生成式AI大模型动态周报 issue119 2025.5.5-5.11

以下文章来源于未来科技，作者Jerry李鑫

Suno发布了全新版本v4.5，为AI音乐创作带来重大升级。新版本支持更多音乐风格和智能风格混搭，增强了人声表现力和情感表达能力，呈现出更复杂的音色和细节。同时，提示理解能力显著提升，并新增“提示增强助手”功能，帮助用户更精确地构建创作提示。此外，翻唱和角色功能的强化，提供了更具沉浸感的个性化音乐体验。音质全面提升，单曲生成长度最长可达8分钟，让AI音乐进入“可听、可用、可分享”的新阶段。

微软发布了Phi-4-Reasoning，展现了小模型在复杂推理中的新潜力。通过独特的多阶段训练方法，这款仅有3.8亿参数的Phi-4-Mini在数学、科学等高难度任务中具备了接近大模型的推理能力，推动了“小体量大脑袋”的概念。相较于动辄数十亿参数的大模型，Phi-4-Reasoning在边缘计算设备、移动端及企业本地系统等低资源环境中更具适应性，响应更快且部署更灵活。在AIME 2025等推理基准测试中，它的表现超越了Llama-70B和DeepSeek-R1，甚至在某些任务中胜过671B级别模型。

5月6日，Gemini 2.5 Pro更新0506版本（I/O Preview），提升了编码能力，尤其在前端Web开发、编辑和转换方面表现显著改进。此外，针对用户反馈的问题，相关函数调用已得到修复，系统的可靠性也有所增强。

5月7日，腾讯元宝的文生图功能迎来升级，新增了混元和DeepSeek模型的图像生成能力。用户只需输入一句话指令，系统便能自动扩写为更完整的提示词，生成高质量、富有想象力的图像。这项功能已在全平台上线，支持多种风格的创作，如童年漫画风格、莫奈风格等。此外，用户可生成饮食宣传图、产品设计图等，图文一致性和画质进一步提升。

5月8日，Figma在Config2025上宣布推出多个新功能，其中Figma Sites是一款全新的全能工具，旨在让用户能设计和构建定制的响应式网站，而无需切换工具。此功能旨在简化网站设计流程，提供一站式解决方案，提升用户体验。

5月9日，腾讯混元宣布正式推出并开源全新的多模态定制化视频生成工具HunyuanCustom。该模型基于混元视频生成大模型（HunyuanVideo）打造，主体一致性效果超过现有的开源方案。HunyuanCustom融合了文本、图像、音频、视频等多模态输入生视频的能力，是一款具备高度控制力和生成质量的智能视频创作工具。

5月9日，腾讯元宝现已支持对话分组，用户跟元宝的每一条对话，都可以根据不同主题、类型、任务，做“文件夹”式分组归类，方便集中管理大批量对话，快速定位查找。在每个单独分组中，用户还可设定“独立指令”，定制元宝在该分组中的回答方式和风格。

Cursor已更新至0.50.x版本。此次更新主要包括简化定价和增强功能，如推出统一的基于请求的定价和Max模式，支持并行任务的后台代理。此外，改进了上下文管理，支持@folders功能，加快文件编辑速度，增强了聊天功能（支持导出和复制），并使用本地终端仿真替代模拟终端。同时，新增了上下文状态图标，可显示文件的包含情况。

Google AI Mode在Labs的推出受到了广泛欢迎，现已取消等待名单，所有美国用户可立即使用。该模式允许用户提出更复杂和具体的问题，帮助他们找到新的网站和商业信息。接下来，该模式将增加视觉产品和地点卡片功能，用户可快速获取评分、评论、营业时间等信息，及实时产品价格和库存。例如，寻找复古家具商店时，AI Mode将提供相关商家的实时数据，便于用户作出决策并轻松获取联系方式或导航。