全球最强AI音乐模型,现在来自中国!高晓松也来围观了

一水 发自 凹非寺
量子位 | 公众号 QbitAI

把AI模型发布会开在Livehouse,昆仑天工你是懂氛围感的(doge)!

虽然乍一听有点奇怪,但如果告诉你这里正在发布的是一款音乐模型,估计你也就get到它的小巧思了。

先不说别的,咱这就火速品鉴一下这支由新模型Mureka V8提供BGM的MV:

是不是很有韩国女团打歌的feeling了~不过从现场来看,这还只是Mureka V8实力的冰山一角——

在各路音乐人实测中,它一举打败硅谷顶尖音乐模型Suno V5,登顶垂类世界第一。

而随着这一标志性节点的出现,此前被反复讨论、却始终缺乏共识的判断,第一次有了现实依据——

好的AI音乐,正在逼近从辅助工具走向“新品类”的关键门槛(类似爵士/乡村/说唱这些品类)。

毕竟放在不久之前,很难想象AI写这样一首歌可能就是一眨眼的事情!

在发布会现场,昆仑万维董事长兼CEO方汉表示:

为什么要把Mureka当品类来做?这其实和我们的使命有关——我们想让音乐变成每个人都拥有的表达方式,记录当下的心情、记忆、想说的话等等。

而当好的AI音乐成为一种新品类,AI版“Spotify”(指旗下的Mureka)会成为行业的灯塔,能让创作者被看见,让作品被放大,让行业形成新的共识。

而他所描绘的这一未来图景,也获得了高晓松及国内顶尖唱片公司负责人的认可。作为离产业一线最近的人,他们对好的AI音乐引发的变革浪潮,感知也最为敏锐。

那么问题来了——

Mureka V8真实能力究竟几何?它真能扛起AI音乐变革的大旗吗?

老规矩,一手实测见真章。

超越Suno V5,昆仑天工新模型登顶世界第一

事先声明,本人算是日常听歌比较多的人(网易云10级临门一脚选手),之前一直觉得AI对音乐领域的开发还处于比较初级的阶段,一般新东西出来后也只是浅尝辄止、再无后续。

但体验了Mureka V8后,内心只有两个想法:

1)虽然不懂专业音乐知识,但有了这个工具,以前随手写的歌词也能立马变成完整歌曲了,几乎0门槛就实现了自己的音乐梦;

2)有了这个工具,以后人人都能写歌并且发歌了,而且因为平台提供了销售模式,所以普通人也能dream一个靠这个赚钱了(搞钱思路+1)。

而且在随机对比了Mureka V8和它之前的版本后,你能明显发现——

AI音乐领域的叙事逻辑变了,以前模型交出的“作品”还停留在“可生成”(用了AI)阶段,但现在直接迈向了“可发布”(一种新的、完整的作品)阶段。

怎么个“可发布”?这主要从演唱与表达力、音乐性完整度、制作与音质水准、市场适配性等几个层面展开。

这些都是常规意义上,一首歌写完后能否直接发布的主要参考因素,而Mureka V8这次基本都做到了。

先说唱功。以前因为歌手念词总有种机械感,所以很多歌一听就是AI唱的。

但这次Mureka V8会根据用户选择的歌手性别,智能匹配唱法,所以听起来明显更像人类主唱了。

同样的歌词,保证其他设置一致而只改变性别的情况下,男生/女生版分别如下:

摇滚乐风格,可参考The Kinks乐队(与披头士滚石齐名的一支英国乐队、迷幻摇滚风格)。

是不是开口就能明显听出不同风格和唱法?

男声在Intro后很快就接上歌词,而女声明显加了一段自己的唱腔,一下子就给整体分别定调:一个浑厚一个慵懒。

而且每一句歌词都有自己的情绪和张力,就拿“咚”这个明显不好处理的歌词来说,Mureka旧版就处理得相对平淡,而这里明显都变成重音,Rock and Roll的感觉一下子就出来了。

再说音乐的完整度。现在仅需一句话或简单的歌词,Mureka V8就能火速生成一支完整的乐曲了。

为了体现差异,我们还是用同样的歌词测试Mureka V8和旧版本,只不过换一个乐队风格:

摇滚乐风格,可参考平克弗洛伊德乐队(Kimi月之暗面的起名灵感就是这支乐队的一张专辑)。

别的不说,从时长就能一眼看出差别了。旧版只有两分多钟,而新版是更接近主流歌曲规格的三分多钟。

而且这多出来的,还恰好是能体现这支乐队风格的精华——开头和结尾都是大段大段的纯乐器演奏。

(p.s.这支乐队采用这种独特的器乐编排技巧,有一首专辑时长有40多分钟,并收获全球乐迷的喜爱。)

这样一来,整首歌的旋律和编曲,一下子就变得更加丰富和抓耳了。

不过鉴于旋律和编曲这事儿主观性比较强,所以咱们还是听听专业音乐人的客观评测。

从以下对比图可以看到,即使以专业的耳朵来听,Mureka V8也在综合实力上打败了硅谷顶尖音乐模型Suno V5、成为世界第一。

更关键的是,作为一款国产模型,Mureka V8天然“继承了”东方音乐审美,很多歌曲一出来你就能感受到浓浓的中国风、中国味儿。

这不,春节马上就要到了,就让Mureka V8创作一首马年贺曲吧。

马年新春贺曲、年味儿

好好好,一开口就知道离放假不远了~

尤其是副歌阶段男女生混唱的时候,听起来真的很像过年超市会循环放的其中一首歌。

Anyway,一番实测下来,Mureka V8给人留下的最大印象就一个词:完整。

随机丢给它任何一个简单的想法(简易模式)、任何一段歌词(自定义模式),Mureka V8都能立马输出一首足以直接发布的作品——

它不再只是一段“AI生成的音频片段”,而是一首结构完整、情感连贯、制作精良的“歌”。

而之所以能实现这一点,这还要得益于模型背后所采用的MusiCoT技术。

由于将思维链技术应用到了音乐制作领域,所以Mureka V8能模仿人类进行创作——

就像人类音乐人那样,它会主动构思整体结构、设计情绪推进,最终产出的不是音频片段,而是结构完整、情感连贯、可直接发布的成熟作品。

下面这张图就清晰展示了传统模型和Mureka V8之间的区别:

  • 传统自回归音乐生成模型:文本/歌词→直接生成→音乐片段;

  • 基于MusiCoT的模型:文本/歌词→思维链规划(结构、配器、情绪)→按结构生成→一首完整的歌。

这种从“能生成”到“能发布”的跨越,正是技术质变的关键。

也正因为如此,Mureka V8的意义已经不再只是一次模型迭代——

它不再只是创作流程中的“辅助工具”,而是第一次以完整性、自主性和可发布性,站到了一个全新位置上。

在这个意义上,好的AI音乐,终于开始以“新品类”的姿态屹立。

但问题是,如果只是模型进步,这一切真的足以支撑“新品类”这个判断吗?

就在AI音乐领域,行业新范式诞生了

答案,显然不只在模型里。

技术的成熟,最终必须走向行业的融合与价值的重塑。

而这一次,昆仑天工作为AI代表,也终于将触角伸向了产业深处——

直接联合高晓松与太合音乐(秀动运营方、旗下艺人有许嵩、刘惜君等)一起“搞事”,一举打通好的AI音乐从技术到商业、从创作到发行的整个链路。

其中,高晓松作为知名音乐人,代表的是专业音乐人开始主动拥抱AI,通过新工具拓展创作边界。

在围绕“AI时代的音乐创作新范式”展开的圆桌论坛上,高晓松现场表示:

AI本质上是在处理“怎么说”,而不是“说什么”。真正的创作源于人心里那个独特的“洞”——那是生活、情感和个体经验赋予的,AI无法替代。

但AI在编曲、演唱、制作效率上的能力已经无与伦比,它让音乐创作的门槛前所未有地降低,正在推动音乐从PGC(专业生成内容)向UGC(用户生成内容)转型。

最终他认为,当每个人都可能成为创作者,音乐将不再只是版权交易的商品,而可能成为更普遍的社交语言和表达方式。

这一判断,也得到了知名音乐人、环球音乐Republic唱片中国首任董事总经理闻震(下图左二)的认同。

而且他在现场补充表示:

AI音乐在未来音乐风格品类中一定会占据重要地位,并且份额会越来越大。

对于专业音乐人而言,AI是一个强大的赋能工具——它能把基础工作做到80分,剩下的20分则需要音乐人用自身的审美、认知和与AI的提示词交互能力去完成。

总之,作为资深音乐人,他们都感受到了AI音乐给整个行业带来的冲击。

这一感受或许不亚于昆仑天工董事长兼CEO周亚辉(右一)在见证Mureka V8诞生时的激动之情:

最初技术团队认为“五年内做不出完整的AIGC音乐”,但到Mureka V8仅用约两年时间实现了上百倍的进步。

当我们真的把V8训练出来的时候,我意识到,音乐产业100%肯定要变化。

至此,变化已经成为一种共识。

而这个新事物若想持续健康发展,则离不开整个产业链的协同发力。在这方面,中国传媒大学教授赵志安(右二)认为:

音乐产业的发展离不开艺术价值、商业价值与社会价值的统一。AI目前作为工具,在激发灵感、提升效率和风格化体验方面优势明显。

但未来的持续发展,核心在于数据版权与收益分配的规范化。只有解决了训练数据的授权、AI生成内容的版权确权与合理分配机制,无论是UGC还是PGC模式,AI音乐才能真正形成健康、可持续的产业生态。

对此,昆仑天工这一次也拉来了太合音乐这个产业端的关键角色。

在发布会现场,昆仑天工正式官宣与太合音乐达成深度战略合作,并举行了现场签约仪式。

作为打通“产业最后一公里”的关键一环,太合音乐将为Mureka V8生成的音乐提供发行渠道、商业变现资源,从而解决AI音乐从创作到落地的核心痛点。

而到这里,一条围绕好的AI音乐的新型产业链条,已经呈现出清晰的分工结构:

  • 昆仑天工的Mureka V8:作为技术底座与创作载体,解决“能不能写出好音乐”的问题;

  • 高晓松:代表专业音乐人主动拥抱AI,让AI音乐创作进入主流叙事的视野,主要起到催化剂的作用;

  • 太合音乐:通过发行与商业化能力,为好的AI音乐提供变现渠道,从而让整个商业逻辑形成闭环。

而“传统唱片公司+顶流音乐人+AI巨头”联手,所释放出的信号也已经相当明确了——

作为行业最前沿的一批玩家,他们已不再将AI视为颠覆性的替代威胁,而是开始学会适应。

其实这也很好理解。

大多数新事物刚出来时,人们总是会下意识抗拒和恐惧,但一旦经历过一定的发展阶段,当它的价值被反复验证、边界被逐渐厘清,合作便成了比对抗更务实、也更有利的选择。

而好的AI音乐就处在这样的阶段。

一旦跳出“AI是否会替代人类创作”的陈旧争议,考虑如何将其作为一种新的、强大的创作变量纳入生产体系,便成了顺理成章的议题。

好的AI音乐正在成为一种新品类

而当人们开始认真讨论“如何才能创作出好的AI音乐”,一个新的创作阶段,事实上已经拉开序幕——

音乐创作不再只属于少数专业人群,而是开始向更多普通创作者开放。

就是说,人人参与好的AI音乐创作的时代,正在加速到来。

在这个过程中,好的AI音乐“新品类”的身份也被进一步坐实,因为相较于传统音乐与早期AI音乐工具,它正在呈现出一种全新的形态——

不只是“创作工具”,更是“新消费载体”。

这种消费属性可以体现在我们日常生活中的方方面面,例如,用AI给好友写首专属生日歌、给某个私人旅行vlog配首应景的BGM、给自家咖啡店生成一首专属音乐……

此时,每个人都可以根据自身需求,定制专属的旋律、风格与情绪表达,使音乐从标准化内容,演变为高度个性化的体验。

甚至还能拿来玩梗,承担起社交职责(doge)——去年B站一首AI创作的《美猴亡》就一度爆火,最高播放量上千万并引发广泛社媒讨论。

显而易见,此时好的AI音乐已经不再仅仅是被“听见”的作品,而是被用户深度“参与”的内容。

而这,正是它作为一种新消费载体的本质所在。

此外,最近摩根士丹利的一份调研显示,在美国18–44岁人群里,一半以上的人每周都会听AI音乐,平均大概2.5–3小时/周。换算一下,这些人每天大概会听20分钟。

如此也侧面证明了,当AI音乐达到“好”的标准时,其作为一种新消费载体的应用潜力。

当然了,除了在结果端彰显其“新品类”地位,好的AI音乐也在创作端拥有自己的独特定位——“新创作伙伴”。

回顾整个实测过程,我们对这种人机协同的创作模式可谓感受颇深。

一边是创作方式的“极简”,另一边是作品的“极深”。当你发现仅需一句话、一段随机哼唱就能创作一首完整的歌时,那种瞬间掌握某种技能、瞬间拿到成果的成就感,确实直击人心。

而这一切的核心价值在于——

它同时解放了创意的上限,与创作效率的下限。

当这种创作模式被越来越多的人反复使用、持续产出时,接下来的问题则只剩下一个——

如何变现形成良性循环?

对此,昆仑天工也算是为我们打了个样。

不同于早期AI音乐工具多停留在“生成即结束”的阶段,他们围绕新一代音乐模型,尝试将创作工具、内容社区、发行渠道与商业化服务,逐步串联起来。

  • 模型:负责提供稳定且持续演进的创作能力;

  • 工具:负责降低使用门槛,帮助创作者高效完成表达;

  • 社区:承载内容的交流、反馈与扩散;

  • 发行与服务体系:为好的AI音乐提供进入现实世界的通路。

还是以Mureka V8为例。这边模型一更新,另一边工具端的Mureka创作平台就立即上架新模型了。

对所有普通用户来说,这种开箱即用的工具极大降低了使用最前沿模型进行音乐创作的门槛。

甚至,如果你段位更高,是熟悉DAW(数字音频工作站)制作流程的专业音乐人或发烧友,堪称进阶版的Mureka Studio或许更适合你。

昆仑天工对这款工具的定义为:

我们想用AI的方式改造DAW的核心逻辑,把“操作软件”变成“指挥创作”。

你只要把想法说清楚:我要什么情绪、什么推进、什么副歌钩子、什么人声质感。Mureka Studio负责把它快速做成可编辑、可迭代的作品形态——让新创作者进入门槛变低,让专业创作者上限更高。

悄咪咪透露,目前这款工具也正在内测中,在Mureka官网即可申请。

而在用户端之外,他们还同步开放了B端的Mureka API服务——

通过完整封装的API功能,终端用户可以像在C端产品中一样,结合歌词、人声和参考歌曲进行深度定制与反复调整。

据昆仑天工透露,凭借每年2-3个版本的极速迭代,以及针对音乐创作和视频创作等全场景的模型微调服务,他们已经为全球8000多家客户提供了性能最稳定的官方支持。

一些典型的合作方式be like:

总而言之,靠着打通“模型+工具+社区+服务”这套链路,好的AI音乐第一次真正拥有了走出实验场的现实可能——

它不再只是新奇的技术展示,而是开始成为能驱动产出、创造价值的新型生产工具。

而也正是在具备了“被使用”“被消费”“被变现”的能力之后,好的AI音乐才第一次脱离了概念讨论,开始在现实世界中站稳脚跟。

一旦整个闭环运转良好,好的AI音乐与传统音乐之间,就不会是“二选一”的状态。

最终的结局或许就是今日好的AI音乐被反复提及的一个论断:

它更可能与传统音乐并肩而行,作为一种新的音乐品类,共同拓展音乐的表达边界,丰富人类的精神世界。

最后,对于昆仑天工此次发布的Mureka V8,国内用户已经可以通过Mureka官网和API体验。

不知道你的第一首AI音乐,又是为谁而作的呢?(林俊杰:?)

【传送门】:
https://www.mureka.ai/
https://www.mureka.cn/(国内版)

相关推荐

DeepSeek V4芯模协同背后,国产算力生态开始飞轮加速

更关键的是,CANN开始逐步兼容主流AI生态。开发者每一次正向反馈、每一个优化结果、每一个创新应用,都能通过昇腾和华为的生态快速走向产业界,形成技术、商业、生态的完整闭环。之前,昇腾与不少模型进行过协同探索,但V4是第一次在大规模、高强度、工程化的尺度上,验证了这种“芯模协同”的可行性与效率。开源以后,我们能更充分地学习业界的优秀实践,在此基础上进行适配和优化,也能将一些好的经验应用到自己的项目中。可以说,从“能跑”到“有人长期建设”,从“厂商推动”到“生态自增长”,华为算力生态,正在进入新的阶段——

量子位 521

世界模型接棒语言模型,这家公司全球首创物理AGI“双金字塔”体系,通用机器人进入“家庭时代”

毕竟在现阶段,家庭场景对机器人的真实刚需,是稳当地端水、收拾餐具、抱起脏衣篮、把零食递到孩子手上,而不是在客厅里完成酷炫的跑酷动作。可以说,这支团队完整经历了CV、自动驾驶、具身基模、世界模型等物理AI过去十年的发展历程,并在每个阶段都做出了行业领先的世界级成果。该模型实现了从感知、理解到行动的完整闭环,能够自主识别物体与场景、规划路径,并执行包含抓取、对齐、折叠、归类等多步骤的。他主导了业内首个智能驾驶数据闭环系统的落地,有效提升了数据的处理效率,为智能驾驶技术的发展提供了重要的基础设施支持。

量子位 245

LeCun新证明:世界是高斯的

论文借用这个框架证明,要让转移算子的第一个特征函数恰好是仿射函数(即线性函数加常数),潜变量的分布必须满足一个非常严格的条件——它的对数密度的导数必须是线性的,而满足这个条件的分布恰好只有高斯分布。从理论角度看,对于高斯分布,描述变量如何在时间上演化的转移算子有一组特殊的特征函数,叫做Hermite多项式,它们是高斯分布下函数空间的自然正交基,类似于周期函数里的傅里叶级数。真正有用的表示,应该对应世界的真实自由度,比如物体的位置、速度、颜色这些独立的内在变量,而不是它们被观测过程扭曲之后的混合产物。

量子位 191

玻璃里跑AI!华中科大&上交大科研成果登Nature子刊

更进一步的,光本位科技还将独有的相变材料存算一体光计算方案引入玻璃光计算芯片中,利用相变材料的非易失性,能够避免在玻璃中引入额外的相移器,从而实现计算过程几乎不耗能的三维光子神经网络系统。它既解决了三五族平台器件密度不足的问题,又突破了固定场景的应用限制,相变材料的引入,使得芯片在推理过程中保持极高能效比的同时芯片参数仍然可根据不同模型实时调整,适配性更强。尽管与论文中直接在玻璃中实现三维结构有所差异,但是同样在玻璃平台上提供了三维集成的完整方案,通过单层玻璃芯片堆叠的方式最终实现相同的三维输入效果。

量子位 169

5篇AI生成的数学论文被接收!00后创始人洪乐潼融资14个亿

如果一个 AI 系统能把数学证明交给机器逐步检查,那么同样的“生成、形式化、验证”闭环,也可能被拿去处理其他学科,以及高风险决策场景。她的创业合作伙伴Shubho Sengupta也从Meta辞职,两人从AI与数学推理的交叉可能性出发,决心解决AI的幻觉问题。创始人洪乐潼,2001年出生于广州,本科MIT三年拿下数学与物理双学位,还拿过北美数学本科生的最高荣誉罗德奖学金和摩根奖。2019年,17岁的洪乐潼考入MIT,仅用三年时间便完成了数学与物理双学位的学业,本科期间就发表了9篇学术论文。

量子位 219

AI正在重写软件行业?8岁孩子做操作系统,一人公司拿下千万订单丨百度秒哒朱广翔 @AIGC2026

这些都完成之后,我们再选择分发给谁,比如百度搜索、小红书投流,或者去微信发送到私域社群里,或者说去App store上架,分发流量之后有了用户数据再去回流、去分析、去运营,指导下次迭代,形成下个循环,每个色块就是一个真人。在很多企业里,原来提需求的是业务人员,他们自身没有开发能力,将需求提到研发部门,研发部门又不懂业务人员的痛点,需要反复沟通、调整,但现在业务人员自己就可以开发软件了。我非常荣幸能从事这个赛道,因为在这个过程中、在这一年半的时间里,我不仅看到了产品的变化,还更多地看到了整个时代的变化。

量子位 429

清华有了新老师:黄仁勋

既包括科技圈顶流如马斯克、微软CEO纳德拉、Meta扎克伯格等,也不乏金融圈大拿,如摩根大通的杰米·戴蒙、贝莱德的拉里·芬克、花旗的简·弗雷泽。,使命是加强学院与外部各界的联系,提升学院在科研和教学方面的整体水平,帮助学院建设成为世界一流的经济管理学院。后来黄仁勋转学,并且一直学业成绩优异,在高中时连跳两级,16岁毕业,进入。,除了讨论学院的国际化战略和长期发展方向,也会给经管学院的学生做讲座。不过,比起这些头衔,老黄最近最出圈的,可能还是他在夜市的花式插队——可口可乐、西门子、通用汽车、BP、塔塔。

量子位 184

「斯隆奖」得主戴亮全职加盟复旦

曾担任波士顿咨询合伙人,副总裁,中国区首席数据科学家,百度研究院大数据实验室和商业智能实验室的主任,和美国俄勒冈大学计算机和信息科学系正教授(终身教职)。,覆盖面相当宽:从宇宙大尺度结构与演化,到暗物质及其通过引力透镜留下的观测信号,再到天体物理引力波。2024年起到复旦大学物理系工作,现任复旦大学特聘教授、复旦大学天文与天体物理中心主任。获奖者覆盖数学、物理、天文、计算机、经济、生物等领域,成长路线相当恐怖,很多后来成了。继袁峰、季索清之后,复旦的天文版图,再迎一位顶尖天体物理学者。

量子位 168

高分辨率视频生成不再慢半拍:让大模型保留“原味”的同时提速十余倍

为此,SURF训练了一个轻量级Refiner,它从线性上采样后的预览latent出发,学习低分辨率latent到高分辨率latent 的flow mapping,只需少量去噪步骤,就能补足高清纹理。因为这些步骤决定了视频最终“会长成什么样”,等到整体结构、主体关系和运动方向基本稳定后,SURF再将latent 下采样到低分辨率,在保留全局结构的前提下,快速完成预览。原因在于,每个预训练模型都有自己的“舒适区”,通常接近它的训练分辨率,一旦分辨率不匹配,模型原本学到的布局、语义和运动先验,就可能被破坏。

量子位 143

大模型也需要睡觉!让AI打个盹,醒来更聪明

Transformer的核心是注意力机制,但注意力有一个天生的短板就是,上下文越长,算力平方级往上蹿,KV缓存也线性往上涨。,让大模型上下文窗口快满的时候别硬撑了,打个盹把最近的上下文反复咀嚼几遍,压缩进长期权重,清空缓存,醒了再接着干。依靠可学习的局部规则,反复对信息进行提炼整合,逐步更新SSM模块内的快速权重,完成信息的深度压缩与消化。这里的“睡眠时长”,本质上就是信息迭代处理的轮次,轮次越多,代表模型对上下文内容的梳理、打磨次数越充分。

量子位 162

1400亿Agent入场,“流量”这条护城河要塌了

因为人要睡觉,但Agent不会睡觉,所以Agent时代的交易呈现7×24小时不间断、极小额、高频次、多形态的特征,此外,支付金额的最小单位可能低于1分钱,成本大幅下降。如果说担保交易解决了电商早期敢不敢买、敢不敢卖的信任问题,移动支付解决了移动互联网时代能不能随时随地交易的效率问题,那么AI支付面对的,就是Agent时代的新问题。早在今年年初,支付宝联合千问App、淘宝闪购、Rokid、大麦、阿里云百炼等伙伴,正式发布中国首个ACT协议,提供一套智能体跨终端、跨系统的“通用语言”。

量子位 164

7B打败o3、GPT-5!医学AI智能体让模型学会“看哪里、怎么看”

是上海创智学院面向下一代医学AI Agent、视觉推理与多模态大模型的青年交叉研究团队,聚焦Visual Reasoning、Agentic RL、Clinical Tools,推动模型从“生成答案”走向基于证据的观察、验证与行动。Ophiuchus的价值不只是让医学大模型多了几个视觉工具,而是让模型学会在诊断过程中主动“看哪里、怎么看、看完如何修正”。当模型能够在思考中主动回看影像、放大病灶、截取视频、验证证据,医学AI才真正从“会回答问题”走向“会进行临床视觉推理”。

量子位 164

AI越用越聪明,自主+自进化是关键拼图丨盛大邓亚峰EverMind@AIGC2026

另一方面,我们认为,未来的AI Memory的Layer(记忆层),服务的可能不仅是资深的开发者,将来很多人都会构建AI应用。我们在token节省和模型成本方面也取得了显著的效果,原因是利用强化学习的方法训练了很小的模型——我们的4B模型在记忆提取和检索使用上的效果可媲美几百B的模型,并且已有不少学术成果发表。当前,大家看到模型进展非常快,但在记忆方面的工作,今年才逐渐多起来,去年这个时候我们和行业里一些团队开始交流AI Memory,这方面的关注还非常少。的爆火,我简单谈谈我的理解。

量子位 759

让大模型“边看边改”,视觉分割准确率直接上涨9% | ICML 2026

给模型一张图、一句话,让它把目标区域的像素圈出来——听起来直接,但一旦目标含糊、被遮挡,或者需要推理才能定位,一次性猜出正确的掩码就变得相当困难。模型不再一次性输出mask,而是先观察图像、进行推理、调用视觉工具、读取反馈,再根据历史结果迭代修正,最终生成更可靠的准确掩码。而RSAgent总体框架如下,包括多轮交互、工具调用、观察反馈、cold-start SFT与agentic RL。痛点不是单纯追求更复杂的分割头,而是让模型在开放语义任务中具备“先判断、再行动、看反馈、再修正”的能力。

量子位 184

OpenAI挖来了个F1级别车手搞公关

在我职业生涯早期,我曾效力于红牛车队,参加过F1级别的职业比赛。后来无论是Salesforce、ServiceNow,还是现在的OpenAI,他几乎每一次跳槽,踩中的都是技术范式切换最剧烈的时候。毕竟现在的OpenAI,既是全球最炙手可热的AI公司,也是最复杂、最难做品牌管理的公司之一。当年从赛道退下来后,他没有选择一条更稳妥的路,而是直接跨进了一个与赛车几乎毫无关系的行业,从零开始做市场与品牌。Salesforce后来之所以能从一家卖CRM的软件公司,变成云计算时代的行业代表,这是很重要的一步。

量子位 148

5秒完成3D场景编辑,北大&港中文&上海AI Lab搞出VGGT-Edit,120倍加速太炸了

尤其是在添加家具、调整位置、修改材质这些复杂任务中,很多传统方法仍然会出现明显的“贴图感”和几何漂移,但VGGT-Edit生成的结果,会明显更像一个真实稳定的3D空间。而这件事,可能比“会生成3D”本身更重要。对于机器人、AR/VR、空间智能这些方向来说,这几乎是致命问题——这些场景真正需要的,不是“某一个角度看起来对”,而是整个3D世界始终稳定一致。对于原生3D编辑来说,这一步非常关键——模型真正需要学习的,不只是“图像变化”,而是同一个编辑,在不同视角下如何始终保持空间一致。但问题也恰恰出在这里。

量子位 154

触觉具身来了个梦之队:天使轮近亿

背靠产学研与地方政策双重加持,作为复旦大学与静安区战略合作的重要落地成果,公司在初创期便获得静安区科经委与市北高新集团的大力培育,先后获得静安区战略性资金及上海市经信委促进产业高质量发展专项资金的支持,上海市科委也针对其核心视触觉传感器的研发给予了专项经费支持,全面加速公司的技术攻关进程。能够夹起衣物,却无法实时感知布料的滑移状态与张力分布,难以完成精准的褶皱整理。对于后发企业而言,沿着先行者的轨迹亦步亦趋难以实现突破,唯有找到行业尚未解决的核心难题,从新的技术变量切入,才能构建起不可替代的竞争壁垒。

量子位 164

DeepSeek陈德里开发自动研究Skill,写一篇论文人类只动脑2小时

论文共迭代6次(V1:4 次,V2:1 次,V3:1 次),总耗时6天,进行了约108轮Agent调用,消耗64.8万token,写了2234行LaTeX代码。,智能体可自主选题、分配资源、长期积累知识、跨领域持续研究,是当前未实现的理想状态,核心瓶颈为持续知识积累、可靠自我评估、架构规模化。早期智能体框架CAMEL、AutoGen、MetaGPT等为代表,特点是分工协作、多视角纠错,成本较高,沟通易混乱。,人类仅提供研究目标、评估最终成果,智能体可完成多步实验、代码、论文撰写,但无法自主选择研究问题。

量子位 191

双榜SOTA!微软ACL2026新作重新定义AI长记忆

结果它找到了Boston和San Francisco,却完全遗漏了Detroit——因为“attended a conference in Detroit”被埋藏在一条长消息中,与“去过哪些城市”的语义相似度不够高。最终,System-1确保语义直接匹配的记忆不遗漏,System-2确保结构相关但语义距离较远的记忆被覆盖,两者。团队认为,真正的AI记忆应当是有组织的、可推理的、双模式的、并能持续进化的。记忆系统的质量,很大程度上取决于“存储时做了什么”,而不仅仅是“检索时怎么找”。

量子位 180

将DSA注意力引入多模态,快手Keye2.0开启强化推理新范式

情感与主题的深度升华:模型并没有停留在“建雪雕”的表层,它提取了画面中巨大的“振兴东北”刻字,关联了片中“老程盼女儿、小李回流家乡”的人物背景,在总结中直指故事内核:“极寒的温度冻不住东北人的热血,冰雪项目不仅是奇观,更是承载着东北人振兴家乡、呼唤游子归乡的炽热情感与现实路径。当接收到“请找出视频中的高光时刻,并给出你的依据,时间戳用[mm:ss]的形式来表示”的指令时,Keye-VL-2.0- 30B-A3B没有陷入传统AI“哪里有击杀提示就截取哪里”或“只看画面元素剧烈变化”的机械逻辑。

量子位 186

专治世界模型幻觉!ECCV 2026 Workshop征稿,Sergey出席,帝国理工等联合发起

ergey Levine(UC Berkeley)、Jiajun Wu(Stanford)等国际顶级学者做特邀报告,同步举办具身动作世界模型挑战赛,以及主题为From Synthesis to Deployment:Bridging Academic and Industry Focuses on World Models的圆桌讨论,旨在弥合学术界在世界模型合成方面的进展与工业界对部署需求之间的差距。世界模型作为智能体的内部模拟器,在执行前预判风险、规避危险,实现风险感知决策。

量子位 191

卡帕西Anthropic最新头衔:技术员工(MTS)

但尴尬的是,这些案例的争议其实很大,都被吐槽过说没有宣传的那么美好,所谓扁平会变成隐性权力,表面没老板,实际有老员工、核心圈层……头衔都一样,竞争对手就没法通过头衔判断谁是L7谁是L5,推断一个员工具体做什么方向,定向挖人的难度直接上升。一个很直观的事实是,整个商业史上,能在没有层级制度的情况下完成规模化的组织,一只手数得过来。后来离开Ins,自己做了个新闻聚合App,叫Artifact,同样是联创+CTO的标签。这些说不在意职称的,一旦离职,就开始在领英自称上「副总裁」了(hehe)。

量子位 79

把VLM塞进隐式世界模型,港大&小鹏机器人新框架让机器人长出物理直觉

通过将人类的姿态对齐到机器人的动作空间,双系统能够共同从多样的人类动作数据(如EgoDex)中汲取养分:System-2负责从人类视频中提取通用的任务逻辑,而System-1则从人类动作标签中蒸馏通用的运动先验。借鉴认知科学中的双系统理论,不仅让强大的VLM直接在其原生的ViT特征空间中进行轻量化的隐式世界建模(Latent World Modeling),更关键的是,它将这种隐式视觉预见构建为一个可微的结构化瓶颈。System-1则在真实未来特征的指导下,专心学习从感知到精准动作的映射。

量子位 97

留给人类数学家的悬赏不多了!谷歌DeepMind一口气解决9道埃尔德什问题

同时,AlphaProof Nexus还在OEIS整数序列百科里证明了44个开放猜想,在代数几何那边解决了一道希尔伯特函数对数凹性的15年悬案,凸优化那边改进了一个锚定梯度下降法的理论边界。这个结果或许也在预示着,未来随着大模型能力持续升级,复杂的多工具组合系统,可能不再是刚需,只用大模型+专业校验工具这套简单循环,就能搞定大多数数学难题。简单理解就是,这群数字之间,既不能一个数整除另一个数,也不能一个数整除另外两个数的和,同时数字还要分布得相对密集,不能只挑寥寥几个数投机取巧。

量子位 127

龙虾之父教你省钱:开源Skill给你的Skill减肥

严格遵循Codex计费规则(UTF8字节数/4向上取整),以模型上下文2%为默认技能预算基数,结合技能优先级排序规则(系统技能>内置技能>插件技能>仓库自定义技能),核算全量技能原始占用令牌、最小渲染令牌、预算内可用令牌。同时可模拟真实运行场景,计算预算不足时的技能描述截断字符数、被省略技能数量,精准输出预算使用率、剩余预算、上下文占用比例等核心指标,直观展示技能体系的资源负载情况。跨Codex内置库、插件缓存、代码库、个人技能根目录,扫描同名技能、描述/内容高度相似的重复技能,标记冗余项。

量子位 85

刚刚,国产AI自己造了AI,全球首例!

在MMLU-Pro、MMLU-Redux、AIME-2025、AIME-2026、BFCL-v4、AA榜单等项目上,也给出了对应成绩。我们完全可以给不同的模型、不同的硬件、不同的任务,分别写专用的代码。如果人不够,那就用AI来凑!更直白一点说,就是当AI写代码的成本越来越低,未来软件不一定非要做成一套通用大框架,也可以针对不同模型、不同硬件、不同任务,现场锻造一套专用代码。这也让MiniCPM5-1B的价值更明确了,它不只是一个小尺寸模型,而是一个在参数规模、部署成本和实际能力之间重新找平衡点的端侧模型。

量子位 638

画数独、烧蜡烛都不翻车了?浙大&阿里让AI先三思再下笔|ACL 2026

让模型画 “数独解完后的样子”、“蜡烛燃烧6小时后的状态”,开源模型要么出现逻辑幻觉,要么无法把文字指令转化为精准视觉操作,形成难以跨越的执行鸿沟。研究者设计了一个独立的Thinker模块,它不直接生成像素,而是充当大脑,负责将模糊的用户意图分解为分层、结构化、且对下游生成器友好的中间表示。阶段,Thinker产生的多条推理路径直接由生成图像的视觉质量打分反馈,这迫使模型放弃空洞的辞藻,转而学习生成“视觉可执行”的指令。这种双向反馈机制,真正实现了脑与手的深度协同。

量子位 62

0.9B跑出90%真机成功率!上海交大为VLA补上空间感

从多视角RGB提取紧凑的隐式深度表征,再以轻量方式融入视觉-语言通路,最后通过flow-matching动作专家输出连续动作。参数,不额外增加硬件负担,用紧凑的隐式深度编码把空间感写进VLA策略里,仿真与真机同时兼顾性能与部署效率。论文中,IDEM骨干约0.13B参数,并结合多视角深度预训练初始化,在轻量条件下引入与深度相关的归纳偏置。值得注意的是,相比只关注benchmark分数,论文也给出了部署侧开销与实时性指标。从RGB学几何,省了硬件,但不少方案依赖较重的基础模型,训练和推理成本偏高。

量子位 81

Grok最新模型吃上Cursor「加餐」,马斯克:Coding实现巨大改进

Cursor数据其实更可能告诉模型,开发者在真实项目里,是怎么描述需求、定位问题、让AI读上下文、修改文件、修复报错、再继续追问的。更大的模型容量,往往能让它更好地理解复杂上下文、进行更长的链式思考,以及处理更具挑战性的真实开发任务~要知道,毕目前承载Grok所有生产流量都由0.5T的v8-small模型,也只有0.5T的大小。用户输入需求后,Grok Build不会直接动手,而是先制定详细执行计划,让用户确认后再执行。这边,也被马斯克亲口点名,补充训练里加入了大量Cursor数据,后续还会继续添加。

量子位 113

刚刚,国产Agent模型闯入全球第一梯队!限时免费

从训练的第一天起,它的目标就不是聊天,而是干活。就像我在实测中感受到的那样,做完桌宠它问你要不要存成Skill,做完周报它提醒你设成定时任务,昆仑万维瞄准的显然不只是一个模型,而是一整套Agent工作生态。发现没,自从模型进入Agent时代后,大部分玩家在推主力模型时都会附带一个轻量版,这也很好理解,就像前段时间Snapchat前机器学习工程师说的那样:。一只小猫,能在屏幕上随机溜达,点击会说打工人语录,右键能切工作模式和摸鱼模式,工作模式带番茄钟倒计时,还要有喝水提醒、远眺提醒、拉伸提醒这些健康功能。

量子位 534
上一篇: Figure抛弃10万行C++代码!用1000小时人类数据训练神经网络,实现全身控制基础模型
下一篇: 马斯克冲刺机器人量产,果断停产特斯拉豪华车型!2026年资本支出将“非常大”
QbitAl
QbitAl 企业官方账号 企业官方账号
博客等级 码龄7年 2万+粉丝 2173原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值