AI 行业大事记 2506

AI 行业大事记 2506 AI 行业大事记 2506 Modified August 18, 2025 https://blogs.opera.com/news/2025/05/opera neon first ai agentic browser | 🔍官方介绍 5 月 29 日 【模型】DeepSeek ● DeepSeek R1 0528 推理模型「小升级」，思考更深，推理更强 DeepSeek R1 0528 是 DeepSeek R1 推理模型的一次重要「小升级」，显著提升了模型处理复杂推理任务、创意写作、工具调用、前端代码生成、角色扮演等方面的能力，改善了模型幻觉。 更新后的 R1 模型在数学、编程与通用逻辑等多个基准测评中取得了当前国内所有模型中首屈一指的优异成绩，并且在整体表现上已接近其他国际顶尖模型，如 o3 与 Gemini 2.5 Pro。 使用入口：开源；前往 HugingFace 获取模型（huggingface.co/deepseek ai/DeepSeek R1 0528）。前往 DeepSeek 官网开启「深度思考」进行体验（chat.deepseek.com）；或者调用 API（platform.deepseek.com）。 ➖ 还是基于 deepseek v3 旧版训练的，并不是基于最新的 v3 训练的 🧐 🔍官方介绍 【视频】快手 ● 可灵 2.1 && 可灵 2.1 大师版上线，理解力与生成速度全面升级 可灵 2.1 大师版：更加「听话」，能够更准确地理解和执行用户的复杂指令，针对动作及细节表现具有较大提升，生成速度也更迅速。 可灵 2.1：与 2.1 大师版一样灵动听话，生成速度更快（生成 5s 视频需要 1 分钟左右），支持标准、高品质两种模式，标准模式 5s 低至 20 灵感值。 使用入口：前往 可灵 官网体验（app.klingai.com）；或者调用 API（klingai.com/cn/dev）。 ➖ 2.1 终于有普通版了 🎊 性价比不错，可以大规模商用了 https://app.klingai.com/cn/release notes 【融资】Grammarly ● 完成 10 亿美元融资，加速 AI 产品升级与平台化转型 Grammarly 宣布完成 10 亿美元融资，投资方为 General Catalyst。此次融资将重点用于拓展 A I产品线，推动公司从单一的语法检查工具向多功能智能写作平台（Agent）转型。 Grammarly 成立于 2009 年，最初是一款英语语法和写检查的 AI 工具，随后逐步扩展到写作辅助和沟通优化等场景。目前，其日活用户约 4000 万，年收入超过 7 亿美元。 ➖ 一个看似简单的语法纠错需求，也可以生长出巨头 🚀 https://www.reuters.com/business/grammarly secures 1 billion general catalyst build ai productivity platform 2025 05 29 5 月 30 日 【模型】字节跳动 ● Web Bench 编程能力基准测试，评估模型在复杂 Web 全栈任务中的表现（开源） Web Bench 是字节开源的一项基准测试，旨在系统评估大模型在复杂全栈 Web 开发任务中的综合能力，重点考察模型对项目上下文的理解能力、技术方案的连贯性实现，以及对依赖关系的处理水平。 该基准由资深工程师团队设计，包含 50 个高难度项目，每个项目分解为 20 个顺序关联的子任务，模拟真实开发场景中需求分析、技术实现和调试优化的完整流程。作为首个专注于全栈 Web 开发的评估体系，Web Bench 填补了现有软件工程基准的空白。 使用入口：开源；前往 HugingFace 获取数据（huggingface.co/datasets/bytedance research/Web Bench）；前往 Github 获取代码（github.com/bytedance/web bench）。 https://huggingface.co/spaces/bytedance research/Web Bench Leaderboard | 🔍官方介绍 【模型】小米 ● Xiaomi MiMo VL 多模态大模型（开源） Xiaomi MiMo VL 是小米推出的多模态大模型，在图片、视频、语言的通用问答和理解推理等多个任务上，大幅领先同尺寸标杆多模态模型 Qwen2.5 VL 7B，在 GUI Grounding 任务上比肩专用模型，在多模态推理任务上表现优秀。 使用入口：开源；前往 HugingFace 获取模型（huggingface.co/XiaomiMiMo）；前往 Github 获取基准测试（github.com/XiaomiMiMo/lmms eval）。 ➖ 小米开始在大模型领域发力，表现都比较亮眼 💡 🔍官方介绍 【图像】Black Forest Labs ● FLUX.1 Kontext 图像生成与编辑模型，角色一致性能力亮眼 FLUX.1 Kontext 图像生成与编辑模型，通过融合文本和图像输入，可精准理解上下文关系，并支持对图像特定区域进行局部修改，同时保持其他部分不受影响。其核心优势在于角色一致性控制、高精度局部编辑、风格化参考适配以及高效迭代能力。 FLUX.1 Kontext 提供了三个版本，FLUX.1 Kontext [pro] 专注于快速迭代编辑，FLUX.1 Kontext [max] 追求更高的性能和质量；FLUX.1 Kontext [dev] 开源轻量级版本，目前处于私测阶段。 使用入口：前往 KreaAI、Freepik、FAL、Replicate 等合作伙伴官网体验 FLUX.1 Kontext [max] 和 FLUX.1 Kontext [pro]。 ➖ 解决了gpt image 1人物一致性的问题，图像编辑领域的 New King 👑 https://bfl.ai/announcements/flux 1 kontext 🔍官方介绍 🔍官方介绍 🔍官方介绍 🔍官方介绍 https://blogs.opera.com/news/2025/05/opera neon first ai agentic browser | 🔍官方介绍 🔍官方介绍 5 月 29 日 【模型】DeepSeek ● DeepSeek R1 0528 推理模型「小升级」，思考更深，推理更强 DeepSeek R1 0528 是 DeepSeek R1 推理模型的一次重要「小升级」，显著提升了模型处理复杂推理任务、创意写作、工具调用、前端代码生成、角色扮演等方面的能力，改善了模型幻觉。 更新后的 R1 模型在数学、编程与通用逻辑等多个基准测评中取得了当前国内所有模型中首屈一指的优异成绩，并且在整体表现上已接近其他国际顶尖模型，如 o3 与 Gemini 2.5 Pro。 使用入口：开源；前往 HugingFace 获取模型（huggingface.co/deepseek ai/DeepSeek R1 0528）。前往 DeepSeek 官网开启「深度思考」进行体验（chat.deepseek.com）；或者调用 API（platform.deepseek.com）。 ➖ 还是基于 deepseek v3 旧版训练的，并不是基于最新的 v3 训练的 🧐 还是基于 deepseek v3 旧版训练的，并不是基于最新的 v3 训练的 🧐 🔍官方介绍 🔍官方介绍 【视频】快手 ● 可灵 2.1 && 可灵 2.1 大师版上线，理解力与生成速度全面升级 可灵 2.1 大师版：更加「听话」，能够更准确地理解和执行用户的复杂指令，针对动作及细节表现具有较大提升，生成速度也更迅速。 可灵 2.1：与 2.1 大师版一样灵动听话，生成速度更快（生成 5s 视频需要 1 分钟左右），支持标准、高品质两种模式，标准模式 5s 低至 20 灵感值。 使用入口：前往 可灵 官网体验（app.klingai.com）；或者调用 API（klingai.com/cn/dev）。 ➖ 2.1 终于有普通版了 🎊 性价比不错，可以大规模商用了 2.1 终于有普通版了 🎊 性价比不错，可以大规模商用了 https://app.klingai.com/cn/release notes 【融资】Grammarly ● 完成 10 亿美元融资，加速 AI 产品升级与平台化转型 Grammarly 宣布完成 10 亿美元融资，投资方为 General Catalyst。此次融资将重点用于拓展 A I产品线，推动公司从单一的语法检查工具向多功能智能写作平台（Agent）转型。 Grammarly 成立于 2009 年，最初是一款英语语法和写检查的 AI 工具，随后逐步扩展到写作辅助和沟通优化等场景。目前，其日活用户约 4000 万，年收入超过 7 亿美元。 ➖ 一个看似简单的语法纠错需求，也可以生长出巨头 🚀 一个看似简单的语法纠错需求，也可以生长出巨头 🚀 https://www.reuters.com/business/grammarly secures 1 billion general catalyst build ai productivity platform 2025 05 29 5 月 30 日 【模型】字节跳动 ● Web Bench 编程能力基准测试，评估模型在复杂 Web 全栈任务中的表现（开源） Web Bench 是字节开源的一项基准测试，旨在系统评估大模型在复杂全栈 Web 开发任务中的综合能力，重点考察模型对项目上下文的理解能力、技术方案的连贯性实现，以及对依赖关系的处理水平。 该基准由资深工程师团队设计，包含 50 个高难度项目，每个项目分解为 20 个顺序关联的子任务，模拟真实开发场景中需求分析、技术实现和调试优化的完整流程。作为首个专注于全栈 Web 开发的评估体系，Web Bench 填补了现有软件工程基准的空白。 使用入口：开源；前往 HugingFace 获取数据（huggingface.co/datasets/bytedance research/Web Bench）；前往 Github 获取代码（github.com/bytedance/web bench）。 https://huggingface.co/spaces/bytedance research/Web Bench Leaderboard | 🔍官方介绍 🔍官方介绍 【模型】小米 ● Xiaomi MiMo VL 多模态大模型（开源） Xiaomi MiMo VL 是小米推出的多模态大模型，在图片、视频、语言的通用问答和理解推理等多个任务上，大幅领先同尺寸标杆多模态模型 Qwen2.5 VL 7B，在 GUI Grounding 任务上比肩专用模型，在多模态推理任务上表现优秀。 使用入口：开源；前往 HugingFace 获取模型（huggingface.co/XiaomiMiMo）；前往 Github 获取基准测试（github.com/XiaomiMiMo/lmms eval）。 ➖ 小米开始在大模型领域发力，表现都比较亮眼 💡 小米开始在大模型领域发力，表现都比较亮眼 💡 🔍官方介绍 🔍官方介绍 【图像】Black Forest Labs ● FLUX.1 Kontext 图像生成与编辑模型，角色一致性能力亮眼 FLUX.1 Kontext 图像生成与编辑模型，通过融合文本和图像输入，可精准理解上下文关系，并支持对图像特定区域进行局部修改，同时保持其他部分不受影响。其核心优势在于角色一致性控制、高精度局部编辑、风格化参考适配以及高效迭代能力。 FLUX.1 Kontext 提供了三个版本，FLUX.1 Kontext [pro] 专注于快速迭代编辑，FLUX.1 Kontext [max] 追求更高的性能和质量；FLUX.1 Kontext [dev] 开源轻量级版本，目前处于私测阶段。 使用入口：前往 KreaAI、Freepik、FAL、Replicate 等合作伙伴官网体验 FLUX.1 Kontext [max] 和 FLUX.1 Kontext [pro]。 ➖ 解决了gpt image 1人物一致性的问题，图像编辑领域的 New King 👑 解决了gpt image 1人物一致性的问题，图像编辑领域的 New King 👑 https://bfl.ai/announcements/flux 1 kontext 【音频】ElevenLabs ● Conversational AI 2.0 企业级语音 Agent 平台 Conversational AI 2.0 是 ElevenLabs 推出的新一代企业级语音交互平台，通过先进的对话模型与多语言功能，为用户提供自然流畅、响应精准的对话体验。该平台适用于客户服务、营销推广、个性化学习及多角色叙事等多样化场景。 平台的核心优势在于其强大的多语言支持与智能化功能。它可自动识别并切换超过 32 种语言，无需人工干预即可实现跨语言无缝对话。同时，内置的 RAG 系统能实时从外部知识库检索信息，确保对话内容的准确性与时效性。 使用入口：前往 ElevenLabs 官网尝试（elevenlabs.io/app/conversational ai/agents）。 https://elevenlabs.io/blog/conversational ai 2 0 【应用】Perplexity ● Labs 智能体创作平台，一站式生成报告、演示与可视化项目 Labs 是 Perplexity 推出的一项新功能，能够一站式生成分析报告、演示文稿、动态仪表盘、轻量级网站等各类项目，帮助用户将创意转化为现实。 在使用 Labs 过程中，网络浏览、代码执行、图表/图像生成等多个工具协同工作，将原本复杂的工作流进行了整合，大大提升了创作效率。 使用入口：前往 Perplexity 官网体验（perplexity.ai/labs）。 https://www.perplexity.ai/hub/blog/introducing perplexity labs 5 月 31 日 【3D】VAST ● Tripo Studio 工作站上线，实现一站式 3D 建模 Tripo Studio 是一款专为 3D 创作者设计的原生工作空间，通过整合模型生成、编辑、细化及导出功能，实现从创意到成品的全流程覆盖。 该平台基于 Tripo 的成熟模型技术，新增多项创新功能：智能部件分割可快速拆解复杂模型，智能低模生成能自动优化网格结构，贴图魔法笔刷支持高效细节绘制，而万物自动绑骨则大幅简化角色动画制作。 使用入口：前往 Tripo Studio 官网体验（studio.tripo3d.ai）。 ➖ 从模型到应用，Tripo 要打造 3D 领域的完整生态 🥳 从模型到应用，Tripo 要打造 3D 领域的完整生态 🥳 https://www.tripo3d.ai/blog/introducing tripo studio 【应用】Google ● Gemini App（应用）近期重要更新汇总 在 Google I/O 2025 大会前后，Gemini 应用迎来一系列功能升级，进一步强化 AI 在多场景下的应用能力： • 图片编辑：快速优化和处理图像（5月1日） • Gemini Advanced 与 GitHub 连接：提升开发者协作与代码管理效率（5月14日） • 音频概述（Audio Overviews）：将文档、幻灯片等资料转换为播客风格的双 AI 对话摘要，帮助用户高效获取核心信息（5月19日） • 深度研究（Deep Research）：支持文件上传分析，并计划未来整合 Google Drive 和 Gmail 数据（5月21日） • 画布（Canvas）：新增的「Create」按钮实现了一键生成互动式内容（如网页、播客或测验），无需复杂指令输入（5月21日） • Gemini in Chrome：桌面用户可直接通过浏览器侧边栏调用 AI，实现即时摘要、概念解释及跨标签页问答（5月21日） 使用入口：前往 Gemini App 官网体验（gemini.google.com）。 https://x.com/GeminiApp 【应用】OpenAI ● ChatGPT 近期重要更新汇总 OpenAI 为 ChatGPT 推出多项功能优化与升级，涵盖模型行为改进、开发者工具增强及科研场景支持： • GPT 4o 新版本「过度迎合用户」的问题：发布修复方案并公开长期改进计划，提升模型应答的平衡性与客观性（5月2日） • 新增 GitHub 代码库直连功能：支持 Agent 深度分析源码及 PR 内容，生成附带精准引用的技术报告（5月9日） • GPT 4.1 和 GPT 4.1 mini：正式上线 ChatGPT，专精于代码任务和指令跟随，速度更快，适合日常编码需求（5月15日） • Operator：更新至最新的推理模型 o3（5月24日） • RDKit 库：为化学、生物学等学科提供分子结构分析、编辑与可视化支持（5月24日） 使用入口：前往 ChatGPT 官网体验（chatgpt.com）。 https://x.com/OpenAIDevs 🔗原文链接：https://mp.weixin.qq.com/s/eeS1ZWbFyAfskpDUtef4aw 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 5 月 AI 行业大事 101 件 🔗原文链接：https://mp.weixin.qq.com/s/eeS1ZWbFyAfskpDUtef4aw 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 5 月 AI 行业大事 101 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。 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。 ✦ ✦ ✦ 👀 趋势观察 1. 模型 ✦ 基础模型继续小步伐升级，这个月 Claude 4 系列不负众望正式面世，Deepseek R1 也出了小版本更新。 ✦ 专注于 Coding 的小模型开始大量出现，并且在一些细分场景超越了大模型。可以预见，垂直领域模型还有非常大的发展空间。 2. 图像 ✦ GPT Image 1 的开源竞争者陆续出现，例如 Hidream E1 和字节的 Bagel；但最有威胁的还是 Flux Kontext，在元素一致性上彻底超越了 GPT Image 1。 ✦ 传统图像模型和全模态模型的边界逐渐模糊，GPT Image 1 的神奇能力也不再是独家专有。 3. 视频 ✦ 这个月最兴奋的进展来自 Google Veo3，第一个可以原生生成人物对话的视频模型，让 AI 视频不再是哑剧。 ✦ 开源视频模型在功能上逐渐追赶闭源模型，例如主体参考、元素编辑等等，开闭源的差距在逐渐缩小。 ✦ 基于开源视频模型的快速发展，数字人领域的进步也比较明显。数字人现在已经不再是对嘴型，而是根据主体参考重新生成的完整视频。 4. 音频 ✦ 音乐生成领域，闭源模型 Suno 还在持续领先，开源模型也在慢慢追赶，但是至今开闭源还有比较大的差距。 ✦ 文字转语音（TTS）赛道已经没有太多创新，大家都是 90 分往 95 分努力，未来卷的应该就是性价比了。 5. 3D ✦ 3D 领域开始被模型公司投射注意力，背后应该是因为 3D 建模离商业化路径很短，比较容易产生收益。 ✦ Tripo 意识到了只有模型没有应用是不够的，开始亲自下场做原生 AI 3D 应用，直接提供端到端的服务。 6. 机器人 ✦ 通过一场机器人拳击赛就能看出，头部机器人公司对于机器人的动作控制已经比较成熟。 ✦ 至于如何让机器人不通过预设的程序，而是自发的学会新的动作，世界模型应该是必不可少的。这个领域应该会随着自动驾驶领域的发展，很快有新的突破。 7. 应用 ✦ 应用大的方向主要还是集中在 Coding 和 Agent，没有新的范式出现。 ✦ 这个月让人眼前一亮的应用是 Lovart.ai，第一个专注于设计的 Agent 产品，生成结果的可用性也不错。可以预见，各个领域的垂直 Agent 产品会是商业化的一条捷径。 ✦ AI 浏览器，会成为大厂之间 Agent 的另一个战场。与其做一个网页版的 Agent，那为什么不进一步做成客户端呢。 8. 新闻/融资 ✦ 现在已经很少见到模型公司融资的消息了，模型大战已经结束，应用大战已经开启。 ✦ Coding 领域大战基本到了尾声，老大 Cursor 不到半年估值翻了 4 倍，老二 Windsurf 已被 OpenAI 收购。 ✦ Agent 领域大战才刚刚开始，如同春秋战国时期，百家争鸣。 ✦ ✦ ✦ 🧭 时光机 ➖ 5 月 1 日 | 模型 | NVIDIA ● Describe Anything Model（DAM）多模态模型，为图片和视频的指定区域生成描述（开源） | 模型 | Microsoft ● Phi 4 推理模型，专注数学与编程等复杂推理任务的小模型（开源） | 模型 | Amazon ● Amazon Nova Premier 教师模型，Nova 系列最强版本 | 图像 | HiDream 智象未来 ● HiDream I1 图像生成模型 && HiDream E1 交互编辑模型（开源） 5 月 2 日 | 图像 | Midjourney ● Omni Reference 全向参考功能 && MJ 近期重要更新汇总 | 音频 | Suno ● Suno v4.5 音乐生成模型，音质与人声全面升级 | 新闻 | Sequoia Capital（红杉资本）AI Ascent 2025 ● 汇聚超 100 位 AI 领军人物，探讨行业未来发展 5 月 3 日（无） 5 月 4 日（无） 5 月 5 日（无） 5 月 6 日 | 模型 | 智源研究院 ● 中文互联网语料库 CCI 4.0，扩展为多语种（开源） | 模型 | 智源研究院 X 南开大学 ● Chinese LiPS 中文多模态语音识别数据集（开源） | 模型 | 360 ● 360Zhinao3 7B 新系列模型升级 && O1.5 推理模型开源 | 应用 | 阿里巴巴 ● 通义灵码编程智能体上线 | 融资 | OpenAI 斥资 30 亿美元收购编程应用 Windsurf | 融资 | Anysphere（Cursor）完成 9 亿美元融资，估值达到 90 亿美元 5 月 7 日 | 模型 | Mistral AI ● Medium 3 多模态模型，高性能、低成本，企业级 AI 新选择 | 模型 | Cognition Labs（Devin）● Kevin 32B 用于编写 CUDA Kernel 的多轮强化学习模型（开源） | 模型 | Apple ● FastVLM 视觉 语言模型，支持端侧部署（开源） | 音频 | 阶跃星辰 X ACE Studio ● ACE Step 音乐生成基础模型，消费级显卡可用（开源） | 视频 | HeyGen ● Avatar IV 数字人视频生成模型，一张照片+一段文本=逼真的视频 5 月 8 日 | 应用 | 阿里巴巴 ● 夸克「深度搜索」升级 &&「深度研究」上线 | 应用 | 魔乐社区 ● 开放共享的 AI 工具与模型生态平台 | 应用 | Figma Config 2025 ● Figma 发布 4 项重要更新，Figma Buzz、Figma Draw、Figma Make、Figma Sites 5 月 9 日 | 视频 | 腾讯 ● HunyuanCustom 多模态定制化视频生成模型，保持视频中多主体一致性（开源） | 视频 | Luma AI ● Reframe 智能扩展图像视频画面，适配多平台尺寸需求 | 3 D | Enigma Labs ● Multiverse 多人模式游戏模型（全开源） | 应用 | 秘塔AI搜索 ● 讲题功能上线 5 月 10 日（无） 5 月 11 日（无） 5 月 12 日 | 模型 | Prime Intellect ● INTELLECT 2 推理模型，全球首个分布式强化学习训练模型 | 新闻 | 教育部 ● 发布两项指南，科学规范推进人工智能全学段教育 5 月 13 日 | 模型 | OpenAI ● HealthBench 医疗基准测试，评估大模型在医疗健康领域的表现（开源） | 视频 | 爱诗科技 ● Pixverse V4.5 视频生成模型，实现电影级镜头控制 | 3 D | 昆仑万维 ● Matrix Game 可交互视频生成世界模型，推动游戏世界建模（开源） 5 月 1 日 | 模型 | NVIDIA ● Describe Anything Model（DAM）多模态模型，为图片和视频的指定区域生成描述（开源） | 模型 | Microsoft ● Phi 4 推理模型，专注数学与编程等复杂推理任务的小模型（开源） | 模型 | Amazon ● Amazon Nova Premier 教师模型，Nova 系列最强版本 | 图像 | HiDream 智象未来 ● HiDream I1 图像生成模型 && HiDream E1 交互编辑模型（开源） 5 月 2 日 | 图像 | Midjourney ● Omni Reference 全向参考功能 && MJ 近期重要更新汇总 | 音频 | Suno ● Suno v4.5 音乐生成模型，音质与人声全面升级 | 新闻 | Sequoia Capital（红杉资本）AI Ascent 2025 ● 汇聚超 100 位 AI 领军人物，探讨行业未来发展 5 月 3 日（无） 5 月 4 日（无） 5 月 5 日（无） 5 月 6 日 | 模型 | 智源研究院 ● 中文互联网语料库 CCI 4.0，扩展为多语种（开源） | 模型 | 智源研究院 X 南开大学 ● Chinese LiPS 中文多模态语音识别数据集（开源） | 模型 | 360 ● 360Zhinao3 7B 新系列模型升级 && O1.5 推理模型开源 | 应用 | 阿里巴巴 ● 通义灵码编程智能体上线 | 融资 | OpenAI 斥资 30 亿美元收购编程应用 Windsurf | 融资 | Anysphere（Cursor）完成 9 亿美元融资，估值达到 90 亿美元 5 月 7 日 | 模型 | Mistral AI ● Medium 3 多模态模型，高性能、低成本，企业级 AI 新选择 | 模型 | Cognition Labs（Devin）● Kevin 32B 用于编写 CUDA Kernel 的多轮强化学习模型（开源） | 模型 | Apple ● FastVLM 视觉 语言模型，支持端侧部署（开源） | 音频 | 阶跃星辰 X ACE Studio ● ACE Step 音乐生成基础模型，消费级显卡可用（开源） | 视频 | HeyGen ● Avatar IV 数字人视频生成模型，一张照片+一段文本=逼真的视频 5 月 8 日 | 应用 | 阿里巴巴 ● 夸克「深度搜索」升级 &&「深度研究」上线 | 应用 | 魔乐社区 ● 开放共享的 AI 工具与模型生态平台 | 应用 | Figma Config 2025 ● Figma 发布 4 项重要更新，Figma Buzz、Figma Draw、Figma Make、Figma Sites 5 月 9 日 | 视频 | 腾讯 ● HunyuanCustom 多模态定制化视频生成模型，保持视频中多主体一致性（开源） | 视频 | Luma AI ● Reframe 智能扩展图像视频画面，适配多平台尺寸需求 | 3 D | Enigma Labs ● Multiverse 多人模式游戏模型（全开源） | 应用 | 秘塔AI搜索 ● 讲题功能上线 5 月 10 日（无） 5 月 11 日（无） 5 月 12 日 | 模型 | Prime Intellect ● INTELLECT 2 推理模型，全球首个分布式强化学习训练模型 | 新闻 | 教育部 ● 发布两项指南，科学规范推进人工智能全学段教育 5 月 13 日 | 模型 | OpenAI ●