文章详情

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、全球首款通用智能体爆火，Manus邀请码被炒至5万

全球首款通用智能体Manus引发了科技圈的广泛关注。Manus具备独立思考和执行复杂任务的能力，能够交付完整成果，展现出强大的通用性。它不仅能处理日常事务，还能进行深入市场调研、个性化旅行规划等多种任务。在二手交易市场，Manus邀请码价格从999元到5万元不等，甚至有的卖家表示不接受还价，显示出该产品的稀缺性。

【AiBase提要:】

🚀 Manus具备独立思考和执行复杂任务的能力，展现出强大的通用性和执行力。

📊 在多个领域如市场调研、旅行规划等，Manus的应用案例显示出其实用性和高效性。

🏆 Manus在GAIA基准测试中创下新纪录，技术性能远超同类产品，证明其领先地位。

详情链接:https://manus.im/

2、阿里新开源推理大模型QwQ-32B，性能媲美DeepSeek-R1、显存需求更小

阿里巴巴的Qwen团队推出了开源大型语言模型QwQ-32B，旨在通过强化学习提升其在复杂问题解决任务中的性能。该模型以320亿参数和131072tokens的扩展上下文长度为基础，能够在数学和编程等基准测试中与更大参数的模型相媲美，同时显存需求更低。

【AiBase提要:】

🚀 QwQ-32B采用强化学习技术，提升复杂问题求解能力。

💡 在数学、编程等基准测试中表现与更大参数模型相当，显存需求更低。

🧠 具备扩展上下文长度和agentic capabilities，未来将继续探索强化学习的潜力。

详情链接:https://qwenlm.github.io/blog/qwq-32b/

3、OpenAI宣布GPT-4.5逐步面向所有ChatGPT Plus用户开放

OpenAI近期宣布，最新的人工智能模型GPT-4.5将逐步向ChatGPT Plus用户开放。尽管该模型在对话能力上有显著提升，但在复杂推理方面仍存在不足。使用成本高达每百万tokens150美元，引发了对其广泛采用的担忧。

【AiBase提要:】

💬 GPT-4.5是OpenAI最新推出的最大人工智能模型，将逐步向ChatGPT Plus用户开放。

⚖️ 尽管GPT-4.5在对话能力上有显著提升，但在复杂推理方面仍存在不足。

💰 使用GPT-4.5的成本高达每百万tokens150美元，引发了对其广泛采用的担忧。

4、豆包上线深度推理模式:AI逻辑链条可视化，问答搜索新突破

字节跳动为其AI助手豆包推出的“深度思考”推理模式，通过可视化的逻辑链条，提升了用户对AI的信任度和透明性。这项技术基于豆包1.5模型，结合深度推理模型的技术突破，增强了AI的智能化和人性化，预示着在问答、搜索、写作和阅读领域的广阔前景。

【AiBase提要:】

🔍 深度思考模式通过展示AI的完整逻辑链条，提升了用户的交互体验。

🤖 该模式基于豆包1.5模型，利用RL算法和工程优化，增强了AI的智能化。

📈 新功能预示着AI在各领域的广阔发展前景，用户体验得到了显著提升。

5、LTX-Video0.9.5发布:支持商用许可 开源AI视频生成迈向新高度

LTX-Video0.9.5版本的发布标志着开源AI视频生成技术的重大进步。它不仅支持商用许可，允许企业和个人开发者在商业项目中应用该模型，还引入了关键帧条件支持，提升了视频生成的灵活性和质量。此外，模型在分辨率和生成速度上也有显著提升，进一步满足了复杂叙事的需求。

【AiBase提要:】

🌟 最大亮点是支持商用许可，拓宽了应用前景。

🎥 引入关键帧条件支持，提升视频生成灵活性。

📈 显著提升分辨率和生成速度，满足复杂叙事需求。

6、文本转语音系统Spark-TTS:支持零样本语音克隆与细粒度控制

Spark-TTS是一款先进的文本转语音系统，凭借其零样本语音克隆和细粒度语音控制能力，引发了AI社区的广泛关注。该系统基于Qwen2.5构建，简化了音频生成流程，提高了效率，并支持多语言生成，尤其适合有声读物制作。其技术架构采用BiCodec单流语音编解码器，确保语音质量自然且可控，用户可根据需求调整语音特性。

【AiBase提要:】

🎤 零样本语音克隆:无需特定训练数据即可生成说话者声音，适合个性化应用。

⚙️ 细粒度语音控制:用户可精确调整语速和音高，满足不同需求。

🌍 跨语言生成:支持多种语言，保持高自然度和准确性，扩展全球适用性。

详情链接:https://github.com/SparkAudio/Spark-TTS

7、谷歌发布Whisk Animate预览版:将图像转化为8秒动画短片

谷歌在其实验性AI平台Google Labs中推出了Whisk Animate的预览版，允许用户利用先进的Veo2模型将静态Whisk图像转化为8秒的动态视频剪辑。这一新功能迅速引发社交媒体上的热议，用户反馈积极，展示了其在创意产业中的潜力。Whisk Animate的推出标志着从静态设计到动态内容的转化变得更加简单高效，进一步巩固了谷歌在生成式AI领域的竞争优势。

【AiBase提要:】

🎥 Whisk Animate利用Veo2模型将静态图像转化为8秒动态视频，展示了动画生成的灵活性。

🌟 用户反馈积极，一些早期测试者称其为“非常惊艳”，显示出其在创作中的潜力。

🖼️ Whisk Animate的推出为创意产业提供了新的工具，简化了短视频创作和广告设计的过程。

8、Cohere发布全新多模态AI模型Aya Vision，提供32B和8B两个版本

Cohere的非营利研究实验室推出的Aya Vision是一款领先的多模态AI模型，能执行多种语言和视觉任务。该模型通过WhatsApp免费提供，旨在促进全球研究人员的技术获取。Aya Vision有两个版本，32B和8B，表现超越更大体量的竞争模型。此外，Cohere还推出了新的基准评估工具AyaVisionBench，以应对当前AI行业的评估危机。

【AiBase提要:】

🌟 Aya Vision模型被Cohere称为行业最佳，能够执行多种语言和视觉任务。

💡 Aya Vision有两个版本，分别为32B和8B，表现超越体量更大的竞争模型。

🔍 Cohere还发布了新的基准评估工具AyaVisionBench，旨在改善AI模型评估问题。

详情链接:https://cohere.com/blog/aya-vision

9、抖音集团拟寻求AI数据标注供应商

抖音集团于3月6日发布公告，招募优质AI数据标注供应商，以满足其快速增长的业务需求。此次招募主要面向拥有丰富垂直资源的企业，特别是在医疗、法律和教育等领域。参与公司需为独立法人，注册资本不低于100万元，并具备良好社会信誉，且不接受联合体报名。这一战略布局旨在提升内容质量与数据服务能力，推动行业竞争与创新。

【AiBase提要:】

🌟 抖音集团招募AI数据标注供应商，注册资本要求不低于100万元。

📄 报名企业需为独立法人，具备良好社会信誉，不接受联合体报名。

🚀 招募旨在满足抖音在AI数据标注领域的快速增长需求，推动行业发展。

10、OpenAI推出 “博士级” AI代理，月费高达2万美元

OpenAI最近宣布推出一款名为“博士级”的AI代理，旨在满足金融、医疗和制造等行业的高端需求。该AI代理的月费高达2万美元，提供多种服务类型，定价依据产品为客户创造的经济价值。尽管高昂的费用引发了一些调侃，但OpenAI显然将目标客户锁定在大型企业，而非个人用户。

【AiBase提要:】

💰 该AI代理的月费在2000美元到2万美元之间，定价依据其为客户创造的经济价值。

🏢 OpenAI将目标客户锁定在大型企业，允许企业按员工席位支付费用，降低使用门槛。

✈️ AI代理旨在通过最少人类干预自动完成任务，例如自动查找航班信息并完成支付。

11、苹果App Store即将推AI生成应用评论摘要，轻松获取用户反馈

苹果公司宣布将在即将发布的iOS18.4中引入AI生成的应用评论摘要功能。该功能旨在为用户提供简要的应用评论汇总，帮助他们快速获取应用的亮点和关键信息。摘要将由大型语言模型生成，并每周更新一次，初期将在美国App Store上线。

【AiBase提要:】

🌟 苹果将在iOS18.4中推出AI生成的应用评论摘要功能，帮助用户快速了解应用反馈。

🔄 这些摘要将每周更新，初期在美国App Store上线，适用于英语评论数量足够的应用。

⚠️ 该功能可能面临被不良商家利用的风险，影响评论的真实性和公正性。

12、IBM 推出小型AI模型 Granite3.2，强调高效推理与实用性

IBM最近推出了Granite3.2大型语言模型，专注于为企业和开源社区提供高效、实用的人工智能解决方案。该模型具备多模态和推理能力，提升了灵活性和成本效益，特别是在文档处理和数据提取方面表现出色。Granite3.2还引入了思维链功能和小型化的安全模型Granite Guardian，确保在降低成本的同时保持高性能。

【AiBase提要:】

📊 Granite3.2引入视觉语言模型，提升文档处理与数据提取能力。

💡 新模型具备思维链功能，能够阐明推理过程，增强推理能力。

🔍 Granit Guardian 安全模型小型化30%，但性能未受影响，同时推出可言语化信心的风险评估功能。

详情链接:https://www.ibm.com/new/announcements/ibm-granite-3-2-open-source-reasoning-and-vision