声音理解能力新SOTA，小米全量开源了模型。 MiDashengLM-7B，基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B Thinker作为自回归解码器，通过创新的通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。
还是Claude痛快，Claude Opus 4.1前脚曝光，今天这就正式发了。编程性能再次突破天花板，超越Claude Opus 4，拿下SOTA。此外在Agent任务和推理方面进一步升级。但加量不加价，定价和Claude Opus 4一样。
通义模型家族，刚刚又双叒开源了，这次是Qwen-Image——一个200亿参数、采用MMDiT架构的图像生成模型。 这也是通义千问系列中首个图像生成基础模型。
不仅能达IMO银牌水准，更能解决普特南数学竞赛难题，甚至超越顶尖模型o4-mini！ 字节发布全新复杂数学解决模型——Seed-Prover。
又一个SOTA基础模型开源，而且依然是国产。 刚刚，阶跃星辰兑现了WAIC上的承诺，将最新多模态推理模型Step-3正式开源！ 在MMMU等多个多模态榜单上，它一现身就取得了开源多模态推理模型新SOTA的成绩。
WebAgent 续作《WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization》中
众所周知，老黄不仅卖铲子（GPU），还自己下场开矿（造模型）。
卷疯了，通义千问真的卷疯了。
机器人能通过普通视频来学会实际物理操作了！ 来看效果，对于所有没见过的物品，它能精准识别并按照指令完成动作。
又到了一年一度“中国AI春晚”WAIC，各家大厂动作频发的时候。 今年会有哪些看点？你别说，我们还真在扒论文的过程中，发现了一些热乎线索。 比如蚂蚁数科的金融推理大模型，发布会还没开，技术论文已悄咪咪上线。 金融领域的推理大模型，你可以理解为金融领域的DeepSeek，带着SOTA的刷榜成绩来了。
