AI 行业大事记 2504

AI 行业大事记 2504 AI 行业大事记 2504 Modified August 18, 2025 ➖ 和传说中的 Qwen3 规格有点像 https://github.com/codefuse ai/Ling Coder Lite | 🔍官方介绍 【图像】Ideogram AI ● Ideogram 3.0 图像生成模型发布 Ideogram 3.0 模型在照片级真实感、文本渲染准确性、风格一致性等方面均有显著提升。其中，新增的「Style Reference」功能允许用户上传最多 3 张参考图像来指导生成内容的风格，同时「Random Style」功能则可让用户从 43 亿种预设风格库中随机探索独特风格。 使用入口：可以前往 Ideogram 官网（ideogram.ai）或 iOS App 应用体验。 ➖ 与 4o 或 Gemini 的生图相比，有种古典模型的感觉了 https://about.ideogram.ai/3.0 【应用】快手 可灵 AI ● 上线多款创意特效 && AI 音效 可灵上线了多款创意特效，如花花世界、魔力转圈圈、快来惹毛我、捏捏乐、万物膨胀等。上传图片即可生成 5 秒钟的动效视频。 AI 音效功能，可以基于文字提示词创作特定音效，可以从预置的多款音效中选择，也可以给指定视频进行配音。 使用入口：前往可灵 AI 官网（app.klingai.com）或手机 App 体验。 https://klingai.kuaishou.com/image to video/special effects/new | 🔍官方介绍 3月28日 【模型】阿里巴巴 ● QVQ Max 视觉推理模型 QVQ Max 视觉推理模型是 QVQ 72B Preview 预览版（2024年12月发布）的首个正式版本。这款多模态模型具备强大的图像与视频理解能力，不仅能准确识别图片和视频里的视觉内容，还能进行深度分析、逻辑推理，并提供解决方案。 使用入口：前往 Qwen Chat 官网（qwen.ai) 体验。 ➖ 期待 QWQ 和 QVQ 合并 ➕ https://qwenlm.github.io/blog/qvq max preview | 🔍官方介绍 【应用】字节跳动 ● 豆包深度思考实现「边想边搜」 豆包的「深度思考」功能将推理过程的思维链与搜索相结合，在思考过程中可根据推理多次调用工具、搜索信息。面对复杂问题或模糊条件时，它能进行多轮搜索，显著提升回复质量。 使用入口：前往豆包官网（doubao.com）或 App 体验。 ➖ 此功能应该是通过模型后训练达到的，而不是简单的多轮调用，字节这次领先了 👍 https://www.doubao.com/chat/update | 🔍官方介绍 【3D】Meshy AI（胡渊鸣） ● Meshy V5（预览版）3D 生成模型上线 Meshy.ai 是一个 AI 驱动的 3D 建模工具，其核心功能包括从文本/图片生成高质量的 3D 模型，并能为这些模型快速添加高质量纹理。 升级后的 Meshy 5 可以适配任意光照环境，细节更高清，贴图与几何结构匹配更精准，可广泛应用于游戏开发、3D打印、影视动画、AR/VR/XR 等领域，帮助用户快速创建逼真的 3D 资产。 使用入口：前往官网（meshy.ai）试用。 ➖ AI 3D 生成越来越精细了 👍 https://x.com/MeshyAI/status/1905445314892628325 3月29日 【应用】面壁智能 ● cpmGO 小钢炮超级助手 ，首个纯端侧智能助手 小钢炮超级助手 cpmGO 是首款纯端侧汽车助手，采用端云协同架构，实现舱内外全链路感知、决策与执行能力。它支持视觉、语音及多模态交互，提供端到端智能服务，涵盖泛化语音车控、GUI Agent、智能哨兵等全场景功能。其创新的端侧设计不仅突破弱网限制，更兼顾数据安全与低功耗高性能表现。 🔍官方介绍 🔍官方介绍 🔍官方介绍 🔍官方介绍 🔍官方介绍 🔍官方介绍 ➖ 和传说中的 Qwen3 规格有点像 和传说中的 Qwen3 规格有点像 https://github.com/codefuse ai/Ling Coder Lite | 🔍官方介绍 🔍官方介绍 【图像】Ideogram AI ● Ideogram 3.0 图像生成模型发布 Ideogram 3.0 模型在照片级真实感、文本渲染准确性、风格一致性等方面均有显著提升。其中，新增的「Style Reference」功能允许用户上传最多 3 张参考图像来指导生成内容的风格，同时「Random Style」功能则可让用户从 43 亿种预设风格库中随机探索独特风格。 使用入口：可以前往 Ideogram 官网（ideogram.ai）或 iOS App 应用体验。 ➖ 与 4o 或 Gemini 的生图相比，有种古典模型的感觉了 与 4o 或 Gemini 的生图相比，有种古典模型的感觉了 https://about.ideogram.ai/3.0 【应用】快手 可灵 AI ● 上线多款创意特效 && AI 音效 可灵上线了多款创意特效，如花花世界、魔力转圈圈、快来惹毛我、捏捏乐、万物膨胀等。上传图片即可生成 5 秒钟的动效视频。 AI 音效功能，可以基于文字提示词创作特定音效，可以从预置的多款音效中选择，也可以给指定视频进行配音。 使用入口：前往可灵 AI 官网（app.klingai.com）或手机 App 体验。 https://klingai.kuaishou.com/image to video/special effects/new | 🔍官方介绍 🔍官方介绍 3月28日 【模型】阿里巴巴 ● QVQ Max 视觉推理模型 QVQ Max 视觉推理模型是 QVQ 72B Preview 预览版（2024年12月发布）的首个正式版本。这款多模态模型具备强大的图像与视频理解能力，不仅能准确识别图片和视频里的视觉内容，还能进行深度分析、逻辑推理，并提供解决方案。 使用入口：前往 Qwen Chat 官网（qwen.ai) 体验。 ➖ 期待 QWQ 和 QVQ 合并 ➕ 期待 QWQ 和 QVQ 合并 ➕ https://qwenlm.github.io/blog/qvq max preview | 🔍官方介绍 🔍官方介绍 【应用】字节跳动 ● 豆包深度思考实现「边想边搜」 豆包的「深度思考」功能将推理过程的思维链与搜索相结合，在思考过程中可根据推理多次调用工具、搜索信息。面对复杂问题或模糊条件时，它能进行多轮搜索，显著提升回复质量。 使用入口：前往豆包官网（doubao.com）或 App 体验。 ➖ 此功能应该是通过模型后训练达到的，而不是简单的多轮调用，字节这次领先了 👍 此功能应该是通过模型后训练达到的，而不是简单的多轮调用，字节这次领先了 👍 https://www.doubao.com/chat/update | 🔍官方介绍 🔍官方介绍 【3D】Meshy AI（胡渊鸣） ● Meshy V5（预览版）3D 生成模型上线 Meshy.ai 是一个 AI 驱动的 3D 建模工具，其核心功能包括从文本/图片生成高质量的 3D 模型，并能为这些模型快速添加高质量纹理。 升级后的 Meshy 5 可以适配任意光照环境，细节更高清，贴图与几何结构匹配更精准，可广泛应用于游戏开发、3D打印、影视动画、AR/VR/XR 等领域，帮助用户快速创建逼真的 3D 资产。 使用入口：前往官网（meshy.ai）试用。 ➖ AI 3D 生成越来越精细了 👍 AI 3D 生成越来越精细了 👍 https://x.com/MeshyAI/status/1905445314892628325 3月29日 【应用】面壁智能 ● cpmGO 小钢炮超级助手 ，首个纯端侧智能助手 小钢炮超级助手 cpmGO 是首款纯端侧汽车助手，采用端云协同架构，实现舱内外全链路感知、决策与执行能力。它支持视觉、语音及多模态交互，提供端到端智能服务，涵盖泛化语音车控、GUI Agent、智能哨兵等全场景功能。其创新的端侧设计不仅突破弱网限制，更兼顾数据安全与低功耗高性能表现。 🔍官方介绍 🔍官方介绍 【3D】VAST ● TripoSG 和 TripoSF 两款 3D 模型发布（开源） TripoSG 和 TripoSF 两款模型在性能、细节表现、可控性上均有显著突破，进一步巩固了 VAST 在 AI 3D 生成领域的领先地位。 TripoSG 模型能将单张图片（草图/卡通/照片）转化为细节丰富的 3D 网格模型。TripoSF 模型专注于处理任意拓扑结构和高分辨率（最高可达 1024³）的 3D 建模任务。 使用入口：开源；访问 TripoSG 1.5B 参数版本的模型 Demo（huggingface.co/spaces/VAST AI/TripoSG）。 https://github.com/VAST AI Research/TripoSF 3月31日 【模型】智谱 ● AutoGLM 沉思上线，沉思模型 GLM Z1 Rumination（即将开源） AutoGLM 沉思是一项融合深度思考与自主操作的 AI Agent 功能。它能够进行复杂推理、实时检索信息，并协同使用多种工具（如网页浏览、数据整理、报告生成等），实现「边想边干」的智能化操作。 当前预览版主要支持 Research 场景，两周后即将推出的「虚拟机」版本将进一步提升 AI Agent 的实用能力。 使用入口：AutoGLM 沉思已经上线智谱清言 PC 客户端（autoglm research.zhipuai.cn）。 ➖ 在本地跑的“Manus”，对隐私更加友好 在本地跑的“Manus”，对隐私更加友好 GLM Z1 Rumination（沉思模型）是 AutoGLM 沉思功能的核心支撑，创新性地融合了实时搜索、动态工具调用、深度分析和自我验证，形成完整的自主研究流程，突破了传统 AI 仅依赖内部知识的局限。 使用入口：4 月 14 日正式开源。 ➖ 据说只有 32B，可以本地部署，非常期待 👀 据说只有 32B，可以本地部署，非常期待 👀 🔍官方介绍 🔍官方介绍 【模型】蚂蚁集团 X 清华大学（吴翼） ● AReaL boba 强化学习训练框架（开源） AReaL boba 是 AReaL（Ant Reasoning RL）项目的最新版本（0.2版本），其主要目标是提升训练效率和推理能力，同时大幅降低训练成本。例如，在数学推理任务中，该框架仅需 200 美元和 200 条数据即可复现 QwQ 32B 模型的顶尖性能。 使用入口：AReaL boba 的框架代码、训练数据、模型权重及技术文档已经全部开源。 ➖ R1 复现的门槛更低了，以后可能就是计算机系的课后作业了 R1 复现的门槛更低了，以后可能就是计算机系的课后作业了 https://github.com/inclusionAI/AReaL | 🔍官方介绍 🔍官方介绍 【模型】中国科学院青藏所 ● 洛书（全球首个）水 能 粮大模型 洛书大模型集成了科学模型「思源（Hydro Trace）」、通义千问推理模型 QwQ 32B、多模态模型 Qwen2.5 VL，可对特定区域在不同时间尺度的来水量和来源进行精准分析和预测。目前洛书大模型已在青藏高原及部分能源企业开展测试工作。 洛书大模型监测水文时空变化 | 🔍官方介绍 🔍官方介绍 【视频】Runway ● Runway Gen 4 视频生成模型发布 Runway Gen 4 声称是目前最高保真的 AI 视频生成器之一，其核心优势在于能够生成主体、物体和风格一致且运动效果逼真的视频内容。 模型能够确保在不同镜头中保持角色、场景和物体的高度一致性，还可以能够精准模拟真实世界的物理规律，使得生成的视频不仅具有逼真的动作效果，还能展现复杂的场景交互。 使用入口：优先向公司的付费用户和企业客户推出。 ➖ 暂时只支持图片生成视频 暂时只支持图片生成视频 https://runwayml.com/research/introducing runway gen 4 🔗原文链接：https://mp.weixin.qq.com/s/Bgymz7FOfGeY Pi8ReLAgA 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 3 月 AI 行业大事 83 件 🔗原文链接：https://mp.weixin.qq.com/s/Bgymz7FOfGeY Pi8ReLAgA 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 3 月 AI 行业大事 83 件 ➖ 说明： ① 分类中的【模型】均指代语言模型。 ② 分类中的【融资】 包含了融资、收购、团队成员吸收等多种方式。 ③ 部分配图（尤其是 gif 动图）进行了压缩，官方演示视频更加高清和流畅。 说明： ① 分类中的【模型】均指代语言模型。 ② 分类中的【融资】 包含了融资、收购、团队成员吸收等多种方式。 ③ 部分配图（尤其是 gif 动图）进行了压缩，官方演示视频更加高清和流畅。 ✦ ✦ ✦ 👀 趋势洞察 1. 模型 ✦ 自 DeepSeek R1 爆火后，推理模型成为了各家模型公司的战略必备品。有意思的是，他们的模型命名也在有意或无意地模仿 R1，例如 X1（讯飞），T1（腾讯），Z1（智谱），甚至 R1V（昆仑万维）。 ✦ 推理模型也从 R1 的纯文字能力，往多模态的方向发展。 ✦ 阿里则另辟蹊径，推出了推理小模型 QwQ 32B，为企业本地化部署提供了一个极佳的选择。 ✦ 非推理模型发展也并未停滞，DeepSeek V3 0324 和 Gemini 2.5 Pro 重新树立了国内外模型的能力标杆。 ✦ Gemini 和 4o 打碎了模型输出图片的枷锁，可能会引发训练全模态模型的热潮，但这条路可比训练推理模型难走得多。 2. 图像 ✦ 自 Gemini 和 GPT 4o 这类“语言模型”可以输出图片后，模型本身具有的推理能力对传统图像生成模型造成了降维打击。全模态模型可以更好地理解提示词，更好地理解图片，直接淘汰了原来很多复杂的工作流。 ✦ 但没有任何方案是完美的，Gemini 和 GPT 4o 的短板在于无法精准控制细节。可以预见，未来图像行业的主流方案会是：先使用全模态模型生成图片完成初稿，再使用人工或自动工作流进行细微调整。 ✦ 对图片细节要求不高的 C 端客户，将会被全模态模型抢走；B 端客户也会因为全模态模型生图而大大提高创作效率。 ✦ 传统的图像模型公司，无法在短期内研发出全模态模型。因为无论是训练数据，还是技术门槛，都存在难以跨越的鸿沟。传统的图像模型市场，将被头部的全模态模型公司吃掉很大一部分。 3. 视频 ✦ 视频领域近期没有大的技术突破，大家在慢慢地趋向雷同。以前玩视频模板的公司开始研究视频可控性，而视频可控性做得好的公司也开始推出视频模板。 ✦ 视频生成质量在缓慢地提高，但变化不如其他领域明显。 4. 音频 ✦ TTS 方向。Sesame 新模型的效果让人眼前一亮，它补齐了语音生成的最后一块短板：语气和情感，彻底跨越了 AI 语音的恐怖谷。期待更多公司可以基于 Sesame 开源的研究成果优化自家的语音模型。 ✦ AI 音乐有着巨大的全球市场。Suno 一直垄断着这个市场，如今终于迎来了重磅的挑战者：昆仑万维 Mureka。可转念一想，未来这个领域也会被全模态模型占领吗？ 5. 3D ✦ 3D 生成领域稳定发展中，精细度越来越高，效果越来越好。 ✦ 3D 生成本质是让模型去想象一个平面图的立体结构，这对于参数不大的 3D 生成模型是有些吃力的。不过，这个月大家发现，使用 4o 这种全模态模型去生成多角度图，再使用多角度图进行 3D 生成，效果会好得多。这个工作流应该会大大推动 AI 3D 生成的商业化应用进程。 6. 机器人 ✦ 机器人的大脑（模型）还停留在非常初级的阶段，而机器人的身体控制已经做得比较出色了。但没有大脑的躯干，不过是具「行尸走肉」，无法带来大规模的改变。 7. 应用 ✦ Manus 的爆火开启了 AI Agent 的开发热潮，让大众对 Agent 这个概念有了更感性的认识。 ✦ Agent 本质上是一种思维方式，可以理解为人把更多决定权交给了 AI。 ✦ Agent 生态缺少不了外部工具，因此 MCP 和 Browser Use 等工具的热度大大增加。 ✦ 模型厂商（例如豆包和智谱）正在尝试把模型推理和工具调用结合起来，从而实现更强的 Agent 能力（豆包的深度思考和智谱的AutoGLM 沉思）。 8. 新闻 ✦ 政府支持和监管同步进行，整体政策形式向好。 ✦ 融资热度慢慢从模型相关公司转向 Agent 相关公司。 ✦ ✦ ✦ 🧭 时光机 ➖ 3 月 1 日 | 新闻 | 北京市印发《北京具身智能科技创新与产业培育行动计划（2025 2027年）》 | 新闻 | 小红书启动首届「独立开发大赛」，提供百万奖金池和上亿流量支持 3 月 2 日（无） 3 月 3 日 | 模型 | 科大讯飞 ● 星火医疗大模型 X1 首发 &&「星火X1+DeepSeek」学习机首发 | 图像 | Minimax ● Image 01 图像生成模型上线 | 视频 | Minimax ● I2V 01 Director「镜头控制」图生视频模型上线 | 应用 | 字节跳动 ● Trae 国内版发布 → 国内版 Cursor | 应用 | 字节跳动 ● 火山引擎「大模型应用实验室」开源 6 款 AI 应用 | 应用 | 秘塔 ● 视频搜索功能上线 | 机器人 | 灵初智能 ● Psi R0.5 端到端 VLA 模型发布 | 融资 | 智谱 ● 完成多笔战略融资，杭州、珠海、成都等城市参与 | 融资 | Anthropic（Claude） ● 完成 35 亿美元 E 轮融资，公司估值达到 615 亿美元 | 新闻 | MWC25 世界移动通信大会在西班牙巴塞罗那举行 | 新闻 | 深圳市一天之内「四箭齐发」打造创新之城与产业高地 3 月 4 日 | 模型 | 字节跳动 ● SuperGPQA 知识推理基准测试集（开源） | 图像 | 智谱 ● CogView4 图像生成模型，支持中英文字符生成（开源） 3 月 5 日 | 音频 | SparkAudio ● Spark TTS 文本转语音模型 | 应用 | 蝴蝶效应 ● Manus 通用 AI Agent 上线并开启邀测 | 融资 | 爱诗科技 AIsphere ● 完成 A5 轮融资 && PixVerse 月活突破 1500 万 | 新闻 | Richard Sutton 和 Andrew Barto 两位强化学习先驱共同获得图灵奖 3 月 6 日 | 模型 | 阿里巴巴 ● QwQ 32B 推理模型发布（开源） | 模型 | Mistral AI ● Mistral OCR 模型开放 API | 视频 | 腾讯 ● HunyuanVideo I2V 图生视频模型发布（开源） | 应用 | Google ● AI Mode 搜索新功能开始测试 | 应用 | 硅基智能 ● HeyGem 数字人合成工具（HeyGen 开源替代品） 3 月 7 日 | 模型 | Google ● Gemini Embedding 文本嵌入模型发布并上线 | 应用 | Hedra Labs ● Character 3 多模态 AI 数字人视频生成模型 3 月 8 日（无） 3 月 1 日 | 新闻 | 北京市印发《北京具身智能科技创新与产业培育行动计划（2025 2027年）》 | 新闻 | 小红书启动首届「独立开发大赛」，提供百万奖金池和上亿流量支持 3 月 2 日（无） 3 月 3 日 | 模型 | 科大讯飞 ● 星火医疗大模型 X1 首发 &&「星火X1+DeepSeek」学习机首发 | 图像 | Minimax ● Image 01 图像生成模型上线 | 视频 | Minimax ● I2V 01 Director「镜头控制」图生视频模型上线 | 应用 | 字节跳动 ● Trae 国内版发布 → 国内版 Cursor | 应用 | 字节跳动 ● 火山引擎「大模型应用实验室」开源 6 款 AI 应用 | 应用 | 秘塔 ● 视频搜索功能上线 | 机器人 | 灵初智能 ● Psi R0.5 端到端 VLA 模型发布 | 融资 | 智谱 ● 完成多笔战略融资，杭州、珠海、成都等城市参与 | 融资 | Anthropic（Claude） ● 完成 35 亿美元 E 轮融资，公司估值达到 615 亿美元 | 新闻 | MWC25 世界移动通信大会在西班牙巴塞罗那举行 | 新闻 | 深圳市一天之内「四箭齐发」打造创新之城与产业高地 3 月 4 日 | 模型 | 字节跳动 ● SuperGPQA 知识推理基准测试集（开源） | 图像 | 智谱 ● CogView4 图像生成模型，支持中英文字符生成（开源） 3 月 5 日 | 音频 | SparkAudio ● Spark TTS 文本转语音模型 | 应用 | 蝴蝶效应 ● Manus 通用 AI Agent 上线并开启邀测 | 融资 | 爱诗科技 AIsphere ● 完成 A5 轮融资 && PixVerse 月活突破 1500 万 | 新闻 | Richard Sutton 和 Andrew Barto 两位强化学习先驱共同获得图灵奖 3 月 6 日 | 模型 | 阿里巴巴 ● QwQ 32B 推理模型发布（开源） | 模型 | Mistral AI ● Mistral OCR 模型开放 API | 视频 | 腾讯 ● HunyuanVideo I2V 图生视频模型发布（开源） | 应用 | Google ● AI Mode 搜索新功能开始测试 | 应用 | 硅基智能 ● HeyGem 数字人合成工具（HeyGen 开源替代品） 3 月 7 日 | 模型 | Google ● Gemini Embedding 文本嵌入模型发布并上线 | 应用 | Hedra Labs ● Character 3 多模态 AI 数字人视频生成模型 3 月 8 日（无） 3 月 9 日（无） 3 月 10 日 | 模型 | 字节跳动 ● COMET 通信优化系统（开源） | 机器人 | 智元机器人 ● Genie Operator 1 通用具身基座大模型 | 新闻 | OpenAI 转投 CoreWeave，微软自研大模型，二者关系日益紧张 3 月 11 日 | 模型 | 阿里巴巴 ● R1 Omni 全模态大语言模型（开源） 3 月 12 日 | 模型 | OpenAI ● Responses API 和 Agents SDK 发布 | 模型 | Google ● Gemma 3 多模态系列模型（开源） | 模型 | Google DeepMind ● Gemini Robotics 和 Gemini Robotics ER 模型发布 | 图像 | Google ● Gemini 2.0 Flash 原生图像生成功能开放 | 图像 | 字节跳动 ● Seedream 2.0 文生图模型技术报告发布 3 月 13 日 | 模型 | Cohere ● Command A 极致性能+极低算力的企业级模型（开源） | 应用 | 阿里巴巴 ● 夸克升级为 AI 旗舰应用，推出「AI 超级框」概念 3 月 14 日 | 音频 | Sesame ● CSM 1B 语音合成模型（开源） | 应用 | Google Gemini 重要更新 ● Personalization 个性化、Gems 智能体、Canvas、Audio Overview | 新闻 | 四部门联合发布《人工智能生成合成内容标识办法》，自 9 月 1 日起施行 3 月 15 日 | 应用 | Anuttacon（蔡浩宇）● 《Whispers From The Star》AI 游戏开启内测 | 新闻 | 315 晚会曝光 AI 外呼机器人在电话营销中的滥用乱象 3 月 16 日 | 模型 | 百度 ● 文心大模型 4.5 原生多模态大模型 && X1 深度思考模型发布 3 月 17 日 | 模型 | Mistral AI ● Mistral Small 3.1（24B）多模态理解模型（开源） | 3 D | Roblox ● Cube 3D 建模工具（开源） 3 月 18 日 | 模型 | 昆仑万维 ● Skywork R1V 多模态思维链推理模型（开源） | 3 D | 腾讯 ● Hunyuan 3D 2.0 模型家族（开源） | 应用 | 字节跳动 ● 豆包支持 Python 代码运行和 HTML 代码实时预览 | 新闻 | 零一万物 ● 万智企业大模型一站式平台发布 3 月 19 日 | 模型 | OpenAI ● o1 pro 推理模型上线，目前最贵的人工智能模型 | 视频 | Stability AI ● Stable Virtual Camera 多视图扩散模型（开源） | 应用 | Cursor ● Claude 3.7 Max 模式上线 | 应用 | Windsurf ● Wave 5 重磅更新，Windsurf Tab 功能升级 | 3 D | 群核科技 ● SpatialLM 空间理解模型（开源） | 机器人 | 宇树科技 ● G1 人形机器人完成全球首次原地侧空翻 && 首次鲤鱼打挺 3 月 20 日 | 模型 | 百川智能 X 北京儿童医院 X 小儿方健康 ● 福棠·百川（全球首个）儿科大模型发布 | 视频 | 阶跃星辰 ● Step Video TI2V 图生视频模型（开源） 3 月 21 日 | 模型 | 腾讯 ● 混元 T1 深度思考模型发布并上线 | 音频 | OpenAI ● GPT 4o transcribe 和 GPT 4o mini transcribe 语音转文本模型，gpt 4o mini tts 文本转语音模型 3 月 22 日 | 应用 | Anthropic ● Claude 可以联网 && Claude Code 辅助编程应用取消 WaitList 可以直接使用 3 月 23 日 | 融资 | Browser Use ● 完成 1700 万美元种子轮融资 3 月 24 日 | 应用 | 百度 ● 秒哒无代码应用开发平台上线 3 月 25 日 | 模型 | Google ● Gemini 2.5 Pro（实验版）多模态推理模型发布 | 模型 | 阿里巴巴 ● Qwen2.5 VL 32B 多模态模型（开源） | 模型 | DeepSeek ● DeepSeek V3 0324 模型更新（开源） | 模型 | RWKV 元始智能 ● RWKV 7 G1 0.4B 推理模型（开源） | 图像 | Reve ● Reve Image（Halfmoon）图像生成模型 3 月 26 日 | 模型 | OpenAI ● GPT 4o 图像生成功能上线，吉卜力风格图像爆火全球 | 音频 | 昆仑万维 ● Mureka V6 音乐生成模型 && Mureka O1 音乐推理模型 | 新闻 | 智源研究院 ● 被美国商务部列入新一批「实体清单」 3 月 27 日 | 模型 | 阿里巴巴 ● Qwen2.5 Omni 7B 端到端全模态大模型（开源） | 模型 | 蚂蚁集团 ● Ling Coder Lite 和 Ling Coder Lite Base 代码大模型（开源） | 图像 | Ideogram AI ● Ideogram 3.0 图像生成模型发布 | 应用 | 快手 ● 可灵 AI 上线多款创意特效 && AI 音效 3 月 28 日 | 模型 | 阿里巴巴 ● QVQ Max 视觉推理模型 | 应用 | 字节跳动 ● 豆包深度思考实现「边想边搜」 | 3 D | Meshy AI（胡渊鸣）● Meshy V5（预览版）3D 生成模型上线 3 月 29 日 | 应用 | 面壁智能 ● cpmGO 小钢炮超级助手，首个纯端侧智能助手 | 3 D | VAST ● TripoSG 和 TripoSF 两款 3D 模型发布（开源） 3 月 30 日（无） 3 月 31 日 | 模型 | 智谱 ● AutoGLM 沉思上线，沉思模型 GLM Z1 Rumination（即将开源） | 模型 | 蚂蚁集团 X 清华大学（吴翼） ● AReaL boba 强化学习训练框架（开源） | 模型 | 中国科学院青藏所 ● 洛书（全球首个）水 能 粮大模型 | 视频 | Runway ● Runway Gen 4 视频生成模型发布 ✦ ✦ ✦ 3月1日 【新闻】北京市印发《北京具身智能科技创新与产业培育行动计划（2025 2027年）》 北京市科学技术委员会等部门联合发布了《北京具身智能科技创新与产业培育行动计划（2025 2027年）》，旨在推动北京成为全球具身智能科技创新策源地和产业增长极。 《计划》明确，北京将重点攻坚六大核心技术：① 突破多模态融合感知技术，② 研发具身智能「大脑」大模型，③ 提升具身智能「小脑」技能模型能力，④ 提高机器人运动控制性能，⑤ 强化核心零部件技术创新和供给能力，⑥ 研制国产高性能具身智能芯片。 ➖ 业内解读（By Jomy）→ 全国范围内，政策越来越多 业内解读（By Jomy）→ 全国范围内，政策越来越多 https://www.beijing.gov.cn/zhengce/zhengcefagui/202503/t20250304 4024579.html 【新闻】小红书 ● 启动首届「独立开发大赛」，提供百万奖金池和上亿流量支持 本届大赛设有「宝藏App」和「最佳AI项目」两个赛道，总奖池高达 135 万元，其中「全场大奖」可以获得最高 50 万元奖金。优秀获奖团队将获得专家指导、投资机会以及海量站内曝光。 赛程：3月26日，公布入围名单；3月30日，评委闭门评审；4月15日，线下颁奖。 https://xhslink.com/dGqsV8 | 🔍官方介绍 🔍官方介绍 3月3日 【模型】科大讯飞 ● 星火医疗大模型 X1 首发 && 「星火X1+DeepSeek」学习机首发 星火医疗大模型 X1 基于升级后的「星火 X1」深度推理大模型，大幅降低了医疗幻觉问题，在回答复杂问题时能够逐步解释循证过程，提高了医疗复杂场景推理的逻辑正确性、专业性、可解释性。 此外，首款「星火X1+DeepSeek」双引擎 AI 学习机正式发布，实现了 AI 1对1精准学、AI 1对1英语口语陪练、家长端「讯飞AI学」三大功能升级。 使用入口：星火医疗大模型 X1 已应用于讯飞晓医（App 或微信小程序）。 🔍官方介绍 🔍官方介绍 【图像】Minimax ● Image 01 图像生成模型上线 Image 01 是 MiniMax 推出的首款文生图模型，凭借其在视频生成领域的深厚技术积累，在即时控制、图像质感和真实性等方面表现出色。它在高批次效率和成本控制上优势明显，用户可一次性批量生成多达 90 张图像，成本仅为市场上同类质量产品的 1/10。 使用入口：前往海螺 AI 官网（hailuoai.com/video）体验，模型新增了提示词图书馆；或者调用 API（minimaxi.com/platform overview）。 ➖ 实测图片真实性很高，可以和海外模型媲美 👍 https://minimax.io/news/image 01 【视频】Minimax ● I2V 01 Director「镜头控制」图生视频模型上线 I2V 01 Director 是一款图生视频模型，可通过提示词控制镜头语言，实现镜头移动、晃动、变焦等 15 种单一运镜及超百种运镜组合。它与此前发布的 T2V 01 Director 共同构成了 01 Director 系列。 使用入口：前往海螺 AI 官网（hailuoai.com/video/create）体验；或者调用 API。 ➖ 和 Luma 类似，使用提示词来控制镜头 🎥 和 Luma 类似，使用提示词来控制镜头 🎥 https://www.minimax.io/news/01 director | 🔍官方介绍 🔍官方介绍 【应用】字节跳动 ● 辅助编程应用 Trae 国内版发布 Trae 于 1 月份发布了海外版，如今国内版也正式上线，配置了 Doubao 1.5 pro，并支持切换至满血版 DeepSeek R1、V3（最新版）等模型。本月发布了多项更新。 Trae 是一款由 AI 驱动的辅助编程工具，具备智能代码补全、实时优化、基于 Agent 的编程以及多模态交互（例如上传图片生成代码）等多项功能。 使用入口：前往官网（trae.com.cn）下载并安装。海外用户/海外版本可访问官网（trae.ai）下载并安装。 ➖ 国内版 Cursor 国内版 Cursor 🔍官方介绍 🔍官方介绍 【应用】字节跳动 ● 火山引擎「大模型应用实验室」开源 6 款 AI 应用 火山引擎上线「大模型应用实验室」平台，开源了手机助手、Deep Research、DeepSeek联网版、实时视频理解、互动双语视频生成器、语音实时通话等 6 款 AI 应用，助力企业跳过行业化难题，快速搭建并落地应用。 使用入口：前往 GitHub（github.com/volcengine/ai app lab）下载并部署。 ➖ 只有 API 不够了，要喂到开发者嘴边了 🍚 只有 API 不够了，要喂到开发者嘴边了 🍚 https://github.com/volcengine/ai app lab | 🔍官方介绍 🔍官方介绍 【应用】秘塔 ● 视频搜索功能上线 秘塔 AI 搜索上线了「视频」搜索功能，可以帮助用户快速定位所需要的视频资源，并附有文字简介。这标志着秘塔在多模态数据覆盖范围上实现了进一步拓展。 使用入口：前往秘塔AI搜索官网（metaso.cn）体验。 ➖ 测试下来，原理是对 B 站的视频字幕做了提取和总结，再进行文字的检索 📺 测试下来，原理是对 B 站的视频字幕做了提取和总结，再进行文字的检索 📺 🔍官方介绍 🔍官方介绍 【机器人】灵初智能 ● Psi R0.5 端到端 VLA 模型发布 Psi R0.5 是一款基于强化学习的 VLA 模型，相较于之前的 Psi R0 版本，其在复杂场景的泛化能力、灵巧性、思维链（CoT）以及长程任务能力上都有显著提升。 更值得一提的是，团队提出的 DexGraspVLA 框架，能够通过少量数据（仅需约2小时）在上千种物体、位置、光照变化下实现灵巧抓取，数据利用效率大幅提升。 https://dexgraspvla.github.io | 🔍官方介绍 🔍官方介绍 【融资】智谱 ● 完成多笔战略融资，杭州、珠海、成都等城市参与 智谱在 3 月份完成多笔战略融资。 第一笔来自杭州。3 月 3 日，杭州城投产业基金、上城资本等联合宣布，对智谱进行超 10 亿元人民币的投资。 第二笔来自珠海。3 月 13 日，珠海龙头国企华发集团宣布，对智谱进行 5 亿元的战略投资，以推进智谱基座 GLM 大模型的技术创新与生态发展。 第三笔来自成都。3月19日，成都高新区宣布，对智谱进行 3 亿元的战略投资，合作打造四川省基座大模型「智谱诸葛大模型」，同步建设大模型训练中心、研发中心及西部赋能平台三位一体的 AI 基础设施。 ➖ 各地政府纷纷上了智谱的车 🚄 各地政府纷纷上了智谱的车 🚄 🔍杭州 | 珠海 | 成都 🔍杭州 珠海 成都 【融资】Anthropic（Cla