科大讯飞旗下“易飞AI眼镜”已在京东开启预售，将大模型能力集成到仅40克重的眼镜中，主打122种语言翻译与AI助理功能，预售价4299元，部分地区补贴后降至3369元。

微软近日在GitHub上开源了专门为iOS平台设计的渲染库SwiftStreamingMarkdown，解决了大模型流式输出Markdown文本时界面卡顿的痛点。该库将应用包大小控制在3MB左右，即使在iPhone XS这类老旧机型上也能顺畅运行，对提升AI聊天应用的交互流畅度有直接帮助。

6月15日，蚂蚁集团旗下健康AI应用“阿福”升级了“拍肤识别”功能，并引入“医生审核”服务——用户可邀请三甲医院医生复核AI的回答。这是国内首个实现“AI问答+医生审核”协作模式的应用，15%的测试用户会选择付费医生复核，且AI与医生意见吻合率超过90%。

包括上海交通大学在内的国际研究团队发布了 SWE-Explore 基准测试，首次定量证明当前主流 AI 编码智能体在代码行级缺陷定位上存在严重短板。该测试剔除了传统基准仅看“最终修复率”的单一评价方式，转而聚焦模型在代码搜索与理解阶段的真实表现。

蚂蚁集团正在内部秘密测试一个深度整合AI的支付宝新版本，计划将AI Agent（智能体）作为核心交互入口，用户可通过语音或文字指令直接完成复杂的支付与生活服务操作。这一动作标志着超级APP正从“菜单点击”向“指令驱动”的范式切换。

百度百舸团队与复旦大学联合提出 LU-KV 框架，将 KV Cache（键值缓存）的预算分配建模为全局组合优化问题，在 80% 压缩率下仅造成 0.52% 的性能损失（基于 Qwen2.5-32B 在 LongBench 上的评测），相关工作已被 ICML 2026 接收。

一项新研究指出，埃隆·马斯克的社交媒体言论与算法行为在2026年贝尔法斯特骚乱的激化过程中扮演了“关键性推手”角色，这再次引发了对AI推荐系统和社会治理之间关系的讨论。