3月26日·全球首款音乐推理模型Mureka O1发布，AI音乐进入新时代

3月26日·周三  AI工具和资源推荐

全球首款音乐推理模型Mureka O1发布，AI音乐进入新时代

昆仑万维发布了全球首款音乐推理大模型Mureka O1，标志着AI音乐进入“会思考”的时代。Mureka O1基于优化后的基座模型Mureka V6开发，融入了CoT（思维链）技术，能够进行多步骤推理和自我批判，从而生成高质量的音乐作品。该模型支持10种语言，覆盖全球主要国家和地区，为音乐创作打破了语言壁垒。Mureka O1不仅可以根据文本提示生成音乐，还能根据参考歌曲生成新歌，甚至提供多轨音频输出，方便用户进行混音和二次创作。在与Suno V4等主流音乐模型的对比中，Mureka O1在发音清晰度、乐段准确率、制作质量等方面均表现出色，成为AI音乐领域的全新王者。此外，Mureka还开放了API服务，支持企业和开发者定制专属音乐风格，进一步拓展了AI音乐的商业应用前景。来源：微信公众号【新智元】

OpenAI发布GPT-4o原生图像生成，多模态能力大幅提升

OpenAI在深夜直播中展示了GPT-4o的原生图像生成能力，标志着其多模态技术的重大升级。在直播中，GPT-4o展示了强大的图像生成功能，包括将自拍照转换为动漫风格、生成描述相对论的漫画、以及根据复杂提示生成纪念币等。这些功能不仅体现了GPT-4o在图像生成上的高质量和细节把控能力，还展示了其在多轮交互、文本渲染、指令遵循等方面的优势。GPT-4o的图像生成功能现已在ChatGPT和Sora中向所有用户推出，用户可以通过简单的文本描述生成各种风格的图像，甚至可以指定颜色代码、纵横比等细节。此外，GPT-4o还具备上下文学习和世界知识功能，能够更好地理解用户需求并生成符合要求的图像。尽管谷歌刚刚发布了Gemini 2.5 Pro，但OpenAI的这一波动作显示了其在多模态领域的强劲竞争力。来源：微信公众号【新智元】

清华开源Video-T1，视频生成性能大幅提升无需重新训练

清华大学和腾讯的研究团队开源了Video-T1，这是首个将Test-Time Scaling（测试时扩展）应用于视频生成的模型。传统视频生成模型依赖于增大参数量和预训练数据来提升性能，但这种方法需要大量计算资源。Video-T1通过在推理阶段增加计算，显著提升了视频生成质量，无需重新训练模型。该方法在VBench基准测试中实现了最高5.86%的性能提升。研究团队还提出了“帧树”（Tree-of-Frames, ToF）方法，通过自适应扩展和修剪视频分支，进一步提高了搜索效率和生成质量。此外，Video-T1还结合了单帧图片生成思维链和层次化提示词等技术，进一步优化了视频生成效果。该研究的代码已开源，为视频生成领域带来了新的突破。来源：微信公众号【机器之心】

上海财经大学开源金融领域推理大模型Fin-R1，7B参数性能媲美671B的DeepSeek-R1

上海财经大学统计与数据科学学院张立文教授团队开源了首个金融领域推理大模型Fin-R1。该模型仅用7B参数规模，就展现出与671B参数的DeepSeek-R1满血版相当的性能，在金融推理任务中位居第二，平均得分75.2，与DeepSeek-R1仅相差3.0%。Fin-R1基于Qwen2.5-7B-Instruct开发，通过构建高质量金融推理数据集Fin-R1-Data和两阶段混合框架训练（指令微调SFT和强化学习RL），实现了金融推理的逻辑闭环。其技术创新表明高校在垂直领域大模型研发中实现了从技术突破到产业落地的闭环，标志着高校在金融科技领域的自主创新迈入新高度。Fin-R1在多个金融基准测试中表现卓越，尤其在金融表格数值推理和多轮交互场景中登顶第一，展现出强大的推理能力和业务泛化能力，为金融智能化发展提供了有力支持。来源：微信公众号【机器之心】

旷视“三剑客”携2亿天使轮进军具身智能赛道，姚班天才范浩强创业公司曝光

清华姚班天才、旷视6号员工、IOI金牌得主范浩强创立的公司“原力灵机”正式曝光。该公司于2024年12月注册，近期完成2亿元天使轮融资，投资方包括君联资本、九坤创投和启明创投。范浩强与周而进、汪天才组成“三剑客”，均来自旷视科技。原力灵机专注于具身智能领域，目标是打造具有顶尖学术背景和丰富AI产品落地经验的团队。范浩强曾主导旷视多项核心技术，周而进是人脸识别技术的核心开发者，汪天才则在多目标追踪和感知框架方面有突出贡献。2025年，具身智能赛道热度持续升温，清华系创业者不断涌现，原力灵机的加入为这一领域注入了新的活力。来源：微信公众号【量子位】