AI日报：阿里通义开源R1-Omni模型；DeepSeek-R1 批量推理价格暴降 75%；OpenAI发布智能体API AI日报 3月12日?AIbase1、阿里通义宣布开源R1-Omni模型 可提升多模态情感识别能力 2、OpenAI推出新工具，助力AI智能体从“回答问题”跨越到“执行任务” 3、百度AI开源表格识别模型PP-TableMagic 4、Manus与阿里云通义千问达成合作，共推国产AI智能体产品 5、告别平面！MIDI：可提取图片元素生成360度3D场景 6、视频局部编辑技术VideoPainter：输入提示词自动识别修改，支持长视频 7、开源版OpenAI Operator来了！ 8、Luma AI 开源的图像预训练技术IMM实现图像生成十倍提速 9、硅基流动宣布DeepSeek-R1&V3 API支持批量推理 价格暴降75% 10、全国第二例判决AIGC版权案:法院确认作者享有著作权 11、重生之我在小红书给AI当老板 元宝动不动崩溃，DeepSeek天天摸鱼 12、Domo AI 发布 i2v 模型升级：稳定性与提示词理解能力显著提升 1.阿里通义宣布开源R1-Omni模型 可提升多模态情感识别能力 通义实验室团队于3月11日开源了R1-Omni模型，标志着全模态模型的发展取得了重要进展。该模型通过结合强化学习与可验证奖励的方法，显著提升了多模态情感识别的推理能力和泛化性能。训练过程分为冷启动和RLVR两个阶段，确保了模型在多模态情感识别任务中的稳定性和效率。 亮点提要： ?? R1-Omni模型结合强化学习与可验证奖励，专注于多模态情感识别的推理能力提升。 ?? 在冷启动阶段，模型通过580条视频数据进行微调，为后续训练打下基础。 ?? 实验结果显示，R1-Omni在多个测试集上相较于基线模型提升超过35%，展现出卓越的泛化能力。 详情入口： ?? https://arxiv.org/abs/2503.05379 2.OpenAI推出新工具，助力AI智能体从“回答问题”跨越到“执行任务” OpenAI最近发布了一系列新工具，旨在简化AI智能体的开发流程并增强其功能。这些工具包括Responses API、Agents SDK和计算机使用工具，标志着AI从单纯回答问题向实际执行任务的转变。 亮点提要： ?? 新推出的Responses API结合聊天功能与多种集成工具，提供实时信息和引用来源，提升开发灵活性。 ?? Agents SDK作为开源框架，协调多个智能体之间的复杂工作流程，提高信息检索效率。 ?? 计算机使用工具使AI能够直接在计算机上执行任务，标志着AI功能的重大升级。 3.百度AI开源表格识别模型PP-TableMagic 百度AI推出了PP-TableMagic，一个开源的表格识别解决方案，标志着表格结构化信息提取领域的重大进步。该技术通过创新的多模型组网架构，克服了传统表格识别在复杂场景下的局限性，实现了高精度的端到端表格识别，并支持模型的高定制化微调。 亮点提要： ??? PP-TableMagic采用多模型串联架构，提升了表格识别的精度和适应性。 ?? 该模型支持定制化微调，能够满足不同场景的需求，减少数据标注工作量。 ?? 提供详细的安装指南和使用教程，支持高性能推理和服务化部署。 详情入口： ?? https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-rc/docs/pipeline_usage/tutorials/ocr_pipelines/table_recognition_v2.md 4.Manus与阿里云通义千问达成合作，共推国产AI智能体产品 人工智能Agent产品新秀Manus与阿里云旗下大语言模型通义千问达成战略合作，双方将基于通义千问系列开源模型，在国产模型和算力平台上实现Manus的全部功能。此举旨在为中国用户打造更具创造力的通用智能体产品。 亮点提要： ?? Manus与阿里云通义千问达成战略合作，推动国产AI智能体产品的发展。 ?? 双方将基于通义千问开源模型，实现Manus的全部功能，提升用户体验。 ?? Manus展示了自动执行复杂任务的能力，标志着全球首款通用智能体产品的发布。 5.告别平面！MIDI：可提取图片元素生成360度3D场景 MIDI技术的出现为我们带来了从单张2D图像生成360度3D场景的可能性。通过智能分割和多实例同步扩散，MIDI能够高效地构建出细致入微的3D环境，极大地提升了虚拟现实、游戏开发和室内设计等领域的内容创作效率。 亮点提要： ??? MIDI通过智能分割技术，能够识别并提取2D图像中的独立元素，为3D场景构建提供基础。 ?? 采用多实例同步扩散，MIDI可同时对多个物体进行建模，提升了3D生成的效率与协调性。 ?? MIDI在有限数据下展现出强大的泛化能力，生成的3D场景纹理细腻，效果真实。 详情入口： ?? https://huanngzh.github.io/MIDI-Page/ 6.视频局部编辑技术VideoPainter：输入提示词自动识别修改，支持长视频 VideoPainter是一款基于深度学习的视频编辑工具，能够通过简单的提示词自动识别并修改视频内容，尤其适合长视频处理。用户只需输入简短的指令，系统便能快速完成编辑，极大提升了视频制作的效率。 亮点提要： ? 通过简单的提示词，VideoPainter能够自动识别并修改视频内容，提升编辑效率。 ?? 适合长视频处理，用户可以快速找到并修改特定片段，避免繁琐的传统编辑流程。 ?? 基于先进的DiT模型，VideoPainter提供高准确性和灵活性，让创意转化为现实变得简单。 详情入口： ?? https://yxbian23.github.io/project/video-painter/ 7.开源版OpenAI Operator来了!Nanobrowser浏览器的免费AI自动化超人 Nanobrowser是一款完全免费的开源工具，旨在为用户提供高效的网页自动化功能，同时确保数据安全和隐私。用户只需安装扩展程序并配置自己的LLM API密钥，即可享受顶级的自动化体验。与传统的RPA工具相比，Nanobrowser以其直观的操作界面和多代理系统，使得即使是小白用户也能轻松上手。 亮点提要： ?? Nanobrowser是完全免费的开源工具，无需订阅费用，用户可自主配置LLM API密钥。 ?? 所有操作在本地浏览器中进行，确保用户隐私和数据安全，避免敏感信息泄露。 ?? 支持OpenAI、Anthropic和Google等主流AI模型，提供直观的操作界面，适合不同层次的用户。 详情入口： ?? https://github.com/nanobrowser/nanobrowser 8.Luma AI 开源的图像预训练技术IMM实现图像生成十倍提速 Luma AI 最近开源的 Inductive Moment Matching (IMM) 技术，显著提升了图像生成的速度和质量。通过创新的预训练算法，IMM 能够在推理阶段实现灵活跳跃，减少生成步骤，从而突破了生成式预训练的瓶颈。 亮点提要： ? IMM 技术通过反向设计预训练算法，显著提升推理效率。 ?? 在 ImageNet 和 CIFAR-10 数据集上，IMM 实现了前所未有的高质量生成。 ?? IMM 训练稳定性强，适应性好，突破了传统模型的限制。 详情入口： ?? https://github.com/lumalabs/imm 9.硅基流动宣布DeepSeek-R1&V3 API支持批量推理 价格暴降75% 硅基流动的 SiliconCloud 平台推出 DeepSeek-R1&V3 API 批量推理功能，价格大幅下调，可帮助用户低成本处理大批量数据任务。 亮点提要： ??硅基流动 SiliconCloud 平台推出 DeepSeek-R1&V3 API 批量推理功能。 ??DeepSeek-V3 批量推理价降 50%，DeepSeek-R1 限时降 75%。 ??批量推理助力低成本处理数据任务，适用于多场景。 10.全国第二例判决 AI 版权案:法院确认作者享有著作权 江苏省苏州市常熟市人民法院于3月7日宣判了一起备受瞩目的AI生成内容著作权纠纷案，标志着江苏省首例、全国第二例涉及AI生成内容的著作权案件。法院确认林某使用Midjourney软件生成的图片作品享有著作权，并指出其创作过程具有独创性，符合著作权法的保护要求。 亮点提要： ?? 江苏省首例AI著作权纠纷案宣判，法院确认作者享有著作权。 ??? 常熟市人民法院认为，林某对作品的创作具有独创性，构成著作权保护。 ?? 法院判决侵权方公开道歉并赔偿1万元，未提出上诉，判决生效。 11.重生之我在小红书给AI当老板 元宝动不动崩溃，DeepSeek天天摸鱼 在小红书上，网友们化身AI公司的“霸道总裁”，在群聊中调侃和指挥各种AI模型，展现出一场幽默的AI职场闹剧。起初由网友Komorebi发起，随后引发广泛参与，大家分享了与AI打工仔的搞笑互动。尽管目前的BotGroup平台功能尚显简陋，但其新奇的玩法和AI的拟人化表现让人忍俊不禁，成为社交媒体的新热点。 亮点提要： ?? 网友们在小红书上化身AI公司的“霸道总裁”，调侃和指挥AI模型，形成一场幽默的职场闹剧。 ?? BotGroup网页应用让不同AI模型进入同一群聊，用户可以与AI互动并参与各种游戏，体验当老板的乐趣。 ?? 尽管功能简陋，AI员工们的搞笑表现和互动仍然吸引了大量网友参与，成为社交媒体的新热点。 12.Domo AI 发布 i2v 模型升级：稳定性与提示词理解能力显著提升 Domo AI 最近对其图像到视频（i2v）模型进行了重大升级，提升了模型的稳定性和生成速度，同时增强了对用户提示词的理解能力。新模型可更准确地将静态图像转化为流畅动画，并支持多种风格转换，极大提高了内容创作者的创作效率和灵活性。 亮点提要： ? Meta正在测试自家研发的AI训练芯片，以降低对Nvidia的依赖。 ?? 该芯片是与台湾TSMC合作制造，专门处理AI特定工作负载。 ?? Meta预计今年将花费650亿美元，若成功转向自家芯片，将节省一部分成本。 ↓点击阅读原文，进AIbase官网. 阅读原文