AI新闻动态（2025-05-11到2025-05-17)

[ikaijua]

AI新闻动态（2025-05-11到2025-05-17)

目录

AI产品

1. ChatGPT上线GPT-4.1，编码能力超GPT-4o和GPT-4.5，可限量免费使用
2. OpenAI上线最强编程智能体Codex
3. MiniMax推出的Speech-02语音大模型在国际权威评测中击败OpenAI和ElevenLabs

AI研究

1. DeepSeek新论文：公开V3大模型降本方法
2. 陶哲轩油管首秀：33分钟，AI速证「人类需要写满一页纸」的证明
3. DeepMind通用科学智能体AlphaEvolve突破数学极限
4. 苹果开源FastVLM，能在iphone直接运行的视觉语言模型
5. 阿里开源视频编辑模型Wan2.1-VACE
6. 谷歌推出光源控制项目LightLab，在图片中添加光源，可以调节光源位置和强度

AI洞察

1. 谷歌的 Jeff Dean 谈论虚拟工程师的时代即将到来

[ikaijua]

2025-05-15 ChatGPT上线GPT-4.1，编码能力超GPT-4o和GPT-4.5，可限量免费使用

1. GPT-4.1专门针对编码任务和指令执行进行了优化，具有更高的推理效率。GPT-4.1在衡量真实世界软件工程技能的SWE-bench Verified上得分为54.6%，比GPT-4o的分数提高了21.4%，比GPT-4.5强了26.6%。
2. GPT-4.1在ChatGPT中运行速度非常快，比其他OpenAI模型更流畅。
3. 与GPT-4o相比，GPT-4.1的输出更加清爽，没有谄媚或油腻感。
4. 免费用户每24小时最多使用5次GPT-4.1，超出后自动切换其它模型；Plus用户每3小时最多使用80次。
5. 网友们制作的gpt不同模型的推理成本和得分的图：

媒体文章：

• 量子位: 全员免费！GPT-4.1上线ChatGPT，首波实测：又快又没油腻感

tag: AI产品

[ikaijua]

2025-05-17 OpenAI上线最强编程智能体Codex

1. OpenAI发布Codex研究预览版，Codex是一个云端软件工程智能体。
2. Codex可以并行处理多项任务，包括编写功能、解答代码库相关问题、修复bug以及提交拉取请求等。
3. Codex基于codex-1模型，是OpenAI o3的一个版本，专门针对软件工程进行了优化，通过强化学习在真实编程任务中训练。
4. ChatGPT Pro、Team和Enterprise用户已可使用Codex，Plus和Edu用户也将很快上线使用。
5. 用户可以通过ChatGPT侧边栏访问Codex，输入prompt并点击“编写代码”按钮执行编程任务，或点击“Ask”提问。
6. Codex具备读写文件的能力，并可运行测试框架、代码检查器和类型检查器等命令。

官方介绍：https://openai.com/index/introducing-codex/
官方视频：A research preview of Codex in ChatGPT

媒体文章：

• 机器之心: 刚刚，OpenAI最强编程智能体上线ChatGPT

tag: AI产品

[ikaijua]

2025-05-15 MiniMax推出的Speech-02语音大模型在国际权威评测中击败OpenAI和ElevenLabs

1. Speech-02在字错率和说话人相似度等关键指标上取得领先，提升了合成语音的质量和相似度，实现了零样本语音克隆。
2. Speech-02支持多种语言，尤其在中文、粤语等语种上表现优异，展现了其在多语言处理上的能力。

体验地址：https://www.minimax.io/audio/text-to-speech
技术报告：https://minimax-ai.github.io/tts_tech_report/

媒体文章：

• 机器之心: 超越OpenAI、ElevenLabs，MiniMax新一代语音模型屠榜！人格化语音时代来了

tag: AI产品

[ikaijua]

2025-05-15 DeepSeek新论文：公开V3大模型降本方法

1. DeepSeek团队公布了DeepSeek-V3大模型在训练和推理过程中解决硬件瓶颈的四种创新技术：内存优化、计算优化、通信优化和推理加速。
2. 内存优化采用多头潜在注意力（MLA）技术，显著减少键值缓存（KV Cache）的内存占用。
3. 计算优化结合混合专家模型（MoE）和FP8低精度训练，大幅降低训练成本并提高效率。
4. 通信优化通过多层胖树网络和流水线并行技术，减少延迟并提升吞吐量。
5. 推理加速采用多token预测（MTP）方法，提高生成速度同时保持准确率。
6. 论文还提出了对下一代AI硬件的五大期望，包括低精度计算支持、扩展与扩展融合、网络拓扑优化、内存系统优化和鲁棒性与容错。
7. DeepSeek-V3通过这些优化技术，在有限资源下实现了高效的训练和推理，并展望了未来AI硬件的发展方向。

论文地址：https://arxiv.org/pdf/2505.09343

媒体文章：

• 量子位: 梁文锋署名DeepSeek新论文：公开V3大模型降本方法

tag: AI研究

[ikaijua]

2025-05-12 陶哲轩油管首秀：33分钟，AI速证「人类需要写满一页纸」的证明

1. 陶哲轩在YouTube上发布首个视频，展示了AI辅助在33分钟内完成人类需要一页纸才能完成的数学证明。
2. 该证明涉及泛代数中的Magma方程E1689蕴含E2，原本由Bruno Le Floch人工完成，耗费一页纸。
3. 陶哲轩利用GitHub Copilot生成代码骨架，再以Lean的canonical策略匹配细节，实现了形式化证明。
4. 陶哲轩认为这种半自动化的方法适用于技术性强、概念性弱的论证。
5. 他强调AI辅助证明可以将数学家从繁琐事务中解放出来，让AI做其擅长的事情。
6. 陶哲轩还发布了数学证明助手2.0版本，这是一个用Python开发的轻量级工具，旨在辅助证明简短而繁琐的任务，尤其是在渐近分析方面。
7. 该助手提供假设模式和策略模式，支持多种策略，并可扩展，陶哲轩对该助手表示满意并欢迎贡献。

媒体文章：

• 量子位: 陶哲轩油管首秀：33分钟，AI速证「人类需要写满一页纸」的证明
• 机器之心: Copilot上大分，仅数天，陶哲轩的估计验证工具卷到2.0！刚刚又发数学形式化证明视频

tag: AI研究

[ikaijua]

2025-05-15 DeepMind通用科学智能体AlphaEvolve突破数学极限

1. DeepMind发布了Alpha Evolve，一个由LLMs驱动的编码智能体，用于算法发现和优化。
2. AlphaEvolve 通过生成新的算法，为数学问题提供了新的解决方案，例如改进了复杂值矩阵乘法的算法，并在几何和组合数论等领域的开放问题上取得了进展。
3. Alpha Evolve引入自动评估系统减少幻觉，结合创造性问题解决能力和自动验证答案的评估器。
4. Alpha Evolve能超越单一函数发现，演化整个代码库并开发更复杂算法。
5. 其核心机制是将大型语言模型的创造力与自动化评估的客观反馈融入进化框架中。

• 技术报告：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/AlphaEvolve.pdf
• 官方博客：https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

媒体文章：

• 机器之心: 刚刚，DeepMind通用科学智能体AlphaEvolve突破数学极限，陶哲轩合作参与

tag: AI研究

[ikaijua]

2025-05-18 谷歌的 Jeff Dean 谈论虚拟工程师的时代即将到来

1. Jeff Dean 的预测：谷歌传奇工程师 Jeff Dean 预测一年内将出现能 24/7 全天候运行、具备“初级工程师”能力的 AI 系统。
2. AI 行业发展方向：AI 领域发展多年，近三四年才真正进入公众视野。模型越大、数据越多、结果越好，未来模型会不断进步，多模态是重要趋势。
3. 智能体的潜力：智能体领域有巨大潜力，通过强化学习等训练可完成更多任务，未来几年机器人智能体有望在复杂环境中完成多种实际工作。
4. 大模型的发展现状：构建先进模型需大量投资，未来可能只有少数几个通用且功能强大的模型。知识蒸馏等技术可将大模型压缩成轻量级模型适配更多场景。
5. AI 的编程能力：AI 在编程方面有潜力，如 Gemini 项目中的演示可将教育视频转化为教育游戏。未来工具将积极改变世界，AI 可帮助人们在工作环境中完成任务。
6. 硬件在 AI 中的重要性：专注于机器学习的硬件重要，如谷歌的 TPU 项目。硬件需变得更强大并大规模连接，以满足模型计算需求。模拟计算在功耗效率方面有优势，未来推理硬件效率有望大幅提升。
7. AI 模型的未来格局：稀疏模型有潜力，类似生物大脑结构可提升效率。未来模型应能动态扩展、添加新参数，像有机系统一样持续学习，而非固定结构。

• B站视频： Web3天空之城/谷歌的 Jeff Dean 谈论虚拟工程师的时代即将到来 20250512[附文稿]
• youtube视频：Sequoia Capital/Google's Jeff Dean on the Coming Transformations in AI

媒体文章：

• infoq: Jeff Dean：一年内 AI 将取代初级工程师，网友：“Altman只会画饼，Jeff说的话才致命”

tag: AI洞察

[ikaijua]

2025-05-17 苹果开源FastVLM，能在iphone直接运行的视觉语言模型

1. 苹果开源了FastVLM模型，这是一个高效视觉语言模型，能够在iPhone上直接运行，优化了在苹果设备上的运行性能。
2. FastVLM模型通过引入新型混合视觉编码器FastViTHD，融合了卷积层和Transformer模块，配合多尺度池化和下采样技术，显著减少了处理图片所需的视觉token数量。
3. 相比于传统模型，FastVLM在速度和体积上都有显著优化，首个token输出速度提升了85倍。
4. FastVLM兼容主流LLM，并轻松适配iOS/Mac生态，特别适合边缘设备、端侧AI应用和实时图文任务场景。
5. 目前，FastVLM推出了0.5B、1.5B、7B三个不同参数量级的版本，用户可以根据需求灵活选择。

Github：https://github.com/apple/ml-fastvlm
论文地址：FastVLM: Efficient Vision Encoding for Vision Language Models

媒体文章：

• 机器之心: 85倍速度碾压：苹果开源FastVLM，能在iphone直接运行的视觉语言模型

tag: AI研究

[ikaijua]

2025-05-14 阿里开源视频编辑模型Wan2.1-VACE

1. Wan2.1-VACE能完成多种视频编辑任务，包括参考视频生成（R2V）、视频到视频编辑（V2V）和蒙版视频到视频编辑（MV2V）。
2. 包含Wan2.1 - VACE - 1.3B（支持480P）和Wan2.1 - VACE - 14B（支持480P和720P）两个版本。
3. VACE提供强大的可控重绘能力，支持基于人体姿态、运动光流、结构保持、空间运动、着色等控制生成，也支持基于主体和背景参考的视频生成。

wan-VACE-trans.mp4

模型地址：https://huggingface.co/Wan-AI

媒体文章：

• 通义万相VACE开源！一款模型搞定多种视频编辑任务

tag: AI研究

[ikaijua]

2025-05-16 谷歌推出光源控制项目LightLab，在图片中添加光源，可以调节光源位置和强度

1. 通过扩散模型，从单张图像实现光源的细粒度参数化控制，可改变光源强度和颜色，插入虚拟光源。
2. 在图像和影视创作中，光线是灵魂，能塑造角色情绪、烘托故事氛围等，但精确控制光影一直是挑战。
3. LightLab的训练方法：通过微调扩散模型，结合真实照片对和合成渲染图像构建数据集，利用光的线性特性分离目标光源和环境光，合成大量参数化的光影变化图像对。
4. LightLab在控制光源强度和颜色方面显著优于先前的方法，能够忠实地控制目标光源并生成物理上合理的照明。
5. LightLab可用于照片后捕获的光源控制，包括光强度调整、颜色控制、虚拟点光源插入、环境光控制以及生成物理上合理的光照效果。

项目主页：https://nadmag.github.io/LightLab/
论文地址：https://arxiv.org/abs/2505.09608

视频介绍：LightLab: Controlling Light Sources in Images with Diffusion Models

媒体文章：

• 机器之心：一键开关灯！谷歌用扩散模型，将电影级光影控制玩到极致

tag: AI研究