AI日報：阿里通義開源R1-Omni模型；全國第二例AIGC版權案判決；OpenAI發佈智能體API

歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我們爲你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。

新鮮AI產品點擊瞭解:https://top.aibase.com/

1、阿里通義開源R1-Omni模型 可提升多模態情感識別能力

通義實驗室團隊於3月11日開源了R1-Omni模型，標誌着全模態模型的發展取得了重要進展。該模型通過結合強化學習與可驗證獎勵的方法，顯著提升了多模態情感識別的推理能力和泛化性能。訓練過程分爲冷啓動和RLVR兩個階段，確保了模型在多模態情感識別任務中的穩定性和效率。

【AiBase提要:】

🎥 R1-Omni模型結合強化學習與可驗證獎勵，專注於多模態情感識別的推理能力提升。

📊 在冷啓動階段，模型通過580條視頻數據進行微調，爲後續訓練打下基礎。

🌟 實驗結果顯示，R1-Omni在多個測試集上相較於基線模型提升超過35%，展現出卓越的泛化能力。

詳情鏈接:https://arxiv.org/abs/2503.05379

2、OpenAI推出新工具，助力AI智能體從“回答問題”跨越到“執行任務”

OpenAI最近發佈了一系列新工具，旨在簡化AI智能體的開發流程並增強其功能。這些工具包括Responses API、Agents SDK和計算機使用工具，標誌着AI從單純回答問題向實際執行任務的轉變。新工具的推出將顯著提升AI在現實世界中的應用能力，爲開發者提供更強大的支持，預計將在未來的科技發展中發揮重要作用。

【AiBase提要:】

🔄 新推出的Responses API結合聊天功能與多種集成工具，提供實時信息和引用來源，提升開發靈活性。

🔧 Agents SDK作爲開源框架，協調多個智能體之間的複雜工作流程，提高信息檢索效率。

💻 計算機使用工具使AI能夠直接在計算機上執行任務，標誌着AI功能的重大升級。

3、百度AI開源表格識別模型PP-TableMagic

3月11日，百度AI推出了PP-TableMagic，一個開源的表格識別解決方案，標誌着表格結構化信息提取領域的重大進步。該技術通過創新的多模型組網架構，克服了傳統表格識別在複雜場景下的侷限性，實現了高精度的端到端表格識別，並支持模型的高定製化微調。PP-TableMagic的設計使其能夠高效處理各種表格數據，極大地提升了文檔智能理解和數據分析的能力，適應了數字化時代的需求。

【AiBase提要:】

🛠️ PP-TableMagic採用多模型串聯架構，提升了表格識別的精度和適應性。

📈 該模型支持定製化微調，能夠滿足不同場景的需求，減少數據標註工作量。

💻 提供詳細的安裝指南和使用教程，支持高性能推理和服務化部署。

詳情鏈接:https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-rc/docs/pipeline_usage/tutorials/ocr_pipelines/table_recognition_v2.md

4、Manus與阿里雲通義千問達成合作，共推國產AI智能體產品

人工智能Agent產品新秀Manus與阿里雲旗下大語言模型通義千問達成戰略合作，雙方將基於通義千問系列開源模型，在國產模型和算力平臺上實現Manus的全部功能。此舉旨在爲中國用戶打造更具創造力的通用智能體產品。儘管Manus在發佈後遇到了一些問題，但其早期預覽版展示了自動執行復雜任務的能力，標誌着國產AI技術的進步。

【AiBase提要:】

🤖 Manus與阿里雲通義千問達成戰略合作，推動國產AI智能體產品的發展。

🌐 雙方將基於通義千問開源模型，實現Manus的全部功能，提升用戶體驗。

📈 Manus展示了自動執行復雜任務的能力，標誌着全球首款通用智能體產品的發佈。

5、告別平面!MIDI:可提取圖片元素生成360度3D場景

MIDI技術的出現爲我們帶來了從單張2D圖像生成360度3D場景的可能性。通過智能分割和多實例同步擴散，MIDI能夠高效地構建出細緻入微的3D環境，極大地提升了虛擬現實、遊戲開發和室內設計等領域的內容創作效率。未來，用戶只需拍攝一張照片，就能快速生成可交互的3D場景，真正實現“一鍵穿越”的夢想。

【AiBase提要:】

🖥️ MIDI通過智能分割技術，能夠識別並提取2D圖像中的獨立元素，爲3D場景構建提供基礎。

🎶 採用多實例同步擴散，MIDI可同時對多個物體進行建模，提升了3D生成的效率與協調性。

🌍 MIDI在有限數據下展現出強大的泛化能力，生成的3D場景紋理細膩，效果真實。

詳情鏈接:https://huanngzh.github.io/MIDI-Page/

6、視頻局部編輯技術VideoPainter:輸入提示詞自動識別修改，支持長視頻

VideoPainter是一款基於深度學習的視頻編輯工具，能夠通過簡單的提示詞自動識別並修改視頻內容，尤其適合長視頻處理。用戶只需輸入簡短的指令，系統便能快速完成編輯，極大提升了視頻製作的效率。其背後的Diffusion Transformer模型使得編輯過程更爲精準，用戶可以輕鬆實現創意轉化，真正改變了視頻編輯的遊戲規則。

【AiBase提要:】

✨ 通過簡單的提示詞，VideoPainter能夠自動識別並修改視頻內容，提升編輯效率。

🎬 適合長視頻處理，用戶可以快速找到並修改特定片段，避免繁瑣的傳統編輯流程。

🚀 基於先進的DiT模型，VideoPainter提供高準確性和靈活性，讓創意轉化爲現實變得簡單。

詳情鏈接:https://yxbian23.github.io/project/video-painter/

7、開源版OpenAI Operator來了!Nanobrowser瀏覽器的免費AI自動化超人

Nanobrowser是一款完全免費的開源工具，旨在爲用戶提供高效的網頁自動化功能，同時確保數據安全和隱私。用戶只需安裝擴展程序並配置自己的LLM API密鑰，即可享受頂級的自動化體驗。與傳統的RPA工具相比，Nanobrowser以其直觀的操作界面和多代理系統，使得即使是小白用戶也能輕鬆上手。

【AiBase提要:】

💰 Nanobrowser是完全免費的開源工具，無需訂閱費用，用戶可自主配置LLM API密鑰。

🔒 所有操作在本地瀏覽器中進行，確保用戶隱私和數據安全，避免敏感信息泄露。

🤖 支持OpenAI、Anthropic和Google等主流AI模型，提供直觀的操作界面，適合不同層次的用戶。

詳情鏈接:https://github.com/nanobrowser/nanobrowser

8、Luma AI 開源的圖像預訓練技術IMM實現圖像生成十倍提速

Luma AI 最近開源的 Inductive Moment Matching （IMM） 技術，顯著提升了圖像生成的速度和質量。通過創新的預訓練算法，IMM 能夠在推理階段實現靈活跳躍，減少生成步驟，從而突破了生成式預訓練的瓶頸。實驗結果表明，IMM 在多個數據集上展現了卓越的性能，標誌着多模態基礎模型的新未來。

【AiBase提要:】

⚡ IMM 技術通過反向設計預訓練算法，顯著提升推理效率。

🏆 在 ImageNet 和 CIFAR-10數據集上，IMM 實現了前所未有的高質量生成。

🔧 IMM 訓練穩定性強，適應性好，突破了傳統模型的限制。

詳情鏈接:https://github.com/lumalabs/imm

9、原字節跳動AI高管駱怡航加入生數科技任CEO 推進AI視頻生成商業化

駱怡航的加入標誌着生數科技在AI視頻生成領域邁向了新的階段。他的豐富經驗和技術背景將有助於公司在多模態技術方面的進一步發展，尤其是在視頻生成的商業化進程中。生數科技的創始人朱軍與駱怡航的合作，預示着未來將推出更多創新產品，推動整個行業的發展。

【AiBase提要:】

👤 駱怡航作爲新任CEO，將全面負責生數科技的研發和商業化進程。

📈 他在字節跳動的成功經驗，尤其是AI產品線的管理，爲生數科技帶來了強大的技術支持。

🎥 生數科技即將推出的Vidu2.0將大幅提升視頻生成效率，降低成本，推動行業發展。

10、全國第二例判決AIGC版權案:法院確認作者享有著作權

江蘇省蘇州市常熟市人民法院於3月7日宣判了一起備受矚目的AI生成內容著作權糾紛案，標誌着江蘇省首例、全國第二例涉及AI生成內容的著作權案件。法院確認林某使用Midjourney軟件生成的圖片作品享有著作權，並指出其創作過程具有獨創性，符合著作權法的保護要求。

【AiBase提要:】

🌟 江蘇省首例AI著作權糾紛案宣判，法院確認作者享有著作權。

🖼️ 常熟市人民法院認爲，林某對作品的創作具有獨創性，構成著作權保護。

💰 法院判決侵權方公開道歉並賠償1萬元，未提出上訴，判決生效。

11.硅基流動：DeepSeek-R1 & V3 API 升級，支持批量推理、R1 價格直降75%

硅基流動宣佈 DeepSeek-R1 和 V3 API 支持批量推理，且價格大幅降低。批量推理將幫助用戶高效處理大數據任務，特別是在生成報告和數據清洗等場景。用戶在 3 月 11 日至 18 日的優惠期內，DeepSeek-R1 的批量推理價格直降 75%，爲 1 元 / 百萬 Tokens，輸出爲 4 元 / 百萬 Tokens。

【AiBase 提要：】

 🌟 DeepSeek-R1 和 V3 API 現已支持批量推理，提高處理效率。

💰 批量推理價格直降 75%，用戶可享受更低的服務成本。

📊 適用於數據分析和模型評估等無需實時響應的場景。

12、Domo AI 發佈 i2v 模型升級：穩定性與提示詞理解能力顯著提升

Domo AI 最近對其圖像到視頻（i2v）模型進行了重大升級，提升了模型的穩定性和生成速度，同時增強了對用戶提示詞的理解能力。新模型可更準確地將靜態圖像轉化爲流暢動畫，並支持多種風格轉換，極大提高了內容創作者的創作效率和靈活性。

【AiBase 提要：】  

🌟 新版 i2v 模型在生成速度和穩定性上有顯著提高。  

🎨 用戶可通過模型快速實現多種風格轉換，提升創作便利性。  

💬 模型對用戶提示詞的理解能力顯著增強，確保結果高度一致。