MENTOR团队 投稿 量子位 | 公众号 QbitAI 当下的AI图像生成领域，Diffusion模型无疑是绝对的王者，但在 精准控制 上却常常"心有余而力不足"。 在精确视觉控制、平衡多模态输入以及高昂的训练成本方面仍面临挑战。有没有一种 更高效、控制更精准 的范式？ 近日，来自 伊利诺伊大学香槟分校（UIUC）、威斯康星大学麦迪逊分校、清华大学、北京大学、Adobe以及微软 的研究者们，将目光投向 了另一条技术路线—— 自回归（Autoregressive, AR）模型 ，并提出了一个全新的高效多模态微调框架 MENTOR ，仅用十分之一的训练数据和次优的模型组 件，就能够实现超越Diffusion方法（如Emu2、DreamEngine）的性能， 为复杂的多模态图像生成提供了一个更高效、更可控的新范式。 MENTOR巧妙地绕开了Diffusion模型中常见的复杂设计，通过独特的 两阶段训练法 ，让自回归模型也能高效地进行多模态条件下的图像生 成，实现了 像素级精准控制。 △ 多模态条件生成效果展示 解决多模态图像生成中的平衡难题 在真实世界的应用中，我们常常需要模型能够理解和处理比纯文本更复杂的指令， ...

英伟达最新推出的 Llama Nemotron Super v1.5 开源模型就专为复杂推理和agnet任务量身打造。 模型在科学、数学、编程及agent任务中实现SOTA表现的同时， 还将吞吐量提升至前代的3倍，且可在单卡高效运行，实现更准、更快、更 轻的"既要又要还要"。 这是怎么做到的？ henry 发自 凹非寺 量子位 | 公众号 QbitAI 众所周知，老黄不仅卖铲子（GPU），还自己下场开矿（造模型）。 模型介绍 Llama Nemotron Super v1.5是Llama-3.3-Nemotron-Super-49B-V1.5的简称。它是Llama-3.3-Nemotron-Super-49B-V1的升级版本（该 模型是Meta的Llama-3.3-70B-Instruct的衍生模型），专为复杂推理和智能体任务设计。 模型架构 Llama Nemotron Super v1.5 采用神经架构搜索（Neural Architecture Search，NAS） ，使该模型在 准确率和效率 之间实现了良好的 平衡，将吞吐量的提升有效转化为更低的运行成本。 （注：NAS的目标是通过搜索算法从大量的可 ...

衡宇 发自 WAIC 量子位 | 公众号 QbitAI 智能时代的尺度，在计算资源与智能效率的双重牵引下正在极速压缩、迅速蔓延。 两年前，我们惊艳于几千卡集群训练而成的GPT3.5；但今天，一部手机也可以装下与它同等性能的小型AI了。 2025年WAIC上， 无问芯穹联合创始人、CEO夏立雪 如此说道。 他还代表无问芯穹，带来了AI落地这道难题的最新回答—— 三个盒子，打通从十万卡到一张卡的AI效能跃升路径 。 是的，仅仅是三个盒子。 在无问芯穹看来，这三个盒子背后，是一整套面向未来的智能基础设施设计。 什么是三个盒子？ "三个盒子"其实是无问芯穹全规模AI效能跃升方案的三大核心产品： 这是一整套软硬件协同系统，专为未来智能基础设施设计，能覆盖从云到端的各种规模场景，支持多种异构算力，同时打通模型调度、性能优 化到应用部署的全流程。 我们一个一个来看—— 大盒子：无穹AI云 大盒子：无穹AI云 中盒子：无界智算平台 小盒子：无垠终端智能 大盒子，即无问芯穹推出的 无穹AI云 ，是面向万卡至十万卡级别的智算网络，为超大规模算力集群的利用提供了一个系统性的解决方案。 夏立雪在现场透露，无界智算平台已在超过100个 ...

允中 发自 凹非寺 量子位 | 公众号 QbitAI 就在一颗通信卫星以第一宇宙速度飞过我们头顶的几分钟时间里，上百万人正借助由它所搭建的网络去链接这个世界，而实际上，这样的卫星 有成千上万颗。 当我们使用方便快捷的卫星网络服务时，就在网络的另一边，一个名 叫 " 风云太空 " 的系统 ， 却平静无声地向这些为我们提供服务的卫星 发送了预警信息，一场因太阳爆发活动所带来的冲击即将在大约 24 小时后到达 ...... 在获取预警信息后，地面运控部门启动应急预案，并在 太阳风暴到来时从容应对，化解了此次空间天气危机。 这个场景，正是 我国空间天气预报能力迈向智能化 的一个缩影，而其背后的核心技术，就是本文的主角—— "风宇"模型 。 王劲松主任认为，"风宇"模型的研发成功，使得空间天气预报实现了 物理模型、数值预报和人工智能三足并立 的格局，大大提高了我国空间 天气预报水平。 国家卫星气象中心（国家空间天气监测预警中心）主任王劲松介绍，这是 全球首个全链式的空间天气人工智能预报模型 。 世界首个全链路空间天气AI预报模型 当前太阳正处于活动高发期，日珥爆发等随机事件如同无形的"宇宙海啸"，时刻威胁着在轨卫星、航 ...

精密制造行业的生产产线，讲求精准与稳定，向来是硬科技的竞技场。在这轮AI重塑千行百业的浪潮中，可能没有比精密制造更适合AI改造 的场景了。 允中 发自 凹非寺 量子位 | 公众号 QbitAI 在7月北京举办的第三届国际供应链博览会上，一套激光焊接在线检测系统展示了AI+先进制造检测的真实落地效果： 基于深度学习的AI检测模型， 焊接检测"过杀"率降低了50% ，且实现了更智能的故障诊断，使得产线检测精度和生产效率大幅提 升。 这套激光焊接在线检测系统由广州德擎光学科技研发，搭载自主研发的AI与光电检测深度融合的专利检测技术，包括AI参数调节、AI降过 杀、AI故障诊断等功能，目前已被国际头部消费电子客户的产线采用。 △ 德擎光学激光焊接检测设备在第三届链博会现场展出 加工越精密，过程控制越严苛 激光焊接涉及复杂的物理冶金过程，如熔池动态、热积累、晶粒生长等，过程中易产生气孔、裂纹、翘曲变形等缺陷。由于激光焊接过程呈 现明显的多光谱辐射特性，可见光波段表征金属蒸汽喷发量和飞溅程度，反射激光表征工件对激光的吸收情况，近红外波段则反映熔池的温 度波动情况。通过实时监测焊接过程中产生的光辐射，并将光辐射转化为电信号 ...

明敏 发自 凹非寺 量子位 | 公众号 QbitAI 不靠囤算力，拿下数家大模型明星公司订单。 93年创始人掌舵的清华系计算创业公司，有点出其不意。 2023上半年，百模大战开启，模型预训练需求空前爆发，在算力焦虑下，囤积算力成为一种趋同性动作，更充裕的算力几乎就等于金额更高 的订单。 10亿、甚至50亿 ，诱惑非常大。 站在暴风眼最核心，创始人闫博文没有这么做。从技术角度出发，他知道未来算力一定会有闲置，疯狂囤算力对于一家技术公司而言似乎也不 够make sense。 而且从结果看， 这也不影响他拿大单 。 百度、Kimi 以及视频生成赛道顶尖玩家 生数科技 等，都选择与他们合作。 So，why？ 3次获得戈登·贝尔奖 是石科技创立于2021年，团队从国家超级计算无锡中心孵化而来，是国内最早将超算智算并行优化的技术进行产业化的团队之一。 创始人兼董事长闫博文 ，出生于1993年，毕业于清华大学，是清华计算机系博士后。主要研究方向包括计算机应用技术、高性能计算、并行 优化等。 博士期间，闫博文 参与了国家超级计算无锡中心项目 ，主要实现将CFD整体算法移植到国产超算"神威·太湖之光"上。 "神威·太湖之光" ...

就在这届WAIC的未来发展论坛上，上海交大青年博导、CVPR最佳论文得主 张林峰 与深势科技创始人 张林峰 ，双峰闪耀，共同发布了全球 首个通用科研智能体 SciMaster 。 克雷西 发自 徐汇西岸 量子位 | 公众号 QbitAI 全球首个通用科学智能体，亮相WAIC！ SciMaster是属于每个人的专家级科研助手，可以结合全网资源和1.7亿科学文献，帮你扫清科研过程中遇到的各种困难。 还可以跳出科研圈，以科研的思维审视日常问题，在工作生活的方方面面给予你帮助。 而且主要功能统统免费，这也使得SciMaster发布后，网友们迅速开启了求邀请码模式。 科研神器SciMaster SciMaster的核心功能，就是 专家级的深度调研 ，它的背后是通用科学基座大模型Innovator，具备多模态能力。 话不多说，直接看SciMaster的真实表现。 在AI前沿领域，出现了很多对Transformer发起挑战的新型模型架构，我们想让SciMaster帮我们调查一下，这些架构当中哪些最具应用前 景。 我们看到，SciMaster首先根据自身的知识储备，提出了可能的候选答案，然后设计了检索方案，以便寻找相关资料。 ...

微软Edge浏览器Copilot模式 - Edge浏览器推出"Copilot模式"，将传统浏览器改造为AI智能体，具备主动执行任务的能力[1][2] - 核心功能包括跨标签页情境感知，可同时读取分析多个标签页内容完成复杂比较和总结任务[3] - 演示案例显示AI能同时处理9篇Nature论文并总结共性[4] 产品功能创新 - 新标签页简化为统一输入框，集成网址跳转、搜索和AI对话功能[6][7] - AI可自动识别用户意图，动态切换搜索、聊天或导航模式[8] - 支持网页内容即时处理，如提取食谱并转换计量单位[10] - 提供标签页智能分组功能优化浏览效率[12] - 支持语音控制实现免提操作[16] 未来发展规划 - 将推出"主题式旅程"功能，AI自动组织浏览内容形成学习路径并推荐后续阅读[17] - 计划扩展至自动预订餐厅、管理行程和购物等场景[20] - 商业模式可能转向订阅制，推测未来与Copilot Pro服务（20美元/月）捆绑[30][31] 市场竞争格局 - 直接挑战Chrome市占率超60%的主导地位[24][25] - 产品定位介于Chrome保守集成Gemini与新创公司完全AI化浏览器之间[26][28] - 采用渐进式AI融合策略平衡用户接受度与创新需求[29] 行业影响 - 标志浏览器从工具向智能助手转型，传统"搜索-阅读"模式可能被颠覆[32][34] - 预示浏览器可能结束免费时代，AI功能成为付费核心价值点[32]

通义万相Wan2.2模型技术突破 - 阿里开源新一代视频生成模型通义万相Wan2.2，包含文生视频、图生视频和混合视频生成功能[4] - 首次在视频生成模型中实现MoE架构，包含Wan2.2-T2V-A14B和Wan2.2-I2V-A14B两个版本，可生成电影级质感视频[5] - 5B版本支持消费级显卡部署，是目前最快的24fps、720P基础模型[5] - 相比前代Wan2.1，图像训练数据增加65.6%，视频数据增加83.2%[31] 模型架构创新 - 采用MoE架构解决视频生成模型参数扩展难题，通过拆分高噪/低噪专家模型处理不同去噪阶段[26][28] - 引入900去噪时间步划分，高噪模型负责主体结构构建，低噪模型处理细节生成[28] - 自研高压缩比3D VAE结构实现16x16x4压缩比，降低显存占用同时保持重建质量[34][35] - 验证损失(Validation loss)达到行业最低水平，视频生成质量最优[29] 电影级美学控制系统 - 整合光影、色彩、镜头语言三大电影元素，提供12个美学维度和60+专业参数控制[37][38] - 支持精确调控光线时段/类型/强度/方向、构图法、拍摄角度、色彩情绪等[38][40][42] - 用户仅需添加美学关键词前缀即可自动生成专业导演质感的画面[46] 复杂运动与交互能力 - 构建面部原子动作系统，可生成微表情如"强忍泪水时的嘴唇颤抖"[47] - 优化手部动作系统，支持从基础操作到专业精密动作的生成[48] - 提升多人交互物理合理性，避免角色穿模现象[49] - 增强高强度运动(体操/滑雪等)的稳定性，减少动作失真[50] 产品生态与行业影响 - 通义万相系列累计下载量超4亿次，衍生模型超14万，全球排名第一[54] - 配套推出"万相妙思+"创作活动，设置兴趣组(5-15秒)和专业组(30秒+)赛道[54] - 模型已上线通义万相平台及GitHub/HuggingFace/魔搭社区[18][56] - 该技术突破可能重塑电影工业生产流程[55]

金磊 发自 上海 量子位 | 公众号 QbitAI 就在刚刚， 智谱GLM史上最大 开源大模型来袭—— 代码 和 Agent ，直接拿下开源模型的 SOTA ， 推理 拿下开源模型 第二 。 更重要的是，这是 首次 在单个模型中把这三个能力进行了原生融合的那种。 它就是智谱最新发布的新一代旗舰大模型， GLM-4.5 。 从评测维度来看，榜单挑选了最具代表性的12个评测基准，包括： MMLU Pro、AIME 24、MATH 500、SciCode、GPQA 、HLE、LiveCodeBench、SWE-Bench、Terminal-bench、TAU-Bench、 BFCL v3 和BrowseComp。 评测结果显示，GLM-4.5的综合平均分全球范围内第三（仅次于闭源的o3、Grok4），而在 开源 和 国产 两个维度均取得 第一 的成绩！ 整体来看，GLM-4.5采用的是MoE架构，并且全面开源，包括2个产品： 这则预告字里行间所透露的信息，可见海外世界对GLM模型的关注。 然而在一番体验下来之后我们发现，相比于OpenAI，智谱这次做到了更超前。 因为有传闻GPT-5将在本周上线，也有网友已经开始晒 ...