

> 面对AI多镜头连贯性危机，入选CVPR的STAGE框架以起始与结束帧对预测取代传统关键帧，让算法真正掌握导演级分镜转场艺术。

## 视觉狂欢背后的多镜头连贯性危机

从Sora到Seedance 2.0，视频生成大模型的视觉表现力屡创巅峰，但当创作者试图用其拼接一个完整故事时，叙事连贯性的短板便暴露无遗。目前行业主流的多镜头生成方案主要分为两条路线 一镜到底的端到端生成以及基于关键帧的分布演进。前者计算成本极其高昂且宛如开盲盒，创作者几乎无法控制中间过程；后者虽然提供了操作灵活性，但模型往往只能死板地记住几个核心画面的样貌，完全缺乏对镜头衔接逻辑的理解。

这种机制上的缺陷，直接导致了生成视频中频繁出现灾难性的画面断层。前一个镜头人物穿着红衣，下一个镜头便发生色彩跳跃，或者在推进特写时物体出现不符合物理规律的瞬移。这种现象的本质在于，当前的AI依然停留在画单帧的阶段，缺乏专业导演对镜头起承转合的统筹能力。

![12.png](https://static.downly.cn/images/30f2378974266a12a56184c639ce513c.png)

<center>图源备注：图片由AI生成</center>

## 骨架重塑与双帧预测的叙事革命

为了解决跨镜头逻辑断裂的痛点，研究团队提出了以电影分镜为核心的叙事生成框架STAGE。该框架彻底抛弃了稀疏关键帧的传统路径，创新性地将生成任务重构为起始帧与结束帧对的联合预测。

对于每一个独立的镜头，STAGE不再仅仅输出一个极具代表性的画面，而是直接锚定镜头的首尾两帧。这一机制的转变带来了显著的结构化优势。所有镜头的首尾帧依次串联，在时间轴上搭建起极其稳固的视觉骨架，从根本上锁定了角色特征与场景元素的长期一致性。同时，首尾两帧的明确界定，为镜头内部的动态演变提供了清晰的导航航向，让平移、推拉等复杂运镜有了明确的物理终点。更重要的是，前一镜头的结束与后一镜头的起始之间形成了直接的映射关系，对影视剪辑中的转场语言进行了深度数学建模，使画面衔接呈现出丝滑的电影质感。

![13.png](https://static.downly.cn/images/25440b28c6a083b0371382bbabbb5be4.png)

<center>图源备注：图片由AI生成</center>

## 赋予算法导演思维的三大核心技术

支撑这一工作流运转的是被称为STEP2的核心预测模型。为了让这个数字导演具备专业级的场面调度能力，研究团队为其植入了三项关键技术。

多镜头记忆包机制是第一道保障。该技术通过高效的压缩算法，将冗长的历史镜头视觉信息打包提炼，确保算法在渲染后续镜头时依然能准确回溯初始场景的细节，成功规避了角色特征在长程叙事中的偏移风险，同时大幅降低了算力开销。

双重编码策略保障了运镜的平滑。为了保障单镜头内部的运动逻辑自洽，系统将起始帧与结束帧进行深度捆绑和联合编码，使得算法在动笔生成的第一秒，就已经完成了对整个镜头运动轨迹的全局推演。

阶梯式的两阶段训练方案提升了审美下限。第一阶段依靠海量影视片段进行监督微调，赋予模型基础的运镜能力；第二阶段则引入人类偏好对齐机制，投喂经过精挑细选的优质转场案例，让算法在海量阅片中建立起对高级电影感的美学认知。

![14.png](https://static.downly.cn/images/89882420fce1bd923e1147415b214a54.png)

<center>图源备注：图片由AI生成</center>

## 高质量数据集奠定工业化应用基石

为了配合全新的训练逻辑，研究团队放弃了传统聚焦于单帧画面的数据集，独立构建了规模庞大的多镜头视频库。该图库涵盖了十万个高质量电影片段，不仅对首尾帧进行了精准切分，还打上了涵盖故事推进、景别尺度、摄影机位等专业维度的结构化标签。

在行业权威的评测基准中，STAGE在场景一致性、动作流畅度以及风格维持等多个维度上，均展现出对现有主流生成工具的压倒性优势。这项技术路线的成功验证释放了一个明确的行业信号 视频生成的下半场角逐，将从单纯的像素级保真度比拼，全面转向对结构化叙事逻辑的掌控。当算法真正理解了分镜的意义，由AI辅助创作的工业级影视制作时代才真正具备了落地的可能。

告别穿帮与瞬移 STAGE框架以电影分镜重塑AI视频叙事逻辑



> 埃隆·马斯克进一步加码 xAI 商业版图，宣称将于年底推出全 AI 生成游戏，并计划在明年实现影视与游戏内容的实时定制化生成，意图颠覆传统内容开发范式。

## 激进预测 挑战全自动内容生产

据科技媒体 TweakTown 报道，埃隆·马斯克再次对外界展示了其人工智能公司 xAI 的宏大愿景。继 2025 年预测 xAI 旗下工作室将推出“出色的 AI 游戏”后，马斯克昨日在 X 平台进一步细化了这一目标：明年将大规模推出具备高画质、可实时生成且高度个人定制化的影视内容和电子游戏。

与目前行业中仅使用 AI 辅助资产制作（如《Arc Raiders》）的模式不同，马斯克所描绘的图景是彻底的“全链路生成”——从核心玩法逻辑、美术视觉设计到动态关卡构建，全部由人工智能实时产出，无需传统的人工开发介入。

![Google_AI_Studio_2026-01-31T03_24_09.264Z.png](https://static.downly.cn/images/8bc113f23bfd64a2ea0e8212e98410d3.png) <center>图源备注：图片由AI生成</center>

## 行业震动 信心与质疑并存

这一构想若能落地，将标志着数字娱乐产业进入“实时定制化”的新纪元。然而，目前全球范围内尚未出现真正具备商业化潜力的纯 AI 生成游戏实机演示。业界分析认为，马斯克此举既是对 xAI 算力与算法积累的极致自信，也是对传统游戏工业漫长开发周期的宣战。

尽管马斯克在科技领域的预言常伴随着“跳票”风险，但 xAI 在大模型领域的快速追赶让这一赌注充满了不确定性的吸引力。市场正在观望，xAI 是否真能凭一己之力重塑内容创作的底层逻辑。

马斯克再放豪言 xAI 计划推出全链路 AI 生成游戏与影视内容



> 谷歌正加速其 AI 商业化版图的扩张，正式宣布将 AI Plus 订阅服务推向包括美国在内的全球 35 个国家和地区。通过极具竞争力的定价与全家桶式的工具整合，谷歌意在抢占智能办公市场的头把交椅。

## 全栈工具矩阵：从写作到影视制作

AI Plus 订阅计划的核心竞争力在于其整合了谷歌最顶尖的多模态模型技术。用户不仅可以调用 Gemini3Pro 和 NanoBananaPro 等大语言模型处理复杂任务，还能享受到针对特定场景优化的专业工具：

*   **Flow 影视制作工具**：大幅降低视频创作门槛，服务于高效率的内容产出。
*   **NotebookLM**：专为科研与深度写作设计，能够基于用户上传的文档进行智能问答与摘要，是学术界与知识工作者的利器。

此外，订阅服务还通过 Google One 框架提供了 200GB 的云存储空间，并支持最多 5 人的家庭或团队共享权益，进一步强化了其作为生产力基础设施的属性。

![Google_AI_Studio_2026-01-28T03_06_14.276Z.png](https://static.downly.cn/images/4c78694c00c02a22c9e2bcf2c25c9bbf.png) <center>图源备注：图片由AI生成</center>

## 激进定价策略围剿竞品

在定价方面，谷歌采取了极具侵略性的策略。美国市场月费定为 7.99 美元，不仅远低于主要竞争对手的同类服务，更为新用户提供了首两个月 5 折的“尝鲜价”。

为了实现存量用户的无缝转化，原 Google One 高级版用户将自动获得 AI Plus 的全部权益，无需任何额外操作。这种“加量不加价”的平滑迁移策略，显示了谷歌利用其庞大用户基数构建护城河的决心。随着订阅服务覆盖面的扩大，全球 AI 生产力工具市场的价格战或许才刚刚开始。

谷歌AI Plus订阅全球扩容 7.99美元构建多模态生产力生态






> AI领域的技术革新正以前所未有的速度席卷而来。从字节跳动和爱诗科技的AI视频生成模型，到联想推出的国内首个L3级AI服务，再到谷歌翻译的实时同传功能，AI正深刻改变着创作、办公和沟通的每一个环节。与此同时，英伟达、IBM与AMD等巨头在底层硬件和模型架构上的突破，也为人工智能的未来发展奠定了坚实的基础。

## AI视频创作新纪元 爱诗科技PixVerse V5惊艳亮相

爱诗科技最新发布的PixVerse V5模型，将AI视频创作推向了新的高度。该模型深度聚焦用户需求，大幅提升了视频生成体验。众多内测用户已经创作出内容丰富、风格多样的视频作品，从体育场景到商业广告，再到奇幻艺术，充分展现了PixVerse V5强大的创作能力和广泛的应用潜力，标志着AI视频创作正变得更加普及和强大。

![image.png](https://static.downly.cn/images/23a45dcde7adc1c2096355f14e1a15cc.png)

## 数字人技术再突破 字节OmniHuman-1.5让照片开口说话

字节跳动发布了其升级版的多模态数字人方案OmniHuman-1.5。这项技术仅需一张静态图像和一段音频，即可生成表情自然、口型同步的动态视频。新版本在真实感和动作协调性上实现了显著提升，为影视制作、虚拟主播、在线教育等领域开辟了全新的应用场景，让AI数字人变得前所未有的逼真。

![image.png](https://static.downly.cn/images/ab5c54e1e71c9bdf16635e6d23459f88.png)

## 中小企业超级助手 联想百应智能体2.0开启L3级AI服务

联想正式发布了国内首个L3级别的AI服务智能体“百应智能体2.0”。该智能体具备自主规划和闭环解决问题的能力，能够像一位真正的超级助手一样，深刻理解中小企业的复杂需求，并主动完成任务。这标志着智能化办公迈出了关键一步，将有力推动中小企业的数字化转型进程。

![image.png](https://static.downly.cn/images/9ef642fe27f416c77206453b96023997.png)

## 确保AI安全可控 微软发布智能体可观测性五大实践

为了解决AI智能体在自动化流程中可能出现的“盲跑”和不可控问题，微软发布了关于AI智能体可观测性的五大最佳实践。该指南旨在通过对AI智能体进行全生命周期的深度监测，确保其行为的质量、安全与合规，从而帮助开发者提升用户体验，并建立值得信赖的AI系统。

![image.png](https://static.downly.cn/images/9ec7f1d46f0d07b09750d5ff6292828f.png)

## 强强联合 IBM与AMD携手布局量子计算与AI新生态

IBM与AMD宣布达成战略合作，计划将IBM的量子计算系统与AMD强大的AI芯片进行整合。此次合作旨在打造一种突破传统计算极限的混合计算模型，通过结合量子计算的革命性能力与经典计算的成熟生态，共同探索AI领域的未来机遇，重新定义信息处理和模拟自然的方式。

![image.png](https://static.downly.cn/images/90bcbc01c430c9fe8b30506e7055645e.png)

## 推理成本锐减98% NVIDIA Jet-Nemotron模型引领效率革命

NVIDIA研究团队发布的Jet-Nemotron系列语言模型，通过创新的“后神经架构搜索”技术，在不牺牲准确性的前提下，实现了比传统全注意力模型快53.6倍的生成速度。这一突破有效解决了现有大模型在自注意力计算上的效率瓶颈，极大地降低了AI推理成本，为语言模型的广泛应用扫清了障碍。

![image.png](https://static.downly.cn/images/64ded7382e408a0e92c510accf6a78af.png)

## 跨语言沟通无障碍 谷歌翻译迎来实时同传重大升级

谷歌翻译通过深度整合强大的Gemini AI模型，正式推出了实时同声传译功能。用户现在可以体验到如母语般流畅的无缝跨语言交流，彻底打破沟通壁垒。此外，新增的智能语言陪练模式，能够像私人教师一样与用户互动，全面提升了语言学习和沟通的智能化体验。

![image.png](https://static.downly.cn/images/e09266c05e21870cf975116c27111e7c.png)

## 字节跳动再发力 Waver 1.0模型解锁多风格视频生成

字节跳动发布的全新AI视频模型Waver 1.0，在视频生成领域再次取得突破。该模型不仅支持文本和图像生成视频，而且在运动表现、视觉质量和对提示词的理解上均超越了现有模型。更重要的是，Waver 1.0能够生成具有连贯叙事的多镜头视频，为创作者提供了前所未有的艺术表达工具。

![image.png](https://static.downly.cn/images/45bf86f7776ba4a03f9968c30dfb126f.png)

## 终端编码新体验 文心快码新增Zulu-CLI自然语言指令功能

为了进一步提升开发者的工作效率，文心快码推出了一系列新功能，其中最引人注目的是Zulu-CLI终端编码能力。这项功能允许开发者直接在终端通过自然语言指令来完成复杂的编码任务，极大地简化了工作流程。此外，企业版自定义模型、本地代码库知识增强等更新，也为个人和团队协作带来了显著的效率提升。

![image.png](https://static.downly.cn/images/333c739b8069863ff78339e808fe39c7.png)

## 神秘“极”字引热议 DeepSeek V3.1模型曝出罕见Bug

近日，DeepSeek V3.1模型被曝出一个罕见的“极字Bug”。多位开发者反映，在通过API调用该模型时，代码输出中会随机出现神秘的“极”字。这一问题已在多个主流平台出现，引发了国内外开发者社区对模型稳定性和可靠性的广泛讨论与担忧。官方已对此做出回应，并正在积极解决。

![image.png](https://static.downly.cn/images/9cba3043f3a41da039ca02fad4137c44.png)

## AI收购策略现分歧 苹果内部激辩自研与收购路线

据报道，为了在生成式AI领域追赶竞争对手，苹果公司内部曾探讨过收购Mistral AI和Perplexity等AI初创公司的可能性。然而，公司高层对此存在分歧。一方认为收购是快速弥补差距的有效途径，而另一方则坚持自主研发，认为这更符合苹果的长期战略。这一分歧反映了苹果在AI时代转型中的谨慎与挣扎。

![image.png](https://static.downly.cn/images/aa694d9e67af949e6bcf9b2f04a89a3e.png)

每日AI资讯0828：视频生成迎技术爆发，企业应用与底层架构齐头并进



> 本期AI资讯聚焦多个领域的重大突破。从阿里通义Fun-ASR模型在垂直领域语音识别精度的显著提升，到Kimi K2模型带来的文本生成速度革命；从可灵与即梦AI在视频生成领域实现更精准的控制与更低的创作门槛，到Tripo 3.0引领的3D建模行业变革。与此同时，Meta面临的天价版权诉讼也为整个AI行业的训练数据合规性敲响了警钟。

## 阿里通义语音识别新突破 垂直行业精准度飙升

阿里通义最近推出了新一代的端到端语音识别大模型Fun-ASR。该模型显著强化了上下文感知能力和高精度转写技术，特别是在家装、保险等专业垂直行业，其识别准确率获得了巨大飞跃。据数据显示，保险行业的识别准确率提升了18%，而家装、畜牧等领域的提升幅度也达到了15%至20%，为特定行业的语音应用场景带来了更可靠的技术支持。

![image.png](https://static.downly.cn/images/5336f2bfa0b9114e07ee38e56c4715fe.png)

## Kimi K2模型再加速 输出速度剑指每秒百字符

月之暗面公司发布的Kimi K2高速版AI模型在性能优化后，其内容输出速度实现了大幅提升。该模型能够稳定达到每秒60 Tokens的输出速度，峰值速度更是高达每秒100 Tokens，极大地提高了处理效率，为用户带来了前所未有的流畅服务体验。Kimi K2基于先进的MoE架构，拥有强大的代码生成和通用代理处理能力，其万亿级别的总参数量使其在处理复杂任务时游刃有余。

![image.png](https://static.downly.cn/images/f2e5df9d13b652eb0f3c4d298eb76585.png)

## Meta陷版权风波 AI训练数据合法性引争议

科技巨头Meta公司正面临一场严重的法律诉讼，此案可能成为史上最大的AI训练数据侵权案。两家成人影片公司提起诉讼，指控Meta在进行AI训练时，明知故犯地使用了至少2396部受版权保护的影片内容。原告方提出了高达3.59亿美元的天价索赔，此案再次引发了科技行业内外对于AI训练数据来源合法性的广泛关注和激烈讨论。

![image.png](https://static.downly.cn/images/3710613ffbe00595dce99518874e849f.png)

## InternLM发布轻量级多模态模型 赋能科学研究

InternLM团队（书生·浦语）近日发布了一款仅有8B参数的轻量级多模态推理模型Intern-S1-mini。该模型巧妙融合了Qwen3-8B语言模型与InternViT视觉编码器，并通过包含超过2.5万亿科学领域token在内的海量数据进行预训练。这使得Intern-S1-mini不仅能处理常规的文本和视觉信息，还具备解析分子式、蛋白质序列以及规划化学合成路径等高级科学研究能力，为科研领域提供了强大的AI工具。


![image.png](https://static.downly.cn/images/d75c9b57a4bab6762eb64da756002cf0.png)

## 可灵AI精准控帧 视频生成迈入新纪元

可灵AI近期基于其全新的2.1模型，重磅推出了首尾帧功能。这一创新功能将AI视频生成过程中的随机性转变为高度的可控性，用户可以通过设定视频的起始与结束画面，来精准控制视频内容的走向。据官方数据，新模型的效果提升高达235%，让精准可控的视频生成从一个设想变为现实，彻底改变了AI视频创作的行业格局。

![image.png](https://static.downly.cn/images/609e55ad98c0cf44ebb5cc4487578798.png)

## 即梦AI智能多帧技术 一键生成超长镜头

即梦AI上线了创新的“智能多帧”技术，极大地简化了视频创作流程。用户仅需提供最多10张关键帧图像，系统便能自动分析并生成长达54秒的专业级连贯视频。这项技术彻底颠覆了传统的视频创作模式，显著降低了内容创作的门槛，充分展现了AI在长视频生成领域的巨大潜力和广阔前景。

![image.png](https://static.downly.cn/images/e7920e1da7634fa7a8e58c8c3177cbd6.png)

## VAST发布Tripo 3.0 AI驱动3D建模革命

VAST公司最新发布的Tripo 3.0版本，正通过其强大的人工智能技术革新传统的3D建模行业。该平台凭借其高效和易用性，已经吸引了超过300万专业开发者用户。Tripo 3.0在游戏开发、影视制作、建筑设计和工业设计等多个领域展现了AI驱动3D内容创作的强大潜力，预示着一个全新的3D内容创作时代已经到来。

![image.png](https://static.downly.cn/images/53dde85232904380889e5b78ce0ceb36.png)

每日AI资讯0823：AI视频生成迎双重突破，语音识别与3D建模重塑行业格局






> 导语 本期AI资讯聚焦全球科技巨头的最新动态与垂直领域的创新应用。谷歌与OpenAI在图像生成和教育领域展开激烈竞争，分别升级Imagen 4并推出ChatGPT学习模式；微软则着眼未来，洽谈确保AGI时代后的技术使用权。与此同时，国产AI也硕果累累，WPS智能体让办公更高效，通义千问新模型实现性能飞跃，新型大模型将照片修复推向8K超清时代。从医疗到制造，人形机器人和专业妇科大模型的出现，标志着AI正深度融入各行各业，重塑未来生产与生活。

## WPS灵犀 您的原生Office办公智能体

WPS灵犀作为一款原生的Office办公智能体，正通过其强大的自然语言处理能力，重新定义我们的工作方式。它能够听懂人话，轻松处理文档、制作PPT、分析数据等多种办公任务。这款智能体极大地解放了用户在重复性、低价值工作上耗费的时间和精力，让人们可以更专注于需要创造性与深度思考的核心任务，成为我们高效工作不可或缺的伙伴。

![image.png](https://static.downly.cn/images/d5a548b5e6ee0e859fdbcb71ddf275d2.png)

## 新型图像复原大模型HYPIR实现8K超清修复

中国科学院深圳先进技术研究院推出了一款名为HYPIR的新型图像复原大模型，它能在短短1.7秒内将模糊的旧照片修复至惊人的8K超高清画质。该模型尤其擅长高保真地恢复图像中的文字等精细细节。经过三次迭代升级，HYPIR在修复的准确性和细节表现上已获得显著提升，未来有望在文化遗产保护、影视制作、科学研究及医疗影像等多个领域发挥重要作用。

![image.png](https://static.downly.cn/images/3fa1f11ce305b4773eea38c781507007.png)

## 谷歌升级Imagen 4 AI图像生成领域竞争加剧

谷歌近期悄然升级了其文本到图像生成模型——Imagen 4 Ultra。新版本在图像细节、真实感和处理复杂指令方面实现了性能飞跃，已跻身全球顶尖模型行列。更具看点的是，其每千张图像60美元的定价远低于竞争对手OpenAI的GPT-4o，展现出明显的性价比优势。配合其快速的生成速度和多平台接入能力，Imagen 4的升级标志着AI图像生成领域的竞争正变得日益激烈。

![image.png](https://static.downly.cn/images/da5132a93800f1fd5a06bbce2e2a9176.png)

## OpenAI推出ChatGPT Study 赋能个性化教育

OpenAI为ChatGPT推出了全新的学习模式“ChatGPT Study”，正式进军教育领域。该模式专为学生和教育工作者设计，集成了交互式提示、支架式回应、个性化辅导和知识点检查等多种功能，旨在提供一种更具互动性的个性化学习体验，帮助学生培养批判性思维，而不仅仅是提供现成答案。此举预示着AI将在教育领域扮演越来越重要的角色。

![image.png](https://static.downly.cn/images/5156462865f563f1818707ebef00ed4b.png)

## 通义千问开源新模型 3B参数媲美顶尖模型

阿里巴巴通义千问团队宣布开源Qwen3-30B-A3B-Instruct-2507新版本模型。该模型在通用能力、指令遵循、逻辑推理和长文本理解等方面均有显著提升。其最大亮点在于，在非思考模式下，仅需激活3B参数，其性能即可媲美Gemini 2.5-Flash和GPT-4o等顶尖的闭源模型，展示了极高的效率和性能。

![image.png](https://static.downly.cn/images/09edeceaf4a83b5d2d46a1d8e2cd5d4a.png)

## 乐聚机器人获大额融资 5G-A人形机器人将引领智能制造

乐聚机器人近期获得了新一轮重要融资，并计划在2025年前交付上千台人形机器人。公司正与华为云、深开鸿等伙伴紧密合作，借助先进的5G-A技术，将人形机器人应用于复杂的工业场景。此轮融资将有力推动人形机器人在智能制造领域的产业化进程，解决实际应用中的技术挑战。

![image.png](https://static.downly.cn/images/8fb9986dbb164d96e0d22ec243e69453.png)

## “豆蔻”妇科大模型通过国家级笔试 垂直医疗AI获突破

由壹生检康公司基于钉钉平台开发的“豆蔻妇科大模型”，近日成功通过了国家妇产科正高级职称的笔试，成为国内首个达到专业临床考试标准的、由创业公司在企业专属AI平台上训练的垂直医疗大模型。该模型的训练周期短、准确率高，为AI在医疗等专业领域的规范化应用提供了宝贵范本。

![image.png](https://static.downly.cn/images/70e3ff881e90cb8b7cb3d62b924582d4.png)

## 谷歌NotebookLM推出视频概览功能

谷歌为其AI笔记工具NotebookLM增加了一项新功能——视频概览。这项功能旨在通过更直观的可视化方式，帮助用户快速理解和掌握各类复杂的主题与概念，提升信息处理和学习的效率。

![image.png](https://static.downly.cn/images/87c5a7de6cc0e2b4ba08e8d3df7c12ca.png)

## Spotify暗示未来将推出更健谈的语音AI界面

音乐流媒体巨头Spotify暗示，公司未来计划推出一个更具对话性和互动性的语音AI界面。这意味着用户未来或许能与Spotify进行更自然的交流，获得更智能、更个性化的音乐推荐和播放体验，进一步提升用户粘性。

![image.png](https://static.downly.cn/images/3e3358731c8a4e045f61effe1c50118f.png)

## 谷歌AI搜索迎来Canvas等一系列重大更新

谷歌对其AI搜索模式进行了一系列重要升级。其中最引人注目的是新增了“画布”（Canvas）功能，它允许用户通过涂鸦、文字和图片等多种方式进行实时、直观的搜索。此外，实时搜索助手“Search Live”也得到了增强，为用户提供更加即时和智能的搜索体验。

![image.png](https://static.downly.cn/images/add2c9df72bb16b05db15ff3417c16ed.png)

## 微软洽谈新协议 确保AGI时代后仍可使用OpenAI技术

据报道，微软正在与OpenAI进行新的商业谈判，旨在确保即使在OpenAI实现通用人工智能（AGI）这一里程碑后，微软仍能继续获得其先进技术的使用权。这份新协议如果达成，将对两家公司的长期合作关系以及未来AI格局产生深远影响。

![image.png](https://static.downly.cn/images/12393e926bcdad405e92431d3b03eb6d.png)

每日AI资讯0730：谷歌微软OpenAI巨头激战，垂直领域AI应用全面开花




> **导语**
> 今日的AI界迎来了效率与创新的双重爆发。从推理效率提升200%的开源模型，到十倍速处理表格的AI助手，再到实现视频般流畅的图像编辑技术，无不预示着生产力工具的巨大变革。与此同时，开发者获得了更精细的AI编程控制权，而用户即将体验到由AI主动发起的新型社交互动。





## DeepSeek增强版Chimera问世 推理效率飙升200%

德国TNG公司基于DeepSeek模型，发布了一款名为Chimera的增强版模型。其核心亮点在于创新的“专家混合（AoE）”架构，通过融合R1-0528、R1和V3-0324三个模型的优势，并运用权重合并技术，成功将推理效率提升了惊人的200%，同时显著降低了运营成本。这一突破使得Chimera在各大主流基准测试中表现卓越，实现了顶尖推理能力与经济效益的完美平衡。

![image.png](https://static.downly.cn/images/8d41b484ed0d84235f85cbf71428424c.png)

## 再见复杂公式 AI Excel助手Shortcut用自然语言搞定一切

一款名为Shortcut的AI驱动Excel助手正彻底改变我们处理电子表格的方式。用户不再需要记忆和编写复杂的公式或代码，只需通过简单的自然语言指令，Shortcut就能自动完成高级数据处理、复杂计算、数据可视化乃至财务建模等任务。这款工具的效率之高，甚至在Excel世界锦标赛的赛场上展现出超越人类冠军的实力，被视为重塑Excel工作流程的革命性力量。

![image.png](https://static.downly.cn/images/e8dd2bfb4bb649bf60d1986318b3df6b.png)

## 字节跳动开源VINCIE-3B 让图像编辑像视频一样连贯

字节跳动向开源社区贡献了其最新的VINCIE-3B模型。这个拥有3亿参数的模型，创新地从视频中学习上下文感知能力，从而摆脱了传统图像编辑工具对繁琐数据准备的依赖。它能够实现高质量且连贯的连续图像编辑，效果媲美视频剪辑中的平滑过渡。该技术在多个基准测试中已达到行业领先水平，为影视制作、数字营销和游戏开发等领域开辟了新的可能性。

![image.png](https://static.downly.cn/images/f77ec2f9e158f838d3b1c6178699fb6d.png)

## Claude Code推出Hooks功能 AI编程迎来更高阶的自动化

为了赋予开发者对AI编程更强的控制力，Claude Code推出了全新的Hooks功能。该功能允许开发者在AI代理执行循环的特定节点（如工具使用前、使用后或通知时）自动触发并执行自定义的shell命令。这意味着代码自动格式化、日志记录、权限检查等繁琐任务可以无缝集成到AI工作流中，极大地提升了AI辅助编程的可控性、稳定性和整体开发效率。

![image.png](https://static.downly.cn/images/809313d1a00f713936e9f338774bcb81.png)

## 小心 Meta聊天机器人将主动“敲门”

Meta公司正在测试一项颠覆性的社交功能：让其平台上的可定制聊天机器人拥有主动联系用户的能力。这些AI助手不再仅仅被动等待指令，而是能够根据上下文主动发起对话，或对之前的聊天内容进行跟进。这一举措旨在增强用户粘性，但也预示着人与AI的交互模式将进入一个更加主动和深入的新阶段。

![image.png](https://static.downly.cn/images/c385471a416226a3a742e54377a23d63.png)

AI每日资讯0704

HunyuanVideo-Avatar

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: 影视制作