科大讯飞推出全新深度推理大模型：星火 X1.5，性能再创新高！

近日，科大讯飞正式发布了其最新的深度推理大模型 —— 讯飞星火 X1.5。这款基于全国产算力的模型在技术上有了显著的进步，不仅采用了先进的 MoE（混合专家）架构，还拥有高达293亿的总参数量，其中30亿为激活参数。这意味着，星火 X1.5的处理能力非常强大，单台昇腾标配服务器即可轻松部署，推理效率较前代产品 X1提升了整整100%，其端到端性能更是达到了国际同行业产品的93% 以上。

在核心能力方面，星火 X1.5涵盖了语言理解、文本生成、知识问答、逻辑推理、数学及代码处理等六大领域，充分对标国际主流的大模型。其中，在数学能力方面表现尤为突出。根据高考数学测评，星火 X1.5的得分高达145分，超越了 GPT-5的141分和 DeepSeek V3.2-Exp 的140分。在国际数学奥林匹克竞赛中，星火 X1.5同样展现了它的强大实力，成功解决了2025年第3题。

此外，星火 X1.5在教育与医疗领域的应用也颇具潜力。在辅助教学、学习和医疗知识问答等任务中，它的表现超越了 GPT-5和 DeepSeek V3.2-Exp，教育模型的平均得分也突破了85分的高分门槛。同时，该模型的多语言能力得到了显著提升，现在可以支持130种以上的语言，整体性能达到 ChatGPT-5的95% 以上，特别是在拉美、东盟等14个重点语言的效果上表现出色。

不仅如此，星火语音同传大模型2.0在最新发布的《中国 AI 翻译技术评估》中，在八项核心维度的评测中均获得行业第一，彰显了科大讯飞在 AI 翻译技术上的领先地位。

科大讯飞此次的发布无疑为深度推理领域带来了新的变革，星火 X1.5的强大能力不仅能够满足广泛的应用需求，还为教育和医疗等多个行业的创新提供了强有力的支持。

via AI新闻资讯 (author: AI Base)

麦肯锡：九成组织已在用 AI，但“规模化”仍是瓶颈

麦肯锡《The state of AI in2025》报告指出，88% 的受访者表示其组织在至少一个业务职能中常规使用AI，相比一年前（78%）显著增长，表明AI使用正在普及。

但在企业级别实现规模化仍未普遍:约三分之二的受访组织仍处于试验或试点阶段，只有约三分之一开始在更广范围内扩展AI计划。大公司（年营收>50亿美元）比小型公司更容易进入规模化阶段。

分析师评论:报告强调——工具普及并不等于价值落地。虽然多数组织在用AI，但只有少数实现了可观的企业层面EBIT贡献（报告中称仅39%认为AI已产生企业层面的EBIT影响，且大多数的影响低于5%）。这凸显从“用”到“用好”的管理与流程改造需求。

对大多数企业而言，未来两年关键不是是否采用AI，而是如何通过重构工作流、治理与人才投入，把AI从点上成果变为面上价值。

via AI新闻资讯 (author: AI Base)

Google 推出 Gemini API 文件搜索工具:简化私有 RAG 集成，开发者无需自建向量数据库

Google 今日正式推出 Gemini API 中的“文件搜索工具”（File Search Tool），一款完全托管的 RAG 系统。该工具将私有文件无缝转化为 Gemini 的知识库，用户无需自行处理数据分块、嵌入生成或向量存储等繁琐步骤，直接通过 API 集成即可实现高效检索与生成。

工具核心功能:一站式 RAG 流程打包文件

搜索工具的核心在于其端到端的集成设计。它自动处理文件上传、索引和检索过程，利用 Google 的 Gemini Embedding 模型（gemini-embedding-001）生成高质量向量表示，支持语义搜索而非简单关键词匹配。这意味着开发者可以专注于应用逻辑，而非底层基础设施维护。

据 Google 官方博客介绍，该工具支持多种常见文件格式，包括 PDF、DOCX、TXT、JSON，以及各种编程语言文件（如 Python、Java 等源代码）。用户只需通过 Gemini API 的 generateContent 接口调用，即可将私有文档导入知识库。系统会智能分块数据，确保检索结果的上下文连贯性，并在响应中自动生成引用链接，直接指向文档的具体部分，从而提升输出的透明度和可验证性。

这一设计特别适用于企业级场景，例如内部知识助手、智能支持机器人或内容发现平台。Google 强调，对于海量数据、频繁更新、重复查询或需要严格可追溯性的应用，该工具能显著降低开发门槛，并提供可扩展的性能支持。

创新计费模式:查询免费，首次索引低至0.15美元/百万词元

与传统 RAG 解决方案不同，文件搜索工具采用全新的计费范式:查询期间的存储和嵌入生成完全免费，仅在首次索引文件时收取嵌入生成费用。该费用基于词元（token）计算，使用 gemini-embedding-001模型的标准率为每百万词元0.15美元。这使得工具在成本控制上更具竞争力，尤其适合大规模部署和实验性项目。Google 产品经理在公告中指出:“这一计费模式大幅降低了 RAG 实现的入门门槛和运营成本，帮助开发者更快地将 AI 落地。” 后续文件更新或增量索引将仅按实际变化部分计费，进一步优化了资源利用效率。

via AI新闻资讯 (author: AI Base)