AI日报：腾讯混元3D 2.1大模型开源；字节跳动AI Lab负责人李航卸任；OpenAI Codex 全新升级 AI日报 6月16日?AIbase1、腾讯宣布混元3D 2.1大模型对外开源 2、OpenAI Codex 全新升级：让程序员轻松获取理想代码 3、字节跳动AI Lab负责人李航卸任，Seed团队步入调整期 4、微软发布 700 个真实 AI 案例，探索智能化工作新模式 5、微软AI重磅发布Code Researcher：58%崩溃解决率震撼业界！ 6、AI监工上线！Observer AI让屏幕自动化更高效，解放你的双手 7、Genspark AI 发布革新性 AI Browser，开启智能网络浏览新时代 8、麻省理工利用 AI 技术迅速修复 15 世纪名画，仅需三个半小时 9、蚂蚁集团和Inclusion AI联合推Ming-Omni：首个开源版多模态GPT-4o 10、视频版AI换衣框架MagicTryOn，基于Wan2.1视频模型 11、字节跳动Seaweed APT2震撼发布！实时互动AI视频生成，解锁3D虚拟世界新纪元 12、OpenAI升级ChatGPT Search功能，提供更精准、更智能的响应 13、字节火山引擎澄清与老凤祥 AI 智能眼镜合作传闻 1.腾讯宣布混元3D 2.1大模型对外开源 混元3D 2.1作为首个全链路开源的工业级3D生成大模型，显著提升了几何生成质量和PBR材质生成能力，降低了开发门槛，适用于多个行业领域。 亮点提要： ? 首个全链路开源工业级3D生成大模型，几何生成与PBR材质生成效果显著提升。 ?? 支持游戏、电影、电商等领域生成高质量3D角色、道具与产品模型，告别传统‘塑料感’。 ?? 全链路开源且部署友好，适配消费级显卡，适合个人与团队快速上手开发。 详情入口： ?? https://3d-models.hunyuan.tencent.com/ 2.OpenAI Codex 全新升级：让程序员轻松获取理想代码 OpenAI Codex迎来重磅更新，通过生成多样代码版本提升开发效率，优化细节如加载进度查看、取消操作等，并支持复杂任务处理，助力开发者专注创新。 亮点提要： ? Codex新增生成多种代码版本功能，满足不同需求，提升开发效率。 ?? 优化细节包括加载进度查看、取消操作及安装问题修复，操作更灵活。 ?? 基于codex-1模型优化，提高代码生成准确性，支持GitHub代码库提取。 3.字节跳动AI Lab负责人李航卸任，Seed团队步入调整期 字节跳动AI Lab负责人李航卸任，转为劳务/顾问身份，标志着字节跳动AI领域的核心团队正在经历重大调整。随着吴永辉、朱文佳等人的加入及团队重组，字节跳动在AI领域的战略方向逐渐清晰。 亮点提要： 李航卸任AI Lab负责人，转为劳务/顾问身份，标志着字节跳动AI Lab的重大人事调整。 自2020年起，AI Lab逐步转型为技术中台，并在2023-2024年将部分大模型团队并入Seed团队。 字节跳动AI Lab自2016年成立以来，历经多位负责人领导，逐步成为支撑字节跳动多项业务的技术核心。 4.微软发布 700 个真实 AI 案例，探索智能化工作新模式 微软展示了700个AI应用案例，覆盖多个行业，通过AI技术提高企业效率、优化工作体验并提升客户满意度。 亮点提要： ?? 全球范围内，微软展示了700个AI应用案例，涵盖金融、医疗、教育等多个行业。 ?? AI智能体通过自动化任务，显著减少工作时间，提升企业效率。 ?? 众多企业借助AI提升客户体验，推动业务增长与运营优化。 5.微软AI重磅发布Code Researcher：58%崩溃解决率震撼业界！ 我非常看好Code Researcher这款工具，它通过强大的语义分析和多步骤推理能力，显著提高了系统级软件维护的效率和准确性。作为开发者，我期待它能进一步简化我们的工作流程，减少手动调试的时间。 亮点提要： ?? Code Researcher基于大型语言模型（LLM），能深度分析代码库和提交历史，追踪崩溃根本原因并生成修复补丁。 ?? 在Linux内核崩溃修复测试中，Code Researcher的崩溃解决率高达58%，远超SWE-agent的37.5%。 ?? 它适用于多种大型代码库，为企业级软件维护提供高效解决方案，推动系统级软件开发自动化进程。 详情入口： ?? https://www.microsoft.com/en-us/research/publication/code-researcher-deep-research-agent-for-large-systems-code-and-commit-history/ 6.AI监工上线！Observer AI让屏幕自动化更高效，解放你的双手 Observer AI作为一款专为屏幕自动化工具设计的AI框架，通过实时监控屏幕内容并进行智能化分析，显著提升了操作效率，解决了传统工具效率瓶颈的问题。 亮点提要： 屏幕实时记录：Observer AI通过高精度捕捉技术完整记录界面变化，确保数据无遗漏。 AI智能分析：内置先进算法快速解析屏幕内容，识别任务完成情况或潜在问题。 自动化响应：支持调用MCP或自定义方案，自动执行下一步操作，实现闭环自动化。 详情入口： ?? https://github.com/Roy3838/Observer 7.Genspark AI 发布革新性 AI Browser，开启智能网络浏览新时代 Genspark AI Browser是一款集成先进AI技术的新型浏览器，通过自动化与智能化功能提升用户生产力。它内置AI代理，提供无广告、超高速的浏览体验，并支持模块化扩展。这款浏览器在学术研究、商业决策和内容创作等领域展现出巨大潜力。 亮点提要： ?? Genspark AI Browser内置AI代理，提供智能导航与内容分析，例如自动搜索全网最低价。 ?? 支持MCP Store模块化扩展，用户可通过定制化AI工具满足多样化需求。 ?? 适用于多种场景，包括学术研究、商业决策及内容创作，提升信息处理与任务自动化效率。 8.麻省理工利用 AI 技术迅速修复 15 世纪名画，仅需三个半小时 麻省理工开发出一种基于人工智能的创新修复技术，通过可拆卸的掩膜和数字地图，大幅缩短艺术品修复时间，提高修复效率。 亮点提要： ?? 麻省理工开发新技术，通过 AI 修复名画，仅需三个半小时。 ? 该技术将修复时间从数月缩短到几个小时，大幅提高效率。 ??? 采用可拆卸掩膜和数字地图，修复过程安全可逆，保护原画。 9.蚂蚁集团和Inclusion AI联合推Ming-Omni：首个开源版多模态GPT-4o Ming-Omni是一款由蚂蚁集团和Inclusion AI联合推出的多模态模型，具备图像、文本、音频及视频处理能力，支持语音与图像生成、多模态输入融合处理，并开放源代码以促进研究与发展。 亮点提要： ?? 支持多模态输入融合处理，无需额外模型或特定任务微调，高效完成多样化任务。 ??? 提供语音与图像生成功能，支持方言理解、语音克隆及上下文感知对话，提升人机交互体验。 ?? 首个开源多模态模型，与GPT-4o匹敌，激励社区研究与开发，推动技术进步。 详情入口： ?? https://lucaria-academy.github.io/Ming-Omni/ 10.视频版AI换衣框架MagicTryOn，基于Wan2.1视频模型 MagicTryOn 是一种基于大型视频扩散变换器的虚拟试穿框架，通过创新的模型设计和服装保留策略，在大幅度运动场景下表现出色，提升了视频虚拟试穿的时空一致性。 亮点提要： ?? MagicTryOn 采用扩散变换器，显著提升视频虚拟试穿的时空一致性。 ?? 引入粗到细的服装保留策略，增强服装细节表现力。 ?? 在大幅度运动场景下表现优异，展现服装与人体动作的自然互动。 详情入口： ?? https://vivocameraresearch.github.io/magictryon/ 11.字节跳动Seaweed APT2震撼发布！实时互动AI视频生成，解锁3D虚拟世界新纪元 字节跳动推出的Seaweed APT2是一款高效的AI视频生成模型，具有实时视频流生成、互动相机控制和虚拟人类生成的能力，被认为是通往虚拟全息甲板的重要一步。 亮点提要： ?Seaweed APT2采用自回归对抗后训练技术，大幅降低计算复杂性，实现高效实时视频生成。 ??支持实时3D世界探索和互动虚拟人类生成，适用于虚拟主播、游戏角色等多种场景。 ??相比传统模型，Seaweed APT2在动作连贯性和场景多样性方面有显著提升，开启AI视频生成新篇章。 12.OpenAI升级ChatGPT Search功能，提供更精准、更智能的响应 我非常看好这次ChatGPT Search的功能升级，它不仅提升了搜索质量，还增强了用户体验，尤其是新增的图片搜索和项目管理功能，让ChatGPT变得更强大、更实用。 亮点提要： ?? 新增图片搜索功能，支持多样化交互方式。 ?? Projects功能升级，助力高效管理对话和文件。 ?? 挑战谷歌霸主地位，提供更高效、人性化搜索体验。 13.字节火山引擎澄清与老凤祥 AI 智能眼镜合作传闻 本文探讨了关于字节跳动旗下火山引擎与中国珠宝品牌老凤祥合作开发AI智能眼镜的传闻，分析了双方的声明以及实际展示的功能。 亮点提要： 火山引擎否认与老凤祥合作开发AI智能眼镜，但老凤祥展示的眼镜确实使用了豆包大模型。 老凤祥AI眼镜专为老年用户设计，具备多种实用功能如语音导航、实时翻译等。 豆包大模型作为公开产品，任何合规客户均可购买并应用到自己的设备中。 ↓点击阅读原文，进AIbase官网. 阅读原文