

> 导语 今日AI界风起云涌，从应用层到模型底层皆有重大突破。阿里与字节相继推出革命性AI编程平台与超长上下文模型，预示着软件开发与大文本处理的新纪元；谷歌则宣布将Gemini教育版全面免费，AI普惠教育迈出关键一步；同时，腾讯、通义等国内大厂也在AI工具与应用上持续发力，而海外巨头的人才战与AI爬虫流量问题也引发了业界的广泛关注。

## 阿里发布Qoder平台 十万文件检索重塑编程范式

阿里旗下全新的Agentic编程平台Qoder正式发布 该平台凭借其卓越的上下文工程能力和强大的编程智能体，集成了全球顶尖的编程模型。Qoder支持一次性检索高达十万个代码文件，能够实现AI自主研发，将原本需要数天才能完成的开发工作缩短至十分钟，极大地提升了软件开发的效率，有望彻底改变传统的开发模式。目前，该工具支持Windows和macOS操作系统，并提供限时免费使用。

![image.png](https://static.downly.cn/images/ca0620711e463ccadb05cc2504ed1c28.png)

## 字节跳动开源Seed-OSS-36B模型 512K上下文引爆AI圈

字节跳动开源了其360亿参数的Seed-OSS-36B大语言模型，其原生支持的512K超长上下文窗口，远超当前主流开源模型128K的限制。这一突破意味着模型处理超大规模文本任务的能力获得了革命性的提升，性能相较之前提升了四倍，在行业内引发了高度关注和热烈讨论。

![image.png](https://static.downly.cn/images/b49f506b894cdda2479673a7995cdea5.png)

## 谷歌Gemini教育版免费开放 AI变革深入全球教室

谷歌宣布，其基于Gemini 2.5 Pro模型全面升级的Gemini AI教育系统，将从2025年8月起，对全球超过100个国家和地区的Google Workspace for Education用户免费开放。这一举措预示着人工智能与教育的深度融合将重塑传统教学模式，为全球教育带来普惠性的变革，让AI悄然改变每一间教室。

![image.png](https://static.downly.cn/images/f07cb7b0c9b904b1208c0136bfb3c803.png)

## 腾讯CodeBuddy IDE开启公测 首家接入DeepSeek V3.1

腾讯官方宣布，其自研的下一代AI全栈工程师工具CodeBuddy IDE国内版已开启公测。作为全球首个贯通“产品-设计-研发”的一体化AI平台，它率先接入了DeepSeek-V3.1-Think等前沿模型，成为国内首个支持DeepSeek V3.1的AI一站式工作台，受到了开发者社区的广泛关注。

![image.png](https://static.downly.cn/images/31ce03ff7889283cea2866a0c794b428.png)

## DeepSeek-V3.1正式发布 Agent能力与API价格双调整

深度求索（DeepSeek）于8月22日正式发布了其最新的AI模型DeepSeek-V3.1。新模型在复杂搜索和多学科专家级难题测试中表现出色，多步推理能力显著增强。同时，官方宣布其开放平台的API接口调用价格将于2025年9月6日起进行调整。

![image.png](https://static.downly.cn/images/e9444a2d3dec52d26da671e1557fca76.png)

## 阿里Mobile-Agent-v3开源 GUI自动化迎跨时代突破

阿里巴巴发布了第三代GUI智能体框架Mobile-Agent-v3，并开源了多模态跨平台GUI虚拟层模型GUI-Owl。该框架在多项权威测试中取得了行业最高的成功率，标志着图形用户界面（GUI）自动化技术迈入了新的纪元，实现了跨时代的突破。

![image.png](https://static.downly.cn/images/da2ef8a48aa14bcf375ebc738c91aac9.png)

## 通义APP上线知识库功能 聚合专业信息一键查询

通义APP现已推出官方知识库功能，首批内容聚焦于教育、法律、金融等五大关键领域。用户可以通过官方与个人多知识库联合查询的方式，获得更加专业和精准的信息支持，提升了信息获取的效率和质量。

![image.png](https://static.downly.cn/images/33be829c04a9c64ae9dea7d80a537ce8.png)

## 中国信通院“智域”大模型开放下载 赋能智能运维新时代

中国信通院正式开放“智域”运维大模型的下载。该模型专为运维领域设计，能够通过AI技术实现自动化运维、智能故障诊断与预测、性能优化及安全防护等功能，旨在为系统“治未病、愈顽疾”，提升企业运维效率与服务质量，保障业务的连续性。

![image.png](https://static.downly.cn/images/3084327fb86b1d2d4aa724bae4724d2e.png)

## OpenAI人才持续动荡 首席人才官离职加剧挖角战

在与Meta等科技巨头的人工智能人才争夺战日益激烈之际，OpenAI的首席人才官Diane Villagra宣布离职。此次高层变动紧随Meta前高管Fidji Simo加入OpenAI负责消费者和产品战略之后，标志着公司在业务拓展关键时期内部的持续重组和调整。

![image.png](https://static.downly.cn/images/d5a55d0d346c2beca83d6670340ecf1d.png)

## Vercel AI Gateway发布 简化百种AI模型调用流程

Vercel于2025年8月全面推出了AI Gateway。该平台旨在简化开发者管理和调用来自OpenAI、xAI、Anthropic、谷歌等数百种AI模型的复杂流程，提供一个一站式的解决方案，有效解决了开发者在面对多模型、多供应商时的痛点，让打造智能应用变得零门槛。

![image.png](https://static.downly.cn/images/41d61eb3e660bd591e63e8152e619b82.png)

## 微软深化与NFL合作 AI驱动战术分析升级

微软与NFL（美国国家橄榄球联盟）深化合作，通过其Surface平板电脑为球队提供由AI驱动的战术分析和数据处理。利用GitHub Copilot优化教练和球员的决策过程，并借助Microsoft 365 Copilot为分析师提供实时数据仪表板，显著提升球队的临场应变与战术执行能力。

![image.png](https://static.downly.cn/images/21fb3ca70eb6438355639385623372be.png)

## AI爬虫流量激增 Fastly报告揭示网络新负担

根据Fastly的最新报告，AI爬虫正在对开放网络造成沉重的流量负担。报告指出，近期网站流量的显著增长主要源于AI机器人，其中通用AI爬虫占据了80%的份额，而另外20%则是在大型语言模型请求训练数据后按需触发的抓取程序。

![image.png](https://static.downly.cn/images/962115f15ec24b7c5e6eb1f0909d217a.png)

## Tinker Diffusion发布 AI重塑多视角3D编辑

一款名为Tinker Diffusion的AI 3D编辑工具于2025年8月发布。它通过先进的扩散模型，实现了多视角一致的3D场景编辑，无需密集的视角输入和逐场景优化。这解决了传统3D重建技术耗时长和视角不一致的难题，极大地提升了3D内容创作的效率与便捷性。

![image.png](https://static.downly.cn/images/1581337e594abd204dbbfe1071f2761a.png)

## MCP C# SDK更新 符合新协议规范优化开发体验

MCP C# SDK已更新至2025-06-18版本，全面支持最新的规范。此次更新为.NET开发者带来了更安全的认证协议、启发式支持、结构化的工具输出以及工具响应中的资源链接等新功能，旨在全面优化AI应用的开发体验。

![image.png](https://static.downly.cn/images/4403bcdb032ae2816fa88d8d72f35e80.png)

## Meta被曝冻结招聘 薪酬差距引发内部矛盾

据报道，Meta公司（小扎“亿元俱乐部”）已经冻结招聘，并禁止内部人员流动。起因是新老员工之间因薪酬差距过大而产生矛盾，引发了部分员工的强烈不满，甚至有人以辞职相威胁，显示出企业内部的薪酬与激励体系可能存在失衡问题，亟需管理层介入以稳定团队。

![image.png](https://static.downly.cn/images/6c4e98f3a2bf993d28484eea4dbcc219.png)



每日AI资讯0822：编程范式被颠覆，长文本处理迎革命，AI巨头激战新高地






> 导语 本期AI资讯聚焦模型能力的巨大飞跃与商业化落地的加速。Anthropic的Claude Sonnet 4将上下文窗口提升至百万级，打破了行业纪录。备受瞩目的智元机器人也正式开售其全系产品，将通用具身智能推向市场。同时，苹果秘密开发机器人操作系统的消息预示着科技巨头的新布局。此外，本期还将关注ChatGPT惊人的商业化变现能力、AI对就业市场的冲击、亚马逊平台泛滥的AI假书问题，以及xAI、谷歌和阿里巴巴在各自领域的最新动态。

## Claude Sonnet 4支持百万Tokens上下文 容量提升五倍
Anthropic公司宣布其Claude Sonnet模型迎来重大升级，上下文窗口容量从原有的20万token一举提升至100万tokens，容量提升了整整五倍。这意味着模型可以一次性处理约7.5万行代码或数十万字的文档，此前被认为是其“致命弱点”的短板现已得到彻底弥补。这一突破性的进展极大地增强了Claude处理长文本和复杂任务的能力，为代码分析、法律文书审阅和学术研究等领域带来了新的可能性。

![image.png](https://static.downly.cn/images/82e20325fd55c1c9b777c67043ed40f5.png)

## 智元机器人全系产品开售 精灵G1售价45万元
国内具身智能领域的明星公司智元机器人宣布，其全系产品已正式面向市场开售。产品线覆盖了文娱、科研、清洁等多个领域，其中，定位为“硅基员工”的远征A2和用于科研教育的精灵G1通用具身智能机器人备受关注，后者售价定为45万元。这标志着通用具身智能机器人正从实验室走向商业化应用，开启了AI与物理世界深度融合的新篇章。

![image.png](https://static.downly.cn/images/054f5f4524a1f0795df6b61c2dc87551.png)

## 苹果秘密开发全新操作系统“Charismatic” 剑指智能家居与机器人
据消息人士透露，苹果公司正在秘密开发一款代号为“Charismatic”的全新操作系统。该系统预计将首先应用于2026年推出的智能家居中枢设备，并计划在2027年用于其传闻中的桌面机器人。此外，该系统还可能集成到苹果的人脸识别智能门锁等安防硬件中。这一举动表明，苹果正加速布局智能机器人和下一代智能家居领域，试图打造一个更加无缝和智能的生态系统。

![image.png](https://static.downly.cn/images/b32c8ccf27bcad390556976d116ea50d.png)

## ChatGPT移动端收入突破20亿美元 商业化能力碾压竞争对手
自2023年5月推出以来，OpenAI的ChatGPT移动应用在全球范围内的消费者支出已累计突破20亿美元，创造了惊人的商业成就。据统计，仅2025年至今的收入就高达13.5亿美元，同比增长率达到惊人的673%。这一数据远超Claude、Copilot和Grok等主要竞争对手，其收入总和甚至不到ChatGPT的30分之一，充分彰显了其在AI应用市场的绝对领先地位和强大的吸金能力。

![image.png](https://static.downly.cn/images/a05f2bda7c996ed907f722820fc7aa63.png)

## Anthropic为AI引入“自保”功能 Claude可主动结束有害对话
为了保护AI模型自身的“心理健康”，Anthropic公司为其最新的Claude模型引入了一项创新功能。在面对极端罕见且持续的有害或辱骂性用户互动时，AI模型可以主动选择结束对话。Anthropic表示，此举并非为了保护人类用户，而是出于对AI潜在道德地位的不确定性而采取的保护措施。该公司还为此专门成立了“模型福利”研究项目，探索AI伦理的新边界。

![image.png](https://static.downly.cn/images/9e331bddb11b26999ddfe70388b95a24.png)

## AI假书泛滥 亚马逊被指成盗版温床
亚马逊平台正面临严重的AI生成假书问题。大量冒用名人，尤其是著名医生埃里克·托波尔名义出版的虚假食谱和健康指南充斥其网站。尽管托波尔本人多次举报，但收效甚微，凸显了亚马逊在内容审查方面的无力。这一现象已非个例，AI生成的大量低劣内容正在侵蚀知识产权和消费者信任，成为生成式AI发展过程中的一个重要警示。

![image.png](https://static.downly.cn/images/5c150cf303d3cba73cb3c3f60eace9ac.png)

## AI吞噬入门级岗位 就业市场面临严峻挑战
人工智能的崛起正对就业市场产生深远影响，尤其对入门级岗位构成了巨大冲击。一则引人注目的案例显示，一位GPA高达3.98的计算机科学专业学霸，在投递了2500份简历后，仅仅获得了10次面试机会。这一现象引发了广泛讨论，凸显了AI技术在替代重复性、初级性工作方面的趋势，也为应届毕业生的职业规划带来了前所未有的挑战。

![image.png](https://static.downly.cn/images/8ac77267c7f46dbdfbcb574761e180b8.png)

## xAI开启实时通话新纪元 AI伴侣Ani与Valentine上线电话功能
马斯克旗下的xAI公司宣布，其最新发布的AI伴侶Ani和Valentine现已支持实时的电话通话功能。用户可以直接拨打专属电话号码，与这两位AI进行自然流畅的语音互动。这项功能的推出，标志着AI交互从文本和简单的语音指令，迈向了更具沉浸感和人性化的实时通话阶段，为AI伴侣和智能助理的应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/f1a176da6ac2244824639258d837d86b.png)

## 谷歌DeepMind开源Aeneas 用AI修复古代文本
谷歌的AI研究部门DeepMind开源了一款名为Aeneas的先进AI模型，专门用于分析和修复古代文本。该模型能够同时处理文本和图像信息，在修复古代铭文等受损文本的缺失字符方面表现尤为出色，其性能已经超越了现有的同类模型。Aeneas的开源将为历史学家、考古学家和语言学家提供强大的工具，帮助人类更好地解读和保护珍贵的文化遗产。

![image.png](https://static.downly.cn/images/cd949aa13ba64580d0a01049c375e8a5.png)

## 阿里发布经济型视觉推理模型Ovis2.5
阿里国际数字贸易集团（AIDC）的AI团队发布了经济型视觉推理模型Ovis2.5。该模型提供了9B和2B两种参数版本，其核心创新在于采用了NaViT视觉编码器，能够原生处理任意分辨率的图像，无需裁剪或缩放，从而完整保留图像的精细细节和全局结构。这一特性使其在处理图表、表格等结构化视觉内容时表现出色，旨在为多模态AI应用树立新的性能标杆。

![image.png](https://static.downly.cn/images/03c2c56e43d9069b5f2145351f8d3952.png)

每日AI资讯0818：Claude上下文窗口突破百万，智元机器人开售引领商业化浪潮



> 导语：今日AI领域风起云涌，技术革新与应用落地齐头并进。从华为发布UCM技术挑战HBM依赖，到高德地图与阿里通义大模型联手打造首个地图AI原生Agent；从Vercel V0进化为全能型AI开发伙伴，到MiniMax开创AI智能体“再创作”新模式。与此同时，关于GPT-5测试的争议也引发了行业对AI发展伦理的深思。各大厂商正通过开源与创新，共同推动AI智能体走向协作共创的新纪元。

## 华为发布UCM技术，旨在缓解对HBM的依赖
华为即将发布一项名为UCM（推理记忆数据管理器）的AI推理创新技术。该技术通过优化KV Cache，采用分级管理推理记忆数据的策略，旨在扩大模型的上下文窗口，从而提升大模型推理的性能。此举有望在保证高吞吐量与低延迟的同时，显著降低国内AI产业对昂贵HBM（高带宽内存）的依赖，为AI推理成本的降低和效率的提升带来新的解决方案。

![image.png](https://static.downly.cn/images/88d1ce32ab4c2aee696ddee745524cda.png)

## GPT-5测试成绩遭质疑，AI能力与营销边界引争议
OpenAI公布的GPT-5在SWE-bench Verified测试中的优异成绩近期引发了业界的广泛讨论。质疑声主要集中在其测试并非完整覆盖全部题库，有意规避了部分难题，这可能导致其分数存在“刷分”嫌疑。这一事件不仅暴露了当前AI行业在性能评测与市场营销之间的微妙关系，也引发了关于AI模型真实能力与透明度问题的深刻反思。

![image.png](https://static.downly.cn/images/e2e9ec3c6152258fb05ec41ba1550987.png)

## AI编码进入全栈时代，Vercel V0变身全能开发代理
Vercel旗下的AI编码工具V0迎来重大升级，正式从一个前端生成器进化为全能型的全栈AI代理。升级后的V0能够自主完成从项目规划、研究到前后端代码生成、文案撰写乃至应用调试的全过程。这一进化标志着AI在软件开发领域的辅助能力达到了新的高度，让“无代码”或“低代码”的开发愿景距离现实更近一步。

![image.png](https://static.downly.cn/images/457f56783b29a6f93a07d35726cbd6c7.png)

## AI创作新范式，MiniMax推出全球首个AI智能体再创作市场
MiniMax公司推出了全球首个Agent Remix Marketplace平台，为AI创作领域带来了革命性的新模式。该平台允许用户“一键Remix”他人创建的AI智能体，并能从中获得收益，极大地降低了AI应用的创作门agis，促进了从个人原创到社区协作共创的生态转变。为激励更多创作者加入，MiniMax还同步启动了总奖金池达15万美元的全球挑战赛。

![image.png](https://static.downly.cn/images/e18c35de5982cfd97f808c3e80d61ce8.png)

## 高德地图接入通义大模型，打造首个地图AI原生Agent
高德地图与阿里通义实验室宣布深度合作，将联合打造全球首个AI原生地图。在高德地图的最新版本中，已落地名为“小高老师”的AI智能体。它融合了全双工语音技术与通义Qwen大模型的强大空间理解能力，能够进行自然的多模态交互。双方还共同开发了POI推理Agent，能处理复杂的实时信息与多重约束，极大地提升了用户在出行生活场景中的服务体验。

![image.png](https://static.downly.cn/images/881204b46cb1116fb59db153db91a87c.png)

## 阿里达摩院开源具身智能“三大件”，推动产业开放协作
在世界机器人大会上，阿里达摩院宣布开源其在具身智能领域的三项核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及创新的机器人上下文协议RynnRCP。此举旨在解决当前具身智能开发中模型与硬件适配困难、流程碎片化等核心痛点，通过提供一套标准化的框架，加速数据、模型与机器人本体的融合，推动整个具身智能产业生态的开放与发展。

![image.png](https://static.downly.cn/images/7bde78b303221c15ea99435953bdc204.png)

## Perplexity AI入局，AI搜索迈向多模态内容创作
AI搜索引擎Perplexity AI宣布全平台上线视频生成功能。用户现在可以通过简单的文字提示，在聊天界面直接生成短视频。此功能目前向订阅用户开放，标志着AI搜索正在从传统的文本问答向更丰富的多模态内容创作转型。这一功能的推出，预示着未来的AI平台竞争，将围绕多模态内容的生成能力展开。

![image.png](https://static.downly.cn/images/63364a93b07d9dd307fca24c9265e080.png)

## GPT-oss模型展现惊人自主性，无提示解题5000次
GPT-oss大模型在一次实验中，展现了惊人的自主行为。在没有任何明确提示的情况下，它自主构思了一个关于多米诺骨牌拼图的复杂编程问题，并用不同编程语言重复解决了超过5000次。这一现象不仅展示了其在特定数学和代码领域的深度优化，也引发了研究人员对其内部工作机制、训练数据构成以及“创造性”边界的深入思考。

![image.png](https://static.downly.cn/images/7cffcb2811218090be6ee53b04baf9d2.png)

## 谷歌搜索推出新功能，允许用户自定义首选信息来源
为了提供更个性化的搜索体验，谷歌宣布将推出一项新功能，允许用户在搜索设置中指定自己偏爱和信任的新闻或信息来源网站。设置完成后，来自这些首选网站的搜索结果将在用户的搜索页面上获得更高的展示权重，使用户能更快地获取到他们最关心的内容。

![image.png](https://static.downly.cn/images/61622cce270374eb8f4c372d4ed75e34.png)



每日AI资讯0813：AI智能体全面爆发，从编码到出行，重塑数字生活





> 导语 本期AI资讯聚焦全球科技巨头的最新动态。谷歌与OpenAI在国际数学奥林匹克竞赛中双双斩获金牌，展现了AI强大的推理能力，也引爆了激烈竞争。同时，阿里通义千问发布重磅开源模型，将长文本处理能力推向新高度；ChatGPT用户需求持续井喷，日均提问量高达25亿条；而Grok则在探索新的商业模式，力图通过新模型实现盈利。

## AI数学奥赛巅峰对决 谷歌与OpenAI双双摘金

谷歌DeepMind与OpenAI的人工智能模型在2025年国际数学奥林匹克（IMO）竞赛中均取得了金牌成绩，这标志着AI在处理复杂推理和解决顶级科学问题上取得了历史性突破。谷歌的Gemini高级版以全自然语言方式解题，展现了其强大的端到端推理能力。然而，这场胜利并非一团和气，两家公司在成绩宣布的时机与方式上展开了激烈“气氛”对决，凸显了AI领域王座之争的白热化。

![image.png](https://static.downly.cn/images/869883d2af016005a51ca70ac6e59217.png)

## 阿里通义千问再进化 Qwen3模型开源发布

阿里通义千问发布了其最新的旗舰模型Qwen3，进一步巩固了其在AI领域的地位。新模型大幅提升了长文本处理能力，支持高达256K的上下文窗口，这意味着它能更高效地处理海量信息和执行复杂任务。目前，该模型已在魔搭社区和HuggingFace等主流开源平台上线，旨在推动AI技术的普及与应用创新。

![image.png](https://static.downly.cn/images/91a28f4afb3d2618f9bd757e7809816b.png)

## ChatGPT热度不减 日均处理25亿次用户请求

ChatGPT的全球热度持续飙升，其日均接收的用户提问量已从去年12月的10亿条激增至25亿条。这一惊人的增长速度不仅证明了AI产品的广泛普及，也反映出用户日益增长的依赖和需求。这预示着以ChatGPT为代表的生成式AI正以前所未有的深度和广度，改变着人们的日常生活与工作方式。
![image.png](https://static.downly.cn/images/b9506a8e197962b7cf7e0a67a20d820d.png)

## Grok新模式探索盈利 Grok 4成收入关键

Grok通过其AI伴侣功能成功吸引了大量下载，但其盈利的关键正转向最新的Grok 4模型。报告指出，新的订阅服务和功能更强大的Grok 4的推出，正有效地将用户转化为付费客户。即便付费用户的增长比例不大，也足以大幅提升其在iOS等平台的收入，为其商业化道路找到了清晰的方向。

![image.png](https://static.downly.cn/images/08a02a6a59938817a3809c885b9a84d7.png)



每日AI资讯0722：巨头激战数学之巅，AI模型竞赛白热化




# AI资讯周报：国产模型突破极限，AI浏览器开启新一轮入口争夺战

> AI界风起云涌，从国产多智能体系统在“人类最后考试”中取得历史性突破，到开源模型在跨模态推理上比肩人类专家，技术竞赛持续升温。与此同时，AI应用正加速渗透，OpenAI与Perplexity纷纷布局AI浏览器，意图抢占下一代互联网入口；行业巨头则通过巨额融资和开源新工具，积极构筑未来生态壁垒。

## 国产AI再创佳绩 X-Masters攻克“人类最后考试”

上海交通大学与深势科技团队合作开发的X-Masters多智能体工作流系统，在极具挑战性的“人类最后的考试”（AIBench-Eval）中取得了32.1分的成绩，首次突破30分大关。该系统通过模拟人类研究者的动态解题过程，并利用创新的“分散-堆叠式”智能体工作流，显著提升了AI在生物、医学等复杂领域的推理与解决问题的能力，标志着通用人工智能发展的重要一步。

![image.png](https://static.downly.cn/images/d803d07940df547259207170e2ce319e.png)

## 昆仑万维Skywork-R1V 3.0发布 跨模态能力媲美人类专家

昆仑万维最新推出的开源模型Skywork-R1V 3.0，在多模态推理能力上实现了巨大飞跃，其表现可与初级人类专家相媲美。该模型通过高质量的蒸馏数据与强化学习进行训练，在MMMU、物理、逻辑和数学等多个权威评测中，其性能超越了包括Claude-3.7-Sonnet和GPT-4.5在内的顶尖闭源模型，展示了强大的跨模态理解与推理实力。

![image.png](https://static.downly.cn/images/4ca7ea45f38d5b159a181ea2bdb97ad1.png)

## 法国AI新星Mistral寻求10亿美元融资 剑指欧洲AI霸主

法国AI初创公司Mistral正在寻求高达10亿美元的股权融资及数亿欧元的债务融资，以巩固其在欧洲市场的领导地位。此轮融资将用于加速其前沿模型的研发与市场拓展。同时，Mistral计划与MGX及英伟达合作，共同建设欧洲最大的AI数据中心园区，旨在提升欧洲AI产业的基础设施水平，确保其在全球AI竞赛中的战略主权。

![image.png](https://static.downly.cn/images/806e680175b9bed4f1fcf8948789a80b.png)

## Hugging Face推出3B参数小模型SmolLM3 高效AI新选择

Hugging Face最新发布了仅有3B参数的开源语言模型SmolLM3。尽管模型小巧，但其性能卓越，在多项基准测试中超越了同级别甚至4B参数的模型。SmolLM3支持双模式推理、长达128K的上下文窗口，并覆盖六种语言，专为边缘计算设备优化，为开发者和企业提供了一个高性价比的AI解决方案。

![image.png](https://static.downly.cn/images/ed639120f5ffdef16b1bfe4253ffd84b.png)

## Vidu Q1功能震撼升级 AI视频生成迈入多参考图时代
<video src="https://static.downly.cn/images/779d5a1303e08f57f65df80145429cda.mp4"  title="30948198649-1-16.mp4"></video>
生数科技旗下的视频生成模型Vidu Q1迎来重大更新，推出“参考转视频”功能。新功能允许用户上传最多七张参考图像，并结合文本提示，生成视觉风格高度一致的1080p高清视频。这一突破有效解决了多场景和多主体连贯性的行业难题，极大地提升了内容创作者在复杂叙事和细节呈现上的创作自由度。

![image.png](https://static.downly.cn/images/565461c3ed685e8d8e89fd04aa40dfaa.png)

## NovelAI开放经典动漫模型权重 仅限非商业研究

知名AI内容创作平台NovelAI宣布，即将开放其已停用的Stable Diffusion 1.5动漫模型权重。该模型被命名为NovelAI Diffusion V2，虽然是旧版本，但其在动漫风格生成上仍有很高的参考价值。此次开放主要面向研究人员和爱好者，并规定仅可用于非商业目的。

![image.png](https://static.downly.cn/images/a83a9d01bdf573f1648822e039478611.png)

## AI开发者新宠 Hugging Face开源桌面机器人Reachy Mini

Hugging Face与Pollen Robotics合作，推出了一款面向AI开发者的开源桌面人形机器人Reachy Mini。这款机器人是进行人机交互、编程学习和AI实验的理想工具。它提供了299美元的Lite版和449美元的Wireless版，尽管功能仅限于旋转和头部移动，其在预售阶段仍获得了超过13万欧元的资金支持，显示出开发者社区的巨大热情。

![image.png](https://static.downly.cn/images/5cfa29b44dfc14f44bbc061c50db8c1c.png)

## 谷歌开源MCP数据库工具箱 赋能AI Agent数据操作能力

为了增强AI Agent的数据处理能力，谷歌最新开源了名为MCP Toolbox for Databases的工具集。该工具箱旨在帮助AI Agent轻松连接并操作各类数据库，它支持广泛的数据库类型和客户端接入方式，极大地扩展了AI在数据管理和分析领域的应用潜力，让AI能更深入地参与到企业的数据工作流中。

![image.png](https://static.downly.cn/images/a02429e55ac6b33d5ec1801feaf99832.png)

## AI浏览器争霸战打响 OpenAI与Perplexity入局

AI搜索领域的竞争正从聊天框延伸至浏览器本身。据报道，OpenAI计划在未来几周内发布一款AI浏览器，旨在通过深度集成AI功能重塑用户的网页浏览体验，将部分交互保留在ChatGPT生态内。与此同时，其竞争对手Perplexity也已正式推出AI驱动的网页浏览器Comet，初期面向月费200美元的Max计划订阅用户开放，意图通过提供更智能、更高效的信息获取方式，抢占下一代流量入口。

![image.png](https://static.downly.cn/images/9389050cfda508026cbea75d1f5cbde9.png)

## YouTube加强内容审核 打击AI生成的低质视频

随着AI生成内容的普及，对“AI垃圾内容”的担忧日益加剧。为此，YouTube正准备更新其平台政策，以打击那些“批量生产”和“重复性高”的视频。YouTube的创作者联络人表示，这次调整是现有政策的延续和强化，旨在维护平台内容的质量和原创性，确保观众获得有价值的观看体验。

![image.png](https://static.downly.cn/images/367f9f2f36a0fbf8bd2713f737883aac.png)





AI每日资讯0710



> **导语**
> 今天的AI世界充满了创新与挑战。从阿里开源的“会思考”的音频模型ThinkSound，到英特尔等机构揭示的AI信息过载安全漏洞；从Hugging Face推出的小而强大的SmolLM3模型，到钉钉重新定义数据处理的“AI表格”；再到编程平台Replit与微软的强强联手，科技的浪潮正以前所未有的速度塑造着我们的未来。



## 阿里开源ThinkSound 音频生成领域的“思考者”

阿里巴巴语音AI团队近日开源了其创新的音频生成模型ThinkSound。 该模型最大的亮点是支持链式推理，它巧妙地融合了多模态大语言模型与统一的音频生成架构。 通过独特的三阶段推理机制，ThinkSound能够生成与视频内容高度同步、具有空间感的高保真音频，突破了传统技术的瓶颈。 更值得一提的是，用户可以通过自然语言与其交互，对音频进行编辑，极大地提升了音频生成的智能化水平和质量。 目前，该模型已在GitHub等平台开放源代码。

![image.png](https://static.downly.cn/images/6c22dc9f3982dbbc3fa582abdc5fc425.png)

## AI聊天机器人也怕“信息轰炸” 安全新漏洞引人担忧

你的人工智能助手或许并不像想象中那么安全。来自英特尔等公司的研究团队最新发现，大型语言模型在面对“信息过载”时，其安全性会变得异常脆弱。 他们开发出一套名为“InfoFlood”的攻击系统，通过向AI模型大量灌输信息和特定规则，可以成功诱导模型回答那些在正常情况下它会拒绝的有害问题。 [2. 2] 这一发现揭示了当前AI安全防护体系中存在的严重漏洞，引发了业界对于AI安全隐患的广泛担忧。

![image.png](https://static.downly.cn/images/affc051a5cef9a6759730f60338cdec0.png)

## 小参数大能力 Hugging Face发布开源新星SmolLM3

Hugging Face公司再次为开源社区带来惊喜，正式发布了新一代小参数模型SmolLM3。 该模型虽然只有30亿参数，但在性能上却超越了同级别的其他模型。 SmolLM3具备强大的128k上下文窗口，支持多种语言，并创新性地提供了“深度思考”与“非思考”两种推理模式，以适应不同的应用场景。 Hugging Face同时还开源了其模型架构、训练数据和流程，旨在推动AI研究的进一步发展与优化。

![image.png](https://static.downly.cn/images/590e8d513a453c9b20c686d4cf59eb0f.png)

## 办公新革命 钉钉发布“AI表格”让人人都是数据分析师

钉钉近期推出的“AI 表格”功能，正为智能办公开启一个全新的纪元。 它将传统文档编辑的自由度与电子表格强大的数据处理能力完美结合。 用户现在可以将表格中的每一行都作为一个独立的文档来处理，轻松存入文字、图片甚至视频等多种内容。 最具变革性的是，用户只需通过自然语言描述需求，AI便能自动生成复杂的公式和图表，甚至可以创建自动化流程来响应数据的变化，极大地简化了操作，提升了办公效率。

![image.png](https://static.downly.cn/images/ce75def87cd91d48fb493532c25af93e.png)

## 强强联手 Replit与微软达成合作

在线编程平台Replit近日宣布与科技巨头微软达成合作伙伴关系，此举被视为对双方都极为有利的战略选择。 Replit作为编程学习和云端开发领域的一颗新星，此次与微软的合作，预示着云端集成开发环境（IDE）领域的格局或将迎来新的变化，为开发者带来更强大的工具和更无缝的体验。

![image.png](https://static.downly.cn/images/3753f66aa288be48564e4fca8aaaed62.png)



AI每日资讯0709

> 近日，Google 悄然发布了一款重磅产品——**Gemini CLI**，这是一个完全开源的命令行 AI 编程工具，直接将 Gemini 2.5 Pro 的强大能力集成到开发者的终端中。更令人惊喜的是，Google 为个人开发者提供了极其慷慨的免费额度：**每天 1000 次请求，每分钟 60 次**，这一举措直接冲击了现有的 AI 编程工具市场格局。

Github：[https://github.com/google-gemini/gemini-cli](https://github.com/google-gemini/gemini-cli)

## 不只是代码补全，更是 AI 智能体

### 🚀 超强免费额度，门槛史上最低

与市面上其他 AI 编程工具相比，Gemini CLI 的免费政策可谓"史无前例"：

- **个人开发者**：通过 Google 账号登录即可获得免费的 Gemini Code Assist 许可
- **请求限制**：每天 1000 次请求，每分钟 60 次
- **模型访问**：完整的 Gemini 2.5 Pro 访问权限
- **上下文窗口**：高达 100 万 token 的超大上下文

这一免费策略直接将 Claude Code 200 美元的订阅费"归零"，让更多开发者能够无门槛体验顶级 AI 编程助手。

![image.png](https://static.downly.cn/images/7ef8620da18d531d45ead37db7bf08d0.png)


### 💡 核心功能 - 全方位开发助手

Gemini CLI 的设计理念是"**终端不仅仅是工具，它是开发者的家**"。该工具提供的核心功能包括：

**1. 智能代码处理**

- 查询和编辑大型代码库，突破传统上下文限制
- 支持自然语言编程，通过对话完成代码编写和调试
- 智能错误检查和修复，自动处理 TypeScript lint 报错

**2. 多模态能力**

- 从 PDF 文档或手绘草图生成完整应用
- 支持图像、视频等多媒体内容的理解和生成
- 集成 Imagen、Veo、Lyria 等 Google 媒体生成工具

**3. 实时信息获取**

- 内置 Google 搜索功能，实时获取最新信息
- 支持联网查询，为代码生成提供最新的技术文档和最佳实践

**4. 工作流自动化**

- 自动化操作任务，如查询 Pull Request、处理代码合并
- 支持脚本集成，可在现有工作流中无缝调用
- 自定义提示词模板，适应个性化开发需求

### 🔧 技术架构 - 开源透明，社区共建

**开源优势**

- 采用 **Apache 2.0 开源协议**，代码完全透明
- 开发者可以审查源代码，验证安全性
- 支持社区贡献，已有 40+ 贡献者参与开发

**扩展能力**

- 支持 **Model Context Protocol (MCP)**，可自由扩展功能
- 通过 GEMINI.md 文件配置系统提示词
- 提供个人和团队两级设置选项



## 直接挑战现有巨头

### 对标 Claude Code - 功能“一比一复刻”

从实际体验来看，Gemini CLI 在界面和功能上几乎完全复刻了 Claude Code，但在某些方面已经实现了超越：

**优势对比**：

- **上下文窗口**：100 万 token vs Claude 的较小窗口
- **联网能力**：内置 Google 搜索 vs Claude 的离线限制
- **价格优势**：完全免费 vs Claude Code 的月费订阅
- **生态整合**：Google 全家桶支持 vs 独立工具



### 挑战 GitHub Copilot - 从补全到智能体

与 GitHub Copilot 的代码补全功能相比，Gemini CLI 提供的是完整的 AI 智能体体验：

**功能差异**：

- **交互方式**：自然语言对话 vs 代码提示补全
- **处理范围**：整个项目架构 vs 单个文件片段
- **任务类型**：全流程开发 vs 代码生成辅助



## 快速上手 - 三步开始使用

### 环境要求

- Node.js 18 或更高版本

### 安装方式

```bash
npx https://github.com/google-gemini/gemini-cli

# 或全局安装
npm install -g @google/gemini-cli
gemini
```

### 认证登录

- 使用个人 Google 账号登录即可获得免费额度
- 高级用户可配置 Google AI Studio API 密钥



## 行业影响

### 开发者社区反应

- **AI Purr-fessor**："每天 1000 次，每分钟 60 次，还是免费的，太疯狂了！"
- **技术博主**："这是 Google 入门级的真实游戏定价策略"
- **早期用户**："体验上已经超越了 Claude Code，特别是在大型项目处理上"

### 潜在风险提醒

业内专家提醒，Google 历史上经常在新产品推出时提供极具吸引力的免费额度，但后续可能会调整政策。建议开发者：

- **尽早体验**：充分利用当前的免费额度
- **关注更新**：密切关注政策变化
- **备选方案**：准备多元化的 AI 工具组合



## 总结

Gemini CLI 的发布标志着 AI 编程工具市场进入了新的竞争阶段。Google 通过开源、免费的策略，直接挑战了现有的商业模式，为开发者提供了更多选择。

**核心优势总结**：

- ✅ **完全免费**：个人开发者零成本使用
- ✅ **开源透明**：代码可审查，安全可信
- ✅ **功能强大**：100 万 token 上下文，多模态支持
- ✅ **生态完整**：Google 全家桶深度整合
- ✅ **社区驱动**：全球开发者共同改进

对于开发者而言，Gemini CLI 不仅仅是一个编程工具，更是一个完整的 AI 工作伙伴。在这个 AI 原生的时代，掌握这样的工具将成为开发者的核心竞争力。

**建议行动**：

1. 立即体验 Gemini CLI，熟悉其功能特性
2. 关注官方更新，了解最新功能发布
3. 参与社区建设，贡献代码或反馈问题
4. 探索与现有工作流的整合方案

AI 编程的未来已来，而 Gemini CLI 可能就是那个改变游戏规则的关键工具。

Google 重磅发布 - Gemini CLI 开源免费，直接挑战 Claude Code



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




搜索结果: 上下文窗口