AI 行业大事记 2025 年 8 月 联合出品： Jomy @ 302.AI 南乔 @ ShowMeAI 大聪明 @ 赛博禅心 说明: ①本文讨论了 2025 年7月 AI行业的 103 件大事，涵盖模型、图像、视频、音频、3D、机器人、应用、新闻/融资等多个领域。 ② 本文分类中的「模型」均指代语言模型； ③ 本文分类中的「融资」包含了融资、收购、团队成…

视觉语言大模型（VLM）作为智能系统的核心基础，正在不断从基础的“识别”向更深层的“推理”跃迁。今年上半年，多模态大模型在视觉领域呈现百花齐放之势，各厂商竞相布局。然而，视觉能力的下一站是“推理”——不满足于让模型读图后回答“这是什么”，更需其调用推理能力理解背后的意图与情境。这种对视觉逻辑和上下文的理解能力，既是实现通用人工智能（AGI）的关键一步，也是构…

复杂文本渲染的准确性，一直是 AI 生图领域长期存在的技术瓶颈。即便顶尖的生图模型，在处理复杂文本时也难免出现乱码现象。就在上周，阿里开源了通义千问系列的首个图像生成基础模型——Qwen-Image，其核心突破便在于卓越的复杂文本渲染能力。 通义千问团队在多个公开基准上对 Qwen-Image 进行了全面评估，公开数据表明其在通用图像生成和图像编辑的所有基准…

在 AI 生图技术日趋成熟的当下，”去 AI 感”已成为各大开发者竞相突破的核心战场。Black Forest Lab 向来在拟真度方面持有绝对话语权，从我们往期的实测文章《302.AI 基准实验室丨实测对比 FLUX.1 Kontext 系列模型，“快、稳、准”三点能否问鼎？》当中可以看到，Flux 系列模型在保持主体一致性、画面拟…

尘埃落定，当地时间 8 月 7 日，OpenAI 终于发布了最新的旗舰 AI 模型 GPT-5。OpenAI 宣称，GPT-5 是其迄今为止最智能、最快、最实用的模型，在编码、数学、写作、健康、视觉感知等领域均展现出卓越的性能。首席执行官 Sam Altman 将 GPT-5 形容为一次“重大升级”，称与其对话“就像在与某个领域的博士级专家交流”。 GPT-…

2025 年 8 月 5 日，OpenAI 突袭发布了两款全新的开源推理模型——gpt-oss-120b 和 gpt-oss-20b。这是 OpenAI 自 2019 年 开源 GPT-2 以来，时隔 6 年首次重返开源生态。 本次开源的 gpt-oss 系列包含两个高性能版本，均采用混合专家架构（MoE） 与 Apache 2.0 开源许可，支持自由修改、…

一、引言 如今这时代，你打开电脑，随手敲下几行字，十来秒它就给你变出一幅栩栩如生的图像，或是一段流畅的视频，不带卡顿够高清的那种。这事以前听着像是魔术，现在已经成了日常。AI这几年在生成图像和视频方面飙得飞快，背后推动它起飞的燃料，其中一个重要因素就是提示词——Prompt。 你可能没太注意过，就是你跟AI说话的形式。别觉得这东西不起眼，它对最终生成效果的影…

7 月 28 日，阿里通义正式开源了其视频生成模型——通义万相 Wan2.2，该模型采用创新的 MoE（Mixture of Experts）架构，由高噪专家模型和低噪专家模型组成，能够根据去噪时间步进行专家模型划分，从而生成更高质量的视频内容。 Wan2.2 在 Wan2.1 的基础上实现了生成质量和模型能力的显著提升，其技术突破主要体现在三大核心领域：混…

北京时间 7 月 28 日，智谱发布了新一代旗舰模型 GLM-4.5 ，根据 Hugging Face 上的介绍，GLM -4.5 系列模型是专为 Agent 设计的基础模型。GLM-4.5 拥有 3550 亿个总参数，其中 320 亿个活跃参数；而 GLM-4.5-Air 则采用更紧凑的设计，拥有 1060 亿个总参数，其中 120 亿个活跃参数。GLM-…

当家居设计遇上AI爆炸盲盒，网友们的创意简直炸裂！7月中旬，社交平台上被一波“AI魔改空间”视频刷屏，幕后的功臣正是新一代文生视频神器——Veo 3。想象一下，你北欧极简风的卧室只需短短几秒，秒变三丽鸥限定皮肤，家具像盲盒爆破一样自动组装、花式变形，下一秒整个空间直接升级成相应主题的样板间。这种超现实的视觉体验，简直比诺兰的《盗梦空间》还离谱，网友直呼“家装…