> 智谱 AI 正式开源基于华为昇腾底座训练的新一代图像生成模型 GLM-Image。作为首个在国产芯片上完成全流程训练的 SOTA 多模态模型，它凭借创新的混合架构在汉字生成与复杂指令理解上取得了突破性进展。

## 国产全栈算力的里程碑验证

GLM-Image 的发布不仅仅是一个新模型的诞生，更是国产算力生态的一次重要“阅兵”。该模型完全基于华为昇腾 Atlas 800T A2 设备与昇思 MindSpore 框架完成，涵盖了从数据预处理到大规模训练的每一个环节。

这一成果有力地打破了业界对国产芯片无法训练顶尖（SOTA）模型的质疑，验证了国产软硬件全栈技术在处理大规模、高复杂度 AI 任务时的成熟度与可靠性。对于依赖外部算力的中国 AI 产业而言，这是一剂强有力的强心针。

## 混合架构解决绘画痛点

在技术架构上，GLM-Image 采用了“自回归 + 扩散解码器”的创新混合设计。这种架构巧妙地结合了语言模型对语义的深刻理解与扩散模型的高质量生成能力。

这一融合使得模型在处理“知识密集型”任务时表现尤为出色。它能够精准理解全局指令并刻画局部细节，有效解决了长期困扰 AI 绘画领域的难题，如海报排版中的文字一致性、PPT 制作的结构逻辑以及复杂科普图的精准生成。在多项权威评测榜单中，GLM-Image 均位列开源模型首位，尤其在极具挑战性的汉字生成任务上，展现了断层式的领先优势。

![Google_AI_Studio_2026-01-14T03_34_56.521Z.png](https://static.downly.cn/images/a7e3cc523c2dab2513e9db40bed02ad8.png)<center>图源备注：图片由AI生成</center>

## 高性价比普惠创作者

为了推动技术的规模化应用，GLM-Image 已在 GitHub 和 Hugging Face 全面开源。除了技术上的开放，智谱在商业化路径上也极具诚意。其 API 调用价格低至每张图 0.1 元，且模型原生支持 1024 到 2048 尺寸的任意比例自适应生成。

这种低门槛、高灵活性的策略，旨在让更多的开发者与创作者能够利用高端生成式 AI 技术。智谱方面还透露，未来将推出经过速度优化的新版本，进一步提升商用性价比，加速国产认知型生成技术在各行各业的普及。

![Google_AI_Studio_2026-01-14T03_34_58.861Z.png](https://static.downly.cn/images/165c895108cc44045b1b9a55573032e1.png) <center>图源备注：图片由AI生成</center>

智谱联合华为开源 GLM-Image 国产算力训出 SOTA 级文生图模型

> OpenAI提档发布GPT-5.2正面硬刚谷歌Gemini 3，苹果推出STARFlow-V以归一化流技术挑战视频生成领域，腾讯混元2.0与美团LongCat-Image相继开源展示国产AI硬实力，微软与Perplexity则在语音交互与浏览安全上再进一步。



## OpenAI亮剑 GPT-5.2火线提档硬刚Gemini 3

OpenAI CEO山姆·奥特曼做出了一个激进的决定，将备受瞩目的GPT-5.2发布时间提前至12月9日。这一举动被广泛视为对谷歌Gemini 3强势崛起的直接回应，旨在重新夺回市场关注度的制高点。

此次更新并非简单的版本迭代，新模型在多项关键指标上实现了显著突破。推理速度提升了18%，这意味着用户将获得更流畅的交互体验；多模态效率提高了23%，处理图像与复杂任务的能力更强。此外，上下文长度扩展至32,768 tokens，能够处理更长篇幅的文档与对话，OpenAI此举无疑在年底的AI大战中投下了一枚重磅炸弹。

![image.png](https://static.downly.cn/images/f0f27796a29e941c2017399322033dc3.png)
<center>图源备注：图片由AI生成</center>

## 苹果视频生成黑科技 STARFlow-V打破扩散模型垄断

苹果公司正式入局视频生成赛道，推出了名为STARFlow-V的全新模型。与目前市面上主流的Sora等基于扩散模型的技术路线不同，苹果独辟蹊径采用了归一化流技术。

这一技术路线的核心优势在于直接学习数据分布，从而大幅提升了长视频生成的稳定性，并有效减少了画面错误的累积。STARFlow-V目前支持输出640×480像素、每秒16帧的视频，最长可达30秒。其视觉质量和生成速度不仅可与扩散模型媲美，更在画面连贯性上展现出了独特的竞争优势，为视频生成领域带来了全新的技术解题思路。

![image.png](https://static.downly.cn/images/ab041a42b719373c671de96f2df1a7e5.png)
<center>图源备注：图片由AI生成</center>

## 腾讯混元2.0炸场 406B参数巨无霸开启内测

国产大模型领域迎来重量级选手，腾讯正式发布混元2.0大模型。该模型采用先进的MoE（混合专家）架构，总参数量高达406B，展现了强大的算力储备与技术积累。

混元2.0包含推理增强版和指令遵循版，支持长达256K的上下文窗口，专注于解决复杂的推理任务。腾讯方面自信地宣称其推理性能已跻身国内第一梯队。目前，该模型已在腾讯云API上线并开启应用测试，为开发者和企业用户提供了更强大的本土化AI解决方案。

![image.png](https://static.downly.cn/images/7c53330f2f24c432cd1bb98f09b61afc.png)
<center>图源备注：图片由AI生成</center>

## 美团开源LongCat-Image 中文生图与编辑能力封神

美团LongCat团队为开源社区带来了一份厚礼，正式开源拥有6B参数的LongCat-Image图像生成模型。这款模型在文生图和图像编辑领域表现出色，尤其在处理中文文字生成这一长期困扰业界的难题上，达到了SOTA水平。

LongCat-Image的设计初衷在于平衡高性能与低门槛，它成功填补了顶级闭源模型与现有开源模型之间的技术空白，让更多个人开发者和中小企业能够以较低的成本使用高质量的图像生成技术。

![image.png](https://static.downly.cn/images/65cb37a4336255d63db0aacfac350c78.png)
<center>图源备注：图片由AI生成</center>

## 微软VibeVoice-Realtime 毫秒级响应重塑语音交互

微软在语音技术领域再进一步，推出了名为VibeVoice-Realtime-0.5B的轻量级实时文本转语音模型。该模型专为互动式应用打造，支持流式输入和长篇输出。

凭借连续语音标记和扩散模型的结合，VibeVoice能在约300毫秒内迅速开始语音生成，几乎实现了人类对话般的即时响应。这一特性使其极其适合各类AI代理应用和实时数据播报场景，为用户带来无缝衔接的听觉体验。

## Perplexity推出BrowseSafe 给AI浏览器穿上防弹衣

随着AI代理在互联网上的活动日益频繁，安全问题日益凸显。Perplexity AI适时推出了BrowseSafe新功能，旨在为AI浏览器代理提供一层坚固的安全保障。

该功能专注于确保用户在使用AI工具浏览互联网时的安全性，能够有效识别并拦截潜在的网络威胁，让AI代理在执行任务时更加可靠，为自动化浏览时代构建了必要的安全基础设施。

## 谷歌生态连发 Colab无缝衔接Kaggle与Gemini换新颜

谷歌近期对旗下两大核心产品进行了联动更新与优化。首先，Colab与KaggleHub实现了深度整合，推出了全新的数据探索器功能。用户现在可以在Colab笔记本中直接搜索并调用Kaggle的海量数据集、模型和竞赛资源，无需在不同网页间反复切换，极大地简化了科研与开发流程。

与此同时，Gemini网页版也迎来了界面升级。新增的“我的”文件夹功能方便用户管理内容，同时提供了浅蓝灰和全黑两种主题模式。全新设计的界面更加简约大气，显著提升了文本的可读性与用户的整体操作体验。

![image.png](https://static.downly.cn/images/706bff57362ffe3249ead062cdfe78bc.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1208：巨头混战升级！GPT-5.2突袭，苹果入局视频生成，腾讯美团开源新模型

> 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

> 科技浪潮奔涌向前，人工智能领域风起云涌。本期资讯我们将聚焦AI界的最新动态：OpenAI携开发者日重磅出击，不仅预告了GPT-5的编程能力飞跃，更将ChatGPT推向平台化，构建全新AI应用生态；国内AI力量同样不容小觑，首个羊产业大模型“苏武”横空出世，精准赋能传统行业；阿里与腾讯则在多模态与文生图领域持续发力，模型性能再攀新高；同时，AI在网络安全、视频互动乃至芯片散热等前沿领域的应用也取得了突破性进展。

## ChatGPT 不再只是聊天工具，OpenAI 开启应用平台时代
OpenAI在开发者日上投下重磅消息，宣布将通过Apps SDK将ChatGPT打造为第三方应用平台。此举意味着开发者将能直接在ChatGPT内部构建交互式应用和自主AI代理，这不仅将彻底改变用户与AI的互动方式，提升任务处理效率，更预示着一个全新AI应用生态的诞生。
![image.png](https://static.downly.cn/images/342208fbedf333db273c051ba87d1fc6.png)
图源备注：图片由AI生成

## AI “牧羊人” 上岗，首个羊产业大模型“苏武”发布
智慧农业再添新篇章。在第二十一届羊业发展大会上，西北农林科技大学陈玉林团队发布了全国首个羊产业垂直大模型 “苏武智慧养羊大模型V1.0”。该模型基于Qwen3架构自主研发，覆盖了羊产业的全品类与全链条，通过创新的算法架构，旨在以AI之力赋能传统养羊业，实现智慧养殖。
![image.png](https://static.downly.cn/images/63694706e775f4e1cc9dd38e4d99a802.png)
图源备注：图片由AI生成

## GPT-5 编程能力前瞻，OpenAI 推出 Codex Alpha 抢先体验
OpenAI已启动“Codex Alpha”抢先体验计划，正式邀请部分开发者在DevDay2025全面发布前，提前试用新一代的Codex模型及其强大功能。这标志着GPT-5在编程领域的巨大升级已近在眼前，开发者将有机会率先体验顶尖AI编程助手的未来形态。
![image.png](https://static.downly.cn/images/07d0fc9071997259df13c1b97e6a3f44.png)
图源备注：图片由AI生成

## 虚拟人不再“照本宣科”，Synthesia 3.0 推出可实时对话的视频代理
AI视频生成平台Synthesia发布了其3.0版本的重大升级，推出了革命性的“视频代理”功能。现在，平台生成的虚拟形象不再局限于播放预设脚本，而是能够与观众进行实时互动、对话、回答问题，甚至可以访问企业内部的专属信息库。这一突破极大地增强了虚拟人在企业培训和客户服务等场景中的真实感与实用性。
![image.png](https://static.downly.cn/images/51120bc6b562c43a95f0d507d8a35468.png)
图源备注：图片由AI生成

## 阿里多模态模型再进化，Qwen-VL-30B-A3B挑战GPT-5-Mini
阿里巴巴在多模态领域再添力作，推出了两款拥有30亿参数的新模型Qwen3-VL-30B-A3B。新模型在数学推理、图像识别和视频处理等多个维度上均表现出卓越性能，其实力足以与GPT-5-Mini等业界顶尖模型相媲美，展示了其强大的技术竞争力。
![image.png](https://static.downly.cn/images/eea0ab6601eda28b4855805be3849b93.png)
图源备注：图片由AI生成

## 全球用户票选第一，腾讯混元图像3.0文生图能力登顶
实力无需多言，用户的选择就是最好的证明。在全球文生图模型竞技场LMArena的最新榜单中，腾讯混元图像3.0大模型凭借真实用户的投票，超越了包括顶尖闭源模型在内的26个全球竞争者，成功登顶。这一成绩有力地证明了其在实际应用中的优越性与受欢迎程度。
![image.png](https://static.downly.cn/images/a67cad77fb87f112347022d6145cabaa.png)
图源备注：图片由AI生成

## AI 化身“安全卫士”，Claude 4.5 漏洞发现能力实现飞跃
Anthropic公司的最新大型语言模型Claude Sonnet 4.5正在成为网络安全领域的一股新锐力量。该模型在软件漏洞发现率上实现了显著飞跃，达到5%，远超前代模型的2%。在CyberGym的网络安全实战测试中，Claude Sonnet 4.5展现了高效增强网络防御的强大能力，预示着AI将在未来的网络攻防战中扮演关键角色。
![image.png](https://static.downly.cn/images/4aa8339528e4340655524e44e05d5793.png)
图源备注：图片由AI生成

## 挑战硬件边界，OpenAI 联手前苹果设计师打造颠覆性 AI 设备
OpenAI正与前苹果设计总监Jony Ive的工作室LoveFrom合作，共同打造一款颠覆性的AI硬件设备。据透露，该设备将具备主动学习能力，能像电影《她》中的AI伴侣一样，与用户进行流畅自然的对话，并无缝融入日常生活。尽管可能因计算瓶颈与隐私问题推迟发布，但其未来的产品形态可能包括无屏智能音箱、录音设备或可穿戴设备，远超现有智能音箱的体验。
![image.png](https://static.downly.cn/images/6c26c682b235dda1338e7dadc59b5e73.png)
图源备注：图片由AI生成

## 为AI芯片“降温”，微软测试微流控冷却技术
随着AI算力的飙升，数据中心的散热问题日益严峻。微软正在研发一种新型的微流控芯片冷却技术，旨在有效解决AI数据中心的散热难题。这项技术有望为AI基础设施的大规模部署扫清障碍，同时显著降低能源消耗，提高整体运行效率。
![image.png](https://static.downly.cn/images/aa11c879283e0a9c060a49d951879411.png)
图源备注：图片由AI生成

每日AI资讯1007：平台化浪潮与模型能力新高度

> 导语：今日AI领域风起云涌，从腾讯发布新技术解决AI生图“过油”问题，到谷歌Gemini 2.5 Deep Think在编程竞赛中超越人类，再到Figma、YouTube等平台纷纷上线AI新功能，以及谷歌推出AI代购协议，无不展示着AI技术的飞速发展和其在各个领域的深度融合。然而，迪士尼等巨头对AI公司的起诉，也揭示了技术发展背后的版权争议。

## 腾讯发布SRPO新技术，让AI生成图像告别“油腻感”

腾讯混元联合香港中文大学（深圳）及清华大学共同研发出SRPO（语义相对偏好优化）新技术，有效解决了开源文生图模型Flux在生成人物皮肤时出现的“过油”现象。这一技术的突破，能够显著提升AI生成图像的真实感，为数字艺术创作领域带来了全新的可能性，让AI绘画更加贴近真实世界。

![image.png](https://static.downly.cn/images/c746c5af9a791231381cd41821967682.png)

图源备注：图片由AI生成

## AI首次夺得ICPC金牌，谷歌Gemini 2.5 Deep Think碾压人类程序员

在2025年ICPC世界总决赛中，谷歌Gemini 2.5 Deep Think创造了历史，以金牌成绩成功解决了所有人类队伍均未能攻克的难题，打破了该项赛事创立以来的纪录。这一成就彰显了人工智能在复杂算法问题解决能力上的飞跃式进步，标志着AI技术在顶级编程竞赛领域迈入了新的纪元，也引发了关于AI在未来软件开发中角色的深刻思考。

![image.png](https://static.downly.cn/images/dc61e32fd09fdaee21acfd448bd82a16.png)

图源备注：图片由AI生成

## Figma推出AI设计新功能，文本指令即可修改设计稿

Figma近日推出了革命性的AI设计和编辑新功能，允许用户通过简单的文本提示，直接对设计稿进行修改，例如调整布局、更改颜色等。这一功能的推出，极大地简化了创作流程，让设计师能够更高效地将想法变为现实。目前，该功能已进入付费用户的有限alpha发布阶段，预示着设计行业即将迎来新的变革。

![image.png](https://static.downly.cn/images/b568a38eb2f38427ba6d05b2da32c451.png)

图源备注：图片由AI生成

## YouTube Studio上线AI助手，一键检测盗用面孔保护创作者权益

YouTube向全球三千万创作者推出了AI聊天机器人和面部相似性检测等新功能，旨在帮助创作者保护自己的形象和声誉。通过这些新功能，创作者可以轻松检测、管理和授权移除未经授权使用其面部肖像的视频，有效防止观众被误导，为内容创作生态提供了更有力的保障。

![image.png](https://static.downly.cn/images/43fe28249fe27f03afd59c2f4c3ad97a.png)

图源备注：图片由AI生成

## 谷歌推出AP2协议，让AI智能体为你轻松代购

谷歌最新推出的Agent Payments Protocol（AP2）协议，允许AI智能体在用户指示下自动完成购物支付，用户无需每次手动审批。这一创新兼顾了购物的便利性与多重安全保障，能够实现如在用户设定的时间、价格自动购票等智能化购物体验，让生活变得更加轻松便捷。

![image.png](https://static.downly.cn/images/a9da262f0b1de410a3ac9865f1880ee0.png)

图源备注：图片由AI生成

## 迪士尼等三大影业巨头联手起诉MiniMax，AI版权之争愈演愈烈

迪士尼、华纳兄弟、环球影业三大好莱坞公司近日联手控告中国AI公司MiniMax，指责其海螺AI服务未经授权使用知名电影角色进行AI训练和商业化，构成大规模著作权侵权。这起诉讼索赔金额或将达到天文数字，也再次将AI技术发展中的版权问题推向了风口浪尖，引发了全球范围内的广泛关注和讨论。

![image.png](https://static.downly.cn/images/d2543292a1b33db456f0f21eedd6cc0c.png)

图源备注：图片由AI生成

## 谷歌发布TimesFM-2.5模型，更小巧更强大的时间序列预测工具

谷歌研究团队最新发布了时间序列基础模型TimesFM-2.5，该模型参数量减半至2亿，但上下文长度却大幅提升至16,384。TimesFM-2.5采用单一解码器结构，支持本地概率预测，并在GIFT-Eval准确性评估中表现优异，为金融、气象等领域的时间序列预测提供了更强大、更高效的工具。

![image.png](https://static.downly.cn/images/899b58187b140c43bfba0e69ca86c652.png)

图源备注：图片由AI生成

每日AI资讯0918：Gemini编程夺冠与好莱坞AI版权战打响，技术浪潮下的机遇与挑战

> 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

> 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

StabilityAI推出的文本到图像生成AI

Stable Diffusion

包图AI文生图

AI文生图表工具，支持生成柱状图、折线图、饼图等

VisDoc

国产在线设计工具Pixso的内置AI助手，支持AI文生图、AI对话、AI设计等

Pixso AI

美图推出的AI文本生成图片的工具

美图AI文生图

国内领先的AI图像生成平台，基于Stable Diffusion技术

LiblibAI·哩布哩布AI

AI设计工具合集，包括文生图、智能消除等

笔格设计

本套课程全程使用LiblibAI讲解教学
LiblibAI地址： https://www.liblib.art/

搜索结果: 文生图