

> 大模型微调不再是企业级服务器的专利。英伟达最新发布的官方指南显示，利用 Unsloth 开源框架，开发者可在 GeForce RTX 笔记本等消费级设备上实现高效模型定制，训练速度提升 2.5 倍，标志着 AI 开发正式迈入全民微调的新阶段。

## 消费级硬件的性能解锁

英伟达此次力推的 Unsloth 框架，是一个专为 LLM 训练全流程优化的开源工具，深度适配了 CUDA 与 Tensor Core 架构。官方数据显示，相较于标准的 Hugging Face Transformers 实现，Unsloth 在 RTX 系列 GPU 上的训练速度提升了约 2.5 倍，同时显著降低了显存占用。

这一技术突破意味着硬件门槛的大幅降低。过去需要昂贵的多卡服务器集群才能完成的微调任务，现在仅需一台搭载 RTX 4090 甚至更低配置的笔记本电脑即可运行。英伟达通过提供 Docker 镜像与 Colab 示例，进一步简化了环境部署流程，让“开箱即用”成为可能。

![Google_AI_Studio_2025-12-26T02_29_35.354Z.png](https://static.downly.cn/images/65711e70fa5031bbbd5f78215cbdaff6.png) <center>图源备注：图片由AI生成</center>

## 生态战略与千人千面

指南中详细展示了从 QLoRA 轻量化微调到全参数微调的多种模式，建议用户从 RTX 3060 等入门设备入手，逐步扩展至更大规模。这不仅是技术层面的普惠，更是英伟达巩固 CUDA 生态统治力的战略布局。

通过降低微调门槛，英伟达正在加速大模型从通用的“标准品”走向“千人千面”的个性化应用。当数以百万计的独立开发者和中小企业能够利用手中的消费级显卡定制专属模型时，开源社区的创新活力将被彻底释放，各类垂直领域的 AI 应用也将迎来爆发式增长。

英伟达发布 Unsloth 官方指南 消费级显卡迎微调平权时代



> 今日AI界风起云涌：谷歌将Gemini全面融入地图与电视，引领交互新革命；软银与OpenAI的合作引发资本新思考；Kaltura重金布局AI数字人赛道；编程新贵Lovable用户激增，商汤与月之暗面发布创新模型与框架，而Meta则在语音识别领域打破语言壁垒，技术与资本共同推动AI浪潮进入新高度。


## 软银联手OpenAI成立“水晶智能”，AI投资新模式或引行业“资金空转”担忧

软银与OpenAI宣布合资成立“水晶智能”公司，旨在为日本企业提供先进的AI工具。然而，鉴于软银本身就是OpenAI的重要投资者，这一举动引发了业界对于AI领域投资模式的深入思考。市场担忧此类交易可能并未真正创造新的经济价值，而是导致资本在巨头生态系统内部循环，形成“资金空转”现象。


![image.png](https://static.downly.cn/images/d99a8d575a33e13805651a817710a952.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Gemini登陆Google TV，家庭娱乐迎来情景化AI交互革命

谷歌正式在Google TV平台上推出Gemini语音助手，以取代原有的Google Assistant。这是谷歌将Gemini全面整合至其各类平台战略的关键一步。通过Gemini强大的AI能力，用户将能够以更自然、更具情境化的方式进行复杂的内内容查询和功能操作，例如根据“推荐一部适合全家观看的科幻喜剧”等多重偏好指令寻找电影，极大地提升了家庭娱乐的智能化体验。

![image.png](https://static.downly.cn/images/1b539be1146748f2a08fc1fb8c5ad43b.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 谷歌地图拥抱Gemini，一句话生成交互式地图

谷歌地图迎来重大升级，通过深度集成Gemini大模型，转型为一个AI空间智能平台。此次更新推出了创新的“Builder Agent”功能，允许用户和开发者仅通过自然语言指令，就能快速生成交互式地图。结合MCP服务器和Grounding Lite技术，新版谷歌地图不仅为普通用户带来了前所未有的智能体验，也极大地提升了开发者的工作效率。

![image.png](https://static.downly.cn/images/b5eac1b01ef3e7dc65d3e4d3cac9f8d7.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Kaltura豪掷2700万美元收购eSelf.ai，发力企业级AI视频交互

视频技术公司Kaltura宣布以2700万美元收购eSelf.ai，获取其先进的实时对话虚拟人技术。此次收购是Kaltura“视频即服务界面”战略的核心举措，旨在将其视频平台从传统的内容分发工具，转变为一个智能交互界面。通过整合AI数字人技术，Kaltura期望能显著提升企业客户的沟通效率和用户参与度。

![image.png](https://static.downly.cn/images/929aa6b833b51972cae52cf5d61c60b1.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## AI编程新星Lovable用户破800万，“氛围编程”引领行业潮流

瑞典AI编程平台Lovable在成立仅一年的时间里，实现了爆炸式增长，用户总数已接近800万，每日有超过10万个新产品通过该平台发布。作为“氛围编程”理念的开创者，Lovable已从一个开源工具迅速成长为估值超10亿美元的独角兽公司，其用户覆盖从学生到高收入开发者，充分展示了AI在编程领域的巨大潜力。

![image.png](https://static.downly.cn/images/6d53b42ee31f3d10672f4e605950c699.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 商汤发布SenseNova-SI模型，空间智能能力超越GPT-5

商汤科技发布了其开源的SenseNova-SI系列模型，在空间智能领域取得了重大突破。根据权威评测结果，该模型在空间理解与推理方面的能力已超越包括GPT-5在内的顶尖闭源模型。这一成果有效弥补了当前大模型在空间智能方面的短板，展现了卓越的性能。

![image.png](https://static.downly.cn/images/eb4325fb3dd40a21d0960a550d9c7271.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 月之暗面开源Kosong框架，赋能下一代AI智能体开发

国内AI创业公司月之暗面开源了其全新的AI代理框架Kosong。该框架以其轻量级和灵活的设计理念，有效解决了当前AI开发中工具碎片化的难题。通过提供统一的抽象层，Kosong简化了下一代智能体的开发流程，帮助开发者更紧密地将大模型的能力与真实应用场景相结合，一经发布便获得了开发者社区的热烈反响。

![image.png](https://static.downly.cn/images/adcd3a700c2139766c70d6c3bce24028.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Meta AI发布“全语种”语音识别系统，支持超1600种语言

Meta发布了名为Omnilingual ASR的自动语音识别系统，该系统能够转录超过1600种口语语言，是目前支持语种最多的系统之一。此举旨在解决当前AI工具在语言覆盖上的严重不足，推动实现通用语音转录，从而弥合全球不同语言在获取AI技术支持方面的鸿沟，向打破全球语言壁垒的目标迈出重要一步。

![image.png](https://static.downly.cn/images/32ac3dd071597c42bb68692168d0df88.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

每日AI资讯1111：谷歌AI全面融入生活，AI投资与开源框架引领新趋势



> 导语：今日AI界风起云涌：谷歌Gemini凭借集成图像生成功能，在美国iOS免费榜上一举超越ChatGPT；OpenAI则发布了专为编程任务优化的GPT-5-Codex新模型。同时，百度文心、xAI也相继发布新模型，Anthropic与DeepMCPAgent则在AI代理开发领域提供新思路，而苹果和OpenAI的内部调整也预示着行业格局的深刻变化。

## 谷歌Gemini历史性超越 终结ChatGPT榜首神话

谷歌AI助手Gemini近日迎来里程碑式进展，其在美国iOS平台的下载量成功超越长期霸榜的ChatGPT，登顶免费应用榜首。此次逆转的关键在于Gemini最新集成了强大的NanoBanana图像生成模型，并向所有免费及付费用户开放。这一举措极大地降低了AI图像生成的使用门槛，吸引了大量用户，成功打破了ChatGPT在AI应用领域的垄断地位。

![image.png](https://static.downly.cn/images/1ae4a639f18f56031aa91d60a8b9e0d6.png)

<div align="center">图源备注：图片由AI生成</div>

## OpenAI再出重拳 发布编程专用模型GPT-5-Codex

OpenAI发布了专为Agent编程任务设计的全新模型GPT-5-Codex。该模型具备创新的动态计算能力，能够根据任务的复杂度实时调整其思考速度和资源分配，在多个编程基准测试中展现了卓越的性能，标志着AI在代码生成和理解能力上又迈出了重要一步。

![image.png](https://static.downly.cn/images/fd4b0e54f85828b732262d14f171e0e2.png)

<div align="center">图源备注：图片由AI生成</div>

## Anthropic发布指南 解锁LLM Agent新玩法

为了帮助开发者更好地构建大语言模型代理（LLM Agent），Anthropic公司发布了《编写高效工具指南》。该指南详细介绍了一套“原型-评估-协作”的三步迭代流程，并提出了五大核心设计原则。旨在指导开发者为Agent选择最匹配其上下文与策略的工具，从而规避开发过程中的常见误区，释放LLM Agent的真正力量。

![image.png](https://static.downly.cn/images/2a276e53c30a4e771d99e9109f27f769.png)

<div align="center">图源备注：图片由AI生成</div>

## 马斯克旗下xAI推新 Grok 4 Fast追求极致速度

马斯克创立的xAI公司推出了新模型Grok 4 Fast，其最大亮点在于速度提升了惊人的10倍。用户现在可以通过Grok网页版的早期访问模式切换体验。该模型的核心设计思路是优化快速响应能力，为此在处理复杂任务的精细度上做出了一定的妥协，旨在为用户提供更即时的交互体验。

![image.png](https://static.downly.cn/images/9da8e2c22c2f57e4d0bf7a5efec187b6.png)

<div align="center">图源备注：图片由AI生成</div>

## 百度文心新模型登顶 开源社区再添中国力量

百度文心大模型家族的最新成员ERNIE-4.5-21B-A3B-Thinking在Hugging Face文本生成模型排行榜上强势登顶。这款模型采用了先进的轻量级MoE（混合专家）架构，总参数为21B，但在推理时仅激活3B参数，实现了极高的效率。同时，它还支持高达128K的长上下文处理，是中国AI开源领域的又一重要进展。

![image.png](https://static.downly.cn/images/b894bf3b7cf87f4716f5cb25a1e42e32.png)

<div align="center">图源备注：图片由AI生成</div>

## 开源框架DeepMCPAgent亮相 助AI代理生产力暴增

一款名为DeepMCPAgent的开源框架引起了业界的广泛关注。该框架允许开发者利用LangChain和LangGraph，快速构建生产级别的AI代理。其核心优势在于即插即用的动态MCP工具发现功能，并且强调模型无关性，用户可以自由集成任何LLM模型，极大地简化了AI代理从原型到生产的流程，有望重塑AI代理的开发和应用生态。

![image.png](https://static.downly.cn/images/389f1d86785c9fc08ce6c7ba5316c7d8.png)

<div align="center">图源备注：图片由AI生成</div>

## OpenAI与微软关系生变 欲降收入分层比例

据报道，OpenAI正寻求修改与主要合作伙伴微软的财务协议。计划的核心是逐步降低微软的收入分成比例，目标是到2030年，将微软的分成从目前的近20%降至8%。此举旨在为OpenAI保留更多资金，以应对日益增长的巨大计算资源开销，预计将为公司带来超过500亿美元的额外收入。

![image.png](https://static.downly.cn/images/cfff2ff6e0edad22e8b2fc52f1aed657.png)

<div align="center">图源备注：图片由AI生成</div>

## 苹果AI转型遇挑战 Siri前负责人宣告离职

苹果公司在人工智能领域的转型之路再添变数。资深主管罗比·沃克宣布将于下月离职，他曾是Siri及公司AI与搜索业务的核心负责人。此次高层人事变动，引发了外界对于苹果AI战略发展前景以及其内部转型能力的担忧。

![image.png](https://static.downly.cn/images/de69b038560f79f302dc19b323c2de8d.png)

<div align="center">图源备注：图片由AI生成</div>

## Mercor转型AI训练师招聘 获亿元融资

初创公司Mercor宣布成功转型为一家专注于AI训练师的招聘平台，并已完成1亿元人民币的融资。该公司的目标是填补当前人工智能领域巨大的人才缺口，通过提供专业的培训和精准的岗位匹配，为AI产业持续输送合格的训练师人才。

![image.png](https://static.downly.cn/images/014557461160ef1d5e665afbc79258b3.png)

<div align="center">图源备注：图片由AI生成</div>



每日AI资讯0916：谷歌Gemini登顶iOS榜首，OpenAI发布编程新模型



> 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)




AI每日资讯0623

> 近日，浙江大学与 vivo 联合宣布，正式开源一项突破性的视频虚拟试穿框架——**MagicTryOn**。 该框架基于先进的 **Wan 2.1 技术**，能够实现**高质量、逼真且高度一致的视频虚拟试穿效果**。 MagicTryOn 的开源，有望彻底改变在线服装零售、虚拟时尚体验以及数字内容创作等领域，为消费者带来前所未有的沉浸式试穿体验。


在电商和数字时尚日益发展的今天，虚拟试穿技术正成为连接消费者与商品的桥梁。 传统的虚拟试穿多局限于静态图片，难以真实反映服装在动态人体上的效果。 如今，这一局限正被一项革命性技术打破。 MagicTryOn 的出现，标志着虚拟试穿从静态图像迈向动态视频的新纪元，有望为消费者带来更真实、更沉浸的购物体验。

<video src="https://static.downly.cn/images/7aa730ae2fe7c13aeca6263286dae155.mp4"  title="project_page_video5.mp4"></video>

### MagicTryOn 突破性视频试穿体验

MagicTryOn 的核心优势在于其能够实现**高质量的视频虚拟试穿**。 与传统的图片试穿不同，它能处理人物在视频中的复杂动作和姿态变化，并确保服装在这些动态下的真实呈现。

#### 1. 真实且一致的试穿效果

MagicTryOn 能够将目标服装**无缝地“穿到”视频中人物的身上**，并**保持服装纹理、光影和褶皱的自然变化**，极大地提升了试穿的真实感。 即使人物在视频中移动、旋转或摆出复杂姿势，服装也能保持高度一致性和逻辑性，如同真实穿着一般。

#### 2. 基于 Wan 2.1 的强大支撑

该框架的核心技术是基于 **Wan 2.1**，这是一种在处理弱对齐数据方面表现卓越的网络架构。 Wan 2.1 能够有效地解决视频中人体姿态和服装之间复杂对应关系的问题，即使在没有精确人体骨架或服装裁剪信息的情况下，也能实现高质量的虚拟试穿。

#### 3. 处理复杂人物姿态与服装变形

MagicTryOn 的另一大亮点是其处理**复杂人物姿态和服装变形**的能力。 无论是手臂的抬起、身体的扭动，还是裙摆的飘动，该框架都能准确地模拟服装的物理效果，让试穿结果更具说服力。

<video src="https://static.downly.cn/images/54a531433b570ee58f3e65cb7bbc21c7.mp4"  title="prpject1.mp4"></video>

### 技术细节与创新点

MagicTryOn 的卓越性能源于其多方面的技术创新

#### 1. 细粒度特征编码与融合

该框架采用了先进的**细粒度特征编码技术**，能够捕捉服装和人体的微小细节。 通过巧妙的特征融合机制，确保了服装能够精准地适应人体的轮廓和动作。

#### 2. 时序一致性保持

为解决视频虚拟试穿中常见的**帧间闪烁和不连贯**问题，MagicTryOn 设计了独特的时序一致性保持策略，确保了视频中服装的流畅和自然变化。

#### 3. 开放性与可扩展性

作为一个开源框架，MagicTryOn 不仅提供了核心代码，还为开发者提供了**丰富的接口和灵活的配置选项**，便于二次开发和集成到不同的应用场景中。

![image.png](https://static.downly.cn/images/489a1f62ebb62dfecf56235a735eb71e.png)

### 应用前景 颠覆零售与娱乐

MagicTryOn 的开源，将对多个行业产生深远影响

*   **在线服装零售** 消费者可以在线“试穿”服装，大大降低退货率，提升购物体验。
*   **虚拟时尚与元宇宙** 为元宇宙中的虚拟形象提供更真实的服装穿搭体验。
*   **数字内容创作** 电影、游戏、广告等行业可用于快速生成虚拟人物的服装动画。
*   **个性化定制** 帮助用户预览定制服装效果。

浙大与 vivo 的合作，不仅展现了学术界与产业界的紧密结合，更通过开源的方式，推动了虚拟试穿技术乃至整个 AI 视觉领域的发展，为未来数字生活描绘了更丰富的图景。




搜索结果: 开源框架