transcribe.cpp v0.1.0 发布:基于 ggml 的跨平台语音转录库,支持 16 个 ASR 模型族
transcribe.cpp v0.1.0 正式发布。该项目是一个基于 ggml 的开源语音转录库,支持跨平台运行。 该库兼容 16 个 ASR 模型族,涵盖 60 余个具体模型,并通过 Vulkan、Metal、CUDA 及 TinyBLAS 实现多后端 GPU 加速。 项目代码与文档已公开,面向开发者提供本地化语音识别能力。
transcribe.cpp v0.1.0 正式发布。该项目是一个基于 ggml 的开源语音转录库,支持跨平台运行。 该库兼容 16 个 ASR 模型族,涵盖 60 余个具体模型,并通过 Vulkan、Metal、CUDA 及 TinyBLAS 实现多后端 GPU 加速。 项目代码与文档已公开,面向开发者提供本地化语音识别能力。
ChainCatcher 7月18日消息,著名未来学家、“硅谷精神之父”凯文·凯利在2026世界人工智能大会现场接受媒体采访时表示,若未来 Token(词元)消耗成本成为关键考量因素,中国在开源大模型领域的布局将构成显著优势。 他指出,当前用户普遍未关注 Token 成本,但随着 AI 应用日益普及、Token 消耗量持续攀升,成本敏感度必将提升。“当你能提供仅为 Anthropic 十分之一的 Token 成本时,市场格局或将被颠覆。”...
开发者Simon Willison基于Fable 5开发了一款名为LLM cliché highlighter的工具,用于高亮大语言模型生成文本中常见的十种套话模式,例如“no fluff, no filler, no jargon”等固定表达。 该工具聚焦于识别AI写作中高频出现的风格化陈词滥调,不涉及内容真实性判断,仅作文本特征标记。 目前项目已开源,用户可直接输入文本进行实时高亮分析。
Index Ventures 联合创始人、资深风险投资人尼尔·赖默(Neil Rimer)近期表示,人工智能领域积累的巨额财富将不可避免地迎来再分配,“或是自愿的,或是强制的,但一定会发生”。 赖默指出,当前 AI 催生的财富集中程度已接近历史高点。据经济学家加布里埃尔·祖克曼(Gabriel Zucman)测算,美国最富有的 19 户家庭净资产总和相当于 GDP 的 14%,远超 1910 年“镀金时代”四大富豪 4% 的占比。 他强调科...
英国奢侈手机品牌Vertu发布折叠屏手机Alphafold,起售价6880美元,主打面向企业高管的AI代理服务Hermes Agent。该AI基于开源Hermes项目构建,宣称可分析文件、跨应用执行多步任务、记忆对话,并支持转接至人工礼宾服务。 实测显示,Hermes在本地文件与电子表格分析方面响应迅速,自动化意愿强于三星Galaxy Z Fold 7搭载的Gemini;但在时间提醒、行程规划等任务中出现日期错误、未自动启动导航、误判航班信...
Databricks宣布完成新一轮融资,公司估值达1880亿美元。本轮融资由Coatue领投,预计将于今年夏季晚些时候正式交割,报道称融资额约为30亿美元。 该公司过去一年半持续密集融资:2026年2月以1340亿美元估值完成50亿美元Series L轮融资;2025年9月以1000亿美元估值融资10亿美元;2024年12月更以620亿美元估值完成创纪录的100亿美元融资。 Databricks正从大数据平台厂商转向AI基础设施提供商,陆续...
据《华尔街日报》报道,风险投资人Jeremy Levine在Zoom会议中将个人姓名改为‘Jeremy Levine I do not consent to transcribing or recording’,以此公开表明拒绝被AI工具自动转录或录音。 多位科技从业者指出,AI会议记录应用和智能录音设备日益普及,已导致商务会谈、日常交流甚至约会场景普遍被录音转录。有创业者透露使用Granola应用录制首次约会,并将文字稿输入Claude分...
Agility Robotics宣布在加州弗里蒙特启用一座6万平方英尺的新设施,用于训练其人形机器人Digit。该地点毗邻特斯拉预计将于今年启动Optimus机器人量产的工厂。 Digit目前已在亚马逊、GXO、舍弗勒及丰田汽车制造加拿大公司等客户的制造与仓储环境中投入实际应用,承担搬运货箱与周转箱等任务,并已获得3亿美元合同订单。公司表示,Digit已在GXO物流设施中完成10万次货箱搬运。 Agility Robotics正通过反向合并...
月之暗面CEO杨植麟在GTC 2026演讲中披露Kimi K2.5技术路线,提出以MuonClip优化器替代Adam,宣称可将数据利用效率提升近一倍。同步推出Kimi Linear线性注意力机制,在百万Token上下文场景下性能全面超越全注意力机制。此外,Agent Swarm架构已支持300个Agent并行协同工作。
新一代豆包手机调整了与阿里、腾讯等超级应用的合作方式,不再通过用户授权后读取屏幕、模拟点击等方式进行 GUI 层面的硬操作。取而代之的是,仅当应用方主动提供 MCP(Model Context Protocol)服务、开放部分数据并允许 AI 调用时,豆包手机方可接入。 据接近项目人士透露,新一代豆包手机备货量已从此前的 3 万台提升至数十万台。“手机不可能永远只停留在技术实验阶段,最终还是得卖出去。” 目前,豆包手机助手团队正与多家头部应...
苹果公司于上周五向法院提起诉讼,指控OpenAI窃取其商业机密。诉状指出,相关不当行为涉及OpenAI首席硬件官层级,并称目前OpenAI员工中超过400人为前苹果雇员。 OpenAI尚未作出实质性回应,仅发表措辞谨慎的声明。此次诉讼发生时点敏感,正值OpenAI reportedly 筹备IPO,时间窗口或受冲击。 案件焦点涵盖技术人才流动边界、硬件研发路径重叠及企业数据安全责任等议题,后续进展或将影响AI行业人才合规与知识产权实践。
据公开演示显示,Sora 2 在视频深度克隆方面展现出极高精度,可精准还原人物面部肌肉运动及行走姿态。该模型生成的视频帧级细节逼真,单帧截图难以分辨真伪。目前尚无其他已知模型在同等条件下达到相近效果。
过去八天内,Grok 4.5、GPT 5.6、Muse Spark 1.1 与 Kimi K3 四款前沿大模型相继发布。其中,Kimi K3 在 Artificial Analysis Intelligence Index 综合评分中位列第三。 此次密集发布推动该指数得分超 50 的研发实验室数量,从 6 月初的 2 家增至 6 家。
Cursor 模型评估负责人 Nate Schmidt 确认,Claude Fable 5 在其内部编程基准 CursorBench 的 Max effort 模式下得分达 72.9%,创该基准历史新高。 该模型在模糊性较高的真实编程任务中展现出强全局推理能力。例如,在航天模拟器任务中,仅凭单句提示即可自主规划并成功实现登月;而此前 Claude Opus 在相同任务中运行超 12 小时仍未得出结果。 此次结果来自 Cursor 官方博客发...
在2026世界人工智能大会(WAIC2026)期间,MiniMax集中展示旗舰模型MiniMax M3及新一代多模态生成模型H3。M3支持1M超长上下文,具备原生多模态理解与前沿Coding能力;H3于展会期间抢先预热。 MiniMax同步呈现AI在机器狗、AI眼镜、智能耳机、NAS设备、金融服务和影视内容等场景的生态合作案例,覆盖模型能力、智能硬件集成与行业应用落地。 此次展示涵盖底层模型研发、学术研究进展、AI原生产品工具、多模态创作工...
内容创作者平台Patreon宣布与Cloudflare合作,启用AI Crawl Control技术,主动拦截未经许可抓取其平台内容用于AI模型训练的网络爬虫。此举标志着其策略从依赖robots.txt文件的被动提示,转向基于技术手段的主动阻断。 Patreon指出,自2023年首次部署反AI爬虫措施以来,相关爬虫技术日趋复杂;近期推出的Home Feed和Quips等新发现功能也可能增加内容暴露风险。测试显示,实施拦截后,部分AI训练爬虫...
英伟达正式推出Vera Rubin平台,旨在提升代理式AI(Agentic AI)时代后训练工作负载的“每美元智能产出”(intelligence per dollar)。该平台通过端到端协同设计,支持更大规模模型训练,所需GPU数量仅为Blackwell架构的四分之一。 Vera Rubin针对持续性后训练场景优化,可提升单次运行中的rollout数量、并行仿真环境规模,并支持高频次训练 推理迭代循环。配套开源工具如NeMo RL和NeM...
美团LongCat团队推出LoHoSearch,一个面向搜索智能体的新基准。该基准基于含762万实体的维基百科知识图谱自动生成问题,共包含544道题目、覆盖11个领域,采用树与图结构设计,目前已开源。 LoHoSearch旨在应对BrowseComp等现有基准性能趋于饱和的问题。在11个前沿模型测试中,最佳得分仅为34.74%,显著低于同一模型在BrowseComp上约90%的表现。 实验显示,引入上下文策略仅带来6.8个百分点的性能提升,...
IT之家 7月17日消息,苹果公司已向约40名目前就职于OpenAI的前员工发出律师函,要求其保存与苹果工作经历相关的所有文件。此举是苹果此前对OpenAI及两名前员工提起诉讼的后续动作。 苹果在诉讼中指控OpenAI通过系统性挖角获取其商业机密,以加速AI硬件研发。苹果称,已有超过400名前员工加入OpenAI。 苹果正寻求法院颁布禁令,阻止OpenAI使用其保密信息,并要求归还相关机密材料。
据TechCrunch报道,AI推理云初创公司General Compute宣布获得Upper90提供的4亿美元贷款。该交易被认为是业内首笔以专用AI推理芯片作为抵押物的融资。 General Compute采用SambaNova研发的SN50推理芯片构建“推理新云”(inference neocloud),主打高能效与免水冷部署,宣称其推理速度可达传统GPU云的16倍。公司旨在通过非英伟达生态的芯片方案,降低开源大模型的推理成本。 Upp...
首届“小有可为”大赛乡村教育赛道一等奖作品“智绘科普”公开技术方案。该项目采用Qwen3.5 397B A17B大语言模型与Manim动画引擎,通过多Agent分阶段协作与自动修复机制,将知识主题转化为可控、可编辑的教学动画。 系统工作流包含规划、草稿、实现、审查、合成五个阶段,渲染失败时可自动提取日志并执行修复,以提升生成稳定性。该工程范式具备跨赛道迁移潜力,适用于其他教育或内容生成场景。
7 月 17 日消息,Schema 框架在 ARC AGI 3 公开测试集上取得约 99% RHAE 分数,所用模型为 Claude Opus 4.8 与 Fable 5;使用 GPT 5.6 Sol 时得分为 95.35%。 该框架不调整模型权重,而是将原始观测转化为可编辑程序,同步解决状态归因与机制发现两类问题。 对比显示,此前表现最强的 GPT 5.6 Sol 模型在半私有测试集上仅获得 7.78% 分数。
NVIDIA 正式发布 Nemotron 3 Embed 系列开源嵌入模型,包含三个 checkpoint:8B BF16、1B NVFP4 及另一版本。其中 8B BF16 版本在 RTEB 基准测试中以 78.46 的平均 NDCG@10 成绩位列第一。 1B NVFP4 版本针对 Blackwell 架构优化,在保持 99.5% 精度的同时,吞吐量较 BF16 版本提升 2 倍。全系列模型最大支持序列长度为 32,768 tokens...
通义实验室发布 Wan Streamer v0.2,这是一款将听、看、说、演能力统一于单个 Transformer 架构的端到端全模态模型。其端到端响应延迟低至 550ms,输出分辨率由 v0.1 的 192×336 提升至 640×368,支持 25FPS 帧率。新版本采用 Thinker Performer 双通路架构,在画质提升的同时保持极低延迟性能。
中国国家主席习近平在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上发表主旨讲话。他指出,世界已进入前所未有的人工智能创新时期,人工智能正成为全球经济增长的新引擎。 习近平强调,应抓住人工智能发展的历史性机遇,鼓励开放源代码人工智能发展,推动形成全球人工智能治理框架共识。他明确表示,人工智能发展不应由单一国家主导,需加强国际合作,促进技术更加开放和普惠。 本次大会于2026年7月17日在上海举行,主题聚焦人工智能创新与全球治理协...
据《大西洋月刊》报道,为支撑大语言模型(如ChatGPT、Claude)运行,AI公司已采购全球约70%的高端计算机内存,导致内存及存储硬件供应紧张、价格显著上涨。两年前售价350美元的硬盘目前涨至800美元且普遍缺货,部分笔记本电脑价格上涨达50%。 多家科技企业计划在未来数年内将美国数据中心总容量扩大至当前的8倍,个别新建站点甚至考虑采用喷气发动机供电以满足激增的电力需求。 行业预测显示,平价入门级个人电脑可能在2028年前逐步退出市场...
据CNBC报道,微软CEO萨提亚·纳德拉在面向Copilot工程师的内部会议上批评Anthropic对其Fable大模型施加的使用限制,称其拒绝用户请求的方式“受到过度的编辑控制”,并表示这种做法缺乏合理性。 Anthropic支持页面显示,当用户询问部分大模型开发相关内容时,平台可能改用旧版本模型作答。该公司此前表示,Fable 5恢复上线后采用的新安全措施,会将更多无害请求误判为需拦截内容。 纳德拉强调,企业应能以更低成本开发定制化AI...
Kimi K3 在 Frontend Code Arena 前端编码评测中以 1679 分位居榜首,超越 Claude Fable 5 与 GPT 5.6 Sol。在涵盖的 7 个前端细分赛道中,K3 获得其中 6 个第一。 该模型采用 2.8 万亿参数 MoE 架构,支持百万级上下文窗口。官方宣布将于 2026 年 7 月 27 日开放模型权重。 Kimi K3 的 API 定价为输入每百万 tokens 15 美元,聚焦长上下文智能体编...
2026世界人工智能大会暨人工智能全球治理高级别会议于7月17日至20日在上海举行。国家主席习近平出席开幕式并发表主旨讲话。 习近平指出,人工智能发展不应是某国“独奏”,而应是全球合作的“交响”,强调开源、开放、合作与共享,推动各行业普惠应用AI。他要求确保AI始终处于人类控制之下,各国应健全法律法规、技术监测、风险预警和应急响应体系,防范滥用。 他还表示,反对泛化国家安全概念,不以本国安全凌驾于他国之上;AI发展不应损害各国文化特色和世界...
xAI 为 Grok 推出 Automations 功能,用户可通过自然语言描述任务,设定一次性或周期性执行计划(包括每日、工作日、每周、每月、每年),也可配置基于邮件的触发条件(按发件人、收件人或主题过滤)。每次运行均以完整对话形式执行,结果自动存入运行历史,并支持通过邮件或应用内通知反馈。其中,定时自动化面向所有用户开放;邮件触发功能需订阅 SuperGrok 服务。