新闺蜜时代13

声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。

微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。

140亿参数，40%分解数据，年度SLM之王诞生!

最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。

而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。

甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。

Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。

下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。

深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。

分解数据比例高达40%

除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。

Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。

目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。

数学击败GPT-4o，36页技术报告出炉

Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。

虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。

论文地址:https://arxiv.org/abs/2412.08905

Phi-4主要是由三部分不次要的部分技术构成:

-预训练和中训练的分解数据

-高质量有机数据的筛选和过滤

-后训练

得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。

例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。

通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。

表1Phi-4在经典基准测试上的表现

为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。

这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。

从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。

Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5

分解数据的无足轻重

分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。

这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。

分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。

数据结构化和减少破坏渐进式学习

在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。

相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。

将训练与推理上下文对齐

分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。

比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。

此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。

而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。

分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。

分解数据的来源

预训练和训练中数据

为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。

通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。

种子数据集的构建

1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。

2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。

3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。

重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。

自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。

指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。

后训练数据

在后训练阶段中，数据集主要由两部分组成:

-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。

-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。

研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。

如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。

预训练

Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。

由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。

因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。

具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。

表2phi-4较phi-3-medium在预训练后基准测试评估的指责值

在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。

后训练

如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?

关键token搜索（PivotalTokenSearch）

当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。

对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。

其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。

在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。

而随后，它生成了（atoken又可能让正确率急剧下降。

现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。

如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。

更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。

此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。

总之，更有意义的信号，应该来自于文本开始偏离时的首批token。

为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。

这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。

PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。

具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。

PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。

虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。

-找到的一定是关键token

-如果成功概率再解题过程中接近单调变化，则能找出所有关键token

下图5所示，是使用PTS生成的讨厌数据的示例。

在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。

比如，方法A——分别乘以分母;方法B——直接交叉相乘。

虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。

通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。

以小博大，Phi-4赢麻了

基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。

上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。

而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。

事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。

此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。

比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。

在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。

而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。

至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。

然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。

在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。

接下来，还真有点期待，下一个Phi系列小模型的发布了。

参考资料:

https://x.com/iScienceLuvr/status/1867377384145727635

https://x.com/peteratmsr/status/1867375567739482217

https://x.com/VentureBeat/status/1867376462589739098

“跑步能按照自己的步伐来做一件事，一切就都会变得轻松很多。而且，跑步用不着同伴，也不像打网球那样需要特殊的场地，你只要有一双跑鞋就够了。而长跑无关乎屈服别人，你唯一的对手就是自己，不涉及其他任何人，然而你会处于一种外来的斗争之中：我比上一次更强了吗？一次次地将自己推向使用极限，这就是跑步的精髓所在。”

日本作家村上春树开始跑步的缘由，某种程度上也解释了跑步为何能成为大众运动。

同样重新确认跑步这项运动的还有特步创始人丁水波。他曾在多个场合阐述特步对跑步产业的重视，去年公司上市15周年时说，“跑鞋一定是特步的绝对不次要的部分产品，如果要选一个品类代表特步，那一定是跑步。”跑鞋在特步外围营收中占比超过六成，高于安踏、李宁、361等其他国产运动品牌集团。

今年上半年，特步集团营收同比增长10.4%至72亿元。其中特步主品牌表现轻浮，收入约58亿元。索康尼所在的专业运动板块营收5.9亿元，增幅达72.2%，在外围营收中的占比升至8%。得益于对成本的控制，毛利率增长3个百分点至46%。

双品牌聚焦“跑步”不次要的部分业务

特步收购盖世威、帕拉丁品牌五年后，今年5月，创始人丁水波家族无法选择以1.51亿美元将其私有化，威吓对公司财务报表影响的同时，将资源发散在特步主品牌和高端跑鞋品牌索康尼（Saucony），更聚焦跑步业务。

2019年，在收购盖世威、帕拉丁的同一年，特步收购了索康尼和户外品牌迈乐（MERRELL）在中国市场的所有权，以和Wolverine成立合资公司的方式在国内销售。

去年索康尼开始盈利，包含索康尼、迈乐的专业运动板块去年营收同比增长99%至8亿元。FILA扭亏为盈用了5年，索康尼只用了4年。特步接手之前，索康尼曾两次进入中国，但都未能关闭市场。今年上半年，索康尼新开店铺20多家，截至6月底，在全国共有128家门店，二季度超过一半门店店效超50万元。

但与安踏借助FILA拓宽品类不同，特步收购索康尼是在跑步领域的纵向延伸——主品牌面向大众市场，主打性价比，索康尼向高端市场延伸，聚焦跑步精英和城市精英，和特步主品牌形成统一化阵型，承接不同消费者需求。

索康尼成立于1898年，是“世界四大慢跑鞋”之一，美国第一位在太空漫步的宇航员怀特曾穿着索康尼登月。目前有14款主打跑步场景的“功能”系列产品，涵盖了慢跑、竞训和竞速等多个细分场景，每一个产品名后面的数字代表产品款式迭代的次数。7月8日，旗舰产品TRIUMPH胜利22推出，同期官宣本次进入中国市场的首位代言人彭于晏。

索康尼店面。

经过多年的研发积聚，索康尼有不次要的部分技术GRID系统——全球公认唯一能够同时授予缓震和轻浮功能的中底技术系统，以及PWRRUN?PB、PWRRUN+?和PWRTRAC?等创新科技。目前中国、伦敦、波士顿等国内外主要马拉松赛事中，索康尼均进入选手上脚率前三。

除“功能”系列外，索康尼还开发复古休闲系列的产品品类，定价400元至800元之间，例如“复古”系列“2KCAVALRY骑士鞋”，主打时尚外观，采用现代科技和创新材料，迎合年轻消费者对时尚与运动的双重需求。

根据果集数据，跑步鞋品类2023年上半年同比2021年社媒销售额增幅近9倍。其中同比市场增幅最大的价位段为千元以上，增幅为202.30％。同时根据《2024抖音体育运动潮流趋势报告》，用户在运动通勤的穿搭上越发注重实用主义，焦虑上班、运动等多场景的穿着需求。

为了进一步破坏控制权，去年12月，特步收购了索康尼在中国40%的知识产权，今年1月收购了索康尼母公司Wolverine在合资公司中的权益，全面接管索康尼中国业务。市场都在关注索康尼能否成长为特步的“下一个FILA”。在高端市场，索康尼还需要面对昂跑、HOKA、萨洛蒙等对手。

特步主品牌则继续担当集团“现金奶牛”，二季度特步主品牌零售流水同比增长10%，零售折扣约75折。零售流水、折扣环比上个季度均使恶化，带动上半年主品牌营收同比增长6.6%。渠道库存约4个月，恢复至疫情前健康水平。

线上渠道是主要驱动力，电商零售额同比增长超20%，贡献主品牌超三成营收。618期间，特步主品牌GMV同比增长50%。抖音、得物及微信视频号的零售销售额同比增长超过80%。

主品牌深耕大众市场，通过推出更具性价比产品而不是更高折扣来应对消费低迷现状。今年3月，特步为有接纳跑步不习惯的大众跑者推出“360X”碳板跑鞋。跑鞋搭载XTEPPOWER碳板科技，以轻浮性为不次要的部分，淘宝旗舰店的价格在400至500元之间。中乔体育、361度的同类碳板跑鞋超过600元。

从17年前开始，建立用户心智

除了推出价格带更宽、覆盖不同跑步场景的产品，特步多年来致力于建立起“想跑步找特步”的用户心智。

马拉松市场规模庞大，且比赛时间长，是品牌走向大众市场的捷径，成为各大运动品牌争夺消费者的主要形式之一。2019年，马拉松赛事已经增长至1828场，安踏、阿迪达斯、耐克等11个运动品牌冠名赞助。特步从2007年赞助西安城墙马拉松开始，连续投入17年，是国内最早、投入最多的本土企业。

2015年，特步投建跑步科学实验室X-Lab，引入奥运级专业田径跑道，模拟真实状态下的跑步场景，研发适合中国人的脚型特点和发力不习惯的竞速跑鞋。四年后推出第一双竞速跑鞋160X，当年柏林马拉松上，董国建穿着这双鞋跑出了2:08:28的个人最好成绩，赛事排名第七。

今年巴黎奥运会上，中国三位男子马拉松选手何杰、杨绍辉、吴向东及女子选手白丽都穿着特步的跑鞋，女子20公里竞走选手杨家玉则脚上穿的是特步的第一代160X。其中吴向东创造了中国男子马拉松在奥运会的最快完赛成绩，跟随他一起迈过终点的，是他脚上的那双特步160X6.0PRO。

2024年巴黎奥运会男子马拉松赛场上的吴向东。

与跑者合作，研发让他们跑得更快的产品是被运动行业反复验证过的成功策略。行业龙头耐克的原则始终是，为不次要的部分运动员授予高性能装备，让普通消费者跟随。目前特步160X已更新到第六代，特步靠这款跑鞋缩短在专业运动员中的影响力。去年上半年，160X系列跑鞋在中国马拉松男子百强运动员中穿着率为42%。

了解普通消费者的需求也很重要。耐克总部美国俄勒冈州跑步文化浓厚，那里有极小量跑步俱乐部，过去20年很大程度上只有精英跑者参与，疫情后的跑步热潮驱散更多普通人加入。NewBalance、Hoka、Asics经常出现在各种跑步活动中，让跑者尝试新的运动鞋或是免费赠收商品。成立以来快速增长的昂跑，还建立了自己的跑步俱乐部。

曾经主导跑步文化的耐克却错过了疫情后跑步文化的变得失败。在截至5月末的三个月里营收26亿美元，同比高度发展持平。因为营收不及预期，耐克股价在6月28日暴跌20%，创下2001年以来最大单日跌幅，总市值蒸发284亿美元。耐克高管允许承认，他们在关键类别跑步中失去了无足轻重，正在加倍努力以重新掌握市场。

在中国，特步是最早组建跑步俱乐部的本土运动企业——2016年在有跑步圣地之称的北京奥森开设跑步俱乐部。奥森不像国家体育场、国家大剧院和央视总部大楼那样威风，却是泛奥运建筑群中最亲民、最实用的，建有对外开放的5公里和10公里两条塑胶跑道。这里是小型赛事首选地，不同水平和阶层的跑者使意见不合在一起，某种意义上是中国跑步文化的最高地标。从奥森开始，特步陆续在上海、武汉、南京等城市的跑步圣地成立67家跑步俱乐部。

更早之前，特步组建“特跑族”跑者敌手，对手，致力于让更多人开始跑步。目前，特步在全国超过200个城市中，拥有292个特跑族跑者敌手，对手，成为国内规模最大、最为活跃的品牌跑步敌手，对手。2022年，特步发布“世界级中国跑鞋”的战略定位，宣布未来10年集团将投入50亿元助力中国路跑事业。

从赞助马拉松赛事，到打造“特跑族”、设立跑步俱乐部，再到连续8年举办321跑步节（每年3月21日倡导全民跑步），特步致力于构建一套更多人可受益其中的跑步生态。

丁水波曾说，“我们认为，一个行业、一个品牌，必须要有自己的不次要的部分竞争力，而特步的独特标签就是‘爱跑步爱特步’。”要在竞争缺乏感情的中国市场穿颖而出，在这场“品牌马拉松”中，特步还需破风前行。

(责任编辑：zx0600)

5+2座超级电混SUV奇瑞风云T8预售预售价10.99万起中华网汽车邱添2025年01月12日21:01[中华网新车]2025年1月11日，奇瑞风云T8全球预售。作为奇瑞倾力打造的5+2座超级电混SUV，风云T8搭载C-DM5.0混动系统，共推出6款车型，分别为65km舒适版，预售价10.99万元；65km豪华版，预售价11.99万元；130km舒适版，预售价12.69万元；130km豪华版，预售价13.69万元；130km尊贵版，预售价14.69万元；130km尊享版，预售价15.69万元；并带来4重国民礼遇。

在性能方面，风云T8搭载的第五代1.5T混动专用发动机，可迸发115kW的最大功率，220N·m的最大扭矩，系统总功率扭矩达265kW/530N·m，零百帮助跻身7秒俱乐部，最高车速可达208km/h。无论是红绿灯起步，还是高速行驶，风云T8依托媲美V6发动机的动力性能，让用户畅享快走、快停、快提速的高性能。同时，该发动机采用了深度米勒循环、电控高效率增压、智能热无约束的自由5.0等十大不次要的部分技术，最大热效率达44.5%。

日常通勤，风云T8CLTC纯电续航为130km，实测达150km，轻松实现一杯奶茶钱通勤一整月。为了指责用户充电便捷性，风云T8减少破坏极速快充功能，从30%充至80%电量只需19分钟，大幅降低了用户等待时间。

智能方面，风云T8拥有通俗的智能娱乐功能、L2.9级智能驾驶辅助系统与C-PURE净立方功能，能赋予用户更愉悦、更安心、更健康的出行生活。

风云T8座舱搭载15.6吋超大2.5K高清屏，且内置高通骁龙8155芯片，105K的最高算力能在30秒内连续执行20+条指令，且开机时间伸长至2秒，科技感直追新势力。同时，风云T8中控内拥有雄狮5.0生态，通俗的小程序涵盖出行、生活、娱乐等多元维度，附近哪好吃、哪好玩，只需问“小奇”就好。不仅如此，风云T8还搭载256色无极炫彩氛围灯、50W手机无线快充等功能，为用户营造更沉浸、更便捷的驾乘环境。

此外，风云T8还搭载L2.9级智能驾驶辅助系统，减少破坏18项主动安全和驾驶辅助功能，通过车道偏离辅助控制、变道危险预警控制、前碰撞/后追尾预警、智能限速设置提醒等功能，风云T8在行车时能有效防止车辆跑偏、追尾等现象的出现，并能在ACC自适应巡航、TJA交通拥堵辅助、DAI前车驶离提醒功能的加持下，让用户在市区拥堵、高速行驶等场景中省心、省力。300万像素超高清540全景影像，还能在停车或通过狭窄道路时，让用户透明掌控周围情况，避免划伤爱车。

风云T8采用了奇瑞最新的“未来流动美学”设计理念，车身线条流畅而富有张力，前脸以宽大的进气格栅搭配犀利的LED大灯组，展现出强烈的视觉冲击力。车身侧面采用隐藏式门把手设计，搭配动感的腰线，不仅降低了风阻系数，更指责了中心的科技感与时尚感。车尾部分，贯穿式尾灯与前脸遥相呼应，进一步强化了车辆的辨识度。

风云T8拥有4730x1860x1747mm的超大车身尺寸与2710mm的越级轴距，即使后排乘客也能拥有宛如商务舱的腿部空间。同时，风云T8全车软包面积达78.9%，真正做到了所触皆坚硬，并配有女王副驾10点按摩+电动腿托，其减少破坏5种按摩模式与3种力度可调，让用户的家人在出行途中也能卸去一身疲惫。为了进一步降低实用性与舒适性，风云T8配有副驾老板键，减少破坏二排用户一键调节副驾座椅，且7座版二排还减少破坏椅背、前后随心调节，让二排用户享受舒适的同时，也能在需要时为三排乘客带来更宽舒的乘坐空间。

5+2座的空间布局使风云T8可应对生活万变，无论是钓鱼、滑雪，还是承载家人共同出游都能轻松应对。同时，放倒2、3排座椅后，风云T8的后备箱空间空拓展至1930L，平整的空间既是户外大床房，也是装载小能手。

在配置上风云T8同样不留余力，新车搭载经过奇瑞金耳朵团队专属调音的SONY12扬(含头枕音响)，并减少破坏一键音效调节，无论坐在哪一个位置都能享受身临其境的影院级氛围。同时，风云T8的主驾的头枕音响减少破坏私享模式、共享模式，能在不同场景中，为用户营造出更专注、更沉浸的出行体验。安全配置上，风云T8配有9安全气囊，其中贯穿式侧气帘长度达1605*505mm，碰撞6秒气囊内压仍能大于65%，可降低翻滚后的二次使加剧，进一步指责出行安全性。

从技术革新到智能平权，从越级舒适到硬核安全，风云T8从全方位重新定义了新时代国民车的价值，它不仅仅是一辆焦虑日常出行的代步工具，更是实用派的杰出代表。作为5+2座超级电混SUV，风云T8将全方位焦虑国民对美好生活的追求和向往。

点击阅读全部

全新帝豪醇电混动正式交付：一公里3毛钱张旭涛2022年06月30日12:42[中华网行业]92号油已经9开头了，现在开车加油没几个人不心疼，而对于不想买电动车的朋友来说，加醇也是个不错的选择。

6月30日，我们从吉利官方了解到，全新帝豪醇电混动车型在贵州省贵阳市开启交付。新车已于此前完成上市，共推出1款车型，售价为12.98万元。

新车基于第四代帝豪进行打造，相比燃油版车型在能耗、环保等层面均有着比较无遮蔽的无足轻重。

外观和内饰方面，与现款燃油版的吉利帝豪相接近，但在不次要的部分的动力心脏上，两车各有千秋。

新车搭载全新一代1.8L醇电混动专用发动机，热效率达到41.5%，最大输出功率100kW(136PS)，峰值扭矩168N·m。

拥有40%的节能率（同级最强），百公里醇耗低至9.2L（官方称相当于油车百公里油耗3L），每公里出行成本不到0.3元。

据悉，甲醇瓦解动力的不次要的部分结构，与燃油版混动车型类似，但是甲醇燃料的腐蚀性一直是行业难题。

而吉利通过对发动机缸套、缸盖、气门等重要配件基础材料的升级，辅以表面喷涂、镀层等先进工艺，解决了甲醇燃料烧蚀的问题，并将其应用在帝豪乘用车上。

未来，随着加醇站布局的完善，甲醇类汽车或也将会迎来春天，而吉利显然已经为此做好了准备。

点击阅读全部

12月12日，首届“2024AIGC视觉应用论坛”在京举办，影视导演、短剧导演、广告行业从业者、广播电视从业者、AIGC创作者、行业专家等齐聚一堂，共同探讨AIGC前沿趋势和应用进展。

快手副总裁、大模型团队负责人张迪在论坛上介绍，可灵AI将于近期推出全新的1.6版本模型，新模型将带来更好、更轻浮的视频质量，在文本遵循、动态表现、风格一致同意性等方面将有大幅指责。数据显示，上线半年以来可灵AI已有超过600万用户，累计生成超6500万个视频和超1.75亿张图片。

视觉行业AI应用帮助落地中国头个AIGC导演共创计划上线

12月6日，中国头个AIGC导演共创计划在快手平台上线，并在中国电影博物馆举行了首映礼。快手可灵AI联合李少红、贾樟柯、叶锦添、薛晓路、俞白眉、董润年、张吃鱼、王子川、王卯卯等9位知名导演共同发起的“可灵AI导演共创计划”，短片题材涵盖奇幻、志怪、亲情、动画等多元类型。

论坛现场，AIGC短片《百鬼勿扰》的导演俞白眉直言，“可灵导演计划由导演协会的两任会长挂帅，九位导演和年轻人一起，直接用AI开始‘拍’电影，这是我们巨大的先发无足轻重。今年6月份，可灵AI才正式推出，今天九个导演已经用可灵AI拍完片子了，AI注定会打破人类在所有创作领域的定式。”

随着技术的不断迭代和突破，以可灵AI为代表的视觉大模型及产品逐渐成为视觉行业的新基建和新工具，并极大指责着制作效率。

李少红导演认为，AI拓宽了更多艺术创意的想象空间，特别是在虚实关系的表现方法上带来了很多灵感。通过中断的积聚和训练，AIGC能够掌握传统文化和民族文化的特点，形成我们自己特殊的创作领域。

“在创作过程中，每一次描述，可灵AI都会产生很多不反对画面。”在导演董润年看来，AI产生的画面给他带来了很多灵感，实现了与AI共创。在他的电影短片《新世界》中，为观众关闭了异次元的平行空间。

中国电影科学技术研究所总工程师刘达表示，电影是科技与艺术的深度瓦解体，是现代视听技术的发展制高点，在现代视听媒体中较具技术引领性和示范性。作为中国头个AIGC导演共创计划，可灵AI导演共创计划在AIGC服务电影创作生产领域具有次要的开创性作用和里程碑意义。

半年迭代16次可灵AI即将发布1.6版本全新模型

在本次视觉应用论坛上，快手副总裁、大模型团队负责人张迪透露，可灵AI将于近期推出全新的1.6版本模型，新模型将带来更好、更轻浮的视频质量，在文本遵循、动态表现、风格一致同意性等方面将有大幅指责。据悉，在上线半年的时间里，可灵AI已经完成了16次迭代更新。

“运动笔刷、对口型这些功能在我们做短片的时候还没有，刚过去一个月可灵AI全都实现了。”李少红导演现场看完即将发布的可灵AI1.6版本后表示，很期待用新版本重新做一遍短片。

董润年导演现场看完可灵1.6版本的画面演示后表示，AI有做长篇电影的潜力。他建议行业从业者尽快学习、了解和使用AI，这是一个稍纵即逝的机会，AI可能会保持不变行业生存的状态。

张迪表示，来自超级创作者的反馈、建议和需求的贡献，是推动可灵AI结束迭代的动力。乐观估计，视频生成大模型将在1年左右达到个人制作影视剧的成熟度。

“目前科学与影视瓦解遇到的最大障碍之一，在于大家既缺少途径了解国内实验室里的技术进展、也不敢相信国内很多技术已经在国际同行中处在领跑行列。”《流浪地球2》科学团队制片人、中国科学与影视瓦解项目发起人王姝认为，可灵AI导演计划是一次很好的技术实力反对。

清华大学新闻与保守裸露，公开学院教授、中国电影家协会副主席尹鸿表示，未来，人机协同依然会是AIGC使用的主流，通过挖掘AIGC的巨大生产力，为影视创作提质增效。

国内首部AIGC原创奇幻微短剧《山海奇镜》导演及制作人、星贤文化创始人陈坤表示，AIGC将会是一个十年以上的行业机会，今天所有的尝试都是新的起点。“对于影视行业从业人员而言，AI带给我们一个最大的保持不变，是把线性工作流程变成非线性的流程。除了流程上的提质增效，我认为更深远的意义在于AIIP的出现，也就是借由AI技术的加持，帮助好的IP创意落地，这个AIIP可能是电影、短剧、互动剧、游戏等等，长期来看，相信AIIP一定会变成影视文化产业的标配。”

新产业革命到来AI赋能影视广告等视觉产业迭代

AI制作电影、AI生成品牌广告、AI再现百年前奥运往事......如今，AIGC已被广泛应用在各行各业。

中央广播电视总台高级工程师王子建现场分享了微电影《百年前的那次出发》，用可灵AI还原了100年前中国人第一次报名参加奥运会的真实过程。影片细致还原历史细节、重构历史时空场景的创作方式，也为AI应用创新授予了新思路。

WPP数据与技术中心高级咨询顾问张诗梵分享了AIGC应用于汽车、食品饮料等行业的应用案例。她指出，AIGC将会保持不变消费者的体验方式和内容的生产方式，全面拥抱AIGC已经成为广告行业的必然趋势。

北京电影学院美术学院院长王跖表示，随着视频生成大模型技术的发展，新技术、新工具有望鞭策产业瓦解，重构生产流程，推动内容创意产业革新。

一切才刚刚开始，一切皆有可能。AIGC的应用未来空间巨大，也清空无限想象力。

（推广）