在人工智能领域，每天都有新的突破和进展。今天的AI日报汇集了最新的AI动态，涵盖了模型、应用、技术和政策等多个方面，让我们一起深入了解这些重要信息。
中国信通院发布软件开发智能体标准
中国信息通信研究院（简称“中国信通院”）联合多家企业，正式发布了软件开发智能体标准。这一标准的发布，标志着AI智能体商业化进程进入了一个新的阶段。AIAgent市场正经历着快速增长，越来越多的企业开始积极布局，希望借助AI智能体推动数字化转型。
根据市场研究报告，全球AIAgent市场预计在2024年达到51亿美元，并在2030年增长至471亿美元，年复合增长率高达44.8%。这一数据充分显示了AIAgent市场的巨大潜力。
税友股份和赛意信息等企业已经开始积极布局AI智能体，通过提升服务能力来推动数字化转型。这些企业将AI智能体应用于软件开发、客户服务等多个领域，取得了显著的成效。
阿里巴巴发布QwenLong-L1-32B：首个强化学习训练的长文本推理模型
阿里巴巴发布了QwenLong-L1-32B，这是一款专为长上下文推理设计的大型语言模型。该模型在性能表现上超越了多个竞争对手，并通过强化学习显著提升了长文本推理能力。
QwenLong-L1-32B是全球首个通过强化学习训练的长文本情境推理模型。它采用了GRPO和DAPO算法，大幅提升了推理的准确性和效率。在七个长文本情境文档问答基准测试中，QwenLong-L1-32B表现出色，展现了其在处理复杂长文本任务方面的卓越能力。
阿里巴巴还发布了完整的解决方案体系，包括高性能模型、优化数据集、强化学习方法以及评估体系，旨在推动长文本AI应用的产业化。
GPT-4o语音模式升级：新增唱歌功能
GPT-4o的高级语音模式迎来了重大更新，新增了唱歌功能，并提升了自然语音交互能力。尽管唱歌的表现仍有待优化，但其多模态交互能力和情感表达已经展现出了巨大的潜力。
GPT-4o现在可以根据指令生成旋律、歌词，甚至模仿特定风格的演唱。高级语音模式实现了端到端处理，响应延迟仅为320毫秒，支持更自然的情感交流。
GPT-4o还新增了笑声、哭声等情感表达功能，拓展了AI在娱乐和教育领域的应用场景。例如，在儿童教育中，AI可以通过语音和情感表达来提高学习的趣味性和互动性。
秘塔AI搜索推出全新“极速”模型
秘塔AI搜索推出了全新的“极速”模型，通过GPU上的kernel fusion技术和CPU上的动态编译优化策略，大幅提升了搜索效率。现在，大部分问题都可以在2秒内得到解答。
在单张H800GPU上，新模型实现了最高400tokens/秒的响应速度。在速度、准确率和逻辑性方面，新模型均表现出色。秘塔AI搜索还提供测速站点，让用户亲身体验快速响应。
谷歌推出LMEval：统一评估大语言与多模态模型的新工具
谷歌发布了开源框架LMEval，旨在简化和标准化大型语言及多模态模型的评估。LMEval支持跨平台模型对比，提供增量评估和可视化分析功能。
LMEval实现了跨公司AI模型评估流程的统一，提高了效率。它支持文本、图像和代码评估，兼容新增输入格式，并具有灵活的可扩展性。
谷歌还提供了LMEvalboard工具，可以直观地展示模型性能，方便用户进行深度分析。
谷歌Chrome浏览器新增Gemini AI助手
谷歌在Chrome浏览器中引入了Gemini AI助手。这项技术不仅提升了用户体验，还展示了谷歌在AI领域的创新能力。Gemini AI助手通过实时感知屏幕内容并提供个性化帮助，让浏览更加高效和便捷。
Gemini AI助手能够实时感知屏幕内容，提供智能化帮助。目前，该功能仅向AI Pro和AI Ultra订阅用户开放，并且处于测试版。谷歌计划未来将其扩展至更多场景与设备，以提升整体用户体验。
阿联酋全民免费使用ChatGPT Plus
阿联酋将成为全球首个向全体居民免费提供ChatGPT Plus高级版服务的国家，这标志着人工智能普及化的关键一步。阿联酋正在建设星际之门阿联酋AI数据中心，计划构建1千兆瓦的人工智能计算集群，以提升地区AI地位。OpenAI与阿联酋合作，开发符合本土需求的AI解决方案，促进全球AI技术的普及与应用。
苏州成立60亿元人工智能母基金
江苏苏州成立了一支60亿元的人工智能产业专项母基金，主要聚焦于算力基础设施、数据、人才等领域，推动“人工智能+制造业”等行业的融合应用，加速产业转型升级。该基金由20家机构共同出资，执行事务合伙人占比1%，园区已形成完整的AI产业生态。预计2024年园区将聚集超过1800家AI企业，助力苏州成为国家级AI发展试验区。
Kyutai发布Unmute：10秒定制语音，AI对话进入超低延迟时代
法国AI实验室Kyutai推出的Unmute系统为文本大语言模型赋予了强大的语音交互能力，包括智能对话、超低延迟和个性化定制功能。
Unmute通过模块化设计让文本模型快速获得语音输入和输出功能，无需重新训练模型。它具备智能判断与接话、随时打断及文本流式合成等功能，对话体验更接近人类。个性化定制功能只需10秒语音样本即可生成专属AI声音，满足多样化需求。
UAV-Flow项目突破无人机控制
UAV-Flow项目通过自然语言处理技术，让用户仅凭语音指令即可实现对无人机的精确控制，大幅降低了操作门槛，推动其在消费、工业和救援等场景的应用。
无人机可以通过语音指令如“向前飞50米”或“围绕目标盘旋”实现精确控制。UAV-Flow集成了语音识别、语义理解及动态路径规划，适应多种复杂环境。其应用场景广泛，包括消费娱乐、工业巡检及紧急救援，能够提升操作的安全性和效率。
Claude即将大升级：百万字符上下文+记忆功能
Anthropic计划对Claude进行多项重要功能升级，包括上下文窗口扩展、记忆功能增强、输出能力升级、多文件格式支持扩展以及视觉功能改进。这些改进将使Claude在长文本处理、跨模态任务和企业级应用中更具竞争力。
Claude的上下文窗口将扩展至百万字符，大幅提升超长文本处理能力。新增的记忆功能将实现多轮对话更连贯、个性化的响应。此外，还将扩展输出Token限制及多文件格式支持，增强企业级应用场景。
百度心响iOS版正式上线
作为一款多智能体协作应用，百度心响iOS版的上线标志着智能体应用普及的新阶段。它降低了使用门槛，提供了多种实用功能，如旅游攻略生成、深度研究支持以及健康咨询服务，致力于满足普通用户的多样化需求。
用户可以在APP Store免费下载心响iOS版，享受便捷的智能体服务。心响能够自动生成旅游攻略、深度研究报告，助力高效规划与获取信息。它还提供与线下医生相似的健康咨询服务，帮助用户更好地理解健康问题。
夸克发布行业首个“高考深度搜索”
针对高考志愿填报信息繁杂的问题，夸克推出了“高考深度搜索”功能，旨在帮助考生和家长更高效地获取权威、准确的信息。
“高考深度搜索”提供个性化志愿填报方案生成，其数据来源于自建高考知识库，包括历年志愿数据及就业考研信息。通过使用检索增强生成技术，降低了大模型幻觉率，确保了内容的准确性。
Chrome v137开发者工具升级
Chrome v137引入了Gemini AI智能助手，通过智能标注、CSS修改、性能洞察和截图功能，大幅提升了开发效率。
Gemini智能标注功能简化了性能分析流程，帮助开发者快速理解复杂的性能数据。AI驱动的CSS调试，可以一键修改与保存，显著提升前端开发效率。新增的性能洞察功能，可以发现隐藏问题，优化网站加载速度与运行时性能。
美团AI业务进展
美团在AI领域取得了显著进展，包括接近GPT-4o水平的大模型研发、业务决策助手的推出、以及NoCode编程工具的开发等，展示了其在智能化服务生态系统方面的雄心。据透露，美团内部工程师的52%代码由AI生成，显著提升了工作效率。此外，美团还推出了面向非技术用户的NoCode编程工具，简化编程过程。
Direct3D-S2横空出世
Direct3D-S2通过创新的空间稀疏注意力机制，显著提升了高分辨率3D图像生成的质量与效率，为千兆级3D生成提供了更具可扩展性的解决方案。
空间稀疏注意力（SSA）机制大幅提升了生成效率，前向传播速度提升3.9倍，反向传播速度提升9.6倍。统一稀疏体视格式提高了训练稳定性，在1024³分辨率下仅需8块GPU即可完成训练。该项目预计在5月底前公布开源计划，推动3D生成技术在全球范围内的普及与应用。
OpenAI计划推出AI硬件
OpenAI正在研发一款由ChatGPT驱动的全新AI硬件，预计2026年发布。这款产品将整合到日常生活的方方面面，提供无缝的智能体验。OpenAI的目标是打造随时陪伴的AI，让用户享受无缝智能体验。
