AI周报 | 千问桌面版推出语音转文字功能;字节全模态大模型Doubao-Seed-2.0-lite亮相
各位朋友好，今天为大家汇总近期人工智能领域的重点资讯，涵盖办公效率工具、前沿大模型、开源项目、硬件发展等多个方向，每条内容都是精华，帮助大家快速了解行业最新趋势～8 大领域 · 全方位覆盖左侧是原始的口语化信息，右侧是经千问 AI 语音输入处理后的规范结构化文档，清晰展示语音转文字的内容整理能力。多模型在数学、物理、医疗、视觉感知等多维度 Benchmark 测试的数据对比表，清晰呈现 Doubao-Seed-2.0-lite 的性能优势。OpenSearch-VL 项目论文首页，展示了研发团队构成、项目
(第268期)MRC开源与多项更新：AI日报速看
AI日报 2026年5月8日1.OpenAI携手多家厂商发布MRC协议，直击AI超算网络痛点。5月6日晚，OpenAI联合AMD、博通、英特尔、微软、英伟达等公司发布开放网络协议MRC，并已覆盖OpenAI全部前沿模型训练超算。MRC基于RoCE扩展，结合多平面网络与SRv6源路由，让数据在海量路径间分流，从而在微秒级别规避链路故障；同时仅需两层交换机即可搭建可达十万GPU规模的超算体系。该方案能够缓解网络拥塞与故障中断，降低运维复杂度，使大模型训练更高效、更稳定推进，也标志着AI基础设施正在以更标准的方
AI日报速览：语音输入上新，全模态与AI搜索升级
1.千问PC端上线AI语音输入功能，用户可通过快捷键在各类桌面应用中直接使用，具备出色的语义理解能力，能把口语内容整理成结构化信息，同时还能用语音指令完成多种办公操作，显著提升日常效率。亮点提要：🗣️ 千问语音输入可对口语内容进行去语气词、纠错与格式化整理，并能结合上下文进行更贴合的回应。📝 用户能够用语音指令直接在多种应用里调用千问，实现创作、问答、翻译等常见任务。📧 千问还能自动生成邮件回复，覆盖钉钉、微信或邮件等办公场景，帮助用户更快处理沟通。2.字节跳动发布全模态大模型Doubao-Seed-2.
NVIDIA重磅开源多模态与机器人技术引爆AI新浪潮
2026-05-07 · 综合整理自 Hugging Face Papers、TechCrunch、arXiv、NVIDIA Blog、Reuters 等本周，NVIDIA 在人工智能的开放生态领域动作频频，接连推出了三款重磅级产品，覆盖了从模型研发到安全框架，再到机器人平台的全面布局。Nemotron 3 Nano Omni：单一模型实现文本、图像、视频、音频全模态处理4月28日，NVIDIA 正式发布了 Nemotron 3 Nano Omni（https://developer.nvidia.com
AI前沿：顶级模型折戟ARC-AGI-3，Meta机器人布局提速
📅 AI快讯 · 2026年5月2日ARC-AGI-3基准测试令顶尖大模型集体"露馅"——GPT-5.5与Claude Opus 4.7的得分双双低于1%，反观人类却能轻松满分通关。与此同时，Meta斥巨资收购机器人AI企业，GPT-5.6及Claude新一代模型接连浮出水面，AI竞赛的战火愈燃愈烈。Meta正式宣布并购专攻机器人智能的初创企业Assured Robot Intelligence，其核心技术团队将整体并入Meta超级智能实验室，与2025年组建的Meta机器人工作室展开深度协作。Assur
高德地图重磅推出“AI伴行”：首个全模态出行智能助手
新浪科技4月30日消息，高德地图正式上线“AI 伴行”产品，该产品具备多模态交互能力，能实时感知用户位置与周边环境，并利用摄像头解析街景。作为行业首个面向真实世界的出行伙伴，高德正致力于将导航服务升级为懂现实的 AI 助手。 在日常生活中，常有人站在路口不知往哪走。AI 伴行能提供更直观的指引，将抽象方向转化为用户眼前的具体参照物，从而降低理解难度。 面对复杂的出行计划，它能理解多重意图并提供路线建议；在景区游览时，它还能充当实时导游，规划路线并标注核心景点。此外，它支持视觉识别功能，用户对准建筑拍照询问
富瑞看好MiniMax-W，予“买入”评级，目标价1118港元
富瑞研究报告指出，MiniMax-W（00100）全模态模型具备独特的传播效应，并能增强模型智能；公司聚焦于智能提升（如LLM、编码）和创意增强（如影片、语音、音乐），终极目标是达成通用人工智能（AGI）及提升经济效益（GDP的百分比），给予该股“买入”评级，目标价1，118港元。报告指出，即将发布的新模型备受关注，预计M3.0和Hailuo 3.0将于年中前后推出，认为MiniMax展现了强大的执行能力，并通过协同的闭环模型与框架提供更优的用户体验。这一整合将成为另一加速引擎，因为框架能够捕获高价值的真
红熊AI完成2.1亿A轮融资，估值达15亿元
编译整理：Stark瞰未来4月7日，红熊AI正式宣告完成2.1亿元A轮融资，由华禹创投担任领投方，老股东格睿丰投资、稼沃资本继续跟投，徐汇资本、上汽美元基金、嘉铭浩春、誉华资产等多家机构共同助力。此轮融资后，红熊AI的估值攀升至15亿元，累计融资规模逼近4亿元。身为成立仅两年的企业，红熊AI拟在2026年底冲击AI独角兽席位，预期ARR营收将超2亿元。公司核心壁垒在于打破传统AI的桎梏，将“记忆科学”与“全模态大模型”深度整合。该技术路径不仅化解了AI在感知、决策及行动层面的闭环难题，更依托“低成本硬件+
影响力聚焦 | 模思智能：引领全模态人工智能浪潮
免责声明：入驻创营漕河泾AI校友中心（人工智能）上海市徐汇区古美路1528号A6栋北杨创智未来中心（人工智能）上海市徐汇区华发路699号漕河泾国际孵化中心（机器人、AI医疗器械等应用）上海市徐汇区桂平路418号未来42·超创中心基地（未来智能终端、器官医疗）漕河泾创业中心大厦（电子信息）上海市徐汇区桂平路680号32-33幢新业坊Lab.中科技物联创中心（空间信息）上海市虹口区汶水东路937号虹口新业坊12号楼新业坊Lab.源创孵化器（在线新经济）上海市宝山区逸仙路1328号新业坊.源创6号楼上海退役军人
千问AI全模态突破，话费充值享优惠
3月30日，阿里千问迎来两项重要更新。当晚，阿里千问正式发布全模态大模型 Qwen3.5-Omni，同日，千问App接入支付宝AI付，推出充话费限时立减活动。Qwen3.5-Omni 实现全模态能力突破，可无缝理解文本、图片、音频及音视频输入，还能生成带时间戳的细粒度音视频字幕。该模型 Plus 版本在音频、音视频相关任务中拿下 215 项 SOTA，在音频理解、推理、对话、翻译等方面全面超越 Gemini3.1-Pro，音视频理解能力也达到其水平。它自然涌现出 Audio-Visual Vibe Cod
AI全球资讯0403
全球TOP5 AI媒体头条： 1.IEEE Spectrum: 人工智能与人类合作完成21世纪菲尔兹奖获奖证明的首次形式化验证。 2. MIT Technology Review: 发布2026年“十大突破性技术”。 3. The Verge: AI代理成为2025年的关键趋势。 4.VentureBeat: Claude Code更新了MCP支持。 5.AI News: OpenAI GPT-5实现了全模态无缝交互。 国内TOP5 AI媒体头条： 6.机器之心：揭晓2025年度“AI中国”榜单，智象未来
阿里推出Qwen3.5-Omni，多模态性能领先
新浪科技讯 3月31日上午消息，阿里巴巴发布了新一代全模态大模型Qwen3.5-Omni，在音视频理解、识别和交互等215项任务中表现卓越，超越Gemini-3.1 Pro，成为全球领先的全模态大模型之一。 据了解，该模型具备强大的音视频理解和实时交互功能，能够生成详细且可控的结构化描述，支持多达113种语言和方言，并具备音视频Vibe Coding能力。用户只需对着镜头表达需求，模型就能自动生成App、网页或游戏代码。目前，阿里云百炼已提供Qwen3.5-Omni的Plus、Flash、Light三种A
MINIMAX-W盘中涨幅突破6% MaxClaw接入个人微信 推出全模态模型统一订阅方案
MINIMAX-W(947.5, 31.00, 3.38%)（00100）盘中涨超6%，截至发稿，股价上涨3.11%，现报945港元，成交额4.13亿港元。 MiniMax3月23日宣布，旗下AI Agent产品MaxClaw支持接入个人微信。至此，MaxClaw已覆盖微信、飞书、钉钉、企业微信、Telegram、WhatsApp 等主流即时通讯渠道。此外，MiniMax宣布将此前的Coding Plan全面升级为Token Plan，即全球首个支持全模态模型的统一订阅计划。升级后，Plus及以上套餐用户