吉利与阶跃星辰开源多模态大模型 推动ai普惠发展

2月18日，吉利汽车集团与其科技生态战略合作伙伴阶跃星辰联合宣布，将双方共同研发的两款阶跃Step系列多模态大模型向全球开发者开放源代码。这两款大模型分别是全球领先的开源视频生成模型阶跃Step-Video-T2V和行业内首个产品级开源语音交互模型阶跃Step-Audio。此次开源行动不仅为开源社区带来了强大的多模态大模型能力，还将促进大模型技术的共享与创新，推动人工智能的普及发展，为全球数字经济的发展贡献中国智慧和吉利方案。自2023年起，吉利与阶跃星辰在预训练大模型、垂直领域大模型、应用场景设计及工程开发等多个领域展开了深度合作。吉利在场景设计、模型测评及工程开发等方面发挥了引领作用，而阶跃星辰则主导了模型预训练等业务。双方的紧密合作显著提升了阶跃Step系列多模态大模型的性能表现。其中，阶跃Step-Video-T2V大模型拥有高达300亿的参数量，能够直接生成204帧、540P分辨率的高质量视频，是全球范围内参数量最大、性能最优的开源视频生成模型。而阶跃Step-Audio大模型则能够根据不同的场景需求，生成情绪、方言、语种、歌声和个性化风格的表达，实现与用户的高质量对话，是行业内首个达到产品级标准的开源语音交互模型。作为中国汽车行业的全球领跑者，吉利一直致力于成为智能汽车AI科技的引领者和普及者。自2021年起，吉利围绕芯片、软件操作系统、数据和卫星网等关键领域，构建了端到端的自研体系和生态联盟，形成了完善的“智能吉利科技生态网”。2022年，吉利建成了全球首个“云、数、智”一体化的星睿智算中心。2023年，吉利发布了全球首个汽车行业全栈自研全场景AI大模型——星睿AI大模型，并荣获中国通信院“4+级”行业最高评级。2025年，吉利更是推出了行业首个“智能汽车全域AI”技术体系。在阶跃Step系列视频生成大模型、语音交互大模型以及汽车行业全场景大模型的共同赋能下，吉利将在行车安全、紧急避险、智慧泊车等全场景为用户提供更高水平、更安全的自动驾驶体验。同时，吉利还将打造更加智能的汽车情感座舱，重新定义人车交互体验，推动AI科技在智能汽车领域的广泛应用。吉利星睿AI大模型中的AI Drive大模型具备强大的场景生成与规划能力，能够根据各种天气和道路条件构建出真实驾驶中的极端场景。通过优化阶跃Step-Video-T2V大模型，吉利将其转化为一个自动驾驶数据合成器，为自动驾驶系统提供了一个丰富的“虚拟驾考考场”，从而显著提升车辆的应变能力，保障行车安全。在阶跃Step-Audio大模型的赋能下，吉利星睿AI大模型的语音指令响应速度和交互过程中的情感理解与表达能力得到了大幅提升。系统不仅能够识别多种方言，还支持个性化声音定制，为用户提供更加贴心、个性化的出行陪伴。此外，吉利还是首家与DeepSeek完成深度融合的车企。通过与DeepSeek-R1模型的合作，吉利将对星睿车控FunctionCall大模型、汽车主动交互端侧大模型等进行蒸馏训练。这将使吉利智能汽车AI能够更精准地理解用户意图，准确调用车载接口，并基于车内外场景主动分析用户潜在需求，为用户提供更加智能、便捷的交互体验。目前，基于“智能汽车全域AI”技术体系打造的AI银河精灵、Flyme Auto智能座舱等一系列AI应用已在吉利的多款车型上搭载。今年3月初，吉利还将发布重磅AI智能化战略，加速推动AI数字底盘、高阶智能驾驶等最新技术的上车应用，为用户带来颠覆性的智能化出行体验。

微信接入deepseek-r1，xai发布免费grok 3，deepseek继续开源！| ai weekly 2.17-2.23

代码疫苗技术中的IAST可以在应用上线前，通过融入业务环境，在测试环节进行漏洞挖掘。它能为开源治理的落地起到比较重要的技术支撑，一方面通过对私服仓库或者组件仓库进行扫描，能保障开源软件在自身使用生命周期中的安全，另一方面可以融入研发过程，在CI/CD中通过静态和动态的分析来保障开源软件安全。第三，开源治理不仅要识别开源组件漏洞、梳理SBOM软件物料清单，还要对0day或者-1day这类未知漏洞进行防御，通过代码疫苗技术的IAST在测试环节进行漏洞检测，通过代码疫苗技术的RASP在上线运营环节进行漏洞防御。

step r-mini - 阶跃星辰推出的 step 系列首个推理模型 | ai工具集

Step R-mini是什么 Step R-mini（全称Step Reasoner mini）是阶跃星辰推出的推理模型， 是 Step 系列模型家族的首个推理模型，擅长主动规划、尝试和反思，基于慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。模型既擅长解决逻辑推理、代码和数学等复杂问题，也能兼顾文学创作等通用领域。Step R-mini在数学基准测试和代码任务上表现优异，实现了文理兼修。Step R-mini坚持 Scaling Law 原则，包括强化学习、数据质量、测试时计算和模型规模的扩展。Step R-mini的主要功能数学问题：构建合理的推理链，对复杂数学问题进行规划和逐步求解。在解答奥数难题时，枚举不同解法方案进行交叉验证。处理几何题目时，主动用画草图构建深度思考的内容介质，全面严谨地分析题目需求，选择最佳解题公式，基于多次自我追问确定是否有没被考虑到的因素。 逻辑推理：自主尝试多种解题思路，在得到初步答案后，自我反问尝试有没有其他可能性，确保枚举出所有效果良好的解决方案，在交卷前检查有无遗漏，提供全面且准确的推理结果。 代码解答：基于长推理链正确解答难度较高的算法题，如 LeetCode 技术平台上评级为“Hard”的题目。还能处理复杂的开发需求，逐步分析用户需求和意图，构建代码逻辑，在代码写作中穿插对当前代码片段的分析和验证，最终给出可执行的代码。 文学创作：深入理解用户的表达需求，分析创作主题、文学题材要求，思考创作角度、描绘的景物、修辞手法、内容结构等，赋予事物人类情感层面的象征意义，并增加个性化、创新的表达风格，像个“追求完美”的创作者。Step R-mini的技术优势坚持 Scaling Law 原则：Scaling Reinforcement Learning：从模仿学习到强化学习，从人类偏好到环境反馈，用强化学习为模型迭代的核心训练阶段。 Scaling Data Quality：在确保数据质量的前提下，持续扩大数据分布与规模，为强化学习训练提供保障。 Scaling Test-Time Compute：兼顾测试阶段的计算扩展，System 2 的范式让 Step-Reasoner mini 能在极复杂任务推理上，达到 50,000 tokens 进行深度思考。 Scaling Model Size：坚持模型规模扩展是 System-2 的核心，正在开发更智能、更通用、综合能力更强的 Step Reasoner 推理模型。文理兼修：在 AIME 和 Math 等数学基准测试上，成绩超过 o1-preview，比肩 OpenAI o1-mini。在 LiveCodeBench 代码任务上，效果优于 o1-preview。大部分推理模型难以兼顾文理科双方向能力， Step R-mini 基于大规模的强化学习训练，用 On-Policy（同策略）强化学习算法，实现“文理兼修”。Step R-mini的项目地址项目官网：Step R-miniStep R-mini的实例展示逻辑推理：在处理逻辑推理任务时，Step R-mini自主进行多种解题思路的尝试，在得到初步答案后，自我反问尝试有没有其他可能性，确保枚举出所有效果良好的解决方案，并在交卷前检查有无遗漏。Step R-mini的应用场景教育辅导：辅助学生解答数学难题、编程困惑，提供解题思路和代码示例，助力学习提升。 科研助力：帮助科研人员进行逻辑推理、数据分析，整合跨学科知识，推动科研项目进展。 企业办公：协助程序员高效开发代码，为管理者提供商业决策的逻辑分析和建议，优化办公流程。 文学创作：激发文化创意工作者的灵感，提供个性化、创新的文学创作方案，丰富作品内涵。 翻译服务：满足高质量翻译需求，精准转换语言，促进文化交流与传播。