“如果說OpenAI的o1是一座圍牆高聳的金庫，那麼DeepSeek剛剛做的，就是直接把金庫的大門炸開，然後對著全世界喊：‘兄弟們，進來隨便拿！’”就在幾個小時前，Hugging Face 上悄悄出現了一個代號為 DeepSeek-Math-V2 的倉庫。 沒有發佈會，沒有漫長的預熱，甚至連個像樣的宣傳片都沒有。 但懂行的開發者看到那個 README 文件時，手都抖了。國產之光 DeepSeek，又來“整頓職場”了。這次他們帶來的，是首個開放原始碼的、達到IMO（國際奧數）金牌水平的推理模型！一、 這一波，到底有多炸？先給大家看一張圖，這是 DeepSeek-Math-V2 在 Hugging Face 上的“成績單”：圖註：這根高高聳立的藍綠色柱子，就是DeepSeekMath-V2。在MATH benchmark上，它不僅碾壓了所有開源模型，甚至把不少閉源的“付費大哥”按在地上摩擦。這不僅僅是分數的勝利，這是“智商”的碾壓。 Hugging Face 的文件裡寫得清清楚楚： 這個模型是基於 DeepSeek-V3-Base 底座，通過大規模的強化學習（RL）訓練出來的。這就好比，以前的AI是“背題庫”考上的大學； 現在的 DeepSeek-Math-V2，是自己在題海裡“悟道”，練成了絕世武功。二、 核心黑科技：它不再是“鸚鵡”，它學會了“慢思考”點開 Hugging Face 的檔案列表，你會發現這個模型最大的特點：它變“囉嗦”了，但也變強了。以前我們問AI：“9.11和9.9誰大？” 普通AI可能直接瞎蒙：“9.11大。” 但 DeepSeek-Math-V2 會在後台開啟“上帝視角”：自我質疑：它會先想，“使用者是不是在考我小數點的陷阱？”多步驗證：它會拆解問題，一步步推導，甚至自己寫程式碼驗證結果。最終輸出：確認無誤後，才告訴你正確答案。這種**CoT（思維鏈）**能力，以前是 OpenAI o1 系列的獨門絕技。 現在？DeepSeek 把它開源了。這意味著，任何一個大學生、研究員，甚至是你家隔壁寫程式碼的小哥，都能在自己的電腦上（視訊記憶體夠的話），運行一個擁有“博士級”數學大腦的AI。三、 為什麼說它是“Google殺手”？在 DeepSeek-Math-V2 發佈之前，Google的 Gemini 團隊一直引以為傲的就是他們的數學推理能力。 但 DeepSeek 用一種名為 GRPO（Group Relative Policy Optimization） 的強化學習演算法，給Google上了一課。簡單來說，DeepSeek 沒有像Google那樣堆砌無窮無盡的算力資源。 他們更聰明。 他們讓模型在沒有人類老師判卷的情況下，自己給自己出題，自己給自己打分。 這種“左右互搏”的訓練方式，讓模型在數學推導、程式碼程式設計這種“非黑即白”的領域，進化速度快得嚇人。Hugging Face 上的資料顯示：在競賽級數學題上，DeepSeek-Math-V2 的表現已經足以拿到 IMO（國際奧數）的金牌。四、 開源，是給世界最好的禮物阿文我在翻閱 Hugging Face 的評論區時，看到一位外國開發者留下了這樣一句話："DeepSeek is saving the open-source community single-handedly."(DeepSeek 正在單槍匹馬拯救開源社區。)為什麼我們這麼激動？ 因為 OpenAI 越來越封閉，Google越來越商業化。 只有 DeepSeek，像一個俠客。 它證明了：不需要兆參數，不需要千億美金，只要演算法足夠精妙，開源一樣可以戰勝閉源！五、 下載連結就在那，誰敢來戰？DeepSeek-Math-V2 的連結現在就掛在 Hugging Face 上。 它就像一把插在石頭裡的“石中劍”。 誰能拔出它，誰就能擁有挑戰巨頭的力量。對於我們普通人來說，這不僅僅是一個新模型。 這是國產AI向世界證明：我們不只是會做套殼APP，我們在最硬核的底層演算法上，一樣能站在世界之巔。 (阿文學AI)

更強大的模型還在路上。智東西3月27日報導，今天，阿里巴巴通義千問發佈了新一代端到端多模態旗艦模型Qwen2.5-Omni-7B。這一模型能夠即時處理文字、圖像、音訊和視訊等多種輸入形式，並通過即時流式響應同時生成文字與自然語音合成輸出。該模型現已在Hugging Face、魔搭、DashScope和GitHub上開源，採用寬鬆的Apache 2.0開源協議，模型論文也全面開源，詳解了背後的技術細節。同時，使用者可以在Demo中體驗互動功能，或是在Qwen Chat中像打電話或視訊通話一樣與Qwen聊天。千問團隊稱，Qwen2.5-Omni採用了全新的Thinker-Talker架構，支援跨模態理解和流式文字、語音響應，支援分塊輸入和即時輸出。在與同等規模的模型進行基準測試比較時，Qwen2.5-Omni表現出一定優勢，並超過了Gemini 1.5 Pro和GPT-4o-mini等閉源模型。Qwen2.5-Omni在音訊能力上優於類似大小的Qwen2-Audio，並與Qwen2.5-VL-7B保持同等水平。在權威多模態理解測試OmniBench上，Qwen2.5-Omni獲得了SOTA表現，超越Gemini 1.5 Pro，提升幅度達30.8%。Qwen2.5-Omni在端到端語音指令跟隨方面表現出與文字輸入處理類似的效果，在MMLU通用知識理解和GSM8K數學推理等基準測試獲得了不錯的成績。開源地址：https://huggingface.co/Qwen/Qwen2.5-Omni-7B論文地址：https://github.com/QwenLM/Qwen2.5-Omni/blob/main/assets/Qwen2.5_Omni.pdfDemo體驗：https://modelscope.cn/studios/Qwen/Qwen2.5-Omni-Demo4月1-2日，智東西聯合主辦的2025中國生成式AI大會將舉行。50+位嘉賓將在開幕式、GenAI應用論壇、大模型峰會、DeepSeek R1與推理模型技術研討會、AI智能體技術研討會、具身智能大模型技術研討會帶來報告、演講、對話和討論。掃碼申請主會場觀眾票或購票參會。01.全模態即時互動，看一眼食材秒出食譜在部落格文章中，千問團隊放出了多個Qwen2.5-Omni在現實世界多模態場景中的測試案例。目前，Qwen2.5-Omni共有Cherry和Ethan兩種語音可供選擇。Cherry音色對應的是女聲，Ethan音色對應的是男聲。從聽感來看，這兩種語音真實、自然，會在說話時加入停頓、語氣詞等內容。Qwen2.5-Omni能在場景中即時處理、分析多模態內容。例如，在下廚時，可以拿著食材詢問通義應該如何處理，或是環視廚房裡的調料，看究竟應該用那些調料，可謂是廚房小白福音了。Qwen2.5-Omni能聽懂音樂，判斷歌曲是什麼風格，採用了何種音調，並提出對原創歌曲歌詞、節奏等方面的意見。在繪畫時，Qwen2.5-Omni可以根據草圖判斷繪畫內容，還能給出畫面的構圖建議。此外，Qwen2.5-Omni還可以在戶外場景判斷天氣、在學習場景中輔助解題、論文閱讀，具備較好的通用多模態能力。02.自研端到端架構，獲得多模態理解基準測試SOTAQwen2.5-Omni採用Thinker-Talker雙核架構。Thinker模組如同大腦，負責處理文字、音訊、視訊等多模態輸入，生成高層語義表徵及對應文字內容。Talker模組則類似發聲器官，以流式方式接收Thinker即時輸出的語義表徵與文字，流暢合成離散語音單元。Thinker基於Transformer解碼器架構，融合音訊/圖像編碼器進行特徵提取；Talker則採用雙軌自回歸Transformer解碼器設計，在訓練和推理過程中直接接收來自Thinker的高維表徵，並共享全部歷史上下文資訊，形成端到端的統一模型架構。千問團隊還提出了一種新的位置編碼技術，稱為TMRoPE（Time-aligned Multimodal RoPE），通過時間軸對齊實現視訊與音訊輸入的同步。在多項基準測試中，Qwen2.5-Omni在包括圖像，音訊，音視訊等各種模態下的表現都優於類似大小的單模態模型以及閉源模型。值得一提的是，在多模態理解基準測試OmniBench上，Qwen2.5-Omni達到了SOTA表現，其得分為56.13%，超過第2名Gemini 1.5 Pro的42.91%。在視訊到文字任務上，Qwen2.5-Omni也超過了原本的開源SOTA模型和GPT-4o-mini。在其他基準測試中，如語音識別（Common Voice）、翻譯（CoVoST2）、音訊理解（MMAU）、圖像推理（MMMU、MMStar）、視訊理解（MVBench）以及語音生成（Seed-tts-eval和主觀自然聽感），Qwen2.5-Omni的成績均超過了Qwen家族的其他單模態模型。03.結語：更強大的Qwen2.5-Omni還在路上Qwen2.5-Omni-7B一經發佈便獲得海內外使用者的關注，有不少網友已經開啟了催更模式，比如增加對小語種的支援、開發千問海外App，或是與智能眼鏡等硬體結合。據千問團隊介紹，未來，他們還會發佈能力更強、速度更快的模型，並擴展其多模態輸出能力，涵蓋圖像、視訊和音樂等多種形式。 (智東西)

沒有絲毫預告，DeepSeek 今晚在 Hugging Face上放出了最新的 DeepSeek-V3-0324 模型。這個新模型參數達 685B，目前在官方網站、APP 和小程序上已經可以體驗（關閉深度思考）。這並不是之前呼聲很高的 R2 ，而是一次小版本更新，但依然有不少亮點，甚至在某些能力已經與 Claude 3.7 Sonnet 相當接近。💡 從網友反饋的實測效果來看，V3-0324 有這些提升：·編碼能力已經接近 Claude3.7 了，比之前的老版本 v3 能力要強。·提升幅度大約與 Sonnet 3.5 到 Sonnet 3.6 的升級相當，甚至還要大一點。·與 R1 相比，V3-0324 在生成前端程式碼方面有了明顯改進。·數學能力也有提升，能像推理模型一樣能夠解題。當然，V3-0324 也繼續開源，而且是 MIT 開源許可，意味著比上一版更加開放了。更多體驗細節，也歡迎大家在留言區與我們分享。今晚的 V3 小版本更新已經有不少亮點，也更讓人期待即將到來的 R2。APPSO 也會持續關注，第一時間帶來最新動態。 (APPSO)

機器人太火了，連專注軟體領域的Hugging Face也入局了！ 美國時間5月6日，Hugging Face的機器人專案負責人雷米·卡德內（Remi Cadene）宣布推出LeRobot開源程式碼庫，並形容它對於機器人的意義就如同「Transformer架構之於NLP（自然語言處理）」。 Remi Cadene表示：“人工智慧發展的下一步是將其應用於我們的物理世界。因此，我們正在圍繞AI機器人建立社區驅動的努力，並且它向所有人開放！” Remi Cadene的X推文

ChatGPT出現之後，圍繞著生成式AI的投資狂歡也開始了，從OpenAI到Midjourney再到cohere，眾多AI獨角獸接連湧現。 彭博行業研究（Bloomberg Intelligence）在最近的報告中預計，ChatGPT將給生成式AI市場帶來為期十年的繁榮，市場規模將以42%的速度擴張。 報告預計，九年後，也就是2032年，全球生成式AI市場規模將達到1.3萬億美元，是去年400億美元市場規模的32.5倍。 有越來越多的應用爆發了，每週都有新爆款，在熱鬧的AI賽道背後，究竟哪10家公司最值得關注？這10家公司最新的研究成果有哪些？