腾讯研究院AI速递 20250516

生成式AI

一、 5090将被定位？美或强制植入「地理追踪」锁定高端GPU

1. 美参议员提出法案要求英伟达、AMD等厂商在高端GPU和AI芯片中植入地理追踪功能，6个月后生效；

2. 管制范围包括AI处理器、高性能服务器及RTX 5090等高端显卡，目的是防止战略硬件流入未授权国家；

3. 芯片厂商需承担产品追踪责任，法案还要求进行为期三年的年度评估，或将实施更多限制措施。

二、 GPT-4.1正式在ChatGPT中上线，但暂时没有1M上下文

1. OpenAI在ChatGPT中正式上线GPT-4.1模型，Plus、Pro和Team用户可直接使用，企业版和教育版用户将在未来几周获得访问权限；

2. GPT-4.1在编码任务和指令遵循方面表现优异，生成速度显著提升，是o3和o4-mini的理想替代品；

3. ChatGPT版本的GPT-4.1上下文窗口仅为128k token，未能实现API版本中承诺的100万token长度，引发用户失望。

三、 Anthropic新版Claude Sonnet和Opus也在路上，可极限推理

1. Anthropic将在未来几周推出新版Claude Sonnet和Opus，最大亮点是"极限推理"功能，能在推理和工具使用间建立动态循环；

2. 新模型能够自主暂停、重新评估问题并调整策略，在代码生成任务中可自动测试和修正错误；

3. 消息称确实有个正在测试、代号为Neptune的新模型，最大支持128k tokens上下文长度。

四、 超越OpenAI、ElevenLabs？MiniMax新一代人格化语音模型

1. MiniMax新一代语音模型Speech-02在Artificial Analysis榜单上超越OpenAI和ElevenLabs，在字错率和说话人相似度等指标上达到SOTA水平；

2. Speech-02实现了真正的零样本语音克隆，并采用创新的Flow-VAE架构，只需几秒音频即可高度还原说话人音色、语调和节奏；

3. 该模型支持32种语言，可实现任意音色灵活控制和情感调节，成本仅为ElevenLabs竞品的1/4，标志着AI语音进入人格化时代。

五、 腾讯元宝插件上线Chrome：支持划词提问 外文网页翻译

1. 腾讯元宝浏览器插件在Chrome应用商店上线，支持网页划词提问、内容总结、外文网页翻译和一键收藏等功能；

2. 插件在页面右侧设有悬浮球和侧边栏，方便用户进行截图提问、上传文件和搜索内容，更高效的浏览网页时处理信息；

3. 该插件基于腾讯混元与DeepSeek大模型，目前仅在Chrome可用，更多版本将推出。

六、 Stability AI加入音频赛道，联手Arm推出最快手机端免云模型

1. Stability AI与Arm合作推出Stable Audio Open Small音频生成模型，可在手机端离线运行，8秒内生成11秒音频，是目前最快的音频生成模型；

2. 该模型拥有3.41亿参数，专为生成短音频和音效设计，训练数据来自免版权的Free Music Archive和Freesound，但仅支持英文提示；

3. 模型对年收入低于100万美元的用户免费开放，但有一定局限性，如无法生成逼真人声和高质量歌曲，且在不同音乐类型表现不均衡。

七、 阿里Wan2.1-VACE开源视频生成模型，消费级显卡可玩

1. 阿里开源Wan2.1-VACE视频生成与编辑统一模型，支持文生视频、图像参考生成、重绘、局部编辑等6大任务，可实现多任务组合；

2. 模型分为1.3B（支持480P、可用消费级显卡）和14B版本（支持720P），采用创新的视频条件单元VCU统一四大输入形态；

3. 该模型可一次性完成画幅扩展、时长延展和图像参考等多项任务，如将静态图扩展为动态视频，GitHub获得1.1万star。

八、 腾讯混元在《碧优蒂的世界》打造智能NPC，图像2.0将上线

1. 腾讯混元大模型为《碧优蒂的世界》(BUD)打造智能NPC系统，支持自主行动、个性化交互、情感表达和记忆推理等功能；

2. BUD利用腾讯混元角色扮演专属模型和Turbo S快思考模型，实现NPC与玩家的立体互动，3个月内AI对话数超两千万次；

3. 游戏通过Dify无代码开发和腾讯云向量数据库支持，大幅缩短开发周期; 同时官方宣布混元图像2.0将于5月16日发布，持续强化AI产品矩阵。

前沿科技

九、 DeepMind的AlphaEvolve突破数学极限，陶哲轩合作参

1. DeepMind发布基于Gemini驱动的AlphaEvolve智能体，能够演化整个代码库，实现算法发现和优化，陶哲轩参与合作探索其数学应用；

2. AlphaEvolve通过"生成-评估-进化"循环机制工作，结合LLM创造力与自动评估系统，显著减少了AI幻觉问题；

3. 该系统已应用于优化ASPCMS社区数据中心效率（提升0.7%），改进TPU芯片设计；并在矩阵乘法等数学难题上取得突破，在75%的开放性数学问题上重现最优解。

报告观点

十、 红杉美国详解“万亿美元AI机遇”：如何赢得应用层战争？

1. 红杉资本认为AI正同时颠覆软件和服务两大盈利池，应用层是最大价值所在，95%的AI创业与传统创业无异，关键是解决真实问题和组建优秀团队；

2. 智能体经济正在形成，AI系统不仅传递信息，还能进行交易、追踪关系、建立信任，最终将形成人机深度协同的嵌套经济网络；

3. 行业面临三大技术挑战：智能体的持久身份认证、无缝通信协议构建和安全性保障，未来将进入"高杠杆、低确定性"的新时代。

????加入ima知识库，AI智能问答