腾讯研究院AI速递 20250425

主要观点总结

文章介绍了多个关于AI领域的新闻和进展，包括OpenAI的新图像生成模型、微软推出的AI智能体同事功能、多模态模型Skywork-R1V的开源版本、腾讯云的代码助手升级、智能座舱的量产、音频工具MiniMax Audio的发布等。

关键观点总结

关键观点1: OpenAI发布新图像生成模型gpt-image-1及其API，支持图像生成、编辑和变体功能。

该模型支持自定义尺寸、质量、格式、压缩度和背景透明度，能结合世界知识生成高质量图像。多家企业已将该API集成到产品中，应用于多个领域。

关键观点2: 微软推出AI智能体同事功能，包括研究员(Researcher)、分析师(Analyst)等智能体，打造全新工作流程系统。

Microsoft 365 Copilot更新整合了网页、工作内容和Pages，支持全天候专家咨询、新型工作流、综合搜索等功能。微软预测未来所有公司都将转型为前沿公司，由人类和AI智能体组成混合团队。

关键观点3: Skywork-R1V 2.0版本再开源，支持视觉文本双推理，并在多项测试中达到开源SOTA成绩。

新增Skywork-VL Reward模型，提升模型泛化能力。在高考理科题目解答中展现出优异实力，并由多家企业采用，应用于实际场景。

关键观点4: 腾讯云推出Craft软件开发智能体，支持自然语言生成项目，缩短开发平均编码时间。

该智能体采用MCP协议，可接入测试、构建、部署等工作流程，支持第三方插件扩展。已在腾讯内部广泛应用，并服务百万开发者及数千家团队。

关键观点5: 首个纯端侧大模型驱动的智能座舱cpmGO实现量产，刷新行业纪录。

cpmGO具备纯本地运行、毫秒级响应等特点，已获得芯片厂商支持和车企合作。通过MiniCPM技术实现数据本地处理、多模态交互等功能，解决传统云端方案的网络依赖问题。

关键观点6: MiniMax发布AI音频工具MiniMax Audio，支持多种语言，完成高精度声音克隆。

该工具支持直接读取PDF、TXT及网页内容，配备多种预设音色和灵活的声音参数调节。价格亲民，提供基础套餐和API接入等企业级服务。

关键观点7: OpenAI对用户深度研究查询限额进行提升，增加模型使用数量。

OpenAI对Plus、Team、Enterprise和Education用户的深度研究查询限额从每月10次提升至25次。专业用户的使用限额增加到每月250次。

关键观点8: Ostris团队发布文生图扩散模型Flex.2-preview，支持线条、姿态和深度控制等功能。

该模型采用轻量化设计，支持高级图像修补。基于Apache2.0许可开源，支持微调和商业使用，集成XLabs ControlNet，性能优于前代模型。

关键观点9: ManipTrans方法能高效迁移人类双手操作技能至机器人灵巧手。

北京通用人工智能研究院等单位提出ManipTrans方法，采用两阶段模仿和残差学习模块进行精细调整，解决形态差异和交互精度问题。同时发布大规模数据集DexManipNet，并已在真机平台验证可行性。

关键观点10: Mercor AI招聘CEO强调未来有价值的人才特征。

人类数据市场从众包低技能任务转向筛选顶尖人才，评估模型需要测试基本能力和“经济上有价值的工作”表现。未来最有价值的人才特征是拥有“反常识性观点”和“品味”，以及良好的适应性。

免责声明