我们把全球 AI 前沿资讯编译成给中国企业主看的中文洞察——每条都标注来源、可查原文。看别人怎么用,想清楚自己怎么做。
MiniMax于2026年8月13日发布开源权重的文本生成音乐模型MiniMax-Music3,可单次生成最高5分钟、32kHz/16位立体声WAV格式完整歌曲。模型采用混合语言模型架构与连续流匹配合成路径,已提供可部署的权重、推理代码及三条明确服务路径,支持商业应用(需署名且年收入超2000万美元须获授权)。
本文是一篇技术教程,详细演示如何使用开源库docTR构建覆盖OCR、版面分析、关键信息抽取(KIE)、性能基准测试与可搜索PDF生成的完整文档智能流水线。教程涵盖合成发票数据生成、GPU加速预测、多阶段识别优化、旋转/倾斜校正、表格重建及多种格式导出。
曾因OpenAI Sora发布延期而受挫的AI视频产业正加速商业化:Promise等初创公司入驻好莱坞片场,利用实时AI背景等工具降本增效;Netflix已在300部作品中应用AI;AI视频新锐Higgsfield估值已达54亿美元。该领域已形成完整产业链,涵盖融资、岗位设置与利益分配博弈。
月之暗面(Moonshot AI)发布PerceptionBench基准,专门评估多模态AI模型的纯视觉感知能力(剥离逻辑推理干扰)。结果显示,当前所有前沿模型准确率均未达60%,GPT-5.6 Sol以微弱优势领先。研究指出,许多被归因为‘推理错误’的问题,实则源于图像理解阶段的早期失败。
三星研究院美国分部推出xMAE与HiMAE两款健康AI基础模型,分别用于建模多模态生物信号时序关系及跨时间尺度的生理模式识别。模型基于PPG与ECG等真实可穿戴数据训练,支持无感心血管评估、睡眠分期等任务,已在ICML和ICLR顶会录用。