生成式AI
一、 马斯克20万块GPU炼出Grok-3，号称世界最聪明大模型
1. Grok-3基于20万块GPU训练，在LMSYS Arena排行榜Elo评分超1400，击败DeepSeek-R1和o3-mini；
2. 新模型具备强大数学和推理能力，在AIME 2024数学测试等多项基准测试上刷新SOTA，推出Think和Big Brain等多种思维模式；
3. 首个智能体DeepSearch能进行互联网深度搜索，Premium Plus用户可立即使用，一周内所有功能上线，几个月内全面开源。
https://mp.weixin.qq.com/s/YDjin48P-qsxPv48mpCbtg
二、 OpenAI新开源计划？端侧模型or小模型，奥特曼在线征集
1. 奥特曼在x平台上提出可能新增开源计划，将在端侧模型和O3-mini级小模型中二选一，目前通过在线投票征集意见；
2. OpenAI上次开源大语言模型是2019年的GPT-2，此后GPT-3、o3-mini等均未开源，引发业内质疑和批评；
3. 奥特曼近期多次承认"不开源是错误的"，但此次开源计划暂不涉及即将发布的GPT-4.5和GPT-5模型。
https://mp.weixin.qq.com/s/Mh_iHCQGtqpNS_vtDzR7iA
三、 微软开放3.1T token高质量数据！含通用/代码/数学/问答
1. 微软开源RedStone数据处理框架，从Common Crawl中提取3.1T token高质量数据，包含Web、Code、Math和QA四大领域数据集；
2. RedStone创新地定义高质量数据为"包含知识且文本流畅"，通过多层过滤系统处理数据，实现网页内容的精细化筛选和抽取；
3. 实验表明RedStone各领域数据集均超越现有开源数据集，在MMLU等任务上显著提升模型性能，且支持自定义过滤器扩展到其他领域。
https://mp.weixin.qq.com/s/4NVBVRTuk8azQbD5SDi92Q
四、 首个短剧创作大模型开源，个人可用，单卡80秒出大片
1. 昆仑万维开源SkyReels-V1和A1两个模型，支持33种表情和400+种动作组合，单卡80秒可生成544p分辨率视频，性能超越现有开源模型；
2. SkyReels-V1采用千万级好莱坞数据训练，实现影视级表情识别、人物空间感知、行为意图和场景理解，可支持文生视频和图生视频；
3. SkyReels-A1专注表情动作可控，能实现更大幅度的面部和肢体表演控制，支持任意人体比例的视频生成，效果优于Runway的Act-One。
https://mp.weixin.qq.com/s/s9RETj3RKhy3XNmPG-3Sfw
五、 国产开源接力，阶跃星辰一次开源两款国产多模态大模型
1. 阶跃星辰开源Step-Video-T2V和Step-Audio两款多模态大模型，前者300亿参数，可生成204帧540P高质量视频，位列开源视频模型第一；
2. Step-Video-T2V具备强大运镜、人物运动生成和形象表现能力，采用创新的Video-VAE架构，实现16×16空间压缩比，效率提升64倍；
3. Step-Audio支持多种情绪、方言和歌声生成，在五大公开测试集上性能领先，能完成语音识别、语义理解、对话等一体化功能。
https://mp.weixin.qq.com/s/Rz4CYNi8oSp_kRqNfWtSfA
六、 秘塔AI的浅度研究「Shallow Research」上线，先想后搜
1. 秘塔AI搜索推出新研究模式，采用DeepSeek R1和自研小模型协同架构，2-3分钟可分析数百个网页实现浅度研究；
2. 该模式让大模型负责框架思考和步骤拆解，小模型负责信息搜索和资料整合，平衡深度推理和响应速度；
3. 秘塔"浅度研究"功能对标Google、OpenAI和Perplexity的Deep Research，未来将增加代码执行和数值分析等能力。
https://mp.weixin.qq.com/s/L9lUlYJglyp9iMsr9DcJAw
七、 深圳上线70名基于DS的AI员工，满足240个政务场景
1. 深圳福田区上线基于DeepSeek开发的政务大模型2.0版，推出70名"AI数智员工"，覆盖公文处理、民生服务等240个政务场景；
2. 新模型采用DeepSeek R1底座和混合专家架构，解决了算力消耗、响应稳定性等问题，支持本地化细分领域训练；
3. 实际应用中，个性化定制从5天缩短至分钟级，公文格式修正准确率超95%，招商分析效率提升30%，显著提升政务服务效率。
https://mp.weixin.qq.com/s/cRalKSPJxLYgzsApONMTUw
八、 AI看照片，几秒就能地理定位！因太危险被公司主动关闭
1. 初创AI公司graylark开发GeoSpy技术，能通过一张照片在几秒内定位具体拍摄地点，并生成3D场景，Superbolt高端版本可精确定位到数米范围；
2. 该技术基于4600万张街景图像训练，通过分析建筑风格、植被等视觉特征实现定位，具有强大的抗干扰性和可扩展性；
3. 因存在隐私安全风险，GeoSpy已停止面向公众开放，转为仅向政府和执法部门提供服务，用于情报调查和案件破获。
https://mp.weixin.qq.com/s/e5qXz4e6IovB-opRG9EpmA
