Banny的文章

快讯

• 谷歌Gemini新增Storybook功能，可根据一句话生成带插图的故事书

  谷歌为 Gemini 添加了名为 Storybook 的魔法功能，你只需一句话，它就能为你变出一本带插图和语音朗读的10页精美故事书 (o´ω'o)ﾉ。这项功能不仅支持黏土、动漫等多种艺术风格，还能将孩子的涂鸦作为灵感来源，创作独一无二的故事，真正实现了个性化定制。这项创新的功能 已在全球上线并支持中文，快去为孩子创造惊喜吧 ✨！

  

  14小时前

• Anthropic发布Claude 4.1，其编码和代理任务能力得到显著的提升

  Anthropic 重磅推出 Claude Opus 4.1，它不仅是简单的升级，更是一位在代理任务和真实世界编码方面能力飙升的"超级特工” 🤖。凭借在 SWE-bench 上高达 74.5% 的惊人得分，它在修复复杂代码库时的表现如同外科手术般精准，同时其混合推理架构让它既能"快思”也能"慢想”。这份官方公告 详细介绍了这位新晋编码大师，开发者们是时候全面升级，体验极致的输出质量了 🔥。

  

  14小时前

• 谷歌DeepMind发布世界模型Genie3，可生成高分辨率的互动长视频。

  谷歌DeepMind再次扔出王炸，发布了名为 Genie 3 的全新世界模型，它不仅能以720P分辨率流畅生成长达数分钟的视频，还能保持惊人的一致性 (✧∀✧)。最令人兴奋的是，你可以通过文本指令动态改变视频中的世界事件，这几乎模糊了视频生成与实时互动游戏的界限。这波操作预示着，人人都能成为"创世神”的AI原生游戏时代或许真的不远了 🚀。

  2天前

• 腾讯混元上线AI播客，一键把长文变对话音频

  腾讯混元正式发布AI播客功能，可将文本、网页、文档在约90秒内生成自然流畅的双人对谈式音频。

  • 支持三种输入：主题描述、网页URL、文档上传（含PDF、Word、Markdown等）。
  • 采用一男一女双角色对话，语音自然生动，可补充外部信息并解析原文。
  • 已应用于ima知识库，腾讯新闻版AI播客预计8月底上线。

  新闻、论文、行业报告等复杂内容可随时“听懂”，提升碎片时间信息获取效率。

  官网：https://hunyuan.tencent.com

  2天前

• OpenAI开源GPT-oss：200万小时训练的AI Agent专用模型

  OpenAI凌晨开源GPT-oss模型，含120B与20B两个版本，支持Apache 2.0商用。

  • 模型为AI Agent优化，支持函数调用、网络搜索、Python执行，性能可媲美o4-mini。
  • 120B需80GB显存，20B仅需16GB，号称可在个人设备甚至手机运行。
  • 训练耗时超200万小时，是目前最重投入的开源模型之一。

  OpenAI称此举将加速AI创新，赋能个人控制和本地部署，但网友质疑20B版本在手机上运行的可行性。

  GitHub：GitHub - openai/gpt-oss: gpt-oss-120b and gpt-oss-20b are two open-weight language models by OpenAI

  HuggingFace：https://huggingface.co/openai/GPT-oss-120b

  2天前

• ChatGPT 可以“更好地检测”精神困扰

  概要：在 GPT-5 预计发布之前，OpenAI 已经实施了一系列变化促进 ChatGPT 的“健康使用”，包括旨在检测用户何时经历精神困扰的增强工具。

  详细信息：

  OpenAI 表示，虽然这种情况很少见，但也存在 GPT-4o 无法识别“妄想或情感依赖”迹象的情况。该公司现在已经在 ChatGPT 中建立了自定义规则，用于评估聊天、标记困扰并使用基于证据的资源进行适当回复。OpenAI 正在与医生、人机交互专家和顾问小组合作，以获得反馈并改进其在这种情况下的方法。它还增加了提示，以防止用户进行长时间的聊天，并改变其不那么果断的方式，帮助用户思考高风险的情况。

  为什么重要：在 GPT-5 发布之前，OpenAI 始终将用户安全放在首位，并重申其致力于关注用户福祉。随着人类与高级人工智能的互动日益频繁，需要开展更多研究，但这正朝着负责任的使用迈出了一步，OpenAI 在发布其下一个模型之前就明确了这一点。

  

  2天前