AI日报：DeepSeek开源新版R1-0528；字节发布图像Agent小云雀AI；可灵2.1重磅上线 AI日报 5月29日?AIbase1、DeepSeek R1-0528震撼发布:免费128K上下文，性能直逼OpenAI o3! 2、字节发布图像Agent“小云雀AI” 打造一键爆款创作神器 3、可灵2.1重磅上线:价格降65%，性能显著提升 4、全球首款AI代理浏览器Opera Neon发布，智能聊天与自动化任务引领Web4.0时代 5、Meta 发布 Multi-SpatialMLLM：引领多模态 AI 的空间理解革命 6、通义实验室、北大发布新技术ZeroSearch 让LLM检索能力激活，成本降低88% 7、字节推出全新 AI 剪辑应用 “剪小映”，轻松记录生活瞬间 8、MotionPro炸场！AI视频生成革命来袭，40ms一帧精准控制，影视游戏行业要变天 9、马斯克的xAI与 Telegram 达成3亿美元合作协议，推出Grok AI聊天机器人 10、OpenAI CFO 透露：重组新架构为未来可能的IPO打开大门 11、像素蛋糕 “方糖大模型” 成功获批，成为国内影像行业首个备案图像大模型 12、开源+低成本！Paper2Poster让学术论文秒变学术海报 13、Resemble AI开源TTS Chatterbox ，性能直逼超越ElevenLabs 本播客由扣子空间（space.coze.cn）一键生成,速来体验「AI + 播客」的独特魅力吧！ 1.DeepSeek R1-0528震撼发布:免费128K上下文，性能直逼OpenAI o3! DeepSeek R1-0528版本发布，支持128K超大上下文，推理能力和代码生成能力大幅提升，且保持免费使用。 亮点提要： ?? 支持128K超大上下文，文本召回测试准确度显著提升，适合复杂任务。 ?? 代码生成与写作能力优化，生成速度快且准确，媲美顶级模型。 ?? 免费开放策略降低使用门槛，挑战传统AI商业模式。 详情入口： ?? https://huggingface.co/deepseek-ai/DeepSeek-R1-0528 2.字节发布图像Agent“小云雀AI” 打造一键爆款创作神器 字节跳动推出了全新的图像Agent‘小云雀AI’，这款智能创作工具能够通过简单的指令快速生成高质量的视频和图片，降低了内容创作的技术门槛。 亮点提要： ?? 用户只需一句指令，‘小云雀AI’就能主动思考并生成爆款视频与图片，实现‘灵感即所得’。 ?? 基于字节自研‘云雀’大模型，融合深度学习与多模态技术，提供强大的图像生成与视频编辑能力。 ?? 当前已上线安卓客户端，iOS版本预计6月发布，有望推动AI创作向更广泛应用场景发展。 3.可灵2.1重磅上线:价格降65%，性能显著提升 可灵2.1正式上线，价格大幅降低65%，性价比显著提升。新增三个质量模型，满足不同用户需求。生成效果优于前版本，速度更快，适合短视频和广告制作。 亮点提要： ?? 可灵2.1价格大幅降低65%，性价比显著提升。 ? 新增标准版、高品质版与大师版三种模型，满足不同用户需求。 ?? 生成效果优于前版本，速度更快，适合短视频和广告制作。 4.全球首款AI代理浏览器Opera Neon发布，智能聊天与自动化任务引领Web4.0时代 Opera Neon作为全球首款代理型浏览器，通过AI驱动的智能聊天、任务自动化及内容创作功能，重新定义了网络体验。 亮点提要： ?? Opera Neon是全球首款“完全代理型”浏览器，能主动执行搜索、表单填写、购物等任务，提升用户效率。 ?? 内置AI助手Neon Chat支持多语言交互，能从网页提取信息并提供上下文相关答案，让交互更自然。 ?? Neon Make通过简单指令生成游戏、网站等内容，一站式体验从创意到成品的全过程，释放创造力。 详情入口： ?? https://www.operaneon.com/ 5.Meta 发布 Multi-SpatialMLLM：引领多模态 AI 的空间理解革命 Meta 与香港中文大学合作推出 Multi-SpatialMLLM 模型，通过整合深度感知、视觉对应和动态感知三大组件，显著提升了多模态大语言模型的空间理解能力，在多项基准测试中表现出色。 亮点提要： ?? Multi-SpatialMLLM 模型通过三大组件突破单帧图像分析限制，增强空间理解能力。 ?? 新模型利用 MultiSPA 数据集及五项任务训练，大幅提升了多帧空间推理能力。 ?? 在多项基准测试中，Multi-SpatialMLLM 准确率显著提高，超越传统模型。 6.通义实验室、北大发布新技术ZeroSearch 让LLM检索能力激活，成本降低88% ZeroSearch 是一项创新框架，通过模拟搜索引擎激活大语言模型的检索能力，大幅降低训练成本达88%，同时提升模型的推理清晰度与答案提取效率。 亮点提要： ? ZeroSearch 利用大语言模型生成检索文档，无需真实搜索，显著降低训练成本与噪声干扰。 ?? 框架采用结构化训练模板和“模拟微调”策略，提升生成文档质量及模型泛化能力。 ?? 实验表明，ZeroSearch 性能优于传统方法，尤其在大规模模型中表现更佳，推动智能检索技术发展。 详情入口： ?? https://arxiv.org/pdf/2505.04588 7.字节推出全新 AI 剪辑应用 “剪小映”，轻松记录生活瞬间 字节跳动推出新应用“剪小映”，主打AI视频剪辑，降低创作门槛，让用户轻松制作高质量视频。 亮点提要： ?? 字节推出 “剪小映” 应用，助力用户轻松制作高质量视频。 ?? 应用集成 AI 技术，降低视频创作门槛，鼓励用户分享生活。 ?? 火山引擎豆包大模型为应用提供强大支持，提升视频处理效率。 8.MotionPro炸场！AI视频生成革命来袭，40ms一帧精准控制，影视游戏行业要变天 MotionPro是一款专为图像到视频生成设计的精密运动控制器，通过区域轨迹和运动掩码技术实现精细化控制，为视频生成带来灵活性和精确性。 亮点提要： ? MotionPro通过区域轨迹和运动掩码技术，解决了传统I2V生成中运动控制粗糙的问题，实现更自然、细腻的效果。 ?? 同时控制物体与镜头运动，无需特定数据集，支持复杂镜头和物体轨迹的精准生成。 ?? 开源生态支持，提供优化的训练框架和数据构建工具，助力开发者快速上手并推动行业进步。 详情入口： ?? https://huggingface.co/papers/2505.20287 9.马斯克的xAI与 Telegram 达成3亿美元合作协议，推出Grok AI聊天机器人 Telegram与xAI合作，xAI支付3亿美元部署Grok AI聊天机器人，提升Telegram用户体验并增加收入。 亮点提要： Telegram与xAI合作，xAI支付3亿美元用于部署Grok AI聊天机器人。 Grok AI将提升Telegram用户交流体验，提供智能化聊天服务。 合作将使Telegram盈利模式多样化，推动社交媒体智能化进程。 10.OpenAI CFO 透露：重组新架构为未来可能的IPO打开大门 OpenAI正在进行组织重组为IPO做准备，但上市时机取决于市场氛围。微软投资超130亿美元，OpenAI转型公共利益公司平衡股东回报与社会责任。 亮点提要： ?? OpenAI正在重组架构，为未来的IPO铺路，但上市需视市场状况。 ?? 微软投资超130亿美元，OpenAI转型公共利益公司兼顾股东与社会责任。 ?? 稳定性是关键，上市需公司准备充分且市场窗口合适。 11.像素蛋糕 “方糖大模型” 成功获批，成为国内影像行业首个备案图像大模型 像素蛋糕自主研发的‘方糖大模型’通过国家网信办备案，成为影像行业首个获官方资质的应用级图像大模型，标志着技术突破与合规性，将在广告、影视等领域推动行业发展。 亮点提要： ?? 方糖大模型成功通过国家网信办备案，成为国内影像行业首个获官方资质的图像大模型。 ?? 自主研发彰显像素蛋糕在AI技术领域的实力与创新能力，推动图像生成技术发展。 ?? 符合国家政策要求，确保用户使用环境的安全与可靠性，树立行业新标杆。 12.开源+低成本！Paper2Poster让学术论文秒变学术海报 Paper2Poster是一款通过自动化技术将学术论文转化为多模态海报的工具，显著提升了学术传播效率，降低了成本。 亮点提要： ?? 核心功能：将PDF论文自动转化为结构清晰、视觉友好的学术海报，效率远超传统手动方式。 ?? 开源与低成本：生成一张海报仅需0.005美元，开源特性降低学术工具使用门槛。 ?? 创新评估机制：发布100个论文-海报对的数据集，推动多模态内容生成领域规范化发展。 详情入口： ?? https://arxiv.org/abs/2505.21497 13.Resemble AI开源TTS Chatterbox ，性能直逼超越ElevenLabs Chatterbox是一款基于开源的TTS模型，具有卓越的性能和创新功能，包括实时合成、零样本语音克隆和情感夸张控制等，成为行业焦点。 亮点提要： ?? Chatterbox基于0.5B规模的LLaMA架构，训练数据超50万小时，盲测中63.75%的听众更偏好其真实感和流畅度。 ? 支持实时合成，延迟低于200ms，且具备零样本语音克隆与情感夸张控制功能，为开发者提供高度灵活性。 ?? 开源特性降低门槛，同时嵌入水印技术确保内容可追溯，展现开源与商业化的双轨战略。 详情入口： ?? https://github.com/resemble-ai/chatterbox ↓点击阅读原文，进AIbase官网. 阅读原文