AI日报：DeepSeek入选2025年度十大IP；快手推出AI作图工具 Poify；字节跳动开源代码模型Seed-Coder AI日报 5月12日?AIbase1、快手推出 AI 作图工具 Poify，聚焦电商市场 2、字节跳动发布开源代码模型Seed-Coder，8B参数引领编程新风潮 3、2025 年度十大 IP 揭晓，DeepSeek App等作品入选 4、Claude AI API 引入全新的网页搜索功能 5、苹果发布FastVLM模型，可在iPhone上运行的极速视觉语言模型 6、腾讯发布全新 AI 框架 PrimitiveAnything：颠覆 3D 形状生成方式！ 7、首个智能文档处理基准发布：Gemini领跑但短板待补，多模态AI面临现实挑战 8、谷歌再破界限：Gemini 2.5 Pro实现6小时视频理解，AI视觉能力迈入新纪元 9、用户提问方式影响AI模型准确性，简洁回答易导致错误信息 10、全球首款AI智能浏览器Fellou发布：一键搞定研究、发帖、邮件，效率飙升5倍！ 11、NVIDIA AI推出Audio-SDS，革新音效生成与多任务音频处理 12、Kimi入驻小红书，AI大模型从“投流大战”转向内容深耕 1.快手推出 AI 作图工具 Poify，聚焦电商市场 快手最近推出了AI作图工具Poify，专注于电商领域的图像处理，旨在提高商家在产品展示方面的效率和经济性。Poify的核心功能包括文生图和图生图，特别适用于电商需求，提供AI模特试衣、背景更换等创新能力，帮助商家降低成本并提升视觉吸引力。 亮点提要： ??? Poify专注于电商领域，提供高效的AI作图解决方案，满足商家多样化需求。 ?? 通过AI模特试衣等功能，商家可以轻松生成高质量商品展示图，降低传统拍摄成本。 ?? 快手希望通过Poify抢占电商与AI融合的先机，推动行业进一步发展。 2.字节跳动发布开源代码模型Seed-Coder，8B参数引领编程新风潮 字节跳动的Seed团队推出了全新的开源代码模型Seed-Coder，凭借其8B参数和卓越的代码生成与推理能力，迅速引起业界的关注。Seed-Coder在多个基准测试中表现优异，展现了强大的编程潜力。 亮点提要： ?? Seed-Coder是一个8B参数的开源代码模型，支持32K上下文，专注于代码生成和软件工程任务。 ?? 通过小型语言模型自动策划和过滤代码数据，大幅减少人工干预，提升数据筛选效率。 ?? 在多个基准测试中，Seed-Coder展现出色的代码修复与生成能力，成为轻量级编程模型的佼佼者。 详情入口： ?? https://github.com/ByteDance-Seed/Seed-Coder 3.2025 年度十大 IP 揭晓，DeepSeek App等作品入选 2025 世界 IP 经济发展大会暨全球 IP 授权博览会在广州成功举行，吸引了众多专家和业内人士的关注。本次博览会评选出年度十大 IP，参与评选的作品达到2368个，经过专家评审和网络投票，最终确定了十个优秀作品。 亮点提要： ?? 本次博览会吸引了2368个参赛 IP，经过专家评审和网络投票评选出十大 IP。 ?? 《哪吒之魔童闹海》凭借其出色的故事情节和制作质量成为年度十大 IP 之一。 ?? DeepSeek App、音乐话剧《受到召唤?敦煌》等多个作品展示了中国文化创意的多样性。 4.Claude AI API 引入全新的网页搜索功能 Anthropic最新推出的Claude AI API引入了网页搜索功能，使其能够实时访问网络信息。这一创新显著提升了Claude在回答问题时的准确性，并为传统搜索引擎带来了竞争压力。开发者可以利用这一功能构建更加精准的智能体，应用于金融、法律、开发者工具和生产力等多个领域。 亮点提要： ?? Claude AI API引入网页搜索功能，能够实时访问网络信息。 ?? 提供四大应用场景，包括金融、法律、开发者工具和生产力。 ?? 这一新功能为开发者打造精准智能体提供了便利，提升了竞争力。 5.苹果发布FastVLM模型，可在iPhone上运行的极速视觉语言模型 苹果正式推出FastVLM，这是一款专为高分辨率图像处理优化的视觉语言模型，具有极高的编码速度和卓越的性能，特别适合在移动设备上运行。FastVLM的核心是其创新的FastViTHD编码器，通过动态分辨率调整和层次化令牌压缩等技术，显著提升了效率。 亮点提要： ?? FastVLM通过FastViTHD编码器实现85倍的编码速度提升，优化高分辨率图像处理。 ?? 在多模态任务中，FastVLM展现出色性能，尤其在SeedBench和TextVQA基准测试中表现突出。 ?? FastVLM的开源将吸引开发者参与，推动苹果在视觉语言模型领域的技术创新与生态建设。 详情入口： ?? https://github.com/apple/ml-fastvlm/ 6.腾讯发布全新 AI 框架 PrimitiveAnything：颠覆 3D 形状生成方式！ PrimitiveAnything 是腾讯与清华大学合作推出的革命性框架，旨在重新定义3D形状的抽象与生成。通过将复杂形状分解为原始组件，框架不仅提升了几何准确性，还增强了学习效率。 亮点提要： ??? PrimitiveAnything 框架通过解码器式变换器生成可变长度的原始组件序列，提升了3D形状生成的几何准确性和学习效率。 ?? 研究团队构建了大规模的 HumanPrim 数据集，验证了框架在重构准确性和与人类抽象模式一致性上的优越表现。 ?? 该框架支持从文本或图像输入生成3D内容，用户可轻松编辑生成结果，实现高建模质量和存储节省。 详情入口： ?? https://huggingface.co/spaces/hyz317/PrimitiveAnything 7.首个智能文档处理基准发布：Gemini领跑但短板待补，多模态AI面临现实挑战 智能文档处理领域迎来了重要的里程碑，首个视觉-语言模型的统一基准测试IDP Leaderboard正式推出。该基准通过对9229份文档和16个数据集的评估，全面分析了当前主流模型在多个核心任务上的表现。 亮点提要： ?? IDP Leaderboard通过16个数据集和9229份文档，评估了主流模型在六大核心任务上的表现。 ?? Gemini2.5Flash在综合实力上领先，但在OCR和分类任务中表现不及前代产品，显示出模型迭代中的平衡问题。 ?? 长文档处理和表格提取仍是视觉-语言模型的短板，最佳模型在这些任务上的得分仍未突破70%。 详情入口： ?? https://github.com/nanonets/idp-leaderboard 8.谷歌再破界限：Gemini 2.5 Pro实现6小时视频理解，AI视觉能力迈入新纪元 谷歌的Gemini 2.5 Pro模型在视频理解领域取得了重大突破，支持长达6小时的视频分析和高达200万Token的上下文窗口。通过API解析YouTube链接，模型在VideoMME基准测试中表现出色，准确率接近行业顶尖水平。 亮点提要： ?? Gemini 2.5 Pro支持长达6小时的视频分析，具备200万Token的上下文窗口，首次实现通过API解析YouTube链接。 ?? 在VideoMME基准测试中，模型准确率达到84.7%，与行业顶尖水平仅差0.5%。 ?? 该模型可应用于教育、创意产业和商业分析，自动生成报告和交互式学习应用，提升用户体验。 9.用户提问方式影响AI模型准确性，简洁回答易导致错误信息 近期研究表明，用户在请求简短回答时，许多语言模型更容易生成错误或误导性的信息。这项研究揭示了简洁请求对模型准确性的负面影响，特别是在用户使用自信措辞时，模型的纠正能力会显著下降。 亮点提要： ?? 简洁请求会导致语言模型的准确性下降，抗幻想能力可能降低多达20%。 ??? 用户的语气和措辞会影响模型的纠正能力，谄媚效应可能使模型更不愿意挑战错误信息。 ?? 不同模型在面对现实条件下表现差异明显，小模型更容易受简短和自信措辞的影响。 详情入口： ?? https://www.chinaz.com/ainews/17951.shtml 10.全球首款AI智能浏览器Fellou发布：一键搞定研究、发帖、邮件，效率飙升5倍！ Fellou的发布标志着浏览器的重大变革，它不仅能进行传统的搜索和浏览，还能思考、规划并执行复杂任务，大幅提升用户的工作效率。通过深度研究模式和工作流自动化，Fellou为研究人员、营销人员和开发者提供了强大的支持。 亮点提要： ?? 深度研究模式通过后台并行搜索多个平台，自动生成完整报告，效率媲美实习生团队。 ?? 深度工作流模式允许用户通过自然语言指令自动化复杂任务，提升工作效率，支持跨平台操作。 ?? 隐私保障方面，Fellou承诺不跟踪用户行为，所有数据处理在本地完成，确保用户信息安全。 详情入口： ?? https://fellou.ai 11.NVIDIA AI推出Audio-SDS，革新音效生成与多任务音频处理 NVIDIA的Audio-SDS技术通过将Score Distillation Sampling扩展至音频领域，显著提升了音效生成和音源分离能力。该技术支持多任务音频处理，用户可通过文本提示生成定制化音效，降低了开发成本与时间。 亮点提要： ?? Audio-SDS利用SDS技术扩展至音频领域，实现多任务处理，适用于音效生成和音源分离。 ?? 通过文本条件控制，用户可以定制音效设计，满足创意和工业需求，提升用户体验。 ?? 开源策略促进AI技术普及，为开发者和中小企业提供低成本音频处理解决方案。 详情入口： ?? https://research.nvidia.com/labs/toronto-ai/Audio-SDS/ 12.Kimi入驻小红书，AI大模型从“投流大战”转向内容深耕 Kimi与小红书的合作标志着AI大模型在内容平台上的新尝试。虽然目前的入口尚未与小红书的其他功能深度整合，但这次合作显示出Kimi在流量焦虑下的转型策略。 亮点提要： ?? Kimi与小红书达成合作，推出Kimi智能助手账号，用户可一键生成笔记。 ?? Kimi的投流预算在2025年第一季度缩减至1.5亿元，显示出其从买量驱动转向内容与社区策略的转型。 ?? Kimi还与财新传媒合作，引入财经数据，探索模型可信答复方向，进一步触达内容社区。 ↓点击阅读原文，进AIbase官网. 阅读原文