



> 导语：本期AI快讯聚焦全球顶尖科技公司的最新动态。OpenAI的GPT-5在万众期待中揭开面纱，不仅传出将免费开放，其多版本策略和性能细节也引发热议。国内方面，百度文心5.0与科大讯飞代码画布展示了中国AI力量的加速追赶。同时，微软在AI代理训练和图像生成领域再推新品，而摩尔线程与腾讯的开源项目则进一步丰富了AI生态。从底层硬件适配到上层应用创新，AI技术正以前所未有的速度渗透到各个领域。

## OpenAI GPT-5双重爆料 免费开放与多版本策略并行

OpenAI正式发布了其迄今为止最强大的GPT-5模型，并宣布将逐步向所有用户免费开放。该模型在编程、写作、健康及视觉等多个领域展现出卓越能力，其Pro订阅者更可享受无限制访问。GPT-5采用一个高度统一的系统，集成了智能高效模型、深度推理模型和实时路由器，显著提升了响应速度和指令遵循能力，并有效减少了幻觉。然而，一份泄露的文档显示，GPT-5计划推出四个各具专长的版本，但内部测试表明其性能提升可能属于渐进式升级，而非革命性飞跃。

![image.png](https://static.downly.cn/images/7c2821dd290bc0e72fb37174c489d7d8.png)

## 百度文心大模型迎重磅升级 剑指OpenAI

百度正在加速其文心大模型的更新迭代，计划最快于八月底发布最新的推理模型，其性能目标是超越OpenAI的o3满血版。此外，功能更全面的基座大模型 文心5.0 预计将在未来数月内推出，并可能在百度世界大会上正式亮相。此举旨在强化模型在逻辑推理和复杂计算方面的能力，以应对AI从简单聊天向更复杂任务演进的趋势，提升在全球AI市场的竞争力。

![image.png](https://static.downly.cn/images/a0b07ced927d96835a1969ab35ae5d75.png)

## 微软双管齐下 Agent Lightning与GPT-4o免费绘图齐亮相

微软研究院近期推出了名为Agent Lightning的强化学习训练框架，其创新的解耦设计允许不同架构的AI代理系统进行统一训练，解决了传统方法在通用性上的挑战，尤其适用于多轮对话和工具调用等复杂场景。与此同时，微软Bing Image Creator也已免费集成OpenAI最新的GPT-4o图像生成模型。相比DALL-E 3，GPT-4o在文本渲染和理解用户意图方面更为精准，进一步降低了高质量AI创作的门槛。

![image.png](https://static.downly.cn/images/f0ba332e1f81472a55c13f365315ef63.png)

## 科大讯飞“代码画布”发布 一句话开启网页生成新模式

科大讯飞在其开放平台上线了“星火代码画布”新功能，它允许用户通过语音、草图、链接甚至一句话描述，就能快速生成可交互的网页。这项创新极大地赋能了产品经理、设计师等非技术背景的人员，让他们的创意能够轻松转化为数字产品，丰富了工作与生活的数字化体验。

![image.png](https://static.downly.cn/images/273a875709b70a0e4997e63660803569.png)

## 国产AI芯魂注入 摩尔线程MUSA强势适配llama.cpp

国产GPU厂商摩尔线程宣布，其MUSA架构已成功适配流行的开源推理框架llama.cpp。这一进展意味着开发者现在可以在摩尔线程的GPU上高效运行大语言模型推理，并且其支持范围已扩展至Intel处理器和国产海光平台。此举不仅为本土AI硬件生态注入了新的活力，也有效降低了大模型技术的部署门槛。

![image.png](https://static.downly.cn/images/9587e1c09489ba973711109e64410030.png)

## 腾讯WeKnora开源 你的文档管理难题AI来解

腾讯正式开源了其基于大模型的文档理解与检索工具WeKnora。该工具能够高效处理包括PDF、Word、图片在内的多种格式文档，通过深度学习技术提取并整合信息，最终提供统一的语义视图。WeKnora具备精准的问答和多轮对话能力，其模块化的架构使其能灵活应用于构建知识库、进行文献分析等多个领域。

![image.png](https://static.downly.cn/images/93b0795b7fd860b0c26971ff00ee5719.png)

## FlowSpeech引领语音革命 全球首个书面语转口语TTS诞生

一款名为FlowSpeech的新型AI文本转语音（TTS）工具面世，它被誉为全球首个能将书面语转化为自然口语的TTS系统。通过深度理解文本语义并结合多模态技术，FlowSpeech解决了传统TTS工具发音机械、缺乏感情的问题，能够生成流畅自然的口语化表达。该技术在有声书、内容创作、企业培训等领域拥有广阔的应用前景。

![image.png](https://static.downly.cn/images/f62928d0ad3f8fa145f8752c1a2d33e0.png)

## AI技术新动态 Truth Social联手Perplexity 哈勃网络构建太空蓝牙

在其他科技前沿，由美国前总统特朗普创建的社交平台Truth Social宣布推出由Perplexity AI支持的搜索引擎，并将在未来几周内开启公测。与此同时，哈勃网络（Hubble Network）计划通过Muon公司的新型XL卫星平台对其卫星进行大规模升级，旨在创建一个覆盖全球的蓝牙通信层。

![image.png](https://static.downly.cn/images/49c4156b88df687263190ec24d9cf703.png)



每日AI资讯0808：GPT-5细节曝光与免费开放，百度文心5.0蓄势待发，微软连发AI新工具



> 导语 今日AI界风起云涌，从腾讯开源企业级文档框架WeKnora，到面壁智能发布堪比“手机GPT-4V”的MiniCPM-V 4.0模型，端侧AI正迎来革命性突破。硬件巨头AMD与高通宣布支持开放模型gpt-oss，为边缘计算注入强心剂。同时，微软将AI游戏教练引入Windows 11，MiniMax的语音模型实现跨语种音色复刻，谷歌的AI编程助手Jules正式上线，而一场AI国际象棋赛更是上演了Grok-4爆冷击败Gemini 2.5 Pro的精彩对决。

---

## “手机上的GPT-4V”诞生 MiniCPM-V 4.0开源挑战端侧极限

面壁智能（OpenBMB）团队与魔搭ModelScope社区联手，正式开源了新一代多模态大模型MiniCPM-V 4.0。该模型以其仅4.1B的参数量，在图像、多图乃至视频理解等多个权威评测中展现出卓越性能，甚至超越了GPT-4.1-mini等更大规模的模型，被誉为“手机上的GPT-4V”。特别值得一提的是，MiniCPM-V 4.0针对iPhone 16 Pro Max等移动设备进行了深度优化，实现了极快的响应速度和良好的发热控制，让用户在手机上也能流畅体验强大的多模态AI功能。此次开源还配套提供了详尽的部署工具与教程，极大地推动了端侧多模态AI的应用与普及。

![image.png](https://static.downly.cn/images/770f68d16321bfbf73c22bc7bd8a7bef.png)

## 腾讯亮出企业级AI利器 开源文档理解框架WeKnora

腾讯正式开源了其专为复杂异构文档设计的智能问答框架——WeKnora（维娜拉）。该框架提供了一套从文档处理、知识建模、语义检索到推理生成的完整流水线。它基于强大的大语言模型，并融合了多模态预处理、向量索引等先进技术。WeKnora支持模块化的RAG（检索增强生成）设计，允许用户轻松切换主流模型并进行私有化部署，为企业知识管理、科研文献分析等场景提供了高效、易用的解决方案，并配备了便捷的Web界面及微信生态部署能力。

![image.png](https://static.downly.cn/images/093bdc8395d84febf08d0effd70c0e20.png)

## 硬件巨头拥抱开放AI AMD与高通支持gpt-oss模型

AI的运行不再仅限于云端，AMD与高通两大硬件巨头宣布，旗下硬件将全面支持OpenAI的gpt-oss系列开放推理模型，标志着边缘AI计算迈出了关键一步。AMD的锐龙AI Max+ 395处理器成为首款支持gpt-oss-120b模型的消费级AI PC处理器，展示了在终端设备上运行百亿级模型的强大能力。与此同时，高通骁龙平台也能高效运行gpt-oss-20b模型，展现出色的推理性能。这一合作预示着未来的智能设备将拥有更强的本地AI处理能力，AI应用场景将变得更加灵活和普及。

![image.png](https://static.downly.cn/images/04a5ae79547e4b36b5de5d7ab00bea20.png)

## AI声音魔术师 MiniMax Speech 2.5实现跨语言音色复刻

MiniMax公司推出了其新一代语音生成模型Speech 2.5，在多语言处理和音色模拟方面取得了重大突破。该模型支持多达40种语言，最引人注目的是其强大的跨语言音色复刻能力，能够保留说话人的口音细节，即便切换语种也能保持音色的一致性。相较于前代产品，Speech 2.5在发音准确度、自然度和性价比上均有显著提升，为内容创作、在线教育、智能客服等领域带来了前所未有的效率与创新机遇。

![image.png](https://static.downly.cn/images/6a8f1e91250c1cb92077f66829ce98af.png)

## 你的专属游戏教练 微软Xbox Copilot登陆Windows 11

微软正将强大的AI助手Xbox Copilot深度集成至Windows 11的游戏栏中，旨在为PC玩家打造一位全天候的智能游戏伙伴。这位“AI教练”能够理解玩家的游戏进程和Xbox活动，提供高度个性化的帮助。无论是需要游戏攻略、战术策略，还是通过游戏截图提问，Copilot都能给出精准解答。它还支持语音交互，让玩家无需中断游戏即可获得帮助。目前该功能已向Insiders成员开放英文预览版，未来将逐步推广。

![image.png](https://static.downly.cn/images/d5013674c550765f26934c405c0097c3.png)

## AI棋坛大爆冷 Grok-4横扫Gemini 2.5 Pro晋级决赛

在由谷歌DeepMind与Kaggle联合举办的首届AI国际象棋对抗赛半决赛中，上演了惊人的一幕。来自xAI的Grok-4模型出人意料地以4:0的绝对优势横扫了赛前被广泛看好的谷歌Gemini 2.5 Pro。另一场半决赛中，OpenAI的O3则稳定发挥，以4:0击败同门师弟O4-mini。这场爆冷大胜让Grok-4一战成名，它将与O3在决赛中争夺首届AI国际象棋赛的冠军宝座。

![image.png](https://static.downly.cn/images/3c1ff46d27b2980fcf4487c4b66ad27f.png)

## 谷歌AI编程助手Jules正式亮相 可自主修复和更新代码

谷歌宣布其AI编码助手Jules已结束beta测试，正式上线。Jules是一款基于强大的Gemini 2.5 Pro模型的异步编程代理工具，它能够深度集成于GitHub。开发者可以将代码库克隆到Google Cloud虚拟机中，然后授权Jules自主执行任务，例如修复bug或更新代码。这种基于代理的工作模式允许Jules在后台独立完成复杂的编码工作，从而让开发者能够解放出来，专注于更具创造性的任务。

![image.png](https://static.downly.cn/images/62c962ac9501f412465ef9b76e04aff5.png)



每日AI资讯0807：端侧AI革命打响，“手机上的GPT-4V”与硬件巨头入局



> 导语 OpenAI时隔五年重返开源，微软Azure迅速跟进，为开发者带来更灵活的模型选择；谷歌在可交互世界模型与AI笔记应用上取得新突破；百度则将AI能力具象化，推出数字员工；同时，AI在音乐创作、故事生成等领域的应用也日益成熟，但内容质量监管问题也随之而来。

---


## 开源新篇章 OpenAI五年后携免费模型强势回归

OpenAI近日发布了两款名为GPT-oss-120b和GPT-oss-20b的开源语言模型，打破了其长达五年的闭源传统。这两款模型性能强大，足以媲美部分付费产品，同时对硬件要求相对温和，并允许商业使用。此举标志着OpenAI向开源社区的战略性回归，旨在构建一个更加民主和开放的AI平台，以适应当前日益激烈的行业竞争格局。

![image.png](https://static.downly.cn/images/62557bb7214ab7cd1c66a0b14811a5e5.png)

---

## 强强联合 微软Azure迅速引入OpenAI开源新模型

紧随OpenAI的开源步伐，微软宣布其Azure AI Foundry平台将正式引入GPT-oss系列模型。开发者和企业现在可以通过Azure AI Foundry及其Foundry Local服务，在云端或本地设备上自主运行、微调和部署这些强大的AI模型。这一举措极大地提升了AI应用的灵活性、可控性，并有效保障了数据隐私与安全，为企业构建和部署智能代理提供了统一且高效的解决方案。

![image.png](https://static.downly.cn/images/888b2d96bd12609380faf16dc6c56260.png)

---

## 虚拟世界一键生成 谷歌Genie 3重新定义AI交互

谷歌DeepMind发布了革命性的世界模型Genie 3，它能够以每秒24帧的速度生成720P分辨率的可交互3D环境。用户不仅可以通过文本指令动态改变世界中的事件，还能体验到逼真的物理模拟。Genie 3的出现为AI智能体训练、沉浸式游戏开发、虚拟教育等领域开启了全新的可能性，预示着一个AI驱动的交互新纪元即将到来。

![image.png](https://static.downly.cn/images/cefcccaf2eecd1c17b4eae639c52a748.png)

---

## 打工人新“同事” 百度智能云发布全球首批AI数字员工

百度智能云正式推出全球首批AI数字员工。这些数字员工深度融合了大模型、数字人技术以及行业知识（Know-How），具备“懂业务、给结果、可进化”的核心特性。它们能够胜任营销、客服、招聘、教培等多个核心业务职能，旨在显著提升企业的运营效率和生产力，标志着AI正从辅助工具向能够自主执行任务的“代理（Agentic）”时代迈进。

![image.png](https://static.downly.cn/images/067bdce573c4e6537d0216deb2c8bad7.png)

---

## 人人都是故事家 谷歌Gemini推出AI故事书生成器

谷歌在其AI应用Gemini中新增了“Storybook”功能。用户仅需提供简单的故事情节，AI便能自动生成一本图文并茂的十页故事书，并支持多种视觉风格选择和语音朗读。尽管目前在角色形象一致性上仍有提升空间，但该功能极大地降低了内容创作的门槛，尤其在儿童教育和个性化阅读体验领域展现出巨大的潜力。

![image.png](https://static.downly.cn/images/2714c85b0c460619114a2612a65c67cd.png)

---

## AI助力高效学习 谷歌NotebookLM向青少年开放

为了帮助学生更深入地进行学习，谷歌的人工智能笔记应用NotebookLM现已向13岁以上的用户及所有教育用户开放。该应用能将用户上传的资料自动生成音频摘要、思维导图甚至视频演示文稿，极大地提升了学习和研究的效率。谷歌强调，平台将对未成年用户采取严格的内容安全策略，并承诺不使用用户上传的内容进行模型训练，以保护用户隐私。

![image.png](https://static.downly.cn/images/d6d0f3693057c6de560fccdca9188ac5.png)

---

## AI变身音乐人 ElevenLabs推出商业音乐生成服务

AI初创公司ElevenLabs正式推出了其音乐生成服务Eleven Music。该服务允许用户通过简单的文本描述，快速生成包含人声和器乐的完整商业级音乐作品。为了确保训练数据的合法性，公司已与Merlin Network及Kobalt Music Group等机构达成合作。此举旨在为企业和内容创作者提供一个低成本、高效率的音乐创作解决方案。

![image.png](https://static.downly.cn/images/d962fc83355fad2a004d3fa4189a31c0.png)

---

## 质量保卫战 维基百科严查AI生成内容

面对AI可能带来的低质量或虚假内容挑战，维基百科更新了其管理政策。新政策允许管理员在特定情况下，快速删除那些包含明显AI生成痕迹或引用错误的条目。此举旨在维护维基百科内容的准确性和可靠性，虽然这被视为一项临时性的应对措施，但也反映出在利用AI作为辅助工具的同时，内容平台的审慎态度。

![image.png](https://static.downly.cn/images/3b29c3bdade68de753b93ba0322b0aac.png)

---

## 历史性合作 OpenAI模型首次登陆亚马逊AWS

亚马逊云科技（AWS）平台首次正式上线了来自OpenAI的AI模型。这一举措被视为AWS在激烈的人工智能市场竞争中作出的积极回应。现在，全球大量的AWS用户将能更便捷地访问和使用OpenAI的先进模型，这无疑将进一步加速AI技术在各行各业的渗透与应用。

![image.png](https://static.downly.cn/images/8ab521d831576f5c3819c9b0fe681162.png)

每日AI资讯0806：开源浪潮再起，生成式AI全面开花






> 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 本期AI资讯看点纷呈，从备受期待的OpenAI GPT-5展示其在编程等领域的革命性潜力，到智谱GLM-4.5刷新开源模型新高度；从农业、数学等垂直领域的AI应用落地，到微软、阶跃星辰等公司推出新型AI助手，人工智能正以前所未有的速度渗透到各个行业，开启智能新纪元。

---

## **GPT-5超凡能力曝光，重塑编程与多任务处理规则**

OpenAI的下一代旗舰模型GPT-5及其系列版本，包括GPT-5-pro（代号zenith）和GPT-5-high（代号summit），近日揭开了神秘面纱。其能力展示远超当前所有AI模型，在编程、网站快速生成、为现有游戏添加新功能，乃至构建宇宙飞船控制面板和创建视频平台等复杂任务上表现出色。GPT-5不仅有望彻底改变AI在高级编程领域的游戏规则，更通过其强大的自主任务处理、多模态分析、企业级调试和深度记忆功能，预示着一个由AI极大拓展人类能力边界的智能时代的到来。

![image.png](https://static.downly.cn/images/f7501557a1410139835ac49d09c8a307.png)

---

## **智谱GLM-4.5横空出世，树立开源AI新标杆**

智谱AI正式发布了专为Agent应用打造的最新旗舰模型GLM-4.5。该模型在推理能力、代码生成及智能体综合表现上均达到了开源模型的顶尖水平（SOTA），并已在Hugging Face和ModelScope等平台开源，采用对商业友好的MIT许可证。GLM-4.5包含3550亿和1060亿参数两个版本，在多达12项权威基准测试中名列国产及开源模型首位。此外，它还兼具参数效率高、API价格亲民等显著优势，为开发者和企业提供了更强大的AI工具。

![image.png](https://static.downly.cn/images/1e4c085301695a945c1e876f5f5b3520.png)

---

## **AI精准赋能，中国首个农业大模型助农民增收**

中国中化集团推出了国内首个专注于农业种植的综合性大模型。该模型深度整合了海量的农业知识库与线下技术服务中心，实现了对“耕、种、管、收”全流程的智能覆盖。通过线上智能决策系统与线下专家服务的无缝结合，它能为农民提供精准的种植指导，有效将决策时间缩短75%，并帮助每亩地实现150至200元的增收，成为中国农业数字化转型道路上的重要里程碑。

![image.png](https://static.downly.cn/images/3c83af840a63b5e2bc02c8e16e75bbc6.png)

---

## **数学难题迎刃而解，Harmonic推出AI解题机器人**

AI初创公司Harmonic推出了一款名为“亚里士多德”（Aristotle）的聊天机器人应用，致力于提供“无幻觉”的精准数学推理。这款应用目前已在iOS和Android平台开启Beta测试，用户可以通过它来访问Harmonic强大的AI数学模型。公司宣称其模型有能力在2025年的国际数学奥林匹克竞赛中摘得金牌，并于近期完成了1亿美元的B轮融资，显示出市场对其技术前景的高度认可。

![image.png](https://static.downly.cn/images/6146d52baee113eb0b9b2d62aa928866.png)

---

## **微软Edge浏览器集成Copilot，引领智能浏览新体验**

微软为其Edge浏览器推出了全新的Copilot模式，旨在通过人工智能技术重塑用户的网络浏览体验。新模式允许用户通过自然语言或语音输入，实现搜索、信息整合及决策建议的自动化。它巧妙地融合了搜索、聊天和导航功能，极大地提升了用户获取和处理信息的效率。微软同时强调，该功能在提供便利的同时，会严格遵守隐私保护标准，目前已向所有用户免费开放。
![image.png](https://static.downly.cn/images/889f38e9ef52afaad977ba3e56333cd2.png)


---

## **阶跃星辰发布AI研究助手，十分钟生成专业报告**

阶跃AI（StepFun）推出了一款面向专业领域的智能研究工具“阶跃深研”，并已开启邀请测试。该助手专为金融、咨询、法律等知识密集型行业设计，能够理解用户的自然语言指令，在短短十分钟内自主完成信息搜集、交叉验证、整合分析等一系列复杂研究任务，并最终生成结构化的专业报告。其背后依靠的是先进的多智能体架构和端到端自主强化学习技术，旨在为知识工作者提供前所未有的效率与支持。

![image.png](https://static.downly.cn/images/c8247a2117f207f336c5631a447f13fc.png)



每日AI资讯0729：GPT-5震撼登场，多领域AI应用全面开花



> 导语：今日AI界风起云涌：谷歌Gemini 2.5以“对话式图像分割”技术惊艳四座，让图像处理进入新纪元；微软与谷歌的人才争夺战愈演愈烈，科技巨头间的竞争进入白热化；同时，亚马逊通过收购与投资，在AI可穿戴设备和前沿光学技术领域双线出击，展现其深远布局。


## 谷歌Gemini 2.5发布“对话式图像分割”，让AI看懂你的话

谷歌最新推出的Gemini 2.5 AI模型带来了一项革命性功能——“对话式图像分割”。用户现在可以通过简单的自然语言指令，对图像进行精准的分析和内容高亮。这项技术不仅能识别物体，更能深入理解复杂的逻辑关系和抽象概念，甚至能够处理图片中的文字识别任务。该功能已通过API向开发者开放，预计将在图像编辑、工作场所安全监控及保险理赔等多个领域大放异彩，显著提升工作效率与准确性。

![image.png](https://static.downly.cn/images/a4050464cef399b43e110c7864ae6556.png)

## AI人才争夺战升级：微软从谷歌挖走20名核心员工

科技巨头间的AI人才竞赛正变得空前激烈。微软消费级AI战略负责人穆斯塔法·苏莱曼，这位DeepMind的联合创始人，近期从其“老东家”谷歌及DeepMind大规模招揽人才。据报道，已有超过20名核心员工，包括前谷歌Gemini项目的重要工程负责人，选择加入微软。这一举动无疑加剧了行业内的人才焦虑，同时也反映出顶尖AI专家的巨大价值——在高薪吸引核心人才的背后，是科技行业普遍的裁员浪潮，形成了鲜明对比。

![image.png](https://static.downly.cn/images/808b0561b2054f1a3d3198ff4dfff938.png)

## 亚马逊收购AI穿戴设备Bee，你的生活将被时刻记录

亚马逊公司确认已收购AI可穿戴设备初创公司Bee。这家公司专注于开发能够记录用户日常生活的智能设备，其产品包括一款智能手环和相应的Apple Watch应用程序。该设备旨在通过收集用户的言行数据，充当一个全天候的AI个人助手。此次收购标志着亚马逊在个人AI助理和智能穿戴设备领域的进一步深耕，也引发了市场对于个人数据隐私和AI应用边界的广泛讨论。

![image.png](https://static.downly.cn/images/6377b08c2ac3a3bcc0d49886b45e2f6d.png)

## 亚马逊投资可编程光学初创公司Lumotive，加码工业创新

亚马逊通过其工业创新基金，对可编程光学技术初创公司Lumotive进行了新的投资。Lumotive公司重新开放了其B轮融资，吸引了亚马逊和ITHCA集团的加入，使其该轮融资总额达到了5900万美元。Lumotive的技术专注于开发不含活动部件的光束转向芯片，这对于机器人、自动驾驶和工业自动化等领域的3D传感至关重要。亚马逊的此次投资，彰显了其在推动前沿技术与工业应用结合方面的战略眼光。

![image.png](https://static.downly.cn/images/5bed41a04b05d629ede1810b2da93881.png)

每日AI资讯0723：谷歌革新图像处理，微软谷歌上演人才战，亚马逊布局新赛道


> 今日的AI界风起云涌，从微软与OpenAI的AGI定义之争，到Meta在实时视频生成和语音技术领域的双重布局，再到Kimi K2、IndexTTS2等国产大模型的惊艳表现，无不预示着AI技术的边界正在被以前所未有的速度拓宽。与此同时，关于AI产品形态的深刻反思和面向AI开发者的实用工具也相继涌现，共同勾勒出人工智能产业蓬勃发展的全景图。

## 告别对话框 AI产品的未来在于无缝融入工作流

当前，以ChatGPT为代表的聊天式AI交互界面虽然普及，但其本质上是一种低效且隔离的解决方案。未来的AI产品应当超越简单的“聊天框”，向“混合式工作空间”演进。这意味着AI能力需要被无缝地嵌入用户已有的工作软件和流程中，如在文档、表格或设计工具内直接提供智能支持，而非强制用户切换到另一个应用进行问答。这种设计理念旨在让AI成为用户工作流程中的“协作者”，而非仅仅是一个外部工具，从而实现真正意义上的智能增强和效率提升。

![image.png](https://static.downly.cn/images/b57cf9a7d32022ae83480cd922a899cd.png)

## 千亿美金的定义之争 OpenAI与微软的AGI暗战

通用人工智能（AGI）的定义正成为科技巨头争夺的焦点。微软曾将其定义为能够创造千亿美元利润的自主系统，而OpenAI则认为AGI是能在多数有经济价值的工作上超越人类的高度自主系统。这场定义权的争夺，背后牵动着巨大的商业利益和未来话语权。谁能主导AGI的定义，谁就能在吸引投资、驱动估值和影响政策方面占据先机。这一现象凸显了在“技术封建主义”时代，定义权本身有时比技术实现更为关键。
![image.png](https://static.downly.cn/images/c2c058bfa554ac7837511587ed07f7cc.png)

## Perplexity CEO盛赞Kimi K2模型 或将基于其进行二次开发

国产大模型再获国际认可。美国AI搜索公司Perplexity的CEO对“月之暗面”新发布的万亿参数开源模型Kimi K2给予了高度评价。他特别指出，该模型在代码生成和智能代理任务上展现出的卓越性能令人印象深刻。Perplexity公司正计划基于Kimi K2模型进行后续的深入训练和开发，这预示着国产开源大模型在全球范围内的影响力正持续扩大。

## 配音界迎来革命 IndexTTS2模型实现零样本情绪克隆

一款名为IndexTTS2的文本转语音（TTS）大模型即将为配音行业带来颠覆性变革。该模型号称能达到“影视级”效果，其核心亮点在于实现了全球首创的零样本情绪克隆。用户只需提供一小段音频样本，即可克隆出说话人的音色，并能根据文本内容精准控制情绪表达。此外，模型支持完全本地化部署和权重开放，并能精确控制音频时长，完美适配影视配音、游戏角色、有声书制作等专业场景。

![image.png](https://static.downly.cn/images/7dac95d1a7daa67f5d0eea1bb0c4945f.png)

## Meta发布StreamDiT 单GPU实时生成高清视频，重塑视频创作

Meta公司与加州大学伯克利分校联手发布了革命性的实时视频生成模型StreamDiT。该模型仅需单个GPU，就能以每秒16帧的速度实时生成512p分辨率的高质量视频，并支持实时编辑，例如将视频中的猪无缝替换为猫。这一突破性的技术凭借其定制化架构和高效的流式扩散技术，显著超越了现有的视频生成方法，为实时交互式视频内容的创作和直播应用开启了无限可能。

![image.png](https://static.downly.cn/images/3e9f53d1676f82f739725fcb8dd87cb0.png)

## Meta再出手 收购AI语音初创公司Play AI强化语音技术

为了进一步巩固在智能语音领域的领先地位，Meta公司近日宣布收购了专注于AI人声生成的初创企业Play AI。Play AI的团队及其先进技术将被整合进Meta，旨在全面提升Meta在AI角色对话、Meta AI助手、智能可穿戴设备以及音频内容创作工具等方面的产品体验。此次收购是Meta在AI语音技术领域的重要布局，意在打造更自然、更具表现力的人机交互体验。

## vibe-kanban发布 为AI编程代理提供任务协调新工具

一个名为vibe-kanban的开源项目近日发布，它是一个专为AI编程代理设计的任务协调看板工具。在日益复杂的AI辅助软件开发流程中，该工具可以帮助开发者或多个AI代理更清晰地规划、分配和追踪任务。vibe-kanban支持并行或顺序处理任务流，优化了从任务规划到代码审查的整个环节，旨在提升多代理协作开发的效率和条理性。

## 视频换脸技术新突破 CanonSwap论文发布，代码即将开源

一项名为CanonSwap的创新视频换脸技术近日公布了其详细的技术论文和研究报告，引发了广泛关注。该技术在保留面部表情和光照一致性方面取得了显著进步，使得换脸效果更加逼真自然。CanonSwap的源代码也即将向社区公开，这一举措将极大地推动视频换脸技术在内容创作、影视后期和虚拟人等领域的应用与发展。
<video src="https://static.downly.cn/images/d97c0eaf1f7e0ab0d47bb05a9d0d4aa2.mp4"  title="31024352883-1-16.mp4"></video>

每日AI资讯0714：Meta秀出实时视频黑科技，AGI定义权引巨头暗战






> 导语：今日AI界风起云涌，xAI携“最强”Grok-4高调入场，挑战行业现有格局；阿里巴巴则在多模态领域再下一城，开源ThinkSound模型，让AI为视频自动配音成为现实。与此同时，vivo与微软分别在端侧和轻量化模型上取得新突破，预示着AI将更深入地融入个人设备。而英伟达针对中国市场的新芯片计划，则为这场全球技术竞赛增添了更多看点。

## 马斯克“最贵最强”Grok-4登场 AI智能迈入新纪元

马斯克旗下xAI公司正式发布其最新旗舰AI模型Grok-4，号称在各项基准测试中，尤其是在数学、逻辑推理及代码生成能力上，全面超越了现有顶尖模型，展现出惊人的“博士级”水平。此次更新不仅推出了通用版Grok-4，还有一个为开发者量身打造的Grok-4 Code版本。Grok-4继承了X平台的实时信息整合优势，但其高昂的订阅费用也引发了市场的广泛讨论。目前，这款备受瞩目的AI已通过API向部分开发者开放，并在X平台的Premium+订阅中提供体验。

![image.png](https://static.downly.cn/images/d5cca5f213f591805080b8225592357f.png)


## vivo亮剑端侧AI 新模型让手机更懂屏幕

vivo AI实验室发布了其最新的端侧多模态模型BlueLM-2.5-3B。该模型以其仅2.9B的参数量，在保持轻量化的同时，极大地提升了AI对图形用户界面（GUI）的理解能力。通过独特的长短思考模式切换与思考预算控制机制，BlueLM-2.5-3B在多项评测中展现了超越同类产品的性能，尤其在中文GUI理解方面优势明显，为未来AI在手机等智能设备上的普及应用铺平了道路。

![image.png](https://static.downly.cn/images/83bea35c059b150b5b9dc3bb7865b2f1.png)

## 阿里开源ThinkSound 一键为视频配上“灵魂之声”

阿里巴巴通义实验室为影视和游戏创作领域带来一项革命性工具——开源音频生成模型ThinkSound。该模型能够根据视频画面、文字描述甚至其他音频，智能生成与之匹配的高保真、同步音效。ThinkSound的发布极大地降低了专业音效的创作门槛，让AI为视频内容注入“声音的灵魂”，进一步推动了多模态AI技术的发展与应用。

![image.png](https://static.downly.cn/images/fceabd3be7b1ca45263fce575096327e.png)

## 微软“迷你战神”Phi-4-mini登场 笔记本也能跑顶尖AI

微软开源了一款名为Phi-4-mini-flash-reasoning的轻量化新模型。该模型基于自研的SambaY架构，实现了惊人的效率提升，推理速度提高了10倍，延迟降低2-3倍。它尤其擅长高级数学推理和长文本生成，并且能够在单个GPU上高效运行，非常适合在笔记本电脑等边缘设备上部署。在长上下文检索任务中，其准确率高达78.13%，展示了“小模型”的巨大潜力。

![image.png](https://static.downly.cn/images/71d5f47c2fe5cb2a2b74030be580b14e.png)

## 英伟达“特供”中国市场 新款AI芯片呼之欲出

据报道，英伟达正计划推出一款专为中国市场设计的新型AI芯片。这款芯片将基于其最新的Blackwell处理器架构进行修改，旨在确保其产品在遵守相关出口规定的前提下，能够继续服务中国客户。这一举动被视为英伟达在当前全球贸易环境下，为维系其在中国市场的重要地位而采取的关键策略。

![image.png](https://static.downly.cn/images/8624e92dd8e61f0b117707b9af15f337.png)

每日AI资讯0711：Grok-4震撼发布，AI音视频与端侧模型迎变革

微软推出的免费个性化AI阅读学习教练

Reading Coach

必应翻译

微软推出的面向初学者的免费生成式人工智能课程

Generative AI for Beginners

微软开源的低成本实现类似ChatGPT的模型训练

DeepSpeed

微软必应推出的基于DALL·E的AI图像生成工具

Bing Image Creator

微软AI Lab推出的将手绘草图转换成HTML代码工具

Sketch2Code

微软推出的新版结合了ChatGPT功能的必应

Bing新必应

微软推出的免费开源的机器学习课程，GitHub标星4万+

ML for Beginners

字节跳动推出的免费AI编程工具，基于Claude模型

Trae

Copilot

微软推出的在线设计海报和宣传图工具

搜索结果: 微软