豆包团队视频生成新突破：无需语言模型，仅凭“视觉”就能学习复杂任务
豆包团队视频生成新突破：无需语言模型，仅凭“视觉”就能学习复杂任务现在，豆包大模型团队联合北京交通大学、中国科学技术大学提出了VideoWorld。
来自主题: AI技术研报
6441 点击 2025-01-31 13:53
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
现在，豆包大模型团队联合北京交通大学、中国科学技术大学提出了VideoWorld。
「除了 Claude、豆包和 Gemini 之外，知名的闭源和开源 LLM 通常表现出很高的蒸馏度。」这是中国科学院深圳先进技术研究院、北大、零一万物等机构的研究者在一篇新论文中得出的结论。
最近，科技圈都在传一个数据：百度旗下的文库业务，AI功能月活用户突破9000万，超过字节旗下豆包的7000万。最近，科技圈都在传一个数据：百度旗下的文库业务，AI功能月活用户突破9000万，超过字节旗下豆包的7000万。
实际上 Operator 只是最近一段时间，全球大模型公司智能体集中发布浪潮的一部分。早于 Operator 发布前两天，字节跳动豆包大模型团队就已经公布了同类型智能体：UI-TARS。
昨天豆包大模型 1.5 全家桶正式发布了嘛，官方刚发布 15 分钟，就被咱们 Family 群里的家人给发现了，并且发出灵魂拷问——谁能测测？
刚刚发布的豆包大模型1.5，不仅多模态能力全面提升，霸榜多个基准；更难得的是，它在训练过程中从未使用过任何其他模型生成的数据，坚决不走蒸馏「捷径」。
早上MiniMax上线TTS，字节上线AI编程Trae；下午字节全量上线豆包实时语音；晚上DeepSeek开源R1性能直接对标OpenAI o1，然后Kimi的k1.5直接正面硬刚。昨天的余温还没过，今天下午，腾讯混元又悄悄开了个闭门发布会，作为混元的老基友，我自然是受邀参加期期不落。
模型蒸馏也有「度」，过度蒸馏，只会导致模型性能下降。最近，来自中科院、北大等多家机构提出全新框架，从两个关键要素去评估和量化蒸馏模型的影响。结果发现，除了豆包、Claude、Gemini之外，大部分开/闭源LLM蒸馏程度过高。
如果我们打开阿里的招聘官网，可以发现通义To C的一些招聘细节。在“智能信息”这个事业板块搜索与“通义”相关的可以看到总共有六个岗位，初步发布时间刚好就是去年年底通义To C分拆这一消息刚传出来的时候：
就在刚刚，豆包的超级实时语音全量上线了。