AI那点事儿(2025年6月下旬)

多客科技

作者：微信文章
值得关注的用加粗红底字忙的先看这儿（摘要）：图片技术

FLUX.1 Kontext [dev]：黑森林实验室 (Black Forest Labs)发布的新开源图像编辑模型。该模型拥有120亿参数，在性能上对标GPT-4o和Gemini，实现一句话编辑图像，并在多项图像编辑基准测试中超越了现有的开源及顶尖闭源模型。同时，模型已为NVIDIA最新的Blackwell架构深度优化，推理速度提升2.1倍。

TarFlow&STARFlow：Apple发布了基于“归一化流”技术的创新图像生成模型TarFlow及其增强版STARFlow。与主流的扩散模型不同，该技术路线能精确计算生成概率，为AI图像生成探索了新的技术方向。

即梦图片3.1模型：进入灰度测试阶段（推广账号已拥有），新版本在图像的电影感、故事感和艺术风格表现上均有显著提升，尤其在皮肤细节、光影层次等方面更为真实生动。

视频技术

MiniMax：发布了创新的视频Agent工具，实现了“文本到视频”的便捷生成，并能通过上传人脸图片，确保视频中人物身份的高度一致性。

HeyGen：推出了AI视频Agent，用户仅需上传素材，AI即可自动完成故事规划、脚本编写到镜头选择的完整流程，极大降低了专业视频的创作门槛。

音频技术

Magenta RealTime：谷歌Gemma团队开源的实时音乐生成模型。这是一款轻量化模型（8亿参数），能快速生成高质量立体声音频，非常适合现场表演、DJ混音等需要即时反馈的场景。

3D技术和LLM

Gemini 2.5 Flash-Lite: 由谷歌DeepMind发布，其核心亮点是能够实时生成交互式用户界面（UI）。模型能根据用户操作瞬间生成下一屏幕的UI代码，预示着一个“无固定界面”的动态交互新时代的到来。
EmbodiedGen框架：由地平线机器人、港中文、清华等机构联合开发，是一个专为具身智能设计的开源3D环境生成框架。它解决了机器人训练缺乏真实、物理精准的模拟环境这一核心瓶颈，能够生成与主流模拟器兼容的高质量3D资产。

有空的聊聊细节：1. FLUX.1 Kontext [dev]
2.即梦图片3.1模型3. MiniMax4. HeyGen

说点儿题外话：1.AI助力癌症新药研发：大型语言模型引领创新疗法


剑桥大学等机构的研究人员利用GPT-4模型，在乳腺癌药物研发领域取得了突破性进展。该模型成功地从已获批准的低成本非抗癌药物中，筛选出了多种具有协同抗癌效应的新药物组合，例如将一种降胆固醇药物（辛伐他汀）与一种戒酒药物（双硫仑）相结合。这项研究被视为AI在药物研发领域的一大突破，展示了其在科学探索中的巨大潜力。




2. 阿里云发布PAI-TurboX框架 助力自动驾驶技术实现高效突破


阿里云最近发布了一款专为自动驾驶领域设计的加速框架，名为PAI-TurboX。该框架通过一系列系统和数据层面的优化，旨在显著提升模型训练和推理的效率，能够将训练时间缩短高达50%。在实际测试中，PAI-TurboX已成功将多款自动驾驶核心模型（如BEVFusion、MapTR等）的训练时间缩短了50%以上。它为自动驾驶和具身智能领域提供了从数据预处理到模型训练和推理的全面解决方案，旨在推动该领域的技术创新与应用落地。




3.支付宝推出“AI打赏”服务，助力开发者实现便捷商业化


支付宝近期推出了国内首个“AI打赏”服务，旨在为AI开发者提供一个轻量化的收款解决方案，让用户能方便地对AI智能体的开发者进行赞赏或支付小费。开发者可以在蚂蚁百宝箱或阿里云百炼平台轻松开通此功能，用户打赏的金额将直接进入开发者账户。这项功能与支付宝早前推出的支付MCP（支持订阅、付费解锁等）相结合，为开发者提供了从基础付费到自愿激励的多元化商业模式，以促进AI技术的应用和发展。