5月14日 AI资讯汇总

5月14日 AI资讯汇总 😼 5月14日 AI资讯汇总 Modified May 14, 2025 Audio or video is not supported Please download the file and open it with the appropriate software. 【AI视频】Pixverse 发布 4.5 版本的视频模型250514.mp4 · 27.85MB 【AI视频】Pixverse 发布 4.5 版本的视频模型250514 00:00 官方视频演示： 🌟地址： https://copilot.tencent.com/ 字节：发布Seed1.5 VL（视觉 语言多模态大模型） Seed1.5 VL 包含一个 5.32 亿参数的视觉编码器，以及一个激活参数规模达 200 亿的混合专家（MoE）大语言模型。模型由以下三个核心组件组成： 1）SeedViT：用于对图像和视频进行编码； 2）MLP 适配器：将视觉特征投射为多模态 token ； 3）大语言模型：用于处理多模态输入并执行推理。 Seed1.5 VL在60项公开评测基准中的38项取得了SOTA（当前最优）表现。Seed1.5 VL的主要特点包括： • 在视觉和视频理解任务中具有出色表现，还在智能体相关任务及复杂推理挑战中展现优异能力。 • 在超过3T tokens的多模态数据上进行预训练，具备更强的通用多模态理解和推理能力，且推理成本显著降低。 • 支持多模态推理，结合视觉和语言信息，进行复杂的推理任务。 图：基础感知能力 图：视觉定位 图：视觉谜题 • 在交互式代理任务中表现良好，特别是在以GUI控制的场景中。 官方宣传效果： 🌟地址： https://seed.bytedance.com/zh/tech/seed1 5 vl Audio or video is not supported Please download the file and open it with the appropriate software. 【AI视频】Pixverse 发布 4.5 版本的视频模型250514.mp4 · 27.85MB 【AI视频】Pixverse 发布 4.5 版本的视频模型250514 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 【AI视频】Pixverse 发布 4.5 版本的视频模型250514.mp4 · 27.85MB 【AI视频】Pixverse 发布 4.5 版本的视频模型250514 00:00 官方视频演示： 🌟地址： https://copilot.tencent.com/ 字节：发布Seed1.5 VL（视觉 语言多模态大模型） Seed1.5 VL 包含一个 5.32 亿参数的视觉编码器，以及一个激活参数规模达 200 亿的混合专家（MoE）大语言模型。模型由以下三个核心组件组成： 1）SeedViT：用于对图像和视频进行编码； 2）MLP 适配器：将视觉特征投射为多模态 token ； 3）大语言模型：用于处理多模态输入并执行推理。 Seed1.5 VL在60项公开评测基准中的38项取得了SOTA（当前最优）表现。Seed1.5 VL的主要特点包括： • 在视觉和视频理解任务中具有出色表现，还在智能体相关任务及复杂推理挑战中展现优异能力。 • 在超过3T tokens的多模态数据上进行预训练，具备更强的通用多模态理解和推理能力，且推理成本显著降低。 • 支持多模态推理，结合视觉和语言信息，进行复杂的推理任务。 图：基础感知能力 图：视觉定位 图：视觉谜题 • 在交互式代理任务中表现良好，特别是在以GUI控制的场景中。 官方宣传效果： 🌟地址： https://seed.bytedance.com/zh/tech/seed1 5 vl No access 腾讯云代码助手 CodeBuddy AI 时代的智能编程伙伴250514 00:00 No access 腾讯云代码助手 CodeBuddy AI 时代的智能编程伙伴250514 00:00 🌟 05月14日 AI资讯 【AI 视频/绘图】 • Pixverse：发布4.5版本AI视频模型 • 通义万相：预告通义万相2.1视频编辑统一模型Vace，今晚开源发布 【AI 3D】 • GENMO：英伟达技术可以从文本、音频、视频和3D关键帧生成人体运动动作 • 阶步星辰：开源AI 3D生成模型Step1X 3D 【AI 模型/应用】 • 面壁智能：发布一款端侧GUI Agent（AgentCPM GUI） • 腾讯：推出AI编程助手CodeBuddy • 字节：发布Seed1.5 VL（视觉 语言多模态大模型） 05月14日 AI资讯 【AI 视频/绘图】 • Pixverse：发布4.5版本AI视频模型 • 通义万相：预告通义万相2.1视频编辑统一模型Vace，今晚开源发布 【AI 3D】 • GENMO：英伟达技术可以从文本、音频、视频和3D关键帧生成人体运动动作 • 阶步星辰：开源AI 3D生成模型Step1X 3D 【AI 模型/应用】 • 面壁智能：发布一款端侧GUI Agent（AgentCPM GUI） • 腾讯：推出AI编程助手CodeBuddy • 字节：发布Seed1.5 VL（视觉 语言多模态大模型） 🤖️AI 视频 Pixverse：发布4.5版本AI视频模型 AI视频工具Pixverse发布视频生成模型4.5版本， 官方效果演示： 本次更新亮点： • 20+个电影机摄像机预设 • 可以更顺畅、更好地处理复杂动作 • 多主体参考（目前仅支持2个图像） 其他能力： • 支持导入外部视频进行视频拓展 • 生成最大 8 秒、分辨率720p 的视频、或最大 5 秒、分辨率 1080p 的视频。 • 具有自动音效和自动人声 🌟地址： https://app.pixverse.ai/ 通义万相：预告通义万相2.1视频编辑统一模型Vace开源发布 通义万象预告今晚将开源发布Wan2.1 VACE，预告模型可同时支持文生视频、图像参考视频生成、视频重绘、视频局部编辑、视频背景延展以及视频时长延展等多种生成和编辑能力。 可期待今晚 🤖️AI 3D GENMO：英伟达技术可以从文本、音频、视频和3D关键帧生成和动捕人体运动动作 NVIDIA推出了GENMO（General Motion from Any Condition），这是一个统一的通用人体运动模型，可以同时处理人体运动捕捉和动作生成任务。 能力支持： • 支持多种输入模态，包括文本、音频（通过音乐输入产生舞蹈动作）和3D关键帧，生成人体运动动作。 • 基于视频的的动作捕捉 • 支持在多个动作捕捉任务中穿插AI生成的动作任务，保证动作连贯 • 多个文本生成动作，可以编辑协调时间间隔 • 任意长度运动生成 官方宣传视频： 【AI 3D】GENMO英伟达技术可以从文本、音频、视频和 3D 关键帧生成和估计人体运动动作250514.mp4 286.57MB 【AI 3D】GENMO英伟达技术可以从文本、音频、视频和 3D 关键帧生成和估计人体运动动作250514.mp4 286.57MB 🌟地址： https://research.nvidia.com/labs/dair/genmo/ 阶步星辰：开源AI 3D生成模型Step1X 3D 阶步星辰（StepFun AI）开源名为Step1X 3D的AI3D生成系统，该项目已在GitHub上发布。 Step1X 3D 模型总参数量达 4.8B（几何模块 1.3B，纹理模块 3.5B） 采用一套两阶段 3D 原生架构，结合混合 VAE DiT 几何生成器和基于 SD XL 的纹理合成模块， 目前全面开源模型、训练代码和自适应模块。 从左到右，依次展示：基础几何体（无纹理）、卡通风格、草图风格和照片级逼真的 3D 资源生成结果。 图：与其他AI生成3D模型对比 🌟地址： https://github.com/stepfun ai/Step1X 3D 🤖️AI 模型/应用 面壁智能：发布一款端侧GUI Agent（AgentCPM GUI） 清华大学THUNLP实验室和面壁智能联合开发了一款名为AgentCPM GUI的端侧GUI Agent。这是一个专注于图形用户界面（GUI）交互的智能体模型，能够自动理解和操作应用程序界面。 • 基于MiniCPM V构建，总参数量为8B。 • 能够接收手机屏幕图像作为输入，并基于图像推理来操控手机。 特点： No access 清华大学THUNLP实验室和面壁智能，刚刚放出来了一款端侧的GUI Agent250514 00:00 No access 清华大学THUNLP实验室和面壁智能，刚刚放出来了一款端侧的GUI Agent250514 00:00 • 高质量GUI接地：通过在大规模中英文Android数据集上进行预训练，提升了对常见GUI控件（如按钮、输入框、标签、图标等）的定位与理解能力； • 中文APP操作能力：首个针对中文APP精细优化的开源GUI代理，覆盖高德大众地图、点评、哔哩哔哩、小红书等30余个主流中文APP； • 增强的规划推理能力：通过强化强化技术（RFT），让模型动作输出前进行推理思考，有效提升复杂任务执行的成功率； • 紧凑的动作空间设计：采用优化的动作空间和紧凑的JSON格式，平均动作长度压缩至9.7个token，提升端侧推理的效率。 🌟地址： https://github.com/OpenBMB/AgentCPM GUI 腾讯：推出AI编程助手CodeBuddy 腾讯云推出了AI编程助手CodeBuddy，对标微软的Cursor。CodeBuddy是一款辅助编码工具，基于混元代码大模型，旨在提高开发者的编码效率和代码质量。 CodeBuddy的主要特点包括： • 支持简单行/块/跨文件代码补全，基于上下文理解以及开发者编辑行为，智能感知当前编码环境，实时提供下一步代码编辑建议。 • 兼容MCP开放生态，支持代码预测、智能问答、代码评审等功能。