Erfahren Sie mehr über Claude und ChatGPTs aktuelle Nachrichten und Informationen über große Modelle. Dieser Blog konzentriert sich auf die Verfolgung und Analyse des aktuellen Stands der Technik von Large Language Models (LLMs), technologische Updates und ihre praktischen Anwendungen in verschiedenen Bereichen.
阶跃星辰(StepFun)团队开源了NextStep-1，一款14B参数的纯自回归图像生成模型。该模型直接在连续视觉空间生成图像，无需依赖扩散模型或离散化处理，由14B参数Transformer骨干和157M参数流匹配头组成。它支持高保真文生图及精准图像编辑（如物体增删、背景修改），在GenEval（0.73）、GenAI-Bench等基准测试中表现优异，接近顶尖扩散模型。但存在生成不稳定、解码延迟等挑战，标志着自回归图像生成新阶段。
Nanobrowser是近期在GitHub爆火的开源AI浏览器自动化框架，上线一周获17,000+星标。其核心采用双智能体协作模式：Planner拆解自然语言指令为操作步骤，Navigator在真实网页中执行、读取等操作。该项目支持本地运行及多模型接入，可实现论文抓取、比价、舆情监控等网页自动化任务，典型案例显示其2分半完成论文数据抓取，成本仅0.1元。
Web3 ist vom Konzept zur Realität geworden, mit einer globalen Marktgröße von 21,35 Milliarden Dollar im Jahr 2025 und einer Größenordnung der damit verbundenen Branchen in China von über 20 Milliarden Dollar. Der Kern liegt in der Nutzersouveränität, und die Umverteilung der Macht wird durch Blockchain, intelligente Verträge, NFT und DID erreicht. Zu den fünf wichtigsten Anwendungsszenarien gehören DeFi (TVL über 120 Mrd. $), NFT-Utility (z. B. Starbucks-Aktien), DAO (über 5.000 aktive Organisationen), GameFi (über 3.100 Spiele) und dezentrale Identität. Der Markt verlagert sich von spekulativ zu wertorientiert, wobei sich künftige Möglichkeiten auf die Creator Economy, digitale Identitäten und die Tokenisierung von RWA-Assets konzentrieren, mit dem Ziel, digitales Vertrauen und Eigenkapital wiederherzustellen.
LTX-2 ist das weltweit erste audio-video-synchronisierte 4K-Videogenerationsmodell von Lightricks, das 20-Sekunden-HD-Videos mit 50 Bildern pro Sekunde erzeugt und Text-/Bild-Eingaben unterstützt. Es ermöglicht Character Mouthing und Sprachsynchronisation, kann lokal in ComfyUI ausgeführt und eingesetzt werden und wird Ende November 5 Jahre lang als Open Source zur Verfügung stehen. Als professionelles Authoring-Tool macht LTX-2 die "Verwandlung von Text in einen filmischen Kurzfilm" zur Realität.
Blockchain, Bitcoin, Web3 im Jahr 2025 hat deutlich gemacht, dass der Preis des "digitalen Goldes" 110.000 US-Dollar überschritten hat, mit einem Allzeithoch von 111.013 US-Dollar; Blockchain hat sich zu einer "neuen Infrastruktur" entwickelt und wird in den Bereichen Regierung, Finanzen, etc. angewendet, und die Marktgröße des RWA-Marktes hat 202,5 Milliarden US-Dollar erreicht; die Marktgröße des Web3-Marktes hat 21,35 Milliarden US-Dollar erreicht. Die Marktgröße von Web3 erreicht 21,35 Milliarden US-Dollar, wendet sich realen Anwendungen zu und wird voraussichtlich 5,1 Billionen US-Dollar im Jahr 2030 erreichen. China unterstützt die Blockchain, setzt aber auf den "münzlosen" Weg des Web3.
Cursor 2.0 wird offiziell mit der Einführung von Composer freigegeben, einem selbstentwickelten großen Modell, das Code mit einer Geschwindigkeit von bis zu 250 Token/Sekunde generiert, zwei Mal schneller als GPT-5 und Claude Sonnet 4.5. Das Modell wurde speziell für reale Entwicklungsszenarien trainiert und kann den gesamten Prozess der Kodierung, des Testens und der Fehlerbehebung selbstständig abschließen.
FlowithOS ist das weltweit erste native Betriebssystem, das für KI-Intelligenzen entwickelt wurde und in der Lage ist, komplexe Aufgaben auszuführen, anstatt sich auf Chats zu beschränken. Das auf dem Chromium-Browser basierende System unterstützt plattformübergreifendes Multitasking parallel mit unbegrenztem kontextbezogenem Speicher und Skills-Bibliothek und kann reale Aufgaben wie Taobao-Shopping, Microblogging und Datenerfassung automatisieren. Es befindet sich derzeit in einer frühen Beta-Phase, unterstützt Windows und macOS und erfordert einen Einladungscode, um es zu erleben.
MiniMax hat eine neue Generation des Open-Source-Big-Modells M2 veröffentlicht, dessen Leistung zu den Top 5 der Welt gehört und dessen Preis nur 8% von Claude 4.5 beträgt. Das Modell hat einen Gesamtparameter von 230B, einen Aktivierungsparameter von nur 10B und eine Inferenzgeschwindigkeit von mehr als 100 Token/Sekunde. Es verfügt über eine hervorragende Leistung bei der Programmierung, dem Arbeitsablauf von Agenten und multimodalen Aufgaben und durchbricht das "unmögliche Dreieck" aus hoher Leistung, niedrigem Preis und hoher Geschwindigkeit im Bereich der KI.
In der AlphaArena AI Coin Speculation Live Arena handelten sechs Top-KI-Modelle jeweils unabhängig voneinander auf dem Kryptowährungsmarkt mit 10.000 Dollar in echtem Geld. Mit Stand vom 23. Oktober liegt Qwen3 Max (Alibaba) auf dem ersten Platz mit +44.38% Gewinn und $14.438 Kontostand, DeepSeek Chat V3.1 liegt auf dem zweiten Platz mit +20.92% Gewinn und $12.092 Kontostand, und chinesische KIs nehmen die ersten beiden Plätze ein. Andere nordamerikanische Modelle wie Gemini 2.5 Pro verloren mehr als 60%. Die Stärken chinesischer Modelle liegen im quantitativen Denken, in der Risikokontrolle und darin, nicht zu viel zu handeln, was das Potenzial der KI bei der Entscheidungsfindung auf dem Markt zeigt.
DeepAnalyze ist ein quelloffenes, agentenbasiertes Großsprachenmodell, das gemeinsam von einem Team der Renmin University of China und der Tsinghua University entwickelt wurde und die erste End-to-End-Lösung für autonome Datenwissenschaft darstellt. DeepAnalyze-8B (8B-Parameter) übertrifft kommerzielle Modelle wie GPT-4o-mini in Benchmarks, und da die Modellgewichte, der Code und die Trainingsdaten vollständig quelloffen sind, kann DeepAnalyze als dedizierter Datenwissenschaftler eingesetzt werden. Assistent für die Datenwissenschaft eingesetzt werden.
Racer hat die KI-Programmierproduktmatrix KAT-Coder auf den Markt gebracht, die selbst entwickelte Modelle, Werkzeuge und Plattformen umfasst und mehr als 20 Programmiersprachen und verschiedene Arten von Entwicklungsaufgaben unterstützt. Seine Open-Source-Version, KAT-Dev-72B-Exp, übertraf GPT und Claude in der SWE-Bench-Liste mit 74,6%. Das Modell hat die Fähigkeit der Code-Generierung, Debugging, Optimierung, etc. und ist kompatibel mit den Mainstream-Entwicklungs-Tools, und hat ein starkes Potenzial für die Anwendung in den Bereichen Webpage-Generierung, E-Commerce-Websites, 3D-Spezialeffekte, etc. gezeigt, die den offiziellen Eintritt von KAT in die AI-Programmierung Spur markiert.
DeepSeek-OCR basiert auf einem visuellen Sprachmodell und der Technologie der "kontextuellen optischen Kompression" und ermöglicht eine effiziente Verarbeitung langer Texte durch die Umwandlung von Bildern in visuelle Token. Es erreicht eine Genauigkeit von 97% bei 10-facher Komprimierung und 60% bei 20-facher Komprimierung. Im Test übertrifft es GOT-OCR2.0 mit 100 visuellen Token und MinerU2.0 mit weniger als 800 Token und ist in der Lage, die Struktur komplexer Dokumente wiederherzustellen.
Manus, als Vertreter des KI-Agenten-Booms im Jahr 2025, stützt sich auf große Modelle, Werkzeugketten und Speichertechnologie, um die Aufgabenerfüllung zu erreichen, aber aufgrund des Mangels an tiefgreifender Kultivierung professioneller Szenarien und geschlossener Kreisläufe entlarvt es die Blase des "Universalagenten". Die Wurzel des Problems liegt in der mangelnden technischen Akkumulation und der kapitalgetriebenen Kurzsichtigkeit, die zu einer Anhäufung von Funktionen mit begrenzter Intelligenz führt. Die Industrie wendet sich vertikalen Bereichen zu, wie z. B. dem medizinischen Agenten OpenEvidence, der deterministische und datengesteuerte Prozesse betont und zeigt, dass die Zukunft dem Weg der "dummen Intelligenz" gehört, der fokussiert, auswertbar und bodenständig ist.
OpenAI hat ChatGPT Atlas veröffentlicht, den ersten KI-nativen Browser, der die intelligenten Fähigkeiten von ChatGPT tief integriert. Zu seinen Kernfunktionen gehören: KI-unterstützte Zusammenfassung und Interaktion von Webinhalten in Echtzeit, intelligente Schreiboptimierung, Steuerung von Browseroperationen in natürlicher Sprache, personalisierte Speicherempfehlungen, intelligenter Körpermodus zur Automatisierung von Einkaufs- und Buchungsaufgaben und Echtzeit-Textverarbeitung für Cursor-Chat. Der Browser verbessert die Browsing-Effizienz, automatisiert Aufgaben und erfindet die Interaktion zwischen Mensch und Computer durch KI-Technologie neu.
Veo3.1 von Google konkurriert mit Sora2 von OpenAI im Bereich der KI-Videogenerierung. Veo3.1 hat den Vorteil einer präzisen Steuerung und hochwertigen Synchronisierung von Audio und Video, was für die Erstellung professioneller Langform-Videos geeignet ist, während Sora2 besser für sanfte und natürliche dynamische Effekte und Unterhaltung geeignet ist, was eher für kreative Kurzvideos gilt. Beide haben ihre eigenen Vorteile, und die Wahl hängt vom jeweiligen Anwendungsszenario ab.
Google Gemini 3.0 Pro ist in der Lage, eine voll funktionsfähige Weboberfläche für macOS-, Windows- und Linux-Betriebssysteme in einer einzigen HTML-Datei zu generieren, die auf einfachen Eingabeaufforderungen basiert und ein reibungsloses interaktives Erlebnis bietet. Obwohl es bei der Replikation von Benutzeroberflächen und der funktionalen Simulation überragend ist und Modelle wie Claude 4.5 Sonnet übertrifft, ist es immer noch auf die Front-End-Simulation beschränkt und verfügt über keine zugrunde liegende Systemlogik.
Das Hybrid-Team von Tencent hat Hunyuan3D-PolyGen auf den Markt gebracht, das branchenweit erste generative 3D-Großmodell, das den Standards der Kunstklasse entspricht und in der Lage ist, professionelle 3D-Modelle zu generieren, die in der Spieleentwicklung sowie in der Film- und Fernsehproduktion eingesetzt werden können, was die Effizienz von Künstlern erheblich verbessert. Das Modell bietet bedeutende technologische Durchbrüche bei der Modellierung komplexer Geometrien und der Stabilität der Generierung, unterstützt mehrere Eingabemethoden, reduziert die Anzahl der Token erheblich und verbessert die Modellierungsqualität durch BPT-Komprimierung und Optimierungsstrategien des Reinforcement Learning. Es ist derzeit kostenlos über die Tencent Hybrid 3D Plattform verfügbar.
Die Verarbeitung von Excel-Tabellen ist aufgrund komplexer Vorgänge oft lästig. Das neue KI-Tool Shortcut vereinfacht diesen Prozess durch natürliche Sprachinteraktion. Es erledigt komplexe Aufgaben in 10 Minuten in simulierten Excel-Turnieren mit einer Genauigkeitsrate von 80% oder mehr und unterstützt eine breite Palette von Anwendungen von der Datenverarbeitung bis zur Finanzmodellierung. Die Eingabe in natürlicher Sprache ersetzt die Funktionssyntax mit erheblichem Komfort, aber es gibt immer noch Einschränkungen bei der extrem komplexen Datenverarbeitung und -formatierung. Gegenwärtig können Google-E-Mail-Nutzer die Anwendung 3 Mal kostenlos testen.
MuseSteamer, ein multimodales Generierungsmodell, das von Baidus kommerziellem Forschungs- und Entwicklungsteam auf den Markt gebracht wurde, hat den weltweit ersten Platz in der VBench-Grafikvideobewertung erreicht und wichtige Durchbrüche bei der gleichzeitigen Generierung von chinesischem Audio und Video, bei der Verfeinerung des Beschreibungssystems und der Stilkontrolle erzielt sowie überragende semantische Verstehensfähigkeiten bewiesen. Trotz der mangelnden Fähigkeit zur Linsenplanung und der langsamen Generierungsgeschwindigkeit ist MuseSteamer ein wichtiger Meilenstein in der Entwicklung der heimischen KI-Videotechnologie, und die Turbo-Version kann kostenlos getestet werden.
Das Tencent AI Lab hat mit SongGeneration ein Open-Source-Musikgenerierungsmodell auf den Markt gebracht, das die Herausforderungen in Bezug auf Klangqualität, Musikalität und Generierungsgeschwindigkeit durch innovative technische Architektur und Trainingsmethoden überwindet. Das Modell unterstützt vier Kernfunktionen: intelligente Textsteuerung, präzises Befolgen von Stilen, Generierung mehrerer Tracks und Klonen von Klangfarben, wodurch die Schwelle für die Musikproduktion deutlich gesenkt wird. Die dreistufige Trainingsstrategie und der mehrdimensionale Abgleich menschlicher Präferenzen verbessern den Generierungseffekt zusätzlich. Eine maßgebliche Bewertung zeigt, dass das Modell den ersten Platz unter den Open-Source-Modellen einnimmt und nahe an das Niveau kommerzieller Modelle herankommt. Es war offen für Erfahrungen in Hugging Face und GitHub und hat dazu beigetragen, die intelligente Musikerzeugung zu popularisieren.
AliCloud hat kürzlich sein neuestes multimodales KI-Modell, Qwen-VLo, veröffentlicht, dessen Bilderzeugungs- und -bearbeitungsfähigkeiten von den Nutzern hoch bewertet wurden und sogar GPT-4o übertreffen. Das Modell bietet die Vorteile einer verbesserten Detailerfassung, einer Bildbearbeitung mit nur einem Befehl, einer mehrsprachigen Unterstützung und einer flexiblen Auflösungsanpassung und zeigt gute Leistungen bei der Bilderkennung, der Objektersetzung und der progressiven Erzeugung. Es ist jetzt kostenlos über die Qwen-Chat-Plattform erhältlich.
Machen Sie sich Ihren KI-Assistenten zu eigen und steigern Sie Ihre Produktivität mit nur einem Klick!
