[AI日报·1/21]双双对标正式版o1，DeepSeek R1开源，月之暗面K1.5发布

DeepSeek R1开源：国产大模型性能赶超o1【自然语言/国内性能突破】

国产大模型DeepSeek发布了R1版本，并开源了模型权重。DeepSeek-R1在后训练阶段大规模应用了强化学习技术，显著提升了推理能力。该模型采用了长链推理技术，能够逐步分解复杂问题并进行多步骤逻辑推理。在多个基准测试中，DeepSeek-R1的性能与OpenAI的o1正式版相当。此外，R1还支持模型蒸馏，开发者可以将其推理能力迁移到更小型的模型中。

月之暗面发布新一代SOTA模型k1.5：多模态推理能力升级【自然语言/国内性能突破】

月之暗面公司发布全新SOTA模型k1.5，该模型在多模态推理能力上实现重大突破，能够同时处理文本、图像、声音等多种模态信息。在性能上，k1.5在short-CoT模式下大幅超越全球短思考SOTA模型，领先幅度达550%；在long-CoT模式下，其多模态推理能力与OpenAI o1正式版持平。该模型适用于视觉问答、编程辅助、数学问题解决等复杂任务，目前预览版陆续灰度上线Kimi.com网站和最新版本的Kimi智能助手App，用户在使用过程中如果发现模型切换按钮，即可体验这一全新升级的模型。

中国科研团队发布VideoChat-Flash：长视频处理速度提升100倍【AI视频/性能突破】

中国科研团队推出了一种名为VideoChat-Flash的技术，该技术通过分层压缩和多阶段训练方案，显著提升了长视频处理的效率和精度。实验结果显示，VideoChat-Flash在处理长视频时的计算量减少了两个数量级，速度提升至传统模型的5-10倍。此外，该技术在多个基准测试中表现出色，特别是在超过10000帧的测试中，准确率高达99.1%。

豆包App新语音模式：唱歌与角色扮演功能上线【自然语言/易用性突破】

2025年1月20日，豆包App发布了最新的“端到端”语音大模型，并更新了实时语音通话功能。新版本的语音模式包括“灵魂歌手”和“百变大咖”功能，支持唱歌和角色扮演。用户可以要求豆包模仿明星、书中角色或影视角色的声音，并进行对话，其语音交互更加自然、流畅，且带有情感表达。

腾讯混元3D AI引擎上线：快速生成高质量3D模型【AI绘画/易用性突破】

腾讯混元3D AI创作引擎于2025年1月21日正式上线，这是业界首个一站式3D内容AI创作平台。该引擎支持通过文字、图片或草图快速生成高质量3D模型，具备文/图生3D模型、低多边形模型生成、3D动画生成、3D纹理生成等功能。此外，引擎还提供3D编辑、创作素材库等工具，极大提升了3D内容创作效率。混元3D生成大模型2.0版本已全面开源，开发者可在GitHub、Hugging Face等技术社区下载。

OpenAI推出可控制电脑的AI工具“Operator”

OpenAI即将发布一款名为“Operator”的AI工具，能够控制用户的电脑并代表用户执行操作。该工具可以自主完成编码、网页浏览和旅行预订等任务。软件工程师Tibor Blaho发现了Operator工具的证据，包括在OpenAI网站上添加的操作员引用和性能比较表格。Operator计划在一月发布，并已在其macOS ChatGPT客户端中添加了隐藏选项。

Firecrawl Extract：无需代码的智能数据抓取工具

Firecrawl Extract是一款开源的智能数据抓取工具，能够将整个网站的内容爬取并转换为结构化的数据或Markdown格式。用户无需编写代码，通过简单的API调用即可完成数据抓取和提取。

2024年超25%笔记本电脑具备生成式AI功能

根据市场研究报告，2024年出货的笔记本电脑中，有超过25%的产品具备生成式AI功能。这一趋势主要由AMD、高通、英特尔和英伟达等芯片厂商推动，预计到2025年，AI笔记本电脑将占据市场份额的近60%。这些设备通常配备专用的AI加速器（如NPU），能够高效运行生成式AI应用，推动市场升级。

百度文库AI功能月活跃用户突破9000万，付费用户超4000万

百度文库的AI功能取得了显著的用户增长和商业成功。截至2025年1月，其月活跃用户（MAU）已突破9000万，付费用户数量超过4000万。这一增长主要得益于AI功能的推动，百度文库的付费率年同比增长60%，在全球范围内仅次于微软Copilot。