大模型的快节奏发展，让了解最新技术动态、积极主动学习成为每一位从业者的必修课。InfoQ研究中心期望通过每周更新大模型行业最新动态，为广大读者提供全面的行业回顾和要点分析。现在，让我们回顾过去一周的大模型重大事件吧。

一、重点发现

上周，大模型领域聚焦于方言技术，两大突破性进展备受瞩目。商汤科技推出了商量（SenseChat）粤语版大模型，这不仅代表了人工智能在方言领域的深入探索，也体现了对地区语言文化的重视。商汤宣布，将于7月1日向粤语用户开放粤语版网页及APP，并承诺永久免费，这无疑将极大地方便粤语用户的日常交流和使用。

其次，中国电信人工智能研究院发布了星辰超多方言语音识别大模型，作为业内首个支持30种方言自由混说的模型，它打破了传统模型的局限，能够同时识别和理解包括粤语、上海话、四川话、温州话等在内的多种方言。这一创新为方言的语音识别领域树立了新的标杆。这些创新的推出，不仅推动了大模型技术在方言识别和处理方面的进步，也为地区文化的传承与保护提供了坚实的技术基础。

二、具体内容

大模型持续更新

开源领域

5 月 28 日，浪潮信息发布「源2.0-M32」（MOE）开源大模型。“源2.0-M32”在基于“源2.0”系列大模型已有工作基础上，创新性地提出和采用了“基于注意力机制的门控网络”技术，构建包含 32 个专家（Expert）的混合专家模型（MoE），并大幅提升了模型算力效率，模型运行时激活参数为 37 亿。5 月 28 日，北京大学和 Colossal-AI 团队共同推出新一代开源视频生成模型「 Open-Sora-Plan v1.1」，它在视频生成的质量和时长方面有了显著提升，能够生成最长约为 21 秒的视频，并优化了 Causal Video VAE 架构以提高性能和推理效率，并展示了包括文生视频和视频编辑在内的多种功能。此外，Open-Sora-Plan v1.1.0 也已经支持使用国产 AI 计算系统（如华为昇腾）进行完整的训练和推理。5 月 29 日，法国 AI 初创公司 Mistral AI 发布编程大模型 Codestral，支持 80 多种编程语言，包括 Python、Java、C、C++，JavaScript、Bash、Swift 等。5 月 30 日，涂鸦智能在 2024 TUYA 全球开发者大会上，发布其首个 AI 大模型 Cube Al 以及三款 AI 开发工具（AI 开发者平台、AI 分析师工具、AI 应用终端）、AI 小程序开发底座。 Cube Al 凭借涂鸦生态的设备和开源大模型能力，可以为智慧场景提供AI技术价值，能实时分析能源消耗并生成最优节能策略，助力实现工业、商业及家庭的智慧节能。

多模态领域

5 月 25 日，中国电信人工智能研究院发布业内首个支持 30 种方言自由混说的语音识别大模型——星辰超多方言语音识别大模型，打破单一模型只能识别特定单一方言的困境，可同时识别理解粤语、上海话、四川话、温州话等30多种方言，是国内支持最多方言的语音识别大模型。5 月 25 日，广联达在2024年中国数字建筑大会上发布了建筑行业 AI 大模型 AecGPT ，该模型基于海量行业数据和先进AI技术，拥有卓越的建筑行业分析能力，能广泛应用于建筑全生命周期的各个阶段，提升工作效率，为建筑行业数字化发展提供强大支持。5 月 27 日，一款多语言手语模型 SignLLM 发布。该产品的主要功能在于通过文字描述生成手语视频，能够支持包括美国手语（ASL）、德国手语（GSL）在内的八种不同手语。SignLLM 的引入不仅为听力障碍者提供了一种新的沟通方式，使他们能够更直观地理解和表达信息，同时也推动了人工智能在语言理解和生成领域的研究。5 月 29 日，基于 5.0 大模型，商汤科技推出了商量（SenseChat）粤语版大模型并正式对外。商汤在同日宣布旗下应用产品商量粤语版网页及 APP 将于 7 月 1 日向粤语用户开放并永久免费。商量粤语 API（应用程序编程接口）现已开放，最大支持 128K 窗口，根据模型输入和输出量计费，每 100 万 tokens 收费 30 港元。5 月 29 日，一款开源的文本到语音（TTS）模型 ChatTTS 正式发布，该产品专为对话场景设计，主要功能包括将输入的文本转换为自然流畅的语音，支持中文和英文，并具备预测和控制细粒度韵律特征的能力，如笑声、停顿等。5 月 29 日，一款全新的开源视觉大语言模型 Llama3-V 发布。该模型具备跨模态任务处理能力，能融合视觉与文本信息，实现高效执行。同时，Llama3-V 开源了所有相关资源，为开发者提供了创新空间。5 月 30 日，快手自研文生图大模型「可图」已于近日正式对外开放。其目前支持文生图和图生图两类功能，可用于 AI 创作图像以及 AI 形象定制。用户可通过“可图”微信小程序和网页版使用，这也是快手首次将其自研的系列大模型对外开放。

应用探索

新产品新应用/功能

5 月 25 日，强大的 AI 音乐生成工具 Suno 3.5 发布。相较于 3.0 版本，此次发布的 3.5 版本支持长达4分钟的完整曲目创作，并具备智能优化音乐结构、个性化定制以及从声音到声音的转换能力。此外，它还特别为快节奏制作环境设计了快速生成短曲目的功能，是音乐创作者的得力助手。5 月 27 日，Stability AI 推出一款功能全面的聊天机器人 Stable Assistant ，它融合了强大的文本和图像生成技术，如Stable Diffusion3 和 Stable LM2 12B，能够根据用户的提示和需求生成高质量的图像和视频内容，为用户提供了从文字到图像、视频的全方位创作体验。同时，它还提供了灵活的订阅计划和便捷的服务，让用户能够根据自己的需求随时选择使用。5 月 27 日，小度科技全新发布小度学习机 Z30，凭借其基于文心大模型的强大能力，不仅为孩子提供全面、有效的学习辅导，更是一位能够引导孩子学习的智能伙伴。同时，其护眼设计和高性能配置更是保证了孩子的健康与学习的顺畅进行，树立了学习机行业的新标杆。5 月 28 日，衔远科技推出 MODI 摹小仙 AI 营销大脑，这是一款一站式的 AI Native 营销自动化底座模型，它结合通专融合技术，在营销洞察、创意策划、内容生产和营销转化方面展现出显著优势，适用于多种营销场景，为企业提供全链路营销智能创作，助力品牌企业实现高效、精准的营销效果。5 月 29 日，优编程携手悉之智能发布了全球首个信息学编程教学AI模型——优香农大模型。该模型利用先进的大语言模型和多模态交互技术，旨在通过 AI 自动生成高质量教学内容、提供个性化学习指导和实时互动反馈，从而革新传统教育模式，有效解决信息学编程教育中的师资短缺、教学负担重等问题，推动 AI 技术在教育领域的应用和发展。5 月 30 日，腾讯公司推出基于混元大模型的 AI 助手 App 腾讯元宝。该应用集成了 AI 搜索、AI 总结、AI 写作等强大功能，旨在通过先进的 AI 技术，为用户提供高效的工作效率和丰富多彩的日常生活体验。在用户体验方面提供了如口语陪练、创建个人智能体等特色功能，此外，腾讯元宝还具备处理复杂信息的能力，如一次性深度解析多个微信公众号链接、网址以及多种格式的文档，使得处理信息更为高效便捷。5 月 30 日，百度文库在苏州的移动生态万象大会上宣布推出 AI 原生应用「橙篇」，这帮助用户实现对“超大量、超多格式、超长内容”的文件进行快速理解、总结与问答以及长文本的生成、深度编辑等自由创作。据百度文库透露，百度文库 AI 功能使用次数已超过 15 亿。5 月 30 日，Topaz Labs 推出了新的 udio-130 音乐生成模型。该模型可生成长达两分钟的音频，为音乐创作提供了长期连贯性和结构性的支持。同时，新增了随机种子设置、剪辑开始时间控制等功能，让用户能更精准地定制和剪辑音轨。

智能体

5 月 25 日，在第七届数字中国建设峰会上，蚂蚁集团正式开源多智能体框架 agentUniverse，这是行业首个开源的金融领域多智能体技术框架，该框架核心提供了多智能体协作编排组件，允许开发者对多智能体协作模式进行开发定制，可帮助开发者加快大模型技术在金融场景的落地研发。5 月 28 日，若愚科技推出精心开发的若愚·九天机器人大脑，其在无人厨房领域展现出卓越性能。这款大脑借助多模态大模型驱动的群体智能技术，实现了机器人间的高效协同与任务的自主规划与执行，不仅具备强大的泛化能力，还能精准执行复杂动作，为无人厨房带来了前所未有的智能化、高效化操作体验。

终端AI

5 月 30 日，吉利汽车正式发布了联合星纪魅族共同打造的「银河 Flyme Auto」智能座舱系统。同时，吉利还联合 Flyme Sound Inside 发布了行业首个 AI 智能音响系统 ——“Flyme Sound 无界之声”。据悉，银河 Flyme Auto 与 Flyme Sound 都将在吉利银河全新产品上应用搭载，并根据不同车型需求作针对性开发定制。

其他

5 月 27 日，埃隆·马斯克旗下的人工智能初创公司 xAI 在其官方博客中宣布获得 60 亿美元的 B 轮融资。马斯克在 X 平台上称，公司此轮融资投前估值已达 180 亿美元。此次融资由多家知名投资机构参与，如Valor Equity Partners、Vy Capital和Andreessen Horowitz等。这笔资金将用于推动其首批产品上市、构建先进的基础设施，并加速未来技术的研发。5 月 28 日，AIGC科技企业 爱设计 宣布完成 B1 轮融资。本轮融资由A股上市公司视觉中国领投，星连资本和36氪跟投，这是爱设计在短短 4 年内获得的第四轮融资。此次融资资金将主要用于人工智能技术、内容版权供应体系、国内外用户增长和核心人才的引入等方面。5 月 29 日，中央网信办、市场监管总局、工业和信息化部近日联合印发《信息化标准建设行动计划（2024—2027年）》。计划提出要完善人工智能标准，强化通用性、基础性、伦理、安全、隐私等标准研制。加快推进大模型、生成式人工智能标准研制。5 月 29 日，联想集团宣布已获得沙特公司 Alat 的 20 亿美元战略投资。此次投资将加速联想在中东和非洲市场的扩张，推动其全球业务增长，同时也有助于联想增强财务实力，进一步巩固其作为全球领先的科技公司的地位。5 月 29 日，OpenAI 宣布成立安全与安保委员会。这是 OpenAI 在近期面临了一系列的人事变动后做出的调整，这一系列人事变动包括联合创始人兼首席科学家 Ilya Sutskever 的离职以及“超级对齐”团队的解散。这一新成立的委员会将加强公司在 AI 技术开发与应用中的安全性和道德责任，由公司内部的关键成员领导，并计划引入外部专家提供咨询和支持。

报告推荐

Sora来袭，国内发展文生视频模型的土壤如何？各公司用脚投票开闭源路线的当下，开源在大模型市场进程中的价值正在被重新定义吗？人型机器人重回视野，大模型是否助力其刷新能力上限？Devin和智能编码助手是同一条赛道上的不同节点？多家企业宣布All in AI，对市场意味着什么？答案尽在InfoQ研究中心近期发布的《2024 年第 1 季度大模型监测报告》，关注「AI前线」公众号，回复「季度报告」免费下载，一睹为快吧~

报告预告

金融行业是否找到了AGI应用的最佳路径？取得了哪些具体应用成果? 又存在哪些难以逾越的挑战与桎梏？金融机构一定要做AGI建设吗？如何考量金融AGI应用产品的效果？欢迎大家持续关注InfoQ研究中心即将发布的《AGI在金融领域的应用实践洞察》。

活动推荐

本届 ArchSummit 会议上，重点聚焦AI大模型技术在各行业的落地实践， 顺丰集团、众安银行、天弘基金、鸿海科技集团、宁德核电、广发证券、微众银行介绍大模型技术的应用效果 。会议上还设置了大模型应用、架构升级、智算平台、AI编程、成本优化等专题和话题内容。如您感兴趣，可点击「阅读原文」查看更多详情。购买票数越多，享受的优惠也就越丰厚，可以联系票务经理 17310043226 , 锁定最新优惠。