2025.3.18 新的大模型新闻

大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。

以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。

目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。

目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。

目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。

大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。

要运用 AI 生成每日自动推送到飞书消息的公司文化日报，包含日历、天气、新闻、内部规划和事项，您可以考虑以下步骤： 首先，需要确定获取日历、天气、新闻、内部规划和事项等信息的数据源。对于日历，可以使用在线日历服务的 API 来获取相关数据；天气信息可以从专业的气象数据提供商获取；新闻可以通过新闻聚合 API 或者与特定的新闻机构合作获取；内部规划和事项则需要从公司内部的管理系统或数据库中提取。 然后，选择适合的 AI 技术和工具。例如，可以使用自然语言处理技术来对获取到的数据进行处理和整合，生成易于阅读和理解的文本内容。 在生成日报的过程中，要注意格式的规范和统一，使其具有良好的可读性。同时，可以根据公司的文化特点和需求，对内容进行个性化的定制和优化。 另外，为了确保推送的准确性和及时性，需要建立有效的监控和反馈机制，及时发现并解决可能出现的问题。 希望以上建议对您有所帮助。

以下是 2025 年 3 月 27 日的部分 AI 新闻： 《详解 MCP：Agentic AI 中间层最优解，AI 应用的标准化革命》：Anthropic 推出的开放协议 MCP 迅速垄断了 Agentic AI 的中间层，类似于 AI 应用的 USBC 端口。它简化了开发者与数据源的整合，促进了生态形成，可能成为“Agentic AI 领域的 Stripe”，为未来 AI 应用的标准化革命奠定基础。 《对谈|如何用 AI 增强人类学习》：Howie.Serious 与 Indigo 探讨了费曼学习法与 AI 创作的结合，强调输出能迫使知识内化。两位终身学习者分享了如何通过高效利用 AI 提升写作与学习，推动思维深度，指出未来的 AI Agent 应具备更强的自动化整合能力，助力人类保持独特价值与创造力。 《硅谷知名风投 BVP 专栏：消费级 AI 的临界点将至！》：消费级 AI 正迎来临界点，推动一波又一波的变革。随着基础模型成本降低和多模态技术进步，新的消费类 AI 公司不断涌现。未来，AI 将重塑旅行、购物和社交体验，提升个性化服务的准确性与便利性。 此外，2 月 27 日的相关新闻有：小红书 AI 赛道从 0 到 1 做 IP 的相关活动预告、工具分享及日更群计划。3 月 5 日的新闻包括：2025 开年 3 个月 AI 已经狂飙，更新密集发布；Grok 语音模式全面开放，支持 11 种模式（包括 2 种 18 禁），自带语音字幕，目前仅支持英文。

以下是 3 月 27 日 AI 圈的部分新闻： 《详解 MCP：Agentic AI 中间层最优解，AI 应用的标准化革命》：Anthropic 推出的开放协议 MCP 迅速垄断了 Agentic AI 的中间层，类似于 AI 应用的 USBC 端口，简化了开发者与数据源的整合，促进了生态形成，可能成为“Agentic AI 领域的 Stripe”，为未来 AI 应用的标准化革命奠定基础。 《对谈|如何用 AI 增强人类学习》：Howie.Serious 与 Indigo 探讨了费曼学习法与 AI 创作的结合，强调输出能迫使知识内化，分享了如何通过高效利用 AI 提升写作与学习，推动思维深度，指出未来的 AI Agent 应具备更强的自动化整合能力，助力人类保持独特价值与创造力。 《硅谷知名风投 BVP 专栏：消费级 AI 的临界点将至！》：消费级 AI 正迎来临界点，推动变革。随着基础模型成本降低和多模态技术进步，新的消费类 AI 公司涌现，未来 AI 将重塑旅行、购物和社交体验，提升个性化服务的准确性与便利性。 此外，还有以下商业和技术方面的新闻： AI 商业爆发年：可灵 AI 营收破亿元，AIGC 营销素材日均消耗超 3000 万元。快手将 AI 作为生态重塑核心，引领视频生成模型全球竞速。可灵 AI 技术领先 Sora，获马斯克、MIT 科技评论等国际认可。 小白福音 Trickle：一键部署、无需 API，能直接克隆 Claude 聊天体验。面向非开发者，帮助快速从创意→上线，打通完整产品流程。模板丰富，涵盖问卷、小游戏、互动课程等多种场景。 拓竹 H2D 多才多艺：精度提升一个数量级，打印成品可直接使用。集成 3D 打印、激光雕刻、刀切、彩绘，支持双头多色打印。搭载视觉摄像头和神经算法，实现微米级精度。

以下是 3 月 26 日至今 AI 圈的部分新闻： 3 月 26 日： 【AI 模型及应用】OpenAI 推出 GPT4o 图像生成能力；谷歌发布 Gemini 2.5 Pro Experimental 模型；Trea 已内置 DeepSeekV30324。 【AI 音乐】昆仑万维发布全球首款音乐推理大模型 Mureka O1。 【AI 视频】混元 Portrait 实现音频视频驱动图片肖像形成动画；PPVCtrl 推出新可控制视频生成模型。 【AI 3D】Vibe Draw 可通过草图进行 3D 建模；PhysTwin 通过视频创建交互式物理数字孪生；GroomLight 用于重打光的人体头发外观建模的混合逆向渲染。 3 月 27 日： 《》：MCP（Model Context Protocol）是由 Anthropic 推出的开放协议，迅速垄断了 Agentic AI 的中间层，类似于 AI 应用的 USBC 端口。它简化了开发者与数据源的整合，让 AI 应用无缝连接各种工具和服务。MCP 不仅促进了生态的形成，甚至可能成为“Agentic AI 领域的 Stripe”，为未来 AI 应用的标准化革命奠定基础。 《》：Howie.Serious 与 Indigo 探讨了费曼学习法与 AI 创作的结合，强调“输出能迫使知识内化”。两位终身学习者分享了如何通过高效利用 AI 提升写作与学习，推动思维深度，指出未来的 AI Agent 应具备更强的自动化整合能力，助力人类保持独特价值与创造力。“真正的深度与灵感，源于人类富有情境的问题。” 《》：消费级 AI 正迎来临界点，推动一波又一波的变革。随着基础模型成本降低和多模态技术进步，新的消费类 AI 公司如雨后春笋般涌现。未来，AI 将重塑旅行、购物和社交体验，提升个性化服务的准确性与便利性。正如报告所言：“AI 的进步既是开创新产品的源动力，也是消费巨头崛起的分销载体。” 3 月 26 日： AI 商业爆发年：可灵 AI 营收破亿元，AIGC 营销素材日均消耗超 3000 万元。快手将 AI 作为生态重塑核心，引领视频生成模型全球竞速。可灵 AI 技术领先 Sora，获马斯克、MIT 科技评论等国际认可。 小白福音 Trickle：一键部署、无需 API，能直接克隆 Claude 聊天体验。面向非开发者，帮助快速从创意→上线，打通完整产品流程。模板丰富，涵盖问卷、小游戏、互动课程等多种场景。 拓竹 H2D 多才多艺：精度提升一个数量级，打印成品可直接使用。集成 3D 打印、激光雕刻、刀切、彩绘，支持双头多色打印。搭载视觉摄像头和神经算法，实现微米级精度。 Figure 人形机器人新突破。

以下是近期的 AI 新闻汇总： 3 月 12 日： 【AI 3D】 BlenderMCP：与 Claude AI 沟通，在 Blender 实现快速 3D 建模。 MIDI：单幅图像到 3D 场景生成。 Move AI：更新动作捕捉能力，提出 Gen 2 Spatial Motion。 【AI 写作】 MMStoryAgent：AI 多模态故事生成系统。 【AI 视频】 VACE：阿里推出一体化视频创作和编辑技术。 VideoPainter：腾讯开源视频编辑技术。 Wonder Dynamics：推出摄像机轨道（Camera Track）和清洁板（Clean Plate）功能。 【其他】 OpenAI：为开发者推出一套 AI Agent 开发套件。 R1Omni：阿里情感识别模型，通过视频识别情感。 Luma AI：发布一种新的预训练范式 IMM，旨在突破算法瓶颈，提高生成预训练算法的性能。 Manus：宣布与阿里通义千问团队达成战略合作。 3 月 14 日： 【AI 模型及其他】 谷歌：Gemini 应用能力升级，包含升级推理模型 gemini 2.0 Flash Thinking Experimental 等多个功能提升。 OpenAI：4 项更新。 Bolt：一键将 Figma 设计转换为可运行的 Web 应用。 阿里：推出 AI 旗舰应用“新夸克”。 360 智脑团队：开源推理模型 LightR114BDS，复现 Deepseek 的强化学习效果。 【AI 视频】 Pika：更新 Pikaffects，新增多款变身特效。 Freepik 与 Fal 平台：引入 Topaz AI 的提升“FPS 和视频分辨率”能力。 Krea：上线 Veo 2 模型，支持图生视频功能，但生成成本较高。 【AI 绘图】 LBM：用于快速图像到图像转换的潜在桥匹配方法，支持可控图像重新照明、角色去除和图像修复。 【AI 语音】 Sesame：开源 TTS 语音模型 CSM1B。 3 月 26 日： 【AI 模型及应用】 OpenAI：推出 GPT4o 图像生成能力。 谷歌：发布 Gemini 2.5 Pro Experimental 模型。 Trea：已内置 DeepSeekV30324。 【AI 音乐】 昆仑万维：发布全球首款音乐推理大模型 Mureka O1。 【AI 视频】 混元 Portrait：音频视频驱动图片肖像形成动画。 PPVCtrl：新可控制视频生成模型。 【AI 3D】 Vibe Draw: 草图进行 3D 建模。 PhysTwin：通过视频创建交互式物理数字孪生。 GroomLight：用于重打光的人体头发外观建模的混合逆向渲染。

以下是一些订阅最新 AI 新闻的途径： 公众号： “超时空视角”：提供 AI 资讯。 猫叔个人公众号“AI 替代人类”。 “歸藏的 AI 工具箱”：有 AI 课程撰写与信息收集整理，适合 AI 从业人员或想加入该领域工作的人，免费订阅可获得日常内容更新，付费会员可获得更多服务，如记录上周值得关注的 AI 领域主要发布、核心从业者需要关注的 AI 动态、涉及各个 AI 领域的优质内容、过去一周最重要的研究论文和简短解读介绍，还能加入核心粉丝群获得最及时的 AI 资讯通知和优先工作撮合机会。 小红书/抖音：“EverAI”。 B 站：“Ever AI 酱”，这里会有教程及 AI 工具界面操作。