AI日报：阿里新夸克升级为“AI超级框”；谷歌开源多模态模型Gemma-3；潞晨科技开源视频大模型Open-Sora 2.0 AI日报 3月13日?AIbase1、阿里巴巴推出AI旗舰应用“新夸克” 全面升级为“AI超级框” 2、谷歌开源新一代多模态模型 Gemma-3：性能卓越、成本降低 10 倍 3、百度文心快码推出Comate Zulu版本 并正式开放公测 4、字节Trae接入硅基流动SiliconCloud 支持DeepSeek多款模型API 5、王炸更新！谷歌AI Studio再进化：YouTube视频秒懂，AI作画还能保持角色统一 6、叫板Sora？潞晨科技开源视频大模型Open-Sora 2.0，降本提速 7、阿里通义新视频生成和编辑模型VACE 可控制运动轨迹、替换主体等 8、理想汽车AI助手理想同学网页版上线：接入DeepSeek R1满血版 9、谷歌Gemini 2.0 Flash放出原生多模态图像生成功能：支持多轮对话式实时编辑 10、Remade AI 开源 8 款 Wan2.1 特效 LoRA，掀起 AI 视频创作新热潮 11、AI对口型革命性突破:Captions新模型Mirage打造超真实UGC视频 12、谷歌推机器人控制模型Gemini Robotics，让机器人像人类一样思考行动 13、智谱AI宣布再获珠海 5 亿元融资 1.阿里巴巴推出AI旗舰应用“新夸克” 全面升级为“AI超级框” 阿里巴巴于3月13日推出了其全新升级的AI旗舰应用——新夸克。这款应用基于阿里通义的先进推理与多模态大模型，整合了多种AI功能，旨在为用户提供无缝的智能体验。新夸克不仅能够进行智能对话，还具备深度思考和执行能力，能够满足用户在多个场景下的需求。 亮点提要： ?? 新夸克整合了AI对话、深度思考、深度搜索等多种功能，提供一站式服务。 ?? 通过智能中枢系统，新夸克能够自动识别用户指令并进行深度执行。 ?? 阿里巴巴计划将通义系列模型的最新成果快速接入新夸克，以增强其功能。 2.谷歌开源新一代多模态模型 Gemma-3：性能卓越、成本降低 10 倍 谷歌最新发布的多模态大模型Gemma-3以其低成本和高性能引起了广泛关注。该模型支持多种参数规模，最大可达270亿参数，且仅需一张H100显卡进行高效推理，算力需求显著降低。Gemma-3在对话模型评比中表现优异，支持长文本处理和多模态数据，展现出强大的语言处理能力和创新的架构设计，是当前算力要求最低的高性能模型之一。 亮点提要： ?? Gemma-3是谷歌最新开源的多模态大模型，参数范围从10亿到270亿，且算力需求降低10倍。 ?? 模型采用创新的架构设计，有效处理长上下文和多模态数据，支持文本与图像的同时处理。 ?? Gemma-3支持140种语言的处理能力，经过训练优化后在多项任务中表现优异，展现了强大的综合能力。 详情入口： ?? https://huggingface.co/collections/google/gemma-3-release-67c6c6f89c4f76621268bb6d 3.百度文心快码推出Comate Zulu版本 并正式开放公测 百度旗下的文心快码推出了Comate Zulu版本，标志着在智能编程领域的一次重大突破。该版本通过结合文心大模型的强大能力和丰富的编程大数据，为开发者提供了更高效的编程体验。用户可以通过自然语言与系统进行交流，快速搭建项目和理解代码逻辑，大幅提升开发效率。 亮点提要： ??? 通过全自然语言实现需求，无需编写代码即可自动搭建项目，支持口语交流和图片展示。 ?? 快速理解代码库的业务逻辑，提供架构图梳理和智能启发思路，帮助开发者迅速上手新项目。 ?? 自动搭建开发环境，支持依赖自动安装和服务自启动，实现从需求到代码的端到端生成。 详情入口： ?? https://comate.baidu.com 4.字节Trae接入硅基流动SiliconCloud 支持DeepSeek多款模型API 硅基流动平台与字节跳动推出的AI IDE——Trae正式接入，提升了开发者的编程体验。用户可以通过简单的步骤接入多款编码模型，包括DeepSeek-R1、V3等，满足不同需求。平台还提供免费的API服务，助力开发者实现更高效的开发过程。未来，硅基流动将继续扩展模型种类和合作应用，致力于为开发者提供更稳定的服务。 亮点提要： ?? Trae接入硅基流动，提供多种高效编码模型，提升编程体验。 ?? 用户可通过简单步骤添加模型，获取API密钥。 ?? 硅基流动致力于提供稳定的API服务，未来将扩展模型种类。 5.王炸更新！谷歌AI Studio再进化：YouTube视频秒懂，AI作画还能保持角色统一 谷歌AI Studio的最新升级引发了科技圈的轰动，用户现在可以直接通过YouTube链接理解视频内容，无需下载和上传。Gemini2.0Flash Experimental模型不仅在视频解析上表现出色，还在图像生成方面展现了惊人的一致性。 亮点提要： ?? 谷歌AI Studio现在支持直接解析YouTube视频链接，用户可快速理解视频内容。 ??? Gemini2.0Flash exp在图像生成方面表现卓越，角色在多张图片中保持一致性。 ? 更新标志着谷歌AI Studio从基础模型向应用级工具的转型，影响现有AI工具生态。 详情入口： ?? https://ai.google.dev/gemini-api/docs/vision?lang=python&hl=zh-cn#youtube 6.叫板Sora？潞晨科技开源视频大模型Open-Sora 2.0，降本提速 潞晨科技推出的Open-Sora2.0以其仅20万美元的训练成本和110亿参数的强大性能，成功挑战了OpenAI Sora等行业标杆。该模型在多个评测中表现优异，尤其在VBench中与OpenAI Sora的性能差距缩小至0.69%。 亮点提要： ?? 成本低：Open-Sora2.0仅需20万美元训练成本，显著低于行业标准。 ?? 性能强：拥有110亿参数，性能接近OpenAI Sora，VBench评测中表现优异。 ?? 开源共享：全流程训练代码开源，推动视频生成技术的共同发展。 详情入口： ?? https://github.com/hpcaitech/Open-Sora 7.阿里通义新视频生成和编辑模型VACE 可控制运动轨迹、替换主体等 VACE的按条件生成视频功能让用户可以通过文字描述快速实现创意，仿佛拥有了一支梦幻摄制组。此外，VACE还具备多种强大的编辑功能，如物体运动轨迹控制、视频主体替换、风格迁移和视频画面智能扩展等。即使是老旧视频，VACE也能通过重渲染技术恢复其光彩。 亮点提要： ?? VACE模型通过文字描述快速生成视频，提升创作效率。 ?? 支持物体运动轨迹控制和视频主体替换，灵活多变。 ??? 具备视频画面智能扩展和风格迁移功能，丰富创作表现。 详情入口： ?? https://arxiv.org/pdf/2503.07598 8.理想汽车AI助手理想同学网页版上线：接入DeepSeek R1满血版 理想汽车正式推出其人工智能助手理想同学网页版，标志着其在智能服务领域的进一步扩展。该助手接入了DeepSeek R1V3671B满血版，提供强大的问答能力和跨场景服务协同。用户可以在不同模型之间切换，支持长文本输入及图像问答功能，提升了交互体验。 亮点提要： ?? 理想同学网页版现已上线，用户可在电脑端使用，拓展智能服务生态。 ?? 接入DeepSeek R1V3671B满血版，支持模型切换和深度思考功能，提升问答能力。 ??? 支持千字长文本输入和图像问答，提供更强的用户交互体验。 9.谷歌Gemini 2.0 Flash放出原生多模态图像生成功能：支持多轮对话式实时编辑 谷歌最新推出的Gemini 2.0 Flash在AI图像生成领域引入了原生图像生成技术，显著提升了生成效率和准确性。与以往依赖于大型语言模型的方式不同，Gemini 2.0 Flash实现了图像生成与文本理解的直接集成，使得创作过程更加流畅。 亮点提要： ?? 原生图像生成：Gemini 2.0 Flash将图像生成功能直接集成，避免了信息失真，提高了生成效率和准确性。 ??? 实时编辑：支持多轮对话式编辑，用户可以用自然语言提出修改意见，AI能够即时响应并调整图像。 ?? 企业应用：为营销团队和开发者提供强大工具，快速生成内容，降低设计成本，提高工作效率。 10.Remade AI 开源 8 款 Wan2.1 特效 LoRA，掀起 AI 视频创作新热潮 Remade AI 在 Hugging Face 平台推出了 8 款基于 Wan2.1 模型的开源特效 LoRA，吸引了科技界的广泛关注。这些特效模块不仅能够将静态图像转化为动态视频，还为 AI 视频生成带来了新的创意可能性。 亮点提要： ?? 8 款新特效 LoRA 包括挤压、蛋糕化、膨胀等，丰富了 AI 视频创作的可能性。 ?? Wan2.1 模型以其高效性和多功能性，成为视频生成领域的顶尖选择。 ?? Remade AI 邀请全球用户提出定制需求，承诺持续开源更多特效模块。 11.AI对口型革命性突破:Captions新模型Mirage打造超真实UGC视频 Captions公司推出的全新AI模型Mirage，标志着视频生成技术的重大突破。该模型能够实时生成UGC风格视频，面部表情与肢体语言的真实度超越以往技术，简化了视频制作流程，尤其对广告和内容创作者而言，将成本和时间大幅缩减。 亮点提要： ?? Mirage模型能够实时生成UGC视频，无需依赖预录素材或传统工具。 ?? 生成的角色面部表情与肢体语言真实度极高，难以分辨真假。 ?? 支持29种语言生成视频，极大简化视频制作流程，降低成本与时间。 详情入口： ?? https://www.captions.ai/mirage 12.谷歌推机器人控制模型Gemini Robotics，让机器人像人类一样思考行动 谷歌的Gemini Robotics是一个革命性的机器人控制模型，旨在将人工智能的智慧注入机器人，使其在物理世界中更智能地行动。基于Gemini2.0模型，Gemini Robotics具备强大的多模态理解能力，能够理解文本、图像、音频和视频，并具备出色的泛化能力，能快速适应新环境和指令。 亮点提要： ?? Gemini Robotics基于Gemini2.0模型，具备强大的多模态理解能力，能够处理文本、图像、音频和视频。 ?? 该模型展现出卓越的泛化能力，能够迅速适应新物体和环境，解决各种实际问题。 ?? 谷歌在安全性方面采取了全面措施，确保机器人在执行任务时的安全性和可靠性。 详情入口： ?? https://deepmind.google/discover/blog/gemini-robotics-brings-ai-into-the-physical-world/ 13.智谱AI宣布再获珠海 5 亿元融资 珠海华发集团近期宣布向智谱公司投资5亿元人民币，旨在推动其GLM大模型的技术创新与生态发展。这一举措标志着珠海国资正式加入智谱的投资阵容。智谱在融资方面表现优异，去年成功完成多轮融资，总额超过40亿元，吸引了多家知名投资机构。 亮点提要： ?? 珠海华发集团向智谱进行5亿元战略投资，支持其技术创新与生态发展。 ?? 智谱在融资方面表现强劲，去年完成超过40亿元的多轮融资，投资者涵盖多个城市的国资力量。 ?? 预计到2025年，智谱将推出全新开源大模型，推动AI行业的繁荣与发展。 ↓点击阅读原文，进AIbase官网. 阅读原文