> 阿里通义千问凭借门控注意力机制拿下NeurIPS 2025中国唯一最佳论文，同门Z-Image模型首日下载量惊人；快手开源新一代多模态旗舰模型；Meta推出能“看透”AI思考过程的白盒验证器，昆仑万维升级AI音乐创作平台。



## 阿里通义千问斩获NeurIPS 2025最佳论文 门控注意力机制成关键

阿里巴巴通义千问团队在人工智能顶级会议 NeurIPS 2025 上取得了里程碑式的成就。其团队发表的论文《Attention Gating Makes Better Foundation Models》在激烈的竞争中脱颖而出，荣获最佳论文奖。值得一提的是，这是本届大会中唯一获奖的中国研究成果。

该论文的核心贡献在于提出了一种创新的“滑动门”机制。这项技术能够显著提升基础模型的效率与性能，使得小型模型在处理复杂任务时，其表现竟能比肩甚至超越大型的混合专家（MoE）模型。这一突破不仅证明了中国在AI基础理论研究领域的实力，也为未来构建更高效、更低成本的大模型指明了新的方向。

![image.png](https://static.downly.cn/images/2a4d7b8fad49b7725d48dbc3bf257322.png)
<center>图源备注：图片由AI生成</center>

## 阿里Z-Image首日下载破50万 6亿参数挑战大模型画质

阿里通义在图像生成领域同样动作频频，新发布的生图模型 Z-Image 引发了社区的强烈关注。尽管该模型的参数量仅为 6 亿，属于轻量级选手，但其在细节还原度、画面构图能力上却表现出了惊人的实力，足以媲美许多大型模型。

凭借这种“小而美”的特性，Z-Image 发布首日便登顶 Hugging Face 趋势榜，单日下载量突破 50 万次。与此同时，团队还推出了优化版 Z-Image-Turbo，进一步大幅提升了生成效率，为开发者和个人用户提供了兼具高质量与高速度的创作工具。

## 快手开源旗舰模型Keye-VL 多模态推理能力迎新突破

快手在多模态大模型领域再次亮剑，正式发布并开源了其新一代旗舰模型 Keye-VL-671B-A37B。这款模型在参数规模和技术架构上都进行了深度优化，旨在解决更复杂的实际应用问题。

在公开的测试基准中，Keye-VL 展现了强劲的综合实力。特别是在视觉理解、复杂的视频内容分析以及数学推理任务中，该模型的表现尤为出色。此次开源不仅展示了快手深厚的技术储备，也为开源社区提供了强大的多模态研究底座。

![image.png](https://static.downly.cn/images/ac8c8ebfddb920f9075853db91e50a65.png)
<center>图源备注：图片由AI生成</center>

## Meta甩出白盒手术刀 CoT-Verifier精准定位AI推理盲区

Meta AI 实验室针对大模型推理过程中的“黑盒”难题，发布了一款基于 Llama 3.1 8B 构建的 CoT-Verifier 模型。这不仅仅是一个简单的验证工具，更像是一把精准的“白盒手术刀”。

该模型利用独特的 TopK 转码器机制，能够深入分析 AI 在链式思维（Chain-of-Thought）推理过程中的每一步。它通过生成“电路轨迹”归因图，有效识别并定位推理链条中的具体错误点。与传统仅验证最终输出结果的方法相比，CoT-Verifier 实现了对推理过程的白盒化监控，极大地提高了开发者修正模型逻辑错误的效率。

## 昆仑万维发布Mureka V7.6与O2模型 AI音乐创作再进阶

昆仑万维持续深耕 AI 音乐赛道，正式推出了 Mureka V7.6 版本及全新的 O2 人工智能音乐创作模型。此次更新重点在于优化用户的使用体验以及提升音乐生成的专业度和创新性。

数据显示，该平台展现出了强大的全球影响力。自今年 3 月底以来，用户数量增长了近 700 万，覆盖全球 100 多个国家。新模型的发布预计将进一步降低音乐创作门槛，让更多用户体验到高质量 AI 音乐生成的乐趣。

每日AI资讯1129：阿里通义斩获NeurIPS最佳论文 Meta开源白盒纠错工具

> 今天的AI领域充满了变革性的突破。从Adobe Firefly Image 5将创意工作流推向“全栈式”时代，到Cartesia Sonic-3实现几乎无延迟的语音对话，再到IBM Granite 4.0 Nano让AI模型能够在笔记本电脑上本地运行，我们见证了AI在专业创作、人机交互和边缘计算等多个维度的飞速发展。同时，OpenAI与PayPal的合作预示着AI电商的兴起，而Mistral AI和英伟达则分别在企业级应用和全模态理解上取得了关键进展。

## Adobe Firefly Image 5发布 创作者的全能AI工具箱来了

Adobe公司近日发布了其专业级AI图像生成模型Firefly Image 5的重大更新，标志着AI创作工具从“够用”向“专业”的决定性转变。新版本支持高达400万像素的原生图像输出，并引入了分层提示编辑功能，让创作者可以像使用图层一样精细控制生成内容。更值得一提的是，它新增了自定义艺术风格模型和AI语音配乐功能，彻底打通了图像、视频及音频之间的创作壁垒，为用户提供了一个闭环式的全栈AI创作解决方案，重新定义了现代创意工作流程。

![image.png](https://static.downly.cn/images/85f275f72f1c0d26a72e51cbab2130d5.png)
图源备注：图片由AI生成
 

## 延迟低于100毫秒 Cartesia Sonic-3重新定义语音AI交互

Cartesia公司推出了一款名为Sonic-3的实时对话AI引擎，它凭借低于100毫秒的超低延迟，成为全球响应速度最快、交互最自然的语音AI之一。该模型采用了创新的状态空间模型架构，实现了近乎零延迟的流畅对话。Sonic-3不仅“说得快”，更能“说得好”，它能够精准模拟人类丰富的情感、多变的语气甚至是笑声，极大地增强了人机交流的真实感和沉浸感，为智能客服、虚拟助手等应用场景带来了革命性的体验。

![image.png](https://static.downly.cn/images/34aa26f0ae87cbcf453a80fc7e5fae1c.png)
图源备注：图片由AI生成
 

## ChatGPT集成PayPal支付功能 AI对话即购物成为现实

OpenAI宣布与全球支付巨头PayPal达成合作，通过先进的ACP协议，将支付功能直接集成到ChatGPT中。这意味着用户未来可以在与ChatGPT的对话过程中，直接使用其PayPal账户完成商品购买或服务支付，无需跳转到其他应用或网站。这一举措标志着OpenAI正式跨入电子商务领域，并计划从2026年起，支持用户在对话中搜索并购买来自数千万商家的商品，开启“对话即商业”的全新模式。

![image.png](https://static.downly.cn/images/ed1f483e1a19b26961eddfd812f3ddba.png)
图源备注：图片由AI生成
 

## 无需云端支持 IBM Granite 4.0 Nano让AI在你的电脑上运行

IBM最新发布的Granite 4.0 Nano系列AI模型，旨在突破小型AI模型的性能极限。该系列模型的参数量从350万到15亿不等，其核心优势在于极致的效率和易用性。由于模型轻量化，Granite 4.0 Nano可以直接在用户的笔记本电脑甚至浏览器中本地运行，完全无需依赖强大的云计算资源。这一突破极大地降低了AI应用的开发和部署门槛，使开发者能够在普通硬件和边缘设备上轻松构建功能强大的AI应用，打破了行业长期以来对云服务的依赖。

![image.png](https://static.downly.cn/images/37ba386b29f5ddc0de54e6a566ae9ed0.png)
图源备注：图片由AI生成
 

## Mistral AI Studio问世 打造企业级AI的“工业化”引擎

欧洲AI领域的领军企业Mistral AI正式推出了其全栈式生产平台 Mistral AI Studio。该平台完全基于欧盟本土的基础设施构建，专为需要严格遵守数据主权和法规的跨国企业设计。它集成了模型部署、实时监控和持续优化等一整套功能，为企业提供了一个安全、透明且可规模化的AI解决方案。通过实现AI决策过程的完全可观测性，Mistral AI Studio为企业级AI应用的“工业化”生产提供了强大的新引擎。

![image.png](https://static.downly.cn/images/721270bef55345422f4edf11e05632d7.png)
图源备注：图片由AI生成
 

## 更少数据更强性能 英伟达开源OmniVinci全模态理解模型

英伟达在全模态AI领域取得重大突破，发布并开源了其OmniVinci模型。该模型最引人注目的特点是其卓越的训练效率，仅用业界同类模型六分之一的训练数据，便在视觉、音频和文本的统一理解能力上实现了性能的大幅超越。OmniVinci的发布旨在提升机器的多模态认知能力，使其能够更像人类一样，综合处理和理解来自不同感官维度的信息，为更智能、更通用的AI系统奠定了坚实基础。

![image.png](https://static.downly.cn/images/38d992dace8d72f6edca49d71a2d559b.png)
图源备注：图片由AI生成

每日AI资讯1029：全栈创作、实时对话与端侧智能，AI技术迎来全面爆发

> 导语：今日AI领域动态纷呈，从严肃的医疗应用到大众的文娱创作，技术正以前所未有的深度和广度融入社会。微软将OpenAI的视频生成模型Sora 2推向商业化，预示着AI视频制作进入新纪元；国内首个药学大模型的发布，则将AI的精准分析能力应用于特殊人群的用药安全。与此同时，AI音乐创作已成为新的数字风口，而传统行业如旅游业也正通过AI提升服务体验。在技术高歌猛进的背后，行业监管同步加强，确保人工智能的健康发展。

## 国内首个药学大模型发布，精准守护特殊人群用药安全

北京清华长庚医院与北电数智携手，成功研发出国内首个专为药学领域设计的大模型。该模型聚焦于老年人、儿童及孕产妇等特殊群体的用药安全评估，旨在应对药品信息迭代迅速与个体化差异带来的挑战。通过运用先进的人工智能技术，此项合作有望极大优化药学服务流程，提升用药指导的效率与精准度，为特殊人群的健康保驾护航。

![image.png](https://static.downly.cn/images/da0f805e5b59910c080eb61186f69044.png)
图源备注：图片由AI生成

## AI音乐创作风靡，程序员开辟数字淘金新赛道

随着Suno等AI音乐创作工具在2025年的普及，音乐行业的创作生态正被重塑。此前，《原神》玩家利用AI创作的同人歌曲获得了超200万的惊人播放量，而现在，越来越多的程序员正利用各类AI工具高效地产出音乐作品，不仅收获了可观的版权收入，也向世界展示了AI在艺术创作领域的巨大潜力。这股浪潮标志着AI正成为普通人表达创意、实现商业价值的新兴工具。

![image.png](https://static.downly.cn/images/4a8b7fbba102e3c7a8b70a97363962ce.png)
图源备注：图片由AI生成

## 重庆出手整治AI滥用，十余款违规产品被下架

面对人工智能技术的迅猛发展及其带来的潜在风险，重庆市近期展开了专项整治行动。行动旨在遏制AI技术的滥用，打击利用AI生成虚假信息、侵犯数据安全等行为。目前，已有包括“AI开处方”在内的十余款违规AI产品被勒令下架。此举表明了监管部门对确保AI技术安全、合规发展的坚定立场，为行业的健康成长设立了明确的“红线”。

![image.png](https://static.downly.cn/images/9e4b31c86508652f1d8057193593b1ca.png)
图源备注：图片由AI生成

## 百度PaddleOCR-VL登顶全球，文档解析技术迎新突破

百度近日开源了其最新的多模态文档解析模型PaddleOCR-VL，该模型在权威评测OmniBenchDoc V1.5中以92.6的高分摘得全球桂冠，为OCR（光学字符识别）技术领域树立了新的标杆。尽管模型参数量仅为0.9B，却能高效、精准地识别和解析文档中的文本、手写汉字、复杂表格乃至数学公式等多种元素，其卓越的核心能力将重塑文档处理与信息提取的技术格局。

![image.png](https://static.downly.cn/images/9e54abbd6c035335d701138601a3b8f5.png)
图源备注：图片由AI生成

## Claude“技能”加身，Anthropic让AI变身自动化工作流大师

Anthropic公司为其AI模型Claude推出了创新的“Skills”（技能）功能，极大地提升了其工作流自动化能力。用户现在可以将一系列自定义指令、脚本代码和外部资源打包成一个“技能包”，授权Claude自主调用。这项功能的核心优势在于，Claude能够组合运用多个技能，以应对复杂的多步骤任务，并实现了技能的跨平台移植，使其成为更强大、更灵活的生产力工具。

![image.png](https://static.downly.cn/images/6311f20f62126197d32cac37591ce893.png)
图源备注：图片由AI生成

## OpenAI Sora 2登陆微软云平台，开启AI视频商业化新篇章

备受瞩目的OpenAI视频生成模型Sora 2现已通过微软Azure AI平台正式进入公共预览阶段，并公布了其商业化定价——每生成一秒视频收费0.1美元。这是Sora 2首次向企业和开发者开放API访问权限，标志着顶尖的生成式AI视频工具开始大规模商业化应用。该模型能融合文本、图像和视频创造出全新的高质量内容，尤其在广告、营销等领域展现出巨大的应用前景。

![image.png](https://static.downly.cn/images/2b56a1738f3dde82186cffac3fa74f94.png)
图源备注：图片由AI生成

## 旅行规划迎来AI助手，Kayak推出全新聊天机器人模式

知名旅行搜索引擎Kayak上线了全新的“AI模式”，通过集成ChatGPT技术，为用户提供颠覆性的旅行规划体验。用户不再需要繁琐地筛选页面，而是可以直接通过与聊天机器人对话，完成旅行信息的查询、行程规划乃至机票、酒店和租车的比较与预订。这一功能已覆盖网页和移动端，旨在为用户提供更精准、更便捷的一站式旅行解决方案。

![image.png](https://static.downly.cn/images/b2f6a769e75be0dd57be642ae892db47.png)
图源备注：图片由AI生成

每日AI资讯1018：Sora 2开启商业化、首个药学大模型问世、AI应用场景持续拓宽

> 斯坦福大学的研究揭示了AI在企业新闻稿中的广泛应用，同时AMD与OpenAI签署了价值数百亿美元的芯片协议。AI新创公司Supermemory获得了260万美元的融资，致力于构建通用的AI记忆API。OpenAI宣布了其开发者日的重磅消息，ChatGPT将平台化。马斯克的xAI启动了1400亿的融资，谷歌发布了新的Gemini模型，Sora 2也已发布，杰夫·贝佐斯展望了太空数据中心的未来。

## AI写作无处不在？斯坦福报告称四分之一企业新闻稿为AI生成

根据斯坦福大学的一项最新研究，大型语言模型在企业新闻稿等正式书面沟通中的应用比我们想象的要广泛。研究人员通过先进的统计模型分析了大量英文新闻稿，发现其中许多文本都带有明显的人工智能生成痕迹。这一发现引发了关于信息真实性和内容原创性的广泛讨论。

![image.png](https://static.downly.cn/images/a645eadecc2489177a28fae6872b7c3c.png)
图源备注：图片由AI生成
 

## 强强联合 AMD与OpenAI签署数百亿美元芯片供应协议

AMD公司近日宣布，已与OpenAI签订了一项长达数年的芯片供应协议。根据协议，OpenAI将获得AMD多代Instinct GPU提供的6千兆瓦计算能力，首批交付的将是MI450 GPU。此举不仅将为AMD带来数百亿美元的收入，还将极大地提升其在人工智能领域的市场地位，为未来的AI发展提供强大的硬件支持。


![image.png](https://static.downly.cn/images/b36f8b6dc0127b9a2135aea1c26b95fa.png)
图源备注：图片由AI生成
 

## 记忆赋能AI Supermemory获260万美元融资打造通用记忆API

人工智能初创公司Supermemory近日宣布获得260万美元的种子轮融资。该公司致力于解决AI应用中的记忆难题，计划通过构建一个通用的记忆API来处理非结构化数据，并以此构建知识图谱，从而为用户提供更加个性化和上下文感知的服务。这一创新有望让人工智能变得更加“聪明”和“体贴”。

![image.png](https://static.downly.cn/images/07144c0026b32b3d472f8c280cf1911d.png)
图源备注：图片由AI生成
 

## 生态革命 OpenAI宣布ChatGPT平台化 推出自主AI代理

在备受瞩目的开发者日上，OpenAI公布了其雄心勃勃的计划：将ChatGPT转型为一个第三方应用平台。通过全新的Apps SDK，开发者将能够构建交互式的应用程序和自主的AI代理，这些应用将无缝集成到ChatGPT的聊天界面中，并支持全屏等功能。此举旨在彻底革新AI生态系统，大幅提升用户的任务执行效率。

![image.png](https://static.downly.cn/images/ff2a5e3f6efab36672b526d98450629d.png)
图源备注：图片由AI生成
 

## 马斯克xAI启动1400亿巨额融资 与英伟达GPU供应深度绑定

伊隆·马斯克旗下的人工智能公司xAI已启动一轮高达1400亿美元的融资活动。值得注意的是，此次融资与英伟达的GPU供应紧密挂钩，其中英伟达更是豪掷140亿美元参与投资。这一战略性的举动不仅显示了xAI对高性能计算领域的扩张野心，也凸显了其对关键硬件资源的迫切需求，预示着未来AI领域的激烈竞争。

![image.png](https://static.downly.cn/images/7ffc04ba72b6747b11abb88c0646e42c.png)
图源备注：图片由AI生成
 

## 版权风暴来袭 MiniMax在好莱坞的重压下如何求生

中国AI公司MiniMax正面临来自好莱坞的版权“风暴”。面对严峻的挑战，该公司需要运用智慧和策略来应对，并在逆境中寻找生存和发展的可能性。这起事件也引发了业界对于AI内容生成与知识产权保护的深刻思考。

![image.png](https://static.downly.cn/images/9f3acc2da26250130db45416945dbb75.png)
图源备注：图片由AI生成
 

## 谷歌发布Gemini 2.5新模型 专攻浏览器交互效率提升三倍

谷歌近日推出了其最新的Gemini 2.5 Computer Use模型。该模型专注于浏览器内的交互任务，能够执行包括表单填写在内的13种不同操作，据称其效率相较于前代模型提升了三倍。目前，开发者已经可以申请试用该模型，但暂不支持全系统级别的操作。

![image.png](https://static.downly.cn/images/03964521e4c350f607dfb0f9fe108fd3.png)
图源备注：图片由AI生成
 

## 「Sora 2」震撼发布 是创作工具还是行业颠覆者

备受期待的Sora 2终于发布，其惊人的视频生成能力再次引发了业界的广泛讨论。Sora 2的成功不仅归功于其领先的技术，还得益于其周密的市场推广和产品规划。人们不禁要问，这究竟是一个强大的创作工具，一个有趣的玩具，还是一个将彻底颠覆相关行业的“杀手”？

![image.png](https://static.downly.cn/images/14a521d2832b6256cf8b0fb597d6cce4.png)
图源备注：图片由AI生成
 

## 贝佐斯新愿景 未来一二十年内在太空建造千兆瓦级数据中心

亚马逊创始人杰夫·贝佐斯近日提出了一个大胆的预测：在未来的10到20年内，人类将有能力在太空中建造千兆瓦级别的数据中心。这些数据中心将利用全天候的太阳能运行，不受地球天气的影响，并且随着技术的进步，其建设成本将持续降低。这一设想为未来数据存储和处理描绘了一幅全新的蓝图。

![image.png](https://static.downly.cn/images/1d517141b87ef7c1de4ae0e37ab35ef1.png)
图源备注：图片由AI生成

每日AI资讯1008：AI写作检测、芯片巨头合作与通用记忆API

> 导语：今日AI领域精彩纷呈，技术革新正深刻改变着数字内容的创作与消费方式。从Luma AI的推理视频模型，到腾讯混元的分钟级3D创作工具，再到阿里云开源的动作生成模型，AI正在将专业级的影视与3D制作能力普及化。同时，AI也在重塑我们的怀旧体验与工作效率，无论是腾讯视频通过AI修复经典老片，还是Notion、微软Teams推出的AI智能体，都在深刻地改变着我们的娱乐和工作模式。

## AI修复经典，腾讯视频让老剧焕发4K新生

腾讯视频近期上线了“AI修复”片单，利用先进的AI技术，将《家有儿女》、《食神》等一批承载着观众集体回忆的经典影视作品，成功修复至4K超高清画质。这项技术不仅提升了分辨率，还显著增强了画面的纯净度与播放流畅度，为SVIP用户带来了“臻彩MAX”的一键升级观影体验，让模糊的记忆瞬间变得清晰，引发了一波怀旧热潮。

![image.png](https://static.downly.cn/images/5330f3e9a8a4ce0c837ed52f545211d4.png)
<center>图源备注：图片由AI生成</center>
 

## AI“听诊”超声波，香港“聆音”大模型让诊断更轻松

为了应对超声科医生严重短缺的现状，香港中科院团队研发了名为“聆音”（EchoCare）的超声大模型。该模型基于全球首个超400万张超声影像的数据集进行训练，旨在提升诊断的效率与准确性。面对中国每年高达20亿次的检查需求和15万名医生的缺口，“聆音”的出现有望大大缩短医生的培养周期，让AI成为医生的得力助手。

![image.png](https://static.downly.cn/images/fce9ed72cfdff05ef190de7d33980c83.png)
<center>图源备注：图片由AI生成</center>
 

## 阿里云Wan2.2-Animate模型开源，人人都是动作导演

阿里云最近全面开源了其新一代动作生成模型Wan2.2-Animate。该模型在生成视频的人物一致性和动作质量上实现了巨大飞跃，无论是短视频创作、舞蹈模仿还是动漫制作，用户都能轻松上手。模型支持动作模仿和角色扮演两种模式，创作者可以通过GitHub等平台免费获取，极大地降低了高质量动画制作的技术门槛。

![image.png](https://static.downly.cn/images/ac11a65ff2e32754d632d00e93a92ec7.png)
<center>图源备注：图片由AI生成</center>
 

## AI音乐创作迎革命，Suno v5模型即将震撼发布

AI音乐生成领域的领跑者Suno公司，即将在全球范围内推出其第五代音乐模型“v5”。从发布的预告视频来看，新模型在音乐质量、可控性和创造性上都将有“变革性”的提升。v5的发布预示着AI音乐创作将进入一个新纪元，进一步模糊人机创作的界限，让无论是音乐爱好者还是专业制作人，都能以前所未有的便捷方式，将脑海中的旋律变为现实。

![image.png](https://static.downly.cn/images/14f8d1aaa759386f68ba4c5f0bac46b9.png)
<center>图源备注：图片由AI生成</center>
 

## 3D创作进入“分钟”时代，腾讯混元3D Studio惊艳亮相

腾讯混元3D Studio的推出，彻底颠覆了传统3D资产的生产流程。这款专为3D设计师和游戏开发者打造的AI工作台，将原本以“天”为单位的3D建模和创作周期，极速缩短至“分钟”级别。它支持从文本到图像生成，再到任意姿势的角色转换，实现了从概念设计到动画制作的全流程一站式AI创作体验。

![image.png](https://static.downly.cn/images/19ce0d0f51846f835ea33211d223e75e.png)
<center>图源备注：图片由AI生成</center>
 

## Luma Ray 3模型发布，AI视频一键“思考”生成4K大片

Luma AI公司发布了全球首个“推理视频模型”——Ray 3。这个模型内置了强大的多模态推理系统，能够深刻理解用户的意图，自主规划复杂的场景并进行自我评估和修正。它就像一位经验丰富的动画师，能够将简单的草图或文字描述，一步步“思考”并创作出电影级别的4K HDR视频，极大地提升了AI视频生成的艺术性和准确性。

![image.png](https://static.downly.cn/images/654106a08f3a69cc222bd2f424ab8239.png)
<center>图源备注：图片由AI生成</center>
 

## 数据价值引关注，Reddit与谷歌重议AI合作

社交媒体平台Reddit正在与科技巨头谷歌就AI数据交易展开新一轮谈判。Reddit希望在这次合作中争取到更有利的条款，旨在获得更多资金支持，并提升自身在谷歌AI生态中的战略地位。此次谈判也反映出AI时代下，内容平台正在积极探索如何平衡用户数据价值与商业变现，以开创新的收入来源。

![image.png](https://static.downly.cn/images/cac374fcabe6ca96fe88dfb7f1793b3b.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌联手PayPal，AI智能体将重塑电商购物体验

谷歌与支付巨头PayPal宣布达成一项多年的深度合作。双方将融合谷歌领先的AI技术与PayPal成熟的支付基础设施，共同打造由“智能体”（Agent）驱动的全新AI购物体验。这项合作将重点推广谷歌新推出的Agent支付协议，未来，AI助手或许能帮你完成从挑选商品到完成支付的全过程，预示着电商生态可能迎来重大变革。

![image.png](https://static.downly.cn/images/9a63d9d2d5186f9068bd5100b39274e7.png)
<center>图源备注：图片由AI生成</center>
 

## Meta推出Hyperscape Capture，人人都是VR场景构建师

Meta公司为Quest 3用户带来了一款名为Hyperscape Capture的Beta版工具，它让普通用户也能轻松创建照片级的VR场景。通过这项工具，用户可以扫描现实世界中的任何物体或空间，并将其以极高的保真度在VR中重现。这标志着去年大会上承诺的高斯飞溅技术正式向消费级应用开放，极大地推动了虚拟现实体验的真实感和沉浸感。

![image.png](https://static.downly.cn/images/e87e6de686ad93daf6fb30b715a4e095.png)
<center>图源备注：图片由AI生成</center>
 

## Notion发布AI智能体，你的专属自动化工作秘书

生产力工具Notion推出了其首个AI智能体，将自动化提升到了新高度。这个智能体能够深度整合用户所有的Notion页面和数据库，自动完成生成会议纪要、撰写竞品分析报告等复杂任务。它甚至能连接Slack、邮件等外部平台，根据收到的信息自动创建和更新数据库，20分钟内处理数百页文档，堪称一个不知疲倦的超级秘书。

![image.png](https://static.downly.cn/images/404bae6d5e9c3f9c16cb264059047a35.png)
<center>图源备注：图片由AI生成</center>
 

## 微软为Teams引入AI助手，会议从此高效不超时

微软为其协作平台Teams上线了全新的AI助手功能，专供Microsoft 365 Copilot用户使用。该助手的核心是“主持人助手”，它可以在会议中实时发挥作用，不仅能自动生成会议纪要、回答与会者提问，还能主动管理会议议程、合理分配发言时间，有效防止会议超时。移动端助手的同步推出，让高效协作随时随地发生。

![image.png](https://static.downly.cn/images/c1f2bab301f96490d49b20710ed05d8a.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0920：AI重塑数字内容创作，从经典修复到分钟级3D建模

> 导语：今日AI领域风起云涌，从谷歌重金押注欧洲AI基础设施，到中国移动、阿里巴巴等国内巨头纷纷推出创新应用，展现了科技向善的力量。同时，AI在创作、开发、安全等领域的工具化趋势愈发明显，AI工程师、AI演示文稿等新概念层出不穷，预示着新一轮的生产力革命正在到来。

## 谷歌豪掷50亿英镑，引领科技巨头深耕欧洲AI市场

谷歌宣布未来两年内对英国投资50亿英镑，重点布局人工智能基础设施、能源及研发，并将在伦敦新建数据中心。此举不仅体现了谷歌对英国科技生态的坚定信心，也反映了美国科技巨头正全面加速在欧洲的投资步伐，抢占未来AI发展的战略高地。

![image.png](https://static.downly.cn/images/2e24233101113e767fda39f0f1d75a35.png)
<center>图源备注：图片由AI生成</center>

## 科技之眼照亮前路，中国移动发布“灵犀”电子导盲犬

中国移动正式推出“灵犀”电子导盲犬，这款创新产品集成激光雷达与视觉单目三维重建技术，能够构建厘米级精度的室内外地图并实现实时导航。它为视障人士提供了全新的出行解决方案，让科技之光照亮他们的生活，迈向更安全、更便捷的智能未来。

![image.png](https://static.downly.cn/images/c40e488b1e8338648abb4218fd0eb935.png)
<center>图源备注：图片由AI生成</center>

## 一句话颠覆PPT制作，Gamma 3.0发布革命性AI Agent

演示文稿创作工具Gamma 3.0迎来重大更新，推出颠覆性的AI Agent功能。用户现在只需通过简单的文字指令，就能让AI自动完成演示文稿的编辑、内容优化、数据可视化甚至信息补充。这极大地简化了创作流程，让复杂的演示文稿制作变得前所未有的简单高效。
![image.png](https://static.downly.cn/images/4cdc17001005224e2d9fd2493e50d7bb.png)
<center>图源备注：图片由AI生成</center>

## AI打造个性化教科书，谷歌推出全新学习工具Learn Your Way

谷歌正通过一项名为“Learn Your Way”的研究实验，探索生成式AI在教育领域的应用。该工具能将传统的教科书内容，根据学习者的需求，智能转化为思维导图、时间线、音频课程等多种形式，旨在打破传统教材的局限，提供更具互动性和个性化的学习体验。

![image.png](https://static.downly.cn/images/7e1e0c87790e3cb8fb47b18b0d23ca60.png)
<center>图源备注：图片由AI生成</center>

## 微软Copilot再进化，即将上线“记忆”功能并整合Google Drive

微软Copilot将迎来重磅更新，引入类似ChatGPT的全面记忆管理功能。更新后，Copilot将能根据用户指令记住关键信息，并在后续的交互中运用这些记忆。同时，它还将支持连接Google Drive，进一步提升其作为智能助手的实用性和个性化水平。用户可以在隐私设置中轻松管理和删除这些记忆。

![image.png](https://static.downly.cn/images/c6a84d1a3dd4040008a03d3966f80aa4.png)
<center>图源备注：图片由AI生成</center>

## 安全警钟敲响，国内首个AI大模型众测发现281个漏洞

国内首次针对AI大模型的众测活动结果揭晓。在这次活动中，559名白帽子安全专家对15款主流AI大模型及其应用进行了集中测试，共发现了281个安全漏洞，其中177个为大模型特有漏洞。这次众测从攻击者的视角揭示了潜在的安全隐患，为未来AI治理提供了重要参考。

![image.png](https://static.downly.cn/images/83a8d84709ae89d0ce5744bef3a4064b.png)
<center>图源备注：图片由AI生成</center>

## 全球首位AI全栈工程师“Orchids”亮相，开发能力超越Devin

一款名为“Orchids”的新型人工智能产品横空出世，号称全球首位AI全栈工程师。据称，它在UI设计和全栈开发能力上表现卓越，超越了包括Devin在内的多个竞争对手。Orchids具备独立完成身份验证、数据库管理和支付等全栈功能，极大地简化了开发者的工作流程。

![image.png](https://static.downly.cn/images/8cbd81d1f9d44577ec087652e035343b.png)
<center>图源备注：图片由AI生成</center>

## 阿里云开源通义DeepResearch，轻量级AI代理性能比肩OpenAI

阿里云通义实验室正式开源了其轻量级Web代理工具——通义DeepResearch。这款拥有30亿参数的AI代理，在多项基准测试中表现优异，性能可对标OpenAI的深度研究工具。它能处理长周期的深度搜集任务，并支持128K超长上下文，标志着开源AI智能体在复杂信息检索和推理领域取得了重大突破。

![image.png](https://static.downly.cn/images/767b94e0db7c24bc1ed05cba6bcb7213.png)
<center>图源备注：图片由AI生成</center>

## 嘈杂环境不再怕，阿里巴巴发布革命性语音识别模型FunAudio-ASR

阿里巴巴通义实验室推出端到端语音识别大模型FunAudio-ASR。该模型的创新之处在于其独特的“Context模块”，能显著提升在高噪声环境下的语音识别准确率，将幻觉率从78.5%骤降至10.7%。这使其在会议、公共场所等多说话人的复杂场景下表现出色。

![image.png](https://static.downly.cn/images/3a05aacc63f1a66c8c4726fc7d2b7112.png)
<center>图源备注：图片由AI生成</center>

## 编码效率再升级，Anthropic的Claude AI正式入驻Xcode 26

Anthropic公司的AI助手Claude现已正式集成到苹果的开发工具Xcode 26中。开发者现在可以通过自然语言与Claude交互，获取项目上下文信息，进行代码调试、重构和快速开发新功能。此举将极大地提升在苹果平台上开发应用的效率。

![image.png](https://static.downly.cn/images/27f351258e819552cf8bd7fb27abd57d.png)
<center>图源备注：图片由AI生成</center>

## 真人手办自由来了，腾讯混元3D 3.0攻克人脸雕刻难题

在2025全球数字生态大会上，腾讯发布了全新的混元3D 3.0生成模型。该模型在建模精度上提升了3倍，几何分辨率高达1536³，能支持36亿体素的超高清建模，尤其在人脸雕刻等复杂任务上取得突破。该技术已集成于混元3D AI创作引擎并免费开放，旨在加速3D AIGC技术在各行业的应用。

![image.png](https://static.downly.cn/images/6cf442a2e038daf022732c5acfa182c9.png)
<center>图源备注：图片由AI生成</center>

## Kiro推出全新定价与Auto智能代理，推动AI开发灵活性

AI服务商Kiro宣布了新的定价策略，并推出了Auto智能代理。值得注意的是，该服务将从即日起至9月30日期间免费提供，10月1日开始正式收费。此举旨在为开发者提供更灵活、高效的AI使用方案，降低早期开发门槛。

![image.png](https://static.downly.cn/images/cff015e576c12f30d8ddce26bbf1c34c.png)
<center>图源备注：图片由AI生成</center>

## AI Rollup模式引爆硅谷，传统公司转型“AI工厂”利润暴涨

一种被称为“AI Rollup”的商业模式正在硅谷迅速兴起，它致力于将传统公司改造为高效的“AI工厂”，并已显示出惊人的效果，部分公司利润率暴涨3倍。目前已有超过105家公司投身于这一转型浪潮，预示着市场竞争的加剧和AI驱动的产业变革正全面展开。

![image.png](https://static.downly.cn/images/49c4ab91845b9919edc9adf767b8f0f4.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0917：巨头竞速布局，AI工具化革命浪潮已至

> 今日AI界风起云涌：清华大学0.1秒生成3D数字人技术惊艳亮相；微软携手Anthropic，打破OpenAI单一依赖格局；字节跳动与腾讯在AI生图领域展开新角逐，将创意推向新高度；同时，AI正加速融入天气预报、软件测试、教育硬件等多个行业，展现出巨大的应用潜力。

## 0.1秒“复活”照片 清华团队开源GUAVA技术让3D数字人制作进入闪电时代
清华大学深研院与国际数字经济研究院的团队成功研发出GUAVA新技术，该技术仅需一张普通照片，便能在0.1秒内生成高质量的3D高斯化身，并能以超过50帧/秒的流畅度进行实时驱动。这一突破颠覆了以往需要多角度拍摄或漫长视频训练的传统数字人制作模式，极大地提升了制作效率和速度，为实时交互、虚拟现实等应用场景打开了新的想象空间。

![image.png](https://static.downly.cn/images/4d6ad844fb331ad9f3a90c5666bc9e38.png)
图源备注：图片由AI生成

## 字节跳动发布Seedream 4.0图像模型 Freepik平台率先集成
字节跳动正式推出其最新的Seedream 4.0图像创作模型，该模型在图像编辑的精准度、参考图的灵活性、4K超高清图像生成及自适应比例方面均实现了重大突破，甚至可以将人像照片一键转换为精致的手办风格图。用户现在可以通过豆包App和即梦网页端体验。与此同时，全球知名设计素材平台Freepik也已上线该模型，其premium+会员可无限次使用这一强大工具，为全球设计师的创作注入新的活力。

![image.png](https://static.downly.cn/images/5d639205aaa233d4f8d11ed1bb6c92b1.png)
图源备注：图片由AI生成

## 腾讯混元生图模型再进化 Image 2.1支持2K分辨率与精准“写字”
腾讯混元团队发布了其开源文生图模型的最新升级版“混元图像2.1”。新版本原生支持2K分辨率图像生成，并在中英文原生输入、复杂语义理解方面表现出色，能够更准确地在图片中渲染文字。该模型在性能与生成效果之间取得了良好平衡，旨在为视觉创作者提供一个更高效、便捷的创作工具，轻松生成精美插画、创意海报及漫画等多样化作品。

![image.png](https://static.downly.cn/images/e498b4e59aafb4e9f5d85063f0bb8884.png)
图源备注：图片由AI生成

## 微软不再“独宠”OpenAI Office 365将集成Anthropic模型
微软正在调整其AI战略，开始推行供应商多元化。最新举措是，微软将付费使用Anthropic公司的AI技术来增强其Office 365办公应用套件。这一举动标志着微软不再仅仅依赖其长期合作伙伴OpenAI，背后原因可能与OpenAI日益增强的自主性及其产品与微软产生的直接竞争有关。此举显示了微软在构建其AI生态时，正寻求更广泛和稳健的合作布局。

![image.png](https://static.downly.cn/images/456bbda78162116970d774c1fc0c72cc.png)
图源备注：图片由AI生成

## 不止于效率工具 首款AI Agent浏览器Fellou CE发布
硅谷公司Fellou推出了一款具有革新意义的AI概念浏览器Fellou CE。与市面上其他旨在节省时间的AI工具不同，Fellou CE将自己定位为用户的“认知杠杆”。它致力于通过AI Agent的能力，赋能用户进行更深层次的思考、激发创造力，并高效解决复杂问题，目标是实现数字工作方式的根本性转型，而不仅仅是提升操作效率。

![image.png](https://static.downly.cn/images/45e8de5f800f2c7a10a402d56ace5537.png)
图源备注：图片由AI生成

## 剑指英伟达霸主地位 谷歌TPU业务估值或达9000亿美元
谷歌正积极推广其自研的TPU（张量处理单元），并与众多小型云服务商展开合作，意图在价值巨大的AI硬件市场中挑战英伟达的绝对领先地位。据分析，谷歌的TPU业务若与旗下的顶尖AI研究机构DeepMind深度结合，其整体估值潜力可能高达9000亿美元，这预示着AI芯片领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/285243c9fe4c3c460c5b2859db4ff031.png)
图源备注：图片由AI生成

## 打印机也懂批改作业 爱普生发布全球首款AI学习打印机
爱普生联合京东发布了全球首款AI学习打印机，将人工智能与传统打印设备创造性地结合。这款打印机内置了AI作文批改、口算检查、错别字识别三大核心功能，旨在通过“AI+打印”的新模式，让学习过程回归纸张，同时又赋予纸张前所未有的智慧，为家庭教育场景提供了全新的解决方案。

![image.png](https://static.downly.cn/images/8f0e07fdc4f0c3ad4cf4360fd6af03e0.png)
图源备注：图片由AI生成

## AI预报官“上岗” 中国气象局遴选14个AI模型迎接汛期考验
中国气象局正积极推动AI技术在天气预报领域的创新应用。在一项有35家高校、企业和科研单位参与的示范计划中，经过严格的测试与遴选，14个表现优异的AI天气预报模型脱颖而出。这些模型，包括伏羲、璞云、风乌、风清和盘古等，均已完成迭代更新，正式“上岗”，准备迎接汛期的严峻考验。

![image.png](https://static.downly.cn/images/c29e51f347d2737af876a96dd5b0a6f8.png)
图源备注：图片由AI生成

## 告别脆弱自动化 TestGrid发布CoTester™ 2.0引领AI测试新革命
TestGrid公司正式发布了其首个企业级AI测试代理CoTester™ 2.0。该产品旨在解决传统AI测试工具普遍存在的自动化流程脆弱、测试覆盖率低、维护成本高昂等痛点。CoTester™ 2.0创新地融合了视觉-语言智能、人类监督和机器人自动化精度，通过多模态视觉-语言代理实现近乎人类的测试解读能力，从而显著提升软件测试的效率与质量。

![image.png](https://static.downly.cn/images/34655de79458d9d43104de59209f6a66.png)
图源备注：图片由AI生成

## Devin集成引争议 Windsurf被指bug不断或临生存危机
近期，关于AI程序员Devin与现有平台Windsurf的整合过程引发了业界的担忧。一位知情人士透露，自从整合开始以来，Windsurf平台bug不断，而官方似乎并未积极响应，这种“装死”的态度可能导致其百万用户流失。外界担忧，这次整合如果处理不当，最终可能对Windsurf造成毁灭性的打击，使其陷入生存危机。

![image.png](https://static.downly.cn/images/0b8d4170f7eed481a3dcfe6fac77e32d.png)
图源备注：图片由AI生成

每日AI资讯0910：清华0.1秒“复活”照片，微软“牵手”新欢，AI军备竞赛开启新篇章

> 今日AI领域创新活跃，各大厂商竞相发布新工具与新功能。从腾讯的游戏视觉平台升级，到钉钉的文档解析利器，再到京东的电商文案工具，AI正全面提升各行业生产力。同时，ChatGPT与Kimi等头部模型也迎来重要更新，不仅开放了更多免费功能，还在性能和交互体验上实现新突破，市场竞争格局也因新玩家的入场和新计划的推出而愈发激烈。

## 腾讯混元平台再进化 游戏视觉创作进入“快车道”

腾讯混元游戏视觉生成平台现已升级至2.0版本，该版本在游戏图生视频、自定义模型训练及角色精修等方面实现了重要突破。新平台显著提升了2D生图、图生视频及文生图在游戏场景下的表现，有效解决了游戏美术设计与宣发环节中动态内容生成难、风格定制繁琐以及细节优化耗时等核心痛点，为游戏美术设计师的工作效率带来了质的飞跃。

![image.png](https://static.downly.cn/images/a21665f9e37cabd48357447ed429ee19.png)

图源备注：图片由AI生成

## 钉钉联手OpenDataLab发布DLU 高效解析复杂文档

OpenDataLab与钉钉合作，基于强大的MinerU引擎推出了一款名为DLU的文档解析工具。该工具能够支持多种文档格式，并精准提取图表、公式等复杂元素，生成高质量的训练语料，旨在大幅提升企业处理专业内容的效率。为了推动AI应用的进一步落地和发展，该工具计划于近期进行开源。

![image.png](https://static.downly.cn/images/71a887c6bd92b441e6a74084ba54b259.png)

图源备注：图片由AI生成

## ChatGPT功能下放 免费用户喜提项目管理新工具

OpenAI近期调整了ChatGPT的功能策略，将部分项目管理相关的功能向免费用户开放。根据新规，免费用户现在每天可以上传最多5个文件进行处理。与此同时，Plus用户的上限提升至25个，而Pro、商业及企业版用户的上限则为40个。此举体现了OpenAI旨在满足不同用户群体的需求，并通过功能分层进行产品升级的策略。

![image.png](https://static.downly.cn/images/fdeb409f67634d4d6be6a5b1f06a823c.png)

图源备注：图片由AI生成

## 月之暗面Kimi模型再升级 高速API全面开放

月之暗面发布了其Kimi K2模型的最新版本（0905），新版本重点强化了Agentic Coding能力和编程任务处理性能。此外，模型上下文长度已扩展至256K，并推出了全新的高速API，其输出速度可达每秒60至100个Token，旨在满足更复杂、长线的任务需求，并显著提升应用的响应效率。

![image.png](https://static.downly.cn/images/99ad999ea0827ff6d4f684300ef8eb5d.png)

图源备注：图片由AI生成

## OpenAI布局新赛道 AI招聘平台挑战LinkedIn霸主地位

据报道，OpenAI正在积极开发一款名为“OpenAI招聘平台”的人工智能招聘服务。该平台计划于2026年中期正式推出，其核心目标是利用先进的AI技术，实现企业与求职者之间的高效精准匹配。此举被视为直接挑战当前由微软旗下、其早期投资者Reid Hoffman联合创办的职场社交巨头LinkedIn。

![image.png](https://static.downly.cn/images/bee307a171129d59491bfa3ae459d1bd.png)

图源备注：图片由AI生成

## ChatGPT体验革新 引入分支对话功能

ChatGPT网页版现已上线分支对话功能，允许用户在同一次对话中创建多个独立的讨论分支。这一新特性使得用户可以在不干扰主线思路的情况下，自由探索不同的想法和问题方向。该功能极大地提升了交互的灵活性和个性化体验，尤其适用于头脑风暴、复杂问题深度探讨以及多角度思考等应用场景。

![image.png](https://static.downly.cn/images/966185f22efbbab268e2ca50ff7fe953.png)

图源备注：图片由AI生成

## 京东发布“京点点AI文案” 电商营销三秒成稿

京东针对电商商家推出了一款名为“京点点AI文案”的高效创作工具。该工具旨在帮助商家减轻文案创作的压力，用户仅需输入商品的SKU并选择期望的文案风格，系统便能在短短三秒内生成具有高转化率的营销文案，从而极大地提升了商家的运营效率。

![image.png](https://static.downly.cn/images/ea2bf38f7ec160c578964ebb9d92c30c.png)

图源备注：图片由AI生成

## AI阅读工具新突破 电子书一键转为思维导图

由SSShooter团队开发的“电子书转思维导图”AI工具，旨在解决电子书格式限制和信息结构不清晰的阅读痛点。该工具能够智能解析EPUB和PDF文件，将其内容自动转换为结构化的思维导图和精炼的文字总结。这不仅帮助读者更高效地把握书籍的核心脉络，还极大地提升了深度阅读和知识管理的效率。

![image.png](https://static.downly.cn/images/ab8a8091b9c018bd8478d6570d9473bc.png)

图源备注：图片由AI生成

## 智谱AI发起“搬家计划” 以七分之一价格对标Claude

智谱AI近日宣布，其API已全面兼容Claude协议，并为此推出了“Claude API用户特别搬家计划”。用户现在只需简单地更换API地址，就能将原有的应用从Claude模型无缝切换到智谱的GLM模型。此举极大地降低了开发者的迁移成本，并以极具竞争力的价格吸引用户。

![image.png](https://static.downly.cn/images/351f8e456a2ae0e59f81ddf51bee95c7.png)

图源备注：图片由AI生成

## 快手开源多模态推理模型 视频理解树立新标杆

快手发布并开源了一款先进的多模态推理模型，该模型在视频理解领域展现出卓越性能。它支持高达128k的上下文长度，能够实现0.1秒级的精准视频定位，并具备强大的跨模态推理能力。这项技术的突破，展示了如何将前沿研究成果成功应用于面向千万用户的实际产品中，为技术规模化落地提供了范例。

![image.png](https://static.downly.cn/images/36f0b3f8942695f823616429d3ad9db4.png)

图源备注：图片由AI生成

每日AI资讯0906：从三秒出稿到秒解视频，生产力工具迎来“落地”爆发期

B站推出的免费AI数字分身定制和视频创作工具

必剪Studio

StabilityAI推出的文本到图像生成AI

Stable Diffusion

在线AI音乐创作工具，输入歌词创建个性化歌曲

Lyrics Into Song AI

度加创作工具

AI音乐创作工具，集成了多种乐器声音

Fryderyk

百度推出的AI长文理解和内容创作工具

橙篇

行者AI美术

AI视频创作工具，支持视频转动漫，替换3D人物

LensGo

Visual Electric

NovelAI

笔灵推出的AI小说生成和创作工具

笔灵AI小说

AI音视频创作工具，支持AI短片、AI播客等

创一AI

人工智能营销文案和内容创作工具

Copy.ai

AI视频创作工具，支持文生视频、图生视频及视频转漫画功能

艺映AI

Spell.tools

免费的AI音乐生成和歌曲创作工具

Sonauto

Google Veo 3 / 3.1 是 Google DeepMind 推出的最新一代生成式视频模型。

搜索结果: 创作工具