> 导语
> 今日科技圈迎来多重重磅更新，腾讯与OpenAI相继推出新一代大模型，编程与多模态能力大幅跃升。与此同时，快手可灵与生数Vidu在音视频生成领域再造突破，高德与诺顿则将AI融入出行与安全浏览，更有日本政府探索AI在心理干预层面的社会价值。



## 腾讯混元2.0震撼发布 携手DeepSeek共建AI生态

腾讯正式对外发布了备受瞩目的自研大模型混元2.0。这一版本采用了先进的混合专家架构（MoE），参数规模巨大，旨在提供更强劲的逻辑推理与多任务处理能力。值得一提的是，腾讯同步宣布将DeepSeek V3.2深度接入其生态系统。目前，这两款强大的模型并在元宝、ima等腾讯旗下的AI应用中正式上线。与此同时，腾讯云也迅速跟进，向开发者和企业用户开放了相关的API服务，为产业智能化升级提供了新的强力引擎。

## OpenAI再推王炸 GPT-5.1-Codex-Max重新定义编程效率

OpenAI发布了其最新的编程专用模型——GPT-5.1-Codex-Max。该模型在性能上实现了显著飞跃，不仅具备更加智能的“代理式”编码能力，能够自主规划和执行复杂的编程任务，还支持超过一百万token的超长上下文窗口，轻松处理大型代码库。令人惊喜的是，其定价策略保持与GPT-5一致，极高的性价比使其一经发布便受到了全球开发者的广泛关注与热议。

## 英伟达联手港大推出Orchestrator模型 小参数大智慧

英伟达与香港大学合作，联合推出了一款拥有8亿参数的Orchestrator模型。虽然参数量不大，但该模型利用创新的ToolOrchestra强化学习框架，展现出了惊人的效能。它能够以更低的算力成本和更高的准确率，协调多种外部工具与大型语言模型协同工作，以解决复杂问题。此外，该模型还具备根据用户偏好智能选择最佳工具的能力，为AI代理的工具管理提供了新的思路。


![image.png](https://static.downly.cn/images/d912f372ced241a29811bfb8b7aad1db.png)

<center>图源备注：图片由AI生成</center>


## 快手可灵Avatar 2.0上线 一张照片实现唱跳自由

快手可灵AI发布了Avatar 2.0数字人模型，标志着AI内容创作从静态向动态叙事迈出了关键一步。新版本彻底告别了以往数字人常见的“面瘫”问题，用户现在仅需上传一张照片和一段音乐，即可生成长达五分钟的视频。在视频中，数字人不仅能根据音乐节奏自然地唱歌跳舞，还能展现出细腻丰富的面部表情和肢体动作，极大地降低了高质量视频内容的创作门槛。

## 生数科技Vidu Q2版本发布 免费解锁4K画质与局部重绘

生数科技发布了集参考生图、文生图与图像编辑功能于一体的Vidu Q2版本，被称为“生图全家桶”。该版本在图像生成的可控性上进行了大幅增强，用户可以精准控制画面的位置、动作和构图。Vidu Q2不仅支持输出影院级的4K超清画质，还新增了实用的局部重绘等编辑功能。凭借强大的功能和免费使用的策略，该版本上线首日使用量即突破五十万次，成为创意领域的新宠。

## 微软开源VibeVoice 300毫秒极速响应拟人语音

微软发布并开源了实时语音模型VibeVoice-Realtime-0.5B。该模型在语音合成技术上取得了突破性进展，能够将文本输入在平均300毫秒内转化为语音输出，几乎实现了零延迟的实时交互。不仅速度快，其输出的语音极其接近真人，即便是在长达90分钟的长音频合成中，也能保持流畅自然的呼吸感和语调，远超传统语音合成技术的表现。

## 火山引擎豆包语音2.0升级 复杂场景识别率显著提升

火山引擎发布了基于20亿参数音频编码器的豆包语音识别模型2.0。此次升级显著增强了模型在多语言环境、嘈杂复杂场景下的识别准确性。特别是在处理专有名词、人名、地名以及多音字等难点信息时，新模型的推理能力得到了质的飞跃。此外，该模型还新增了视觉信息识别功能，进一步拓宽了其在多模态交互场景中的应用潜力。

---
![image.png](https://static.downly.cn/images/73c5ddaf2726e7f389decc0e7f6a05be.png)

<center>图源备注：图片由AI生成</center>


## 高德地图上线AI停车雷达 分钟级预测车位状态

高德地图利用先进的AI视觉分析和空间智能感知技术，推出了实用的“AI停车雷达”功能。该功能实现了车位占用情况的分钟级动态可视化更新，帮助车主在导航过程中实时查看沿途及目的地的空闲车位情况。目前，该服务已率先在北京上线，覆盖数万个车位，有效缓解了城市停车难的问题，极大地拓展了导航应用的服务深度。

![image.png](https://static.downly.cn/images/8701e7b568393d4ef04b4cc2fec2902c.png)

<center>图源备注：图片由AI生成</center>

## 诺顿发布全球首款安全AI浏览器Norton Neo 守护在线隐私

网络安全巨头诺顿发布了全球首款免费的“安全AI原生浏览器”——Norton Neo。这款浏览器旨在利用AI技术的主动防御能力，应对日益复杂的在线安全威胁。它能够智能识别并拦截恶意网站、钓鱼链接及追踪脚本，为用户提供一个更加智能、清爽且可信赖的网页浏览体验，重新定义了浏览器安全标准。

## 阿里云析言XiYan-SQL登顶全球榜单 数据库诊断能力刷新纪录

阿里云飞天实验室研发的“析言XiYan-SQL”数据分析智能体，在全球权威的SQL诊断评测BIRD-CRITIC中一举夺魁。该智能体超越了国内外众多顶尖团队，刷新了该基准测试中所有开放榜单的纪录。这一成绩充分展现了阿里云在自动诊断和修复企业常见数据库报错方面的强大技术实力，为企业数据治理提供了强有力的工具支持。

## 日本政府拟启用AI技术 早期干预青少年心理危机

面对青少年自杀率上升的严峻社会问题，日本政府计划利用人工智能技术来早期识别具有自杀倾向的青少年，并及时提供必要的心理支持与干预。这一举措是在社会对AI风险广泛关注的背景下提出的，此前OpenAI曾因AI工具可能诱导不良情绪而引发争议。日本政府此举意在探索AI向善的可能性，将其应用于心理健康这一关键社会领域。

每日AI资讯1206：腾讯混元2.0重磅登场 OpenAI发布编码神器 快手可灵让数字人唱跳俱佳

> 导语：今日AI圈迎来重大更新，OpenAI全面开放GPT-5.1-CodexMax API，编程能力大幅跃升；谷歌不甘示弱，推出Gemini 3 Deep Think模式并在XR领域深度布局；阿里千问发布免费K-12教育模型Qwen3-Learning，快手可灵数字人2.0显著提升表现力；此外，Replit与谷歌云达成深度合作，Micro1营收破亿，行业竞争进入白热化阶段。



## OpenAI最强编码模型GPT-5.1-CodexMax全面开放API

OpenAI正式宣布全面开放GPT-5.1-CodexMax的API接口，这一举措标志着AI辅助编程进入了新的阶段。作为当前最强的编码模型，CodexMax不仅允许开发者将其无缝集成到各类应用程序和工作流中，更在核心能力上实现了质的飞跃。该模型在处理复杂任务分解、生成高质量代码以及自主执行能力方面，相比前代产品有了显著增强，能够更精准地理解开发者意图并交付生产级代码。

![image.png](https://static.downly.cn/images/a7372c4f98fa97dceed07d1cfc1c279a.png)
<div align="center">图源备注：图片由AI生成</div>

## 谷歌Gemini 3 Deep Think模式登场 推理能力再创新高

谷歌为其Gemini生态系统引入了全新的Deep Think模式，该功能专为Ultra订阅用户打造，旨在突破AI推理能力的极限。Gemini 3 Deep Think模式专注于解决复杂的数学运算、科学探索及高难度逻辑问题。在多项权威基准测试中，该模式展现出了超越现有顶尖模型的卓越性能，为需要深度思考和精密计算的用户提供了强有力的支持。

## 疑似OpenAI企鹅模型矩阵曝光 旗舰Emperor剑指GPT-5.2

一份关于OpenAI代号为“企鹅”的新模型矩阵资料在深夜曝光，引发行业广泛关注。该矩阵包含Emperor512、Rockhopper64、Macaroni16和Mumble0四档不同规格的模型，旨在全方位覆盖从云端重算力场景到边缘设备的各类应用。其中，旗舰级模型Emperor512的推理预算据称是现有模型的数倍，被视为未来GPT-5.2版本的重要基础，展现了OpenAI在算力投入上的巨大野心。

![image.png](https://static.downly.cn/images/6b7f8d73b7eece3f171c40657434f258.png)
<div align="center">图源备注：图片由AI生成</div>

## 谷歌云联手Replit打造氛围编程 Claude与Gemini双剑合璧

谷歌云与在线编程平台Replit签署了一项多年期的大型合作协议。双方将在Replit Agent中深度集成Claude 3.5 Sonnet和Gemini 1.5 Flash两大模型。这一合作推出了全新的“氛围编程”服务理念，利用两大模型的独特优势，分工处理复杂架构设计与快速代码补全。此举旨在为企业提供统一且高效的AI辅助编程体验，并正面挑战竞争对手，争夺开发者工具市场的份额。

## 阿里千问上线Qwen3-Learning 免费拍题批改神器来了

阿里千问APP重磅推出基于Qwen3训练的K-12教育垂类模型——Qwen3-Learning。该模型最大的亮点在于完全免费且不限次数，主要面向广大师生群体提供拍照答疑和作业批改服务。Qwen3-Learning整合了全球30多个国家的教育资源，支持多语言和跨文化解题。其在多国考纲识别准确率和解题速度上的表现，已经能够媲美甚至超越OpenAI和谷歌的同类付费服务，致力于促进教育资源的普惠。

![image.png](https://static.downly.cn/images/66f1f31e922b3d5b6605d8d7b8722daa.png)
<div align="center">图源备注：图片由AI生成</div>

## 谷歌XR大动作 Gemini深度赋能智能眼镜与头显

谷歌宣布将于12月9日凌晨直播《The Android Show XR Edition》，届时将首次全面展示Android XR平台的重大更新。此次发布会将重点介绍系统响应速度的优化、多设备协同工作流以及开发者工具链的升级。更引人注目的是，谷歌计划将Gemini大模型深度集成到系统中，以大幅提升智能眼镜和头显设备的XR体验，试图通过“空间计算”在硬件领域扳回一城。

## 快手可灵数字人2.0升级 三步制作好莱坞级虚拟角色

快手旗下的可灵数字人宣布迎来2.0版本的全面升级。新版本极大地降低了用户的使用门槛，只需通过上传图片、添加配音并描述所需的表现风格，仅需三步即可生成长达五分钟的高质量视频。升级后的数字人在手部动作的自然度和口型同步的表现力上有了大幅提升，真正实现了“能说会演”，为内容创作者提供了强大的虚拟角色制作工具。

![image.png](https://static.downly.cn/images/b48f6628900549cf6723f9002c12fcba.png)
<div align="center">图源备注：图片由AI生成</div>

## AI数据新贵Micro1年收破亿 获微软青睐加速模型研发

成立仅三年的初创公司Micro1迅速在AI数据领域崭露头角，其年经常性收入已突破1亿美元大关。公司近期完成了估值5亿美元的A轮融资，融资金额达3500万美元。目前，Micro1正与微软等科技巨头展开紧密合作，利用新获得的资金加速大型语言模型的研发进程，展现出强劲的增长势头。

每日AI资讯1205：GPT-5.1-CodexMax最强编码模型上线 谷歌Gemini 3重磅升级

> 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成

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

> 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

> 导语：今日AI界动态纷呈，Meta推出DeepConf技术，旨在智能优化大模型的推理成本与准确性；苹果与谷歌的合作预示着Siri将迎来重大AI升级；同时，从瑞士的开源多语言大模型Apertus到字节跳动的即梦AI开放服务，再到颠覆性的自动化测试工具RealDevWorld，各大厂商与研究机构正不断拓宽AI技术的应用边界。

## Meta新突破 DeepConf技术实现AI推理的“鱼与熊掌兼得”

Meta AI与加州大学圣地亚哥分校联合推出了一项名为DeepConf的新技术，它通过模型内部的置信度信号，能够智能地区分并优化大型语言模型的推理路径。这项创新使得在处理复杂任务时，AI既能保持高准确率，又能显著降低所需的计算资源。该技术有效克服了传统策略中因低质量路径干扰而导致的效率低下和错误率上升的问题，为大模型的高效部署提供了新的解决方案。

![image.png](https://static.downly.cn/images/020b9e81e03efd2431ca2962b2e5862a.png)
图源备注：图片由AI生成

## AI数据分析师全天候在线 WisdomAI发布Proactive Agents

WisdomAI公司推出了名为“Proactive Agents”的创新AI服务，致力于让AI成为一名永不疲倦的数据分析师。该系统利用独特的“知识织网”技术，构建了一个能够自主工作的AI数据分析师，它能主动监测关键业务指标、及时发现异常情况，并用自然语言提供深入的原因分析和改进建议。这标志着企业运营正从传统的手动监控和阈值预警，向更智能、更主动的AI驱动模式转变。

![image.png](https://static.downly.cn/images/bdd76b69d62ec0b31903df67028fed54.png)
图源备注：图片由AI生成

## 苹果谷歌强强联手 Siri或将接入Gemini技术

为了在激烈的人工智能竞赛中扭转“落后”局面，苹果公司已与谷歌达成重要协议。根据协议，苹果计划在下一代Siri以及Safari、Spotlight等核心功能中，集成谷歌强大的Gemini AI技术，以加速Siri的智能化转型。不过，用户可能需要一些耐心，据称这项重磅升级的落地时间或将推迟至2026年。

![image.png](https://static.downly.cn/images/137468dea357a424be8f512242f0a09e.png)
图源备注：图片由AI生成

## 字节跳动即梦AI上线火山引擎 面向企业开放服务

字节跳动旗下的即梦AI已于9月3日正式上线火山引擎，开始向广大企业用户开放API服务。此次开放的模型包括文生图3.0、3.1以及图生图3.0等，均基于字节跳动的自研技术。这些模型经过特别优化，旨在满足企业在图片、视频及数字人生成等领域的专业创意生产需求。其中，文生图3.0版本强化了海报设计能力，而3.1版本则在画面美感和场景丰富度上实现了全面升级。

![image.png](https://static.downly.cn/images/c363395e71e4387c581a14d280dcade5.png)
图源备注：图片由AI生成

## 谷歌发布Gemini CLI GitHub Actions 赋能全球开发者

谷歌最新推出的Gemini CLI GitHub Actions，旨在将强大的AI编码能力免费集成到全球最大的代码托管平台GitHub的仓库中。这一举措让Gemini从一个终端助手，升级为能够自动化协作的开发伙伴，可以深度参与到问题分类、代码审查和仓库维护等工作中。此举极大地降低了开源开发者、小型团队乃至企业使用先进AI技术的门槛。

![image.png](https://static.downly.cn/images/407293a529c907b265aaba890ce2c347.png)
图源备注：图片由AI生成

## 瑞士发布首个自主开源AI大模型Apertus

由瑞士联邦理工学院、苏黎世联邦理工学院及国家超级计算中心联合研发的首个完全开源大语言模型Apertus正式发布。该模型的一大亮点是其强大的多语言处理能力，能够覆盖超过一千种语言，并且其训练数据中有40%来自非英语语种。Apertus的推出，旨在提升欧洲在人工智能领域的自主创新水平，并更好地满足瑞士多元化的语言需求。

![image.png](https://static.downly.cn/images/15b0c7b7246fb603cd8b246d02c37f36.png)
图源备注：图片由AI生成

## MetaGPT发布RealDevWorld AI自动化测试迎来新范式

MetaGPT团队推出了一款革命性的AI自动化测试工具RealDevWorld。该工具基于先进的多智能体框架，能够模拟专业测试工程师的完整工作流程，实现了从代码生成到质量保障的全链路自主化。在专门的RealDevBench基准测试中，RealDevWorld展现出了高达92%的精准度，其评估一致性甚至超越了Claude等知名模型，预示着AI开发的新格局正在形成。

![image.png](https://static.downly.cn/images/4c1b8712df5c348fad6719a95a7bfc43.png)
图源备注：图片由AI生成

## Scale AI起诉前员工 指控其窃取商业机密

数据标注巨头Scale AI近日提起诉讼，指控其一名前销售员工Eugene Ling在离职并加入竞争对手Mercor之前，窃取了超过一百份包含客户策略等核心信息的公司机密文件。Scale AI方面称，Ling试图利用这些机密信息向其重要客户进行不正当推销。因此，Scale AI以违约为由起诉了Ling，并同时指控Mercor公司侵犯了其商业秘密。

![image.png](https://static.downly.cn/images/58679b07d4dcb5f9b064612b68f0dbb6.png)
图源备注：图片由AI生成

每日AI资讯0904：AI智能体引领变革，大模型开源与商业化应用齐头并进

> 今日AI界风起云涌：清华与东北大学联手推出UltraRAG 2.0，以50行代码简化RAG系统构建；Perplexity对Chrome的收购意向撼动浏览器市场格局。腾讯连发两款开源神器，单图生成3D世界的HunyuanWorld-Voyager与开箱即用的Youtu-Agent框架。谷歌、即梦AI、通义实验室、微软等巨头也纷纷亮剑，从网页内容理解、多模型服务到智能体开发框架，技术革新正以前所未有的速度，重塑我们的数字生活与开发范式。

## 清华联手东北大学发布UltraRAG 2.0：50行代码定义RAG新范式

清华大学与东北大学等机构联合发布了UltraRAG 2.0框架，它基于创新的模型上下文协议（MCP）架构，允许开发者通过简单的YAML文件来配置和构建复杂的检索增强生成（RAG）系统。该框架支持串行、循环、条件分支等多种逻辑，极大地降低了高性能RAG应用的开发门槛，让复杂的AI系统搭建变得前所未有的简单。

![插图：代码流与神经网络的抽象结合](https://static.downly.cn/images/71866b30d3bd8cb39ead10556f95a395.png)
图源备注：图片由AI生成

## AI浏览器战争升级 Perplexity欲收购Chrome

AI搜索公司Perplexity对谷歌Chrome浏览器提出高达345亿美元的收购报价，此举震惊业界，标志着AI对传统浏览器市场的颠覆性冲击正式拉开序幕。与此同时，Anthropic公司也推出了针对Chrome的Claude扩展，AI与浏览器的深度融合已成大势所趋，一场围绕下一代智能浏览体验的战争已然爆发。

![插图：两个科技巨头的Logo在浏览器窗口中对峙](https://static.downly.cn/images/a185998c7389e0d433c242b8a11a9cfb.png)
图源备注：图片由AI生成

## 腾讯再亮王牌 HunyuanWorld-Voyager实现单图生成3D世界

腾讯AI研究团队开源了其最新的研究成果HunyuanWorld-Voyager。这一模型堪称“神器”，仅需一张普通的2D图像，就能即时生成与之完全一致的3D点云世界。凭借其卓越的原生3D重建能力，在相机控制、内容对齐和3D一致性上表现出色，成功登顶WorldScore全球排行榜，为3D重建和图生3D领域带来了革命性突破。

![插图：一张风景照片悬浮在空中，下方延展出一个完整的、可供探索的3D立体世界]![image.png](https://static.downly.cn/images/8e0e6ffc6db2b93dfa1938d503f47f9d.png)
图源备注：图片由AI生成

## 人人都是开发者 腾讯优图开源Youtu-Agent智能体框架

腾讯优图实验室正式开源Youtu-Agent智能体框架，主打“开箱即用”的便捷理念。开发者无需进行复杂的模型训练，只需从GitHub上获取代码，通过编写简单的YAML配置文件来定义智能体的具体行为，便能迅速搭建并运行个性化的智能体应用，极大地降低了技术门槛。

![插图：一个即插即用的模块化机器人，用户可以轻松更换代表不同功能的模块](https://static.downly.cn/images/e6fa2a42972d2771714972f5728f325c.png)
图源备注：图片由AI生成

## 谷歌Gemini API添新翼 AI可“阅读”并理解整个网页

谷歌为其Gemini API增加了一项名为URL Context的全新功能。这项技术使得AI不再局限于抓取网页摘要或部分信息，而是能够像人类一样深入、完整地理解和解析整个网页的内容。这一重大进展意味着开发者可以构建出更精准、更智能的应用，实现对网络信息的深度利用。

![插图：一个AI大脑正在扫描一个网页，网页中的文字和图片转化为结构化的数据流](https://static.downly.cn/images/dca8e3de45333203759164411c551201.png)
图源备注：图片由AI生成

## 即梦AI模型全面开放API 提供一站式图像视频生成服务

即梦AI与火山引擎达成合作，将其旗下包括文生图、图生图、视频生成、数字人等在内的一系列先进AI模型，通过API的形式向企业级用户和开发者全面开放。此举旨在提供一个一站式的图像与视频生成解决方案，开发者可以轻松接入并利用这些经过市场验证的强大功能，创造高质量的视觉内容。

![插图：一条API数据流从一个服务器流向多个不同的终端设备，每个设备上都显示着由AI生成的不同风格的图像和视频](https://static.downly.cn/images/8f7698019e45a7460e2534eb9e4357f2.png)
图源备注：图片由AI生成

## Cherry Studio携手硅基流动 免费开放Qwen38B模型

为了提升用户体验，AI桌面客户端Cherry Studio宣布与硅基流动达成深度合作，向所有用户免费提供通义千问Qwen38B模型。该模型以其出色的推理能力、指令遵循和多语言支持而广受好评。此次合作将进一步丰富Cherry Studio的多模型生态，让跨平台用户能更便捷地享受到顶级AI模型的强大功能。

![插图：一个樱桃形状的工作室Logo与一个芯片Logo握手，背景是流畅运行在不同操作系统上的AI界面](https://static.downly.cn/images/3131fa6c37fb1c342cc9be32e62576d8.png)
图源备注：图片由AI生成

## 通义实验室发布AgentScope 1.0 打造一站式智能体开发平台

通义实验室正式推出新一代开源智能体开发框架AgentScope 1.0。该框架以开发者为核心，致力于解决多智能体从开发、构建到运行和管理的全生命周期难题。通过其三层技术架构（核心框架、Runtime和Studio），AgentScope 1.0为开发者提供了灵活且强大的解决方案，让构建安全、高效的智能体应用变得更加简单。

![插图：一个开发者在一个可视化的工作台上拖拽不同的智能体模块，构建出一个复杂的多智能体协作系统](https://static.downly.cn/images/c1287b323739b9d5ca266dcec2ca7d27.png)
图源备注：图片由AI生成

## 微软Copilot能力升级 免费用户也可多文件推理

微软宣布对其AI助手Copilot进行重要更新，免费向所有网页版和Windows 11版用户开放多文件分析功能。现在，用户可以一次性上传最多三个文件，让Copilot进行跨文档的理解和推理。这一此前仅限付费用户的功能将极大提升Copilot的实用性，例如可以同时分析简历和招聘启事，为求职者提供精准建议。

![插图：三份不同的文档被一只机械手同时送入一个Copilot大脑中进行分析和比较](https://static.downly.cn/images/baaf1ea28902e437966fb6921c6d1b56.png)
图源备注：图片由AI生成

## Google发布Nano Banana AI图像编辑进入“一句话”时代

Google旗下Gemini 2.5 Flash Image团队推出了革命性的AI图像引擎Nano Banana。这项新技术颠覆了传统的图像编辑流程，用户只需用一句话描述想要进行的修改，AI即可精准完成操作。这项功能的推出，极大地降低了图像处理的门槛，让专业级的图像编辑变得像日常对话一样简单便捷。

![插图：一个人对着麦克风说话，旁边屏幕上一张复杂的图片根据语音指令实时发生改变](https://static.downly.cn/images/2c672eaf942f6300b1fe1c0499d7f87d.png)
图源备注：图片由AI生成

每日AI资讯0903：未来科技浪潮，人工智能重塑数字世界

> 2025年8月，人工智能行业迎来了前所未有的发展浪潮。从技术突破到商业化落地，从开源生态到产业应用，AI正以惊人的速度重塑着各个领域。

![](https://static.downly.cn/images/7c65b21e4e16528fcba9347dea979cdf.png)

![](https://static.downly.cn/images/c77d677782788505d5249c62cfd2c1ca.png)

![](https://static.downly.cn/images/2754fdc7f4d0fe82f0648b5ca32bd938.png)

![](https://static.downly.cn/images/46c747480f9c5f10f186b755a21c7525.png)

![](https://static.downly.cn/images/f99f1faedb5ec77b4a8cc8ba545d1f36.png)

![](https://static.downly.cn/images/74a7d248cb949f7450bc253cb7051d31.png)

![](https://static.downly.cn/images/631440659c9025bf88bcc77e783b0bc7.png)

## 2025-08 AI资讯精选

### **第一周 (8.01 - 8.07)：开源浪潮与端侧革命**

本周，AI 领域以一系列重磅开源项目和应用创新拉开序幕。从多模态应用到端侧模型，再到巨头间的战略博弈，行业展现出蓬勃的活力。

- **[Grok 功能拓展](https://www.downly.cn/articles/8e022a5e-05d7-4804-864e-6672de58e98f) (8.01)**: 马斯克为旗下 AI 模型 Grok 用户推出视频生成器与 AI 虚拟男友，进一步探索人机交互的边界。
- **[巨头"分手"](https://www.downly.cn/articles/3d05225a-a7ba-4f2d-9621-13ca6a8f334c) (8.03)**: Anthropic 正式切断 OpenAI 对其强大的 Claude 模型的访问权限，凸显了顶级 AI 模型作为战略资源的重要性，市场竞争加剧。
- **[视频模型新势力](https://www.downly.cn/articles/17ad7286-eddf-41e8-a79d-37684a501506) (8.04)**: 开源视频模型 Wan2.2A14B 以其出色的性价比，向闭源巨头发起有力挑战。
- **[通义千问开源](https://www.downly.cn/articles/5052151b-22bd-4924-9fcd-74c49cbef65a) (8.05)**: 阿里巴巴重磅开源其 20B 参数级别的图像生成模型 Qwen-Image，在多项基准测试中刷新行业纪录。
- **[视频模型"瘦身"](https://www.downly.cn/articles/5052151b-22bd-4924-9fcd-74c49cbef65a) (8.05)**: 阿里与南开大学联手发布 LLaVA-Scissor 技术，可智能压缩视频大模型，显著提升处理效率。
- **[OpenAI 回归开源](https://www.downly.cn/articles/8d06827a-ec4b-4a89-ba6e-8e6bb13fee32) (8.06)**: 时隔五年，OpenAI 携两款免费可商用的语言模型 GPT-oss-120b 和 GPT-oss-20b 强势回归开源社区。
- **[端侧 AI 革命](https://www.downly.cn/articles/8f3726f0-31be-4cd6-a35d-f10e1ae5a483) (8.07)**: 面壁智能开源了被誉为"手机上的GPT-4V"的多模态大模型 MiniCPM-V 4.0，向移动设备上的高性能 AI 迈出关键一步。
- **[腾讯开源 WeKnora](https://www.downly.cn/articles/8f3726f0-31be-4cd6-a35d-f10e1ae5a483) (8.07)**: 腾讯发布并开源了其企业级文档理解框架 WeKnora，为复杂文档的智能问答提供了完整解决方案。
- **[谷歌编程助手](https://www.downly.cn/articles/8f3726f0-31be-4cd6-a35d-f10e1ae5a483) (8.07)**: 谷歌基于 Gemini 2.5 Pro 的 AI 编程助手 Jules 正式上线，能够自主执行修复 bug 和更新代码等复杂任务。

### **第二周 (8.08 - 8.14)：GPT-5 登场与行业动态**

本周的焦点无疑是 OpenAI 的下一代旗舰模型 GPT-5 的发布，其性能和颠覆性的定价策略在整个行业掀起波澜。

- **[GPT-5 重磅发布](https://www.downly.cn/articles/b905e6d2-c5b4-4088-98ac-56b3f7299d7c) (8.08 & 8.09)**: OpenAI 正式发布其迄今最强大的 GPT-5 模型，并宣布将逐步向所有用户免费开放。其极具竞争力的定价策略，被认为可能引发 AI 模型市场的价格战。
- **[腾讯 WeKnora 再亮相](https://www.downly.cn/articles/b905e6d2-c5b4-4088-98ac-56b3f7299d7c) (8.08)**: 腾讯再次强调其开源的文档理解与检索工具 WeKnora，该工具能高效处理多种格式文档，并具备精准的问答能力。
- **[语音革命](https://www.downly.cn/articles/b905e6d2-c5b4-4088-98ac-56b3f7299d7c) (8.08)**: 全球首个能将书面语转化为自然口语的 TTS 工具 FlowSpeech 问世，为有声书、内容创作等领域带来广阔前景。
- **[编程新范式](https://www.downly.cn/articles/d5e26a21-87ae-4519-8217-88b2efdef34e) (8.09)**: AI 代码编辑器 Cursor 发布其命令行界面（CLI）版本，将强大的 AI 编程能力直接带入终端，提升了开发工作流的灵活性。
- **[小米开源新多模态大模型](https://www.downly.cn/articles/8a54865e-7de0-4201-aa1d-da055207d23d) (8.10)**: 小米发布新的多模态大模型，在多项基准测试中表现优异。
- **[汽车安全漏洞惊现](https://www.downly.cn/articles/35495278-fe97-4948-bf8c-545f0384b67c) (8.11)**: 研究人员发现多款智能汽车存在严重安全漏洞，引发行业关注。
- **[GPT-5指南发布](https://www.downly.cn/articles/453c203b-fa5f-4ba4-bba9-f254311d7c39) (8.12)**: OpenAI 发布 GPT-5 使用指南，帮助开发者更好地利用新模型。
- **[AI智能体全面爆发](https://www.downly.cn/articles/04149853-2f3c-4bfb-8a97-86bdb4188e96) (8.13)**: AI 智能体技术迎来重大突破，从编码到出行，重塑数字生活。
- **[华人团队破解Token限制](https://www.downly.cn/articles/30943680-fdc9-466c-a1e5-644dd05e3a2a) (8.14)**: 华人研究团队成功破解大模型的 Token 限制，为长文本处理带来新突破。
- **[AI 深入基建](https://www.downly.cn/articles/453c203b-fa5f-4ba4-bba9-f254311d7c39) (8.12)**: 中国首个隧道与地下空间垂直大模型正式发布，标志着 AI 技术正深度赋能传统基建行业，实现全生命周期的智能管理。

### **第三周 (8.15 - 8.21)：能力边界拓展与商业化加速**

进入八月中旬，AI 模型的上下文处理能力实现巨大飞跃，商业化进程也显著加速。与此同时，AI 生成内容的版权和安全问题也日益凸显。

- **[谷歌Gemini迎来重大更新](https://www.downly.cn/articles/88c7c47f-db72-4c4b-9a8d-8807af708204) (8.15)**: 谷歌 Gemini 模型获得重大性能提升，在多项基准测试中表现优异。
- **[ChatGPT 商业化](https://www.downly.cn/articles/4f1d85ba-ecf6-4f09-b45e-844c5d460ab7) (8.16)**: 尽管坐拥 7 亿用户，OpenAI 仍面临盈利压力，高管首次松口承认正考虑为 ChatGPT 引入广告模式。
- **[Meta 开源 DINOv3](https://www.downly.cn/articles/4f1d85ba-ecf6-4f09-b45e-844c5d460ab7) (8.16)**: Meta AI 开源其通用图像识别模型 DINOv3，该模型采用自监督学习，无需人工标注数据即可训练，被誉为"AI视觉神器"。
- **[硬件狂飙、视觉革命与AI自我觉醒](https://www.downly.cn/articles/fb5e286e-089f-46d5-a4a5-15d25fcb3891) (8.17)**: AI 硬件技术迎来重大突破，视觉AI能力显著提升。
- **[Claude上下文窗口突破百万](https://www.downly.cn/articles/8ef298dd-1445-48a2-819d-7ca796b17210) (8.18)**: Anthropic 宣布其 Claude Sonnet 4 模型上下文窗口容量提升至惊人的 100 万 Tokens，彻底弥补了其在长文本处理上的短板。
- **[苹果布局机器人](https://www.downly.cn/articles/8ef298dd-1445-48a2-819d-7ca796b17210) (8.18)**: 苹果被曝正在秘密开发代号为"Charismatic"的全新操作系统，剑指智能家居中枢与未来的桌面机器人。
- **[AI 假书泛滥](https://www.downly.cn/articles/8ef298dd-1445-48a2-819d-7ca796b17210) (8.18)**: 亚马逊平台被指充斥着大量 AI 生成的虚假书籍，凸显了 AI 内容泛滥带来的知识产权和消费者信任危机。
- **[xAI 实时通话](https://www.downly.cn/articles/8ef298dd-1445-48a2-819d-7ca796b17210) (8.18)**: 马斯克旗下 xAI 宣布其 AI 伴侣 Ani 和 Valentine 已支持实时电话通话，标志着 AI 交互迈向更具沉浸感的阶段。
- **[百度发布 GenFlow2.0](https://www.downly.cn/articles/6c640123-0f71-4223-a13c-b9d3a32d3366) (8.19)**: 百度发布全球首个全端通用智能体 GenFlow2.0，宣称能支持百个专家智能体并行协作，任务完成效率提升十倍。
- **[小模型成新趋势](https://www.downly.cn/articles/6c640123-0f71-4223-a13c-b9d3a32d3366) (8.19)**: 英伟达发布 Nemotron-Nano-9B-V2 等小型模型，其高效和低能耗的特点预示着小模型可能成为未来 AI 智能体发展的主流方向。
- **[AI 水印遭破解](https://www.downly.cn/articles/6c640123-0f71-4223-a13c-b9d3a32d3366) (8.19)**: 一款名为 UnMarker 的工具被曝能快速破解多种主流 AI 图像水印技术，对现有的版权保护和内容溯源构成严重威胁。
- **[谷歌编程神器 Jules](https://www.downly.cn/articles/01534d14-1f59-4b98-9130-0287113816bf) (8.20)**: 谷歌正式发布其创新的异步智能编程助手 Jules，旨在大幅提升复杂编码任务的处理效率。
- **[AI 编程新星 Cline](https://www.downly.cn/articles/01534d14-1f59-4b98-9130-0287113816bf) (8.20)**: AI 编程工具 Cline 异军突起，致力于开创全新的 AI 编程范式，挑战现有市场格局。
- **[阿里开源 Qwen-Image-Edit](https://www.downly.cn/articles/01534d14-1f59-4b98-9130-0287113816bf) (8.20)**: 阿里巴巴开源图像编辑模型 Qwen-Image-Edit，其在中文文本渲染和精准编辑方面能力卓越。
- **[蚂蚁集团 AI 打假](https://www.downly.cn/articles/01534d14-1f59-4b98-9130-0287113816bf) (8.20)**: 蚂蚁集团旗下应用 AQ 上线 AI 拍图打假功能，利用 AI 技术快速识别伪劣保健品和虚假医疗广告。
- **[DeepSeek V3.1 上线](https://www.downly.cn/articles/beee65e9-51fa-4f2f-bae6-007f7b02d01a) (8.21)**: DeepSeek 小助手模型低调升级至 V3.1 版本，上下文长度扩展至 128k，能处理更长的对话和文档。

### **第四周 (8.22 - 8.31)：巨头纷争与 AI 原生应用爆发**

本月最后一周，AI 领域的竞争与合作进入白热化阶段。从编程范式的颠覆到视频生成的爆发，AI 原生应用正以前所未有的速度渗透到各个领域。

- **[阿里发布 Qoder](https://www.downly.cn/articles/2d8139ea-2aa4-4d69-932e-ac3755abb491) (8.22)**: 阿里推出全新的 Agentic 编程平台 Qoder，支持一次性检索高达十万个代码文件，有望彻底改变传统开发模式。
- **[腾讯 CodeBuddy 公测](https://www.downly.cn/articles/2d8139ea-2aa4-4d69-932e-ac3755abb491) (8.22)**: 腾讯自研的下一代 AI 全栈工程师工具 CodeBuddy IDE 开启公测，并成为国内首个接入 DeepSeek V3.1 的一站式工作台。
- **[OpenAI 人才动荡](https://www.downly.cn/articles/2d8139ea-2aa4-4d69-932e-ac3755abb491) (8.22)**: 在与 Meta 等巨头的人才争夺战中，OpenAI 的首席人才官宣布离职，加剧了外界对其内部稳定性的关注。
- **[Vercel AI Gateway 发布](https://www.downly.cn/articles/2d8139ea-2aa4-4d69-932e-ac3755abb491) (8.22)**: Vercel 推出 AI Gateway 平台，旨在简化开发者调用和管理来自数百种不同 AI 模型的复杂流程。
- **[通义语音识别突破](https://www.downly.cn/articles/08494679-0d3a-43fc-b118-59762eebbcde) (8.23)**: 阿里通义推出新一代语音识别模型 Fun-ASR，在家装、保险等垂直行业的识别准确率获得巨大飞跃。
- **[OpenAI 或将 IPO](https://www.downly.cn/articles/afd104d6-16b0-46ad-a8c6-7e0bbdcd3832) (8.24)**: OpenAI 首席财务官首次明确提及公司正在考虑未来进行 IPO，若成功上市，有望成为史上规模最大的科技 IPO 之一。
- **[xAI 开源 Grok 2.5](https://www.downly.cn/articles/afd104d6-16b0-46ad-a8c6-7e0bbdcd3832) (8.24)**: 马斯克旗下 xAI 再次拥抱开源，正式宣布开源 Grok 2.5 模型，并预告将在未来开源 Grok 3。
- **[苹果长视频理解突破](https://www.downly.cn/articles/afd104d6-16b0-46ad-a8c6-7e0bbdcd3832) (8.24)**: 苹果开源新型长视频理解模型 SlowFast-LLaVA-1.5，在多项行业基准测试中刷新纪录。
- **[OpenAI 进军生命科学](https://www.downly.cn/articles/afd104d6-16b0-46ad-a8c6-7e0bbdcd3832) (8.24)**: OpenAI 发布其首个蛋白质专用模型，能够高效处理复杂的蛋白质序列和结构数据，有望在药物发现等领域加速科研进程。
- **[Meta 购入 Midjourney](https://www.downly.cn/articles/ddb52bd8-8dc0-4a13-af9e-07694a95da4f) (8.25)**: Meta 与顶尖 AI 图像生成公司 Midjourney 达成技术授权合作，计划将其整合进自身产品中。
- **[字节内测 3D 模型生成器](https://www.downly.cn/articles/1f66aa05-7234-47e1-95eb-55f7eecd8ee6) (8.26)**: 字节跳动豆包团队被曝内测"3D Model Generator"，可根据图像直接生成 3D 模型，大幅降低建模门槛。
- **[微软开源超长语音模型](https://www.downly.cn/articles/1f66aa05-7234-47e1-95eb-55f7eecd8ee6) (8.26)**: 微软研究院开源 VibeVoice-1.5B 音频模型，能够一次性生成长达 90 分钟的超长、多说话人语音。
- **[阿里开源视频修复工具](https://www.downly.cn/articles/1f66aa05-7234-47e1-95eb-55f7eecd8ee6) (8.26)**: 阿里云开源视频修复工具 Vivid-VR，可高效解决视频中常见的闪烁、抖动等问题。
- **[腾讯游戏 AI](https://www.downly.cn/articles/1f66aa05-7234-47e1-95eb-55f7eecd8ee6) (8.26)**: 腾讯游戏发布其专业的游戏 AI 大模型，仅需 4 秒即可生成 200 帧流畅动画，动画制作效率提升高达 8 倍。
- **[百度上线"梯子AI"](https://www.downly.cn/articles/1f61db19-7c83-47ec-b427-77b40032e6b6) (8.27)**: 百度正式上架全新 AI 搜索应用"梯子AI"，主打纯净无广告的搜索体验。
- **[AI 猫咪短片爆火](https://www.downly.cn/articles/1f61db19-7c83-47ec-b427-77b40032e6b6) (8.27)**: 由 AI 生成的猫咪主题短视频在社交媒体上迅速走红，单个视频播放量过亿，成为新的流量密码。
- **[谷歌 AI 修图升级](https://www.downly.cn/articles/1f61db19-7c83-47ec-b427-77b40032e6b6) (8.27)**: 谷歌 Gemini 2.5 Flash 模型在图像编辑能力上迎来重要升级，多项测试表现在某些方面已优于 GPT-4o。
- **[阿里开源照片转视频技术](https://www.downly.cn/articles/1f61db19-7c83-47ec-b427-77b40032e6b6) (8.27)**: 阿里云开源通义万相 Wan2.2-S2V 模型，仅需一张静态图片和一段音频，即可生成电影级的数字人视频。
- **[字节数字人技术突破](https://www.downly.cn/articles/1a215841-f798-4ad0-a3a9-a470348be7ef) (8.28)**: 字节跳动发布升级版多模态数字人方案 OmniHuman-1.5，在真实感和动作协调性上实现显著提升。
- **[NVIDIA 效率革命](https://www.downly.cn/articles/1a215841-f798-4ad0-a3a9-a470348be7ef) (8.28)**: NVIDIA 发布的 Jet-Nemotron 模型通过创新技术，实现了比传统模型快 53.6 倍的生成速度，推理成本锐减 98%。
- **[DeepSeek V3.1 曝出 Bug](https://www.downly.cn/articles/1a215841-f798-4ad0-a3a9-a470348be7ef) (8.28)**: DeepSeek V3.1 模型被曝出罕见的"极字Bug"，在代码输出中会随机出现神秘的"极"字，引发开发者社区担忧。
- **[AI全面渗透](https://www.downly.cn/articles/bd563f96-a33b-403d-8439-9e53e2127235) (8.29)**: AI 技术全面渗透，从虚拟世界交互到前沿科学突破，展现出强大的应用潜力。
- **[重塑数字生活与工作边界的AI浪潮](https://www.downly.cn/articles/59428ac0-101f-463f-98d6-20e69ceea8b9) (8.30)**: AI 技术正在重塑数字生活与工作的边界，带来前所未有的变革。
- **[苹果历史性合作](https://www.downly.cn/articles/59428ac0-101f-463f-98d6-20e69ceea8b9) (8.30)**: 苹果宣布与 AI 公司 Anthropic 达成历史性合作，将 Claude Sonnet 4 模型原生集成到其开发工具 Xcode 中。
- **[xAI 发布编程模型](https://www.downly.cn/articles/59428ac0-101f-463f-98d6-20e69ceea8b9) (8.30)**: xAI 推出专为软件开发设计的轻量级编程模型 Grok Code Fast1，以快速、经济和高效为主要特点。
- **[巨头合作现裂痕](https://www.downly.cn/articles/9eea2ba0-0d70-4dfe-957f-d48d17f4f3ce) (8.31)**: Meta 对数据标注公司 Scale AI 的百亿级合作关系出现裂痕，据称因其提供的数据质量不及竞争对手。

2025年8月AI行业月度总结报告






> 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

一站式AI视频创作和3D数字人生成平台

有言

百度推出的AI数字人和视频创作平台

曦灵

AI数字人视频生成平台，由出门问问推出

奇妙元

来画

HeyGen

AI数字人克隆和AI视频实时对话工具

Tavus

360旗下的AI视频剪辑工具，AI成片、AI数字人、智能添加字幕、去水印等

搜索结果: 数字人