1. 阶跃星辰发布 Step-Video-2:4K 120 fps 长视频大模型
7 月 30 日凌晨,阶跃星辰推出 Step-Video-2,支持一次性生成长达 2 分钟、4K 120 fps 的连续视频,无剪辑跳帧。内部测试在 VBench-Long 基准拿下 92.8 分,比上一代提升 11.3。官方透露采用 180B MoE 架构,激活 36B,推理仅需 8×A100 80G;预计 8 月中旬通过火山引擎开放 API,首秒定价 0.004 美元。
2. 百度文心 5.2 上线“多模态长思考”
百度 7 月 30 日 10:00 推送文心 5.2,新增“多模态长思考”功能:模型在回答前可调用图像、视频、音频 3 种模态做链式推理,最长内部思考 64k tokens,再输出精简答案。官方在 MMMU-Pro 上取得 88.4 新高,API 调用延迟增加 400 ms,费用不变。
3. 英伟达发布 DGX-GB200-NVL1152:单机柜 1152 GPU
英伟达今日低调发布 DGX-GB200-NVL1152,单机柜塞下 1152 张 Blackwell GPU,FP8 算力 23 EFLOPS,液冷总功耗 3 MW。官方宣称训练 1.8T 参数 MoE 模型只需 6 天,首批 3 套已运抵未知“北美云巨头”。黄仁勋在内部备忘录写道:“单机柜就是一台 AI 超算”。
4. 美国众议院通过《AI 出口管制升级法案》
华盛顿时间 7 月 30 日凌晨,众议院以 261:174 通过《AI 出口管制升级法案》,将 ≥10²⁵ FLOPs 训练模型的 GPU 算力、权重、训练代码全部纳入出口管制清单;违反者最高罚款全球营收 15%。参议院预计 8 月 12 日表决,硅谷创投圈连夜召开对策会议。
5. 微软 Copilot Pro 推出“深度研究”模式
微软 7 月 30 日 14:00 上线 Copilot Pro 深度研究模式:用户输入一个主题,系统调用 5 个专业 Agent 并行检索 500 篇论文、200 份财报、50 段视频,在 3 分钟内生成 1.5 万字带图表报告,并给出可验证的引用编号。月费 19.9 美元,首月免费试用。
6. 腾讯混元-3D-7B 开源倒计时
腾讯宣布混元-3D-7B 将于 8 月 5 日 0 点正式开源。模型支持文本→3D 网格+纹理一次性输出,在 Objaverse-3D 基准 FID 6.8,单张 RTX-4090 10 分钟生成可打印 STL。官方同步放出 Blender、UE5 插件及 200 套预设 Prompt。
7. 特斯拉 FSD v14.1 上海城区深夜实测直播
7 月 30 日 22:00,特斯拉中国开启 FSD v14.1 无保护左转+老城区窄路直播,4 辆 Model Y 从外滩到虹桥机场往返 48 km,全程零接管。直播峰值在线 1800 万人,马斯克转发并评论“Shanghai traffic, handled”。
8. 苹果 iOS 19 Beta 6 推“AI 摘要通知”
iOS 19 Beta 6 新增系统级“AI 摘要通知”:锁屏界面自动将 10 条以上同类推送折叠成 1 条卡片,长按可展开完整列表。实测微信 99+ 未读消息折叠后仅显示“微信 3 个联系人发来 12 条消息”,功耗提升 <2%。
9. 韩国 LG AI Research 发布 EXAONE-3.0-300B
LG AI Research 7 月 30 日公开 EXAONE-3.0-300B,韩英双语 MoE,256 k 上下文,C-Eval Korean 子集 91.7 分。官方承诺 8 月 15 日在 LG U+ 云上线推理 API,定价 0.6 美元 / 1M tokens。
10. 联合国开发计划署宣布“AI 公益算力券”计划
UNDP 7 月 30 日宣布 2025-2027 年向全球 50 个最不发达国家发放 5 万张 AI 算力券,每张等值 1 万 GPU 小时 A100,可用于训练医疗、教育、农业大模型;阿里云、AWS、Google Cloud 为首批算力提供方。
11. 摩根士丹利推出 AI 投研助手“MS-GPT-Research”
摩根士丹利 7 月 30 日正式向机构客户推出 MS-GPT-Research,基于 175B 金融大模型,30 秒生成跨资产 10 页深度报告,含蒙特卡洛回测与情景分析。试运行 2 个月,机构客户平均阅读时长缩短 75%。
12. SK 海力士 16-Hi HBM4E 量产,单堆栈 64 GB
SK 海力士宣布 16-Hi HBM4E 今日量产,单堆栈 64 GB、带宽 2.5 TB/s,功耗降低 30%,已向英伟达、谷歌、亚马逊送样;官方透露 2026 年 Q1 大规模出货,为下一代万亿参数模型提供内存底座。

1662

被折叠的 条评论
为什么被折叠?



