在本周的 Copilot 秋季发布会上，微软发布了全新的 AI 虚拟形象 Mico，这是公司在消费者端推进拟人化 AI 的最新尝试。Mico 的名字来自 “Microsoft Copilot”，它可以倾听用户、给出反应并通过变换颜色表达情绪，旨在打造一位温暖、可定制的数字伙伴。 令人会心一笑的是，这款角色还暗藏了彩蛋：在 Copilot 语音界面中多次点击 Mico，它会“变身”成 20 多年前广受讨论的 Office 助手 Clippy，让经典角色以 AI ...
近日，阿里旗下通义千问团队推出了新一代语音识别模型Qwen3‑ASR‑Flash。该模型以Qwen3为底座，结合了千万小时级别的多模态与语音识别数据，在识别精度和鲁棒性上显著提升，支持11种语言及多种方言，在中英文及多语种基准测试中取得领先成绩。 业内人士认为，新模型不仅强化了通义千问在语音领域的技术布局，也为多语种、多场景的语音转文字服务带来了新的可能。 如果希望体验这一模型，可以通过以下入口： ...
2025年 9月 22 日，DeepSeek 正式发布其开源大语言模型的最新更新版——DeepSeek-V3.1-Terminus。该版本在前代 V3.1 的基础上，结合用户反馈进行了深度优化，重点提升了语言一致性与智能体能力。 据官方介绍，DeepSeek-V3.1-Terminus 同时提供思考模型与非思考模型，上下文窗口均为 128k，支持在线体验。输出长度方面，非思考模型默认 4K、最大 8K；思考模型默认 32K、最大 64K，以满足不同场景的需求。 此次...
AI 资讯周报（2025年10月17-24日） 在过去的一周里，全球的 AI 动态不断，既有社会倡议，也有商业合作、产品更新、科学突破以及安全警示。以下是本周值得关注的要点： 全球科技与公共人物呼吁谨慎发展超级智能：超过 800 名公众人物（包括 AI 领域先驱 Geoffrey Hinton 和 Yoshua Bengio）联署公开信，呼吁在证明超级智能安全、可控并得到公众支持之前暂停相关开发 (www.harpersbazaar.com) 。英国哈里王...
Gemini 可以通过对话方式生成和处理图片。你可以通过文字、图片或两者结合的方式向 Gemini 发出提示，从而以前所未有的控制力来创建、修改和迭代视觉内容： Text-to-Image:：根据简单或复杂的文本描述生成高质量图片。 图片 + Text-to-Image（编辑）：提供图片，并使用文本提示添加、移除或修改元素、更改风格或调整色彩分级。 多图到图（合成和风格迁移）：使用多张输入图片合成新场景，或将一...
一、Flux Dev生态的优势 Flux作为Julia语言生态下的主力深度学习框架，拥有丰富的模型库和工具集，涵盖了计算机视觉、自然语言处理、强化学习、图神经网络、时间序列等多个领域。其开放、模块化和高性能的特性，为模型开发与创新提供了极大的便利。围绕Flux，Julia社区还发展出如FastAI.jl、ComfyUI等高阶训练与推理工具，让用户能够更灵活地构建和优化深度学习工作流。 二、Flux Krea模型简介 ...
要点： Black Forest Labs 今日宣布，开放邀请数月后，FLUX.1 Kontext [dev] 模型已全面进入公测阶段。 官方网站现可「一键体验」Kontext [dev]，用户无需额外邀请即可试用在线 Demo。 同步在 Hugging Face 发布，模型以非商业许可（v1.1）提供下载与 API 调用，社区点赞数突破300。 Kontext [dev] 采用 12B 参数扩散 Transformer 架构，支持原位图像生成与编辑，示例创作效果令人惊艳。...
![黑森林正式发布 FLUX.1 Kontext [dev] 公测版](https://fluxbbs.com/wp-content/uploads/2025/06/image-1-1024x741.png)
在生成式AI领域快速发展的今天，创作者与开发者不断寻找更强大、更高效的工具，以突破创意与性能的双重边界。Flux Kontext，由 Black Forest Labs 推出，是一款旨在推动图像生成体验革新的新一代模型框架。 什么是 Flux Kontext？ Flux Kontext 是一个高度模块化、可扩展的生成引擎框架，专为 AI 视觉创作而生。它在底层架构上优化了图像生成流程，支持多模态输入（如文本+图像）、多阶段生成、...
苹果正式发布 FastVLM 开源视觉模型，专为 iPhone、IPad 设备优化的高速视觉模型，强调能以极低的延迟完成图文理解任务，并实现与大语言模型 GPT 和 Qwen 高度整合。 FastVLM的主要功能是将高解析图像实时转换为语言模型可处理的视觉token，让设备得以在本地直接进行图像描述、问答分析等任务，无需仰赖云端资源或高耗能硬件。架构包含轻量级视觉主干FastViTHD，以及可与开源语言模型搭配的解码器...
浙江大学、哈佛大学、南洋理工大学联合提出了统一的图像插入框架Insert Anything，支持多种实际场景，包括艺术创作、逼真的脸部交换、电影场景构图、虚拟服装试穿、配饰定制和数字道具更换，下图展示了其在各种图像编辑任务中的多功能性和有效性。 效果展示 相关链接 论文：https://arxiv.org/pdf/2504.15009 主页：https://song-wensong.github.io/insert-anything 结论 Ins...
