阿里云通义近日开源了其最新的视觉模型 Qwen2.5-VL，该模型推出三个版本：3B、7B 和 72B。其中，旗舰版 Qwen2.5-VL-72B 在 13 项权威评测中夺得视觉理解冠军，超越了 GPT-4o 和 Claude3.5。
Qwen2.5-VL 模型能够更准确地解析图像内容，并支持超过 1 小时的视频理解。它可以在视频中搜索特定事件，并对视频的不同时间段进行要点总结，帮助用户快速有效地提取视频中的关键信息。
此外，Qwen2.5-VL 还可以无需微调就变身为一个能够操控手机和电脑的 AI 视觉智能体（Visual Agents），实现给指定朋友发送祝福、电脑修图、手机订票等多步骤复杂操作。
Qwen2.5-VL 不仅擅长识别常见物体，还能够分析图像中的文本、图表、图标、图形和布局。它还将 OCR 识别能力提升到了一个新的水平，增强了多场景、多语言和多方向的文本识别和定位能力。
在信息抽取方面，Qwen2.5-VL 也进行了大幅度增强，以满足日益增长的资质审核、金融商务等数字化、智能化需求。
（举报）
本文汇总了AI领域最新动态：1)中国信通院发布智能体开发标准，推动AI商业化进程；2)阿里推出QwenLong-L1-32B长文本推理模型，性能媲美Claude-3；3)GPT-4o语音模式升级，新增唱歌功能；4)秘塔AI搜索推出极速模型，响应速度达400tokens/秒；5)谷歌发布LMEval评估框架，统一大模型评测标准；6)Chrome浏览器集成Gemini AI助手；7)阿联酋全民免费使用ChatGPT Plus；8)苏州成立60亿元AI产业基金；9)法国Kyutai实验室推出10秒定制语音的Unmute系统；10)UAV-Flow项目实现无人机语音精准控制；11)Claude将升级支持百万字上下文和记忆功能；12)百度心响iOS版上线；13)夸克推出高考深度搜索功能；14)Chrome v137开发者工具升级；15)美团AI业务接近GPT-4o水平；16)Direct3D-S2实现3D生成速度提升10倍；17)OpenAI计划2026年推出首款AI硬件。
【AI日报】今日AI领域重要动态：1)阿里云推出通义灵码AI IDE，集成千问3模型，显著提升编程效率；2)小米开源多模态大模型MiMo-VL-7B，性能超越更大规模闭源模型；3)黑森林实验室发布FLUX.1Kontext图像生成模型，支持文本和参考图像多次编辑；4)Midjourney V7渲染速度提升40%，新增用户投票功能；5)DeepSeek R1-0528大模型在AGI领域取得突破，性能超越xAI等公司；6)Hugging Face进军机器人市场，推出开源人形机器人HopeJR；7)字节跳动火山方舟接入DeepSeek最新大模型；8)Anthropic开源"电路追踪"工具，揭示大模型决策过程；9)阿里巴巴开源自主搜索AI智能体WebAgent；10)Hume发布低延迟语音语言模型EVI3；11)Manus Slides支持一键生成专业幻灯片；12)Runway Gen-4 References支持手机照片艺术化处理。
本文汇总了近期AI领域的重要动态：1)通义千问发布Qwen3-Embedding系列模型，在多语言文本处理表现优异；2)字节跳动推出图像编辑模型SeedEdit3.0，提升细节保持能力；3)ElevenLabs发布情感语音合成系统Eleven v3 Alpha；4)Anthropic推出面向国家安全的Claude Gov模型；5)可灵AI月收入连续两月超1亿元；6)Meta公布智能眼镜Aria Gen2技术细节；7)爱诗科技上线AI视频工具"拍我AI"；8)富国银行预测2030年ChatGPT广告收入将达千亿美元。
本文报道了AI领域最新动态：1)阿里通义万相开源视频编辑统一模型VACE；2)OpenAI发布GPT-4.1增强编码能力；3)Stability AI推出超轻量341M文字转语音模型；4)快手可灵视频生成模型占据30%市场份额；5)微软WizardLM团队整体加入腾讯混元大模型研发体系；6)腾讯宣布混元图像2.0将于5月16日发布；7)上海成立人工智能标识生态联盟；8)Lightricks发布13B参数视频生成模型LTX-Video；9)谷歌DeepMind推出AlphaEvolve优化AI训练速度；10)腾讯元宝浏览器插件上线Chrome平台。这些进展展示了AI技术在视频处理、大模型、语音合成等领域的快速发展。
从去年开始，各大科技巨头就纷纷调整战略，加大了人才招揽的力度:腾讯的“青云计划”以“业界Top0级别薪资”和“不设职级上限”吸引顶尖人才，并计划新增2.8万实习岗位以充实后备力量;字节跳动则启动“Top Seed计划”，专门为大模型、多模态等前沿领域的顶尖博士
本期AI日报聚焦多项AI领域突破：1)DeepSeek发布R1-0528模型，支持128K上下文且性能媲美GPT-4；2)字节推出"小云雀AI"图像创作工具；3)可画2.1版本价格降65%性能提升；4)Opera发布全球首款AI浏览器Neon；5)Meta推出多模态空间理解模型；6)北大团队研发ZeroSearch框架降低大模型训练成本88%；7)字节推出AI视频剪辑应用"剪小映"；8)MotionPro实现40ms/帧精准视频控制；9)xAI与Telegram达成3亿美元合作部署Grok聊天机器人；10)OpenAI重组架构为IPO铺路；11)像素蛋糕"方糖大模型"获国内首个影像行业备案；12)Paper2Poster实现论文自动转海报；13)Resemble AI开源TTS模型性能比肩ElevenLabs；14)蚂蚁集团开源对标GPT-4o的多模态模型Ming-lite-omni。
博登智能与阿里云达成战略合作，共同推动AI数据标注智能化发展。博登智能自主研发的BASE平台通过AI技术实现数据标注自动化，最高提升600%效率，降低成本40%，已服务自动驾驶、智慧医疗等领域。双方将结合博登的数据服务优势与阿里云的技术实力，构建从数据采集到模型训练的全流程解决方案，推动AI技术在千行百业落地。此次合作将加速数据智能服务升级，让更多企业以更低门槛拥抱AI技术。
5月13日，火山引擎在上海搞了场 FORCE LINK AI 创新巡展，一股脑发布了5款模型和产品，包括豆包・视频生成模型 Seedance1.0lite、升级后的豆包1.5・视觉深度思考模型，以及新版豆包・音乐模型。同时，Data Agent 和 Trae 等产品也有了新进展。
真我Neo7+ Turbo将于5月29日14:00发布，首发搭载天玑9400e芯片，跑分高达245万。该芯片采用台积电4nm工艺，CPU为1+3+4三丛架构，GPU为Immortalis-G720 MC12，配备NPU 790 AI引擎，性能超越天玑9300+和高通骁龙8s Gen4。此外还支持蓝牙6.0、5公里超远距离连接。手机配备1.5K直屏、7000mAh以上电池、100W快充，采用类似Nothing Phone的半透明装饰背板设计。
真我Neo7+Turbo将于5月29日发布，搭载天玑9400e芯片，号称挑战2.5K档最强性能。新机采用6.8英寸京东方Q10直屏，支持144Hz高刷和4608Hz超高频PWM调光。配备7200mAh电池+100W快充，支持边充边用不发烫。外观延续Neo7设计，但新增透明后壳和晶刻纹理工艺。核心配置包括台积电4nm工艺天玑9400e，跑分达245万，配备电竞网络芯片提升游戏体验。其他亮点包括IP68防水、realme UI 6.0系统，预计售价可能低于1999元起。
