
> **导语**
> 微软近日正式向全平台用户推送基于 GPT-5.2 的“智能+”模式，重点强化了深度思考与逻辑推理能力。新模型在多项基准测试中展现出超越人类专家的水准，标志着生产力工具正从简单的问答助手向高阶逻辑处理工具演进。

## 智能加持下的专家级进化

微软 Copilot 迎来了一次里程碑式的更新。此次名为“智能+”（Smart Plus）的升级已覆盖网页版、Windows 11 及移动端，其核心驱动力来自最新的 GPT-5.2 模型。

与此前的 GPT-5.1 相比，GPT-5.2 的杀手锏在于其强大的“思考”（Thinking）变体模型。微软明确表示，这一版本不是为了简单的聊天而生，而是为了解决那些让人类都感到头疼的复杂办公任务。

## 深度推理能力的实战表现

在实际应用场景中，GPT-5.2 展现出了惊人的逻辑处理能力。无论是构建多层级嵌套的 Excel 电子表格，制作逻辑严密的 PPT 演示文稿，还是进行深度的代码审查，新模型都能提供极高专业水准的输出。

根据最新的知识型工作任务评估（GDPval）数据，GPT-5.2 在超过 70% 的测试案例中，表现持平甚至超越了人类行业专家。这一数据相比 GPT-5 时期的 38.8% 有了质的飞跃，证明 AI 正在跨越从“助手”到“专家”的临界点。

![Google_AI_Studio_2025-12-30T02_56_39.564Z.png](https://static.downly.cn/images/6cc0dea63306267868fbf5107c973ab3.png)
 <center>图源备注：图片由AI生成</center>

## 刷新技术基准纪录

在更硬核的技术测试中，GPT-5.2 同样战绩斐然。在 AIME 2025 数学邀请赛中，该模型取得了 100% 的满分成绩，在软件工程测试（SWE-Bench Pro）中的表现也显著优于前代。

目前，这项足以改变办公效率的升级作为免费项目提供给所有 Copilot 用户。微软此举意在通过引入具备深度推理能力的模型，进一步巩固其在企业级市场的统治地位，让“专家驱动”成为 AI 办公的新常态。

微软 Copilot 全量推送 GPT5.2 智能升级



> 导语：谷歌发布新一代轻量级模型 Gemini 3 Flash，响应速度提升三倍并实现近乎“零延迟”，在多项权威基准测试中反超前代旗舰 Pro 版本，且向全球免费开放。

## 降维打击的突破性表现

谷歌今日正式推出的 Gemini 3 Flash 不仅响应速度极快，更在性能上实现了对同代旗舰的逆袭。作为史上首个在同期对比中性能超越 Pro 版本的 Flash 模型，它在多个高难度领域表现亮眼

*   **代码修复** 在权威榜单 SWE-bench 上，以 78% 的得分超越 Gemini 3 Pro。
*   **博士级推理** 在 GPQA Diamond 测试中拿下 90.4% 的高分。
*   **综合评估** 在极难的 Humanity’s Last Exam（无工具模式）中取得 33.7% 的成绩，显著优于前代旗舰 Gemini 2.5 Pro。
*   **文本能力** 在 LMArena 排名中跃居全球第三。

![Google_AI_Studio_2025-12-18T01_40_35.277Z.png](https://static.downly.cn/images/1fb7c709d21958733790cf52c3db6832.png)

<center>图源备注：图片由AI生成</center>

## 深度优化造就性能奇迹

这一性能突破源于谷歌对模型架构的深度打磨。在保持极低推理成本的同时，通过知识蒸馏、推理路径压缩与多模态对齐等技术，使小模型具备了接近大模型的逻辑深度。用户上传一张图像或视频，Flash 可在数秒内解析内容并生成可执行计划，从识别电路故障到规划旅行路线，响应如同闪电般迅速。

## 三种交互模式适配全场景

为满足不同用户的需求，新版 Gemini App 推出了三种针对性的交互模式

*   **极速模式** 默认启用 Gemini 3 Flash，适合日常快速问答。
*   **思考模式** 激活 Flash 的深度推理链，专门处理复杂的逻辑问题。
*   **专业模式** 保留 Gemini 3 Pro，专注解决高难度数学与编程任务。

这意味着普通用户无需付费，即可享受过去仅限高端订阅的智能体验。你在 Google 搜索中提出的每一个复杂问题，背后都将由融合顶级推理能力的 AI 引擎驱动。

![Google_AI_Studio_2025-12-18T01_39_20.073Z.png](https://static.downly.cn/images/f40f8b270570f811075378cd246d9b50.png)

<center>图源备注：图片由AI生成</center>

## 市场策略与普惠愿景

市场数据有力印证了这一策略的成功。Gemini App 月活用户在一个季度内激增至 6.5 亿，API 调用量同比翻了三倍。随着 Flash 的加入，Gemini 3 产品线形成了清晰的“Deep Think 深度推理、Pro 专业攻坚、Flash 普惠极速”梯队。

当免费模型开始超越付费旗舰，AI 的竞争已不再只是参数规模的比拼，而是效率、体验与普惠性的综合较量。谷歌用 Gemini 3 Flash 宣告，下一代 AI 既要聪明，更要快、要省、要人人可用。

Gemini 3 Flash 震撼发布 免费极速 性能反超旗舰 谷歌开启 AI 零延迟时代




> 今日科技圈迎来多重震动，OpenAI 模型迭代大幅缩减科研时间，微软 Windows 11 深度集成 GPT-5.1 普惠用户。与此同时，字节跳动与快手在视频生成与理解领域展开激烈角逐，谷歌 TPU 新品发布引发算力市场价格战，多模态与硬件生态正加速重构我们的数字生活。

## 豆包手机助手技术预览版上线 携手努比亚开启系统级AI体验

豆包团队近期联合手机厂商，正式推出了基于大模型和系统底层授权的豆包手机助手技术预览版。这款助手旨在通过高效的交互方式和丰富的功能体验，改变用户与手机的互动模式。目前，首批搭载该技术的工程样机 nubia M153 已经面向开发者和技术爱好者进行了少量发售，预示着移动端原生 AI 时代的加速到来。

![image.png](https://static.downly.cn/images/719e078cd7ce3d6558336cf204bbbc55.png)
<div align="center">图源备注：图片由AI生成</div>

## 谷歌推出 TPUv7 铁木处理器 挑战英伟达霸主地位

谷歌宣布推出代号为“铁木”的 TPUv7 处理器并正式对外销售，这一举措直接剑指英伟达在 AI 计算领域的市场垄断地位。随着新硬件的入场，AI 计算市场的价格战已初现端倪。据报道，OpenAI 通过采用该技术，成功节省了约 30% 的计算成本，这为大型模型训练的降本增效提供了新的思路。

![image.png](https://static.downly.cn/images/6f4470f6d25f1e3d7f1a9f9c5e930bfa.png)
<div align="center">图源备注：图片由AI生成</div>

## 真假难辨 实验显示绝大多数人无法区分AI音乐

Deezer 与 Ipsos 联合进行的一项实验显示，高达 97% 的参与者无法准确分辨 AI 生成的音乐与人类创作的音乐。不过，该结论引发了一些争议，因为测试标准相对宽松，参与者只要猜错一首即被判定为“无法辨别”。尽管如此，这一数据依然反映出 AI 音乐生成技术在逼真度上已经达到了极高的水平。

![image.png](https://static.downly.cn/images/9e1186e0e7876a80517f39cb6d9c8a00.png)
<div align="center">图源备注：图片由AI生成</div>

## 快手 Kling Omni 即将发布 打造导演级视频控制能力

快手科技宣布其多模态视频模型 Kling Omni 本周即将亮相。该模型不仅支持文本、图像和视频的混合输入，更具备了“导演级”的精准控制能力。它能够无缝融合视频生成与后期编辑，甚至可以生成长达 2 分钟且带有原生音频的长视频，旨在为创作者构建一个全能的创意宇宙。

![image.png](https://static.downly.cn/images/a5e9cd4fc6cee90a127ac2f087505368.png)
<div align="center">图源备注：图片由AI生成</div>

## 豆包 App 语音功能大升级 支持四种方言打破沟通壁垒

为了助力老年人跨越数字鸿沟，豆包 App 新增了基于方言迁移技术的语音对话功能。目前已支持粤语、四川话、东北话和陕西话四种方言。用户现在可以使用名为“温柔桃子”的音色，进行更加亲切、智能且流畅的方言交流，让科技产品变得更有温度。

![image.png](https://static.downly.cn/images/4a620ddf8c195a58610f1be60a4d5edf.png)
<div align="center">图源备注：图片由AI生成</div>

## 字节跳动 Vidi2 模型问世 120亿参数革新视频自动化编辑

字节跳动重磅推出了拥有 120 亿参数的视频理解模型 Vidi2。该模型的核心突破在于其精细的时空定位功能，能够处理长达数小时的原始视频素材，深刻理解故事脉络。它可以根据用户指令，自动化生成 TikTok 短视频或电影片段，这一技术有望彻底革新视频编辑领域的工作流程。

![image.png](https://static.downly.cn/images/f49e182a8273c10ef4a5025f66068e91.png)
<div align="center">图源备注：图片由AI生成</div>

## GPT-5 展现卓越数学天赋 复杂科研任务几小时搞定

OpenAI 研究员布贝克分享了与 GPT-5 协作的惊人体验。他表示，该模型展现出了卓越的数学能力。原本需要花费研究人员一个月时间的复杂方案设计与模拟验证任务，GPT-5 仅用一个下午就高效完成了。这一案例生动展示了新一代大型语言模型在科研辅助领域的巨大潜力。

![image.png](https://static.downly.cn/images/84447c6309c3b4d7d5d0028e87639ff2.png)
<div align="center">图源备注：图片由AI生成</div>

## Meta AI 推出 Matrix 框架 解决合成数据生成瓶颈

Meta AI 推出了全新的 Matrix 框架，旨在革新多智能体合成数据的生成方式。通过去中心化的设计，Matrix 将合成数据调度中的控制与数据流序列化为消息并进行分布处理。这种方法有效解决了传统中心控制器导致的 GPU 资源浪费和协调开销问题，显著提升了数据的新鲜度和多样性。

![image.png](https://static.downly.cn/images/05db59ba47537bafef19a9eb4a13bc45.png)
<div align="center">图源备注：图片由AI生成</div>

## 微软 Win11 Copilot 免费解锁深度思考功能 集成 GPT-5.1

微软为 Windows 11 Copilot 用户推送了重磅更新，免费开放了 GPT-5.1 模型，并解锁了原付费功能“Think Deeper”深度推理。此外，更新还增设了“Labs”实验区，首批上线了实时画面解析组件，并计划在后续加入 3D 生成等更多前沿功能，极大地丰富了桌面 AI 体验。

![image.png](https://static.downly.cn/images/0fb6e4be109c00f2494f7cc0df6f44a2.png)
<div align="center">图源备注：图片由AI生成</div>

每日AI资讯1201：GPT-5展现卓越数学能力 字节跳动重塑视频编辑



> **导语**
> 谷歌于昨夜深夜突发震撼弹，正式发布最强模型 Gemini 3，以“静默上新”的姿态宣告王者归来。新模型在各项核心基准测试中全面超越 GPT 5.1 与 Claude 4.5，凭借惊人的 91.9% GPQA Diamond 得分及独创的“Deep Think”深度推理模式，重新定义了 AI 智能天花板。从一键生成 Game Boy 模拟器到重塑搜索体验，Gemini 3 标志着大模型正式进入谷歌统治时代。

## 谷歌深夜亮剑 性能参数全线超越GPT 5.1

在没有任何预热发布会的情况下，谷歌选择在深夜直接上线了其年度杀手锏——Gemini 3。这一次，谷歌不再是追赶者，而是以绝对的性能优势俯视群雄。根据泄露的 Model Card 及早期评测数据，Gemini 3 Pro 在几乎所有关键基准测试中都取得了压倒性胜利。

最令人瞩目的是其在科学知识推理（GPQA Diamond）上斩获了 91.9% 的高分，不仅大幅领先 GPT 5.1 的 88.1%，更是将 Claude 4.5 甩在身后。在数学领域，其 AIME 2025 测试得分高达 95.0%，配合代码执行更是达到了完美的 100%，彻底解决了复杂逻辑推理的痛点。这一连串的数据表明，谷歌自研 TPU 算力集群与庞大的数据护城河终于展现出了恐怖的统治力。

![image.png](https://static.downly.cn/images/edeb699ce370c47884e9d48aef3db255.png)

## 深度思考模式Deep Think 让AI拥有慢思考能力

Gemini 3 不仅快，更懂得“慢”。新版本引入了备受期待的 **Deep Think**（深度思考）模式，这是谷歌针对复杂推理任务给出的终极答案。与以往模型急于给出表面答案不同，Deep Think 模式赋予了模型类似人类的“系统2”思维能力，能够抽丝剥茧地处理多层级难题。

在 Humanity's Last Exam（人类终极考试）测试中，开启深度思考模式的 Gemini 3 拿下了 41.0% 的分数，而 ARC-AGI-2 基准测试更是达到了 45.1%。无论是解析晦涩的学术论文，还是规划跨越数月的项目路径，Gemini 3 都能展现出令人咋舌的逻辑深度。OpenAI CEO 奥特曼甚至罕见地在社交媒体上点赞祝贺，侧面印证了此次更新的含金量。

![image.png](https://static.downly.cn/images/a2ba165460b7817cb5c873fa45014cad.png)
## Vibe Coding元年 一句话生成可玩游戏

对于开发者和创作者而言，Gemini 3 的发布意味着“Vibe Coding”（氛围编码）时代的正式到来。借助谷歌新推出的 **Google Antigravity** 开发者平台，Gemini 3 展现了极其强悍的 Agent（智能体）能力。

在演示中，用户仅凭一句简单的提示词，Gemini 3 就从零构建了一个功能完备的 3D 乐高编辑器，不仅界面精美，物理碰撞逻辑也毫无破绽。更夸张的是，它甚至能直接通过 SVG 代码绘制并运行一个 Game Boy 模拟器，或者复刻经典的 iOS 游戏《Ridiculous Fishing》，连音效和背景音乐都一并生成。这种“所想即所得”的编程能力，让自然语言真正成为了最高级的编程语言。

![image.png](https://static.downly.cn/images/6d27ac5007d7ac0d03a3b9a8cef4021d.png)
<p align="center">图源备注：图片由AI生成</p>
## 原生多模态交互 重塑搜索与应用生态

Gemini 3 的强大不止于参数，更在于其原生多模态（Native Multimodality）的交互体验。它能同时处理文本、图像、音频和长视频，且不再是简单的拼接，而是深度的语义融合。在视频理解测试 Video-MMU 中，Gemini 3 取得了 87.6% 的成绩，用户可以上传一段长视频，让 AI 瞬间定位到某个微小的细节。

目前，Gemini 3 已全面接管谷歌生态。在 Google Search 中，AI Mode 能够生成动态的交互式图表；在 Gemini App 中，它能像私人助理一样精准管理你的生活杂务。尽管 Deep Think 模式带来了更高的推理成本，但谷歌显然已准备好用这款划时代的产品，彻底终结大模型市场的混战局面。



谷歌深夜炸场：Gemini 3 全面碾压 GPT 5.1，大模型“谷歌时代”正式降临



> 科技巨头在AI领域的竞赛持续升温，谷歌接连推出文件检测与搜索工具，Hume AI在语音克隆技术上取得新突破，科大讯飞则发布了支持多语言的深度推理大模型。与此同时，Meta将AI短视频推向欧洲市场，而OpenAI与AWS的巨额合作则预示着AI基础设施建设进入新阶段。

## 谷歌AI文件识别利器Magika 1.0发布，核心引擎全面升级

谷歌近日正式发布了其AI文件检测工具Magika的1.0版本，并宣布该项目的核心引擎已完全采用Rust语言重写。这一重大升级显著提升了工具的处理速度和内存安全性，使其在性能与安全方面实现了质的飞跃。Magika自去年开源以来，凭借其高效精准的文件类型识别能力，月均下载量已超百万次，新版本的发布将进一步巩固其在开发者社区中的地位。

![image.png](https://static.downly.cn/images/78e3181dc2000205f943ee9ce46d160a.png)
<p align="center">图源备注：图片由AI生成</p>

## 私有数据检索新纪元，谷歌Gemini API推出文件搜索工具

为了简化开发者的私有数据集成流程，谷歌推出了一款名为“文件搜索工具”的全新Gemini API功能。该工具是一个全托管的RAG（检索增强生成）系统，允许用户直接上传私有文件，系统会自动完成索引和检索的全部流程。这意味着开发者无需再自行搭建和维护复杂的向量数据库，即可轻松将私有文件转化为可供AI模型查询的知识库，极大地降低了技术门槛。

![image.png](https://static.downly.cn/images/f6fda800041e315c16b12c84bef7bd0d.png)
<p align="center">图源备注：图片由AI生成</p>

## 一次录音复刻灵魂之声，Hume AI语音转换功能惊艳上线

Hume AI公司推出的“语音转换”功能为个性化语音合成带来了革命性突破。用户仅需提供一次录音，系统便能精准捕捉并复刻原声的独特节奏、发音习惯和语调，并将其无缝移植到目标声音上。这项技术标志着语音AI正从过去机械的文本朗读，向能够传递真实情感与个性的新阶段迈进。该功能现已登陆其创作工作室和API平台，为内容创作、虚拟助手等领域开启了无限的创意空间。

![image.png](https://static.downly.cn/images/2664fa7735f97016c3b119b3518f9486.png)
<p align="center">图源备注：图片由AI生成</p>

## Meta AI短视频“Vibes”登陆欧洲，是内容创新还是“AI泔水”引热议

Meta旗下的全AI生成短视频产品“Vibes”正式进军欧洲市场，并已集成至Meta AI应用中。用户可以通过简单的文字提示，或对他人作品进行“Remix”再创作，即可由AI生成独特的短视频内容。尽管Meta旨在通过此举构建一个社交化、协作式的AI创作生态，但完全由AI生成的内容质量和其对内容生态的潜在影响，也引发了部分用户关于其是“AI版TikTok”还是“AI泔水”的激烈讨论。

![image.png](https://static.downly.cn/images/ab264c8a7bc6cefc92426576babdad67.png)
<p align="center">图源备注：图片由AI生成</p>

## 科大讯飞发布讯飞星火X1.5，深度推理能力再进化

在国内的世界声博会上，科大讯飞发布了其最新的深度推理大模型“讯飞星火X1.5”以及一系列相关AI产品。该模型在国内算力平台上完成了高效训练，其强大的多语言处理能力是本次升级的一大亮点，现已支持多达130种语言。科大讯飞强调，此次发布旨在通过先进的AI技术赋能各行各业，解决实际问题，彰显了其在人工智能领域的深厚技术积累和持续创新能力。

![image.png](https://static.downly.cn/images/0e046db589c524ce11c1db4cfa34b894.png)
<p align="center">图源备注：图片由AI生成</p>

## 380亿美元豪赌，OpenAI与AWS联手构建AI基础设施新格局

OpenAI与亚马逊云服务（AWS）达成了一项为期七年、总额高达380亿美元的重磅合作协议。根据协议，OpenAI将获得数十万台英伟达GPU的计算资源，并将其托管于亚马逊遍布全球的数据中心。这次合作远超传统的云服务租赁模式，旨在为OpenAI构建更强大、更稳固的AI基础设施，以支持其未来更大规模模型的研发和训练，此举将对全球AI技术的发展格局产生深远影响。

![image.png](https://static.downly.cn/images/a84bc99a4fec836bab456f672c1b65ad.png)
<p align="center">图源备注：图片由AI生成</p>



每日AI资讯1108：谷歌连发AI工具，OpenAI与Meta等巨头竞相布局



> 导语：本期AI资讯聚焦全球技术突破：UniWorld-V2在中文图像编辑领域取得领先，亚马逊Kindle推出AI翻译服务，Meta的AI短视频平台Vibes扩展至欧洲，同时，全球首个AI海洋大模型“瞰海”问世。此外，微软启动人本主义AI项目，月之暗面发布Kimi K2 Thinking模型，展现了AI在应用和理论层面的双重跃进。

---

## UniWorld-V2发布 中文图像编辑的新篇章

UniWorld-V2中文图像编辑模型正式发布，它带来了两大核心功能 框选即改与中文字体精准渲染。该模型在性能上已超越了GPT-Image和Gemini等知名模型，为中文世界的图像处理提供了更强大 更精准的工具。


![image.png](https://static.downly.cn/images/537aaf2145ab18b49d5ff2d374fc9c4e.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 劳德研究所“弹弓”计划启动 赋能AI科研创新

劳德研究所发起了名为“弹弓”的AI资助计划，旨在通过提供资金 算力及工程支持，为AI科研注入新动力。首批入选的15个项目团队将致力于推动研究成果的商业化或开源，以促进AI技术的广泛应用与发展。

## 亚马逊Kindle推出AI翻译 助力独立作者走向世界

亚马逊在其Kindle Direct Publishing（KDP）平台上线了免费的AI翻译服务 Kindle Translate。该服务初期支持英语 西班牙语和德语间的互译，旨在显著降低独立作者的翻译成本，帮助他们的作品快速触达全球读者，拓展国际市场。

![image.png](https://static.downly.cn/images/e79acb70e19e73eff0814f756c4dcb25.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Meta AI短视频Vibes登陆欧洲 AI视频领域竞争升温

Meta正式在欧洲市场推出其AI短视频平台Vibes，平台上的所有内容均由AI生成，功能上与TikTok相似。这是Vibes在美国市场取得成功后的又一重要扩张。此举也预示着，在OpenAI发布Sora等模型后，AI视频生成领域的竞争正变得日益激烈。

## 全球首个AI海洋大模型“瞰海”发布 精准预测未来海况

中国发布了全球首个端到端的AI海洋大模型“瞰海”。该模型能够实现从卫星观测到三维预测的全链路闭环，不仅可以实时重构海洋状况，还能精准预演未来10天的海洋环境变化，为海洋科研与防灾减灾工作提供了强大的“数字海洋镜像”。

![image.png](https://static.downly.cn/images/f5fec5921fe5ba0cd240cc5ba2b16483.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 微软启动新AI项目 聚焦“人本主义超级智能”

微软AI负责人苏莱曼将领导一个全新的团队，专注于开发“人本主义超级智能”AI。该项目旨在通过设定严格的技术界限和监管措施，确保AI技术的发展始终以服务人类为核心，由人类主导，避免其走向完全自主或取代人类的道路。

## 月之暗面开源Kimi K2 Thinking模型 提升AI自主思考能力

月之暗面宣布开源其最新的Kimi K2 Thinking模型。该模型极大地增强了AI智能代理的自主思考和工具使用能力，能够连续调用工具多达300轮并进行深度推理，且全过程无需用户干预，从而更高效地完成各类复杂任务。

![image.png](https://static.downly.cn/images/6ba46855b20d21ef4eb0adeb96d24cf0.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Paytm携手Groq 优化AI驱动的金融服务

印度支付巨头Paytm与美国硬件公司Groq达成合作。通过使用GroqCloud云端服务及其领先的AI推理优化技术，Paytm旨在显著提升其平台在交易处理 风险评估 欺诈检测及用户互动等方面的智能化水平，以应对不断增长的支付需求和金融安全挑战。

## MiniMax M2模型揭秘 为何坚持全注意力机制

MiniMax M2模型的技术选择引发关注，其团队揭示了采用全注意力机制的原因。尽管存在更节省资源的线性或稀疏注意力技术，但MiniMax认为全注意力机制在工业级应用中能带来更高的效率和性能，从而优化模型的实际部署效果，推动AI技术向前发展。



每日AI资讯1107：全球AI技术多点开花，从海洋预测到中文图像编辑，创新浪潮席卷而来



> 导语：今日AI界风起云涌，科技巨头纷纷加码机器人领域，特斯拉与Meta竞相布局，力图抢占未来智能硬件高地。与此同时，从谷歌的通用视觉模型Veo3，到阿里云的安全护栏Qwen3Guard，再到快手与蚂蚁百灵推出的高效能模型，AI技术正以前所未有的速度迭代升级，展现出强大的应用潜力与商业价值。

## 特斯拉的“擎天柱”雄心：人形机器人将成核心产品

特斯拉正全力推进其人形机器人“擎天柱”的规模化生产。CEO埃隆·马斯克预测，该机器人未来可能成为公司最重要的产品，其战略地位日益凸显。自去年十月展示其多样化功能以来，“擎天柱”在技术和商业化潜力上均取得了显著进步，预示着一个由智能机器人深度参与社会生产的新时代即将来临。

![image.png](https://static.downly.cn/images/f6624ba47b5947a3c6d630fd8beb001d.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Veo3震撼发布：不止于视频生成，更能自主解谜

谷歌最新推出的Veo3视频生成模型实现了重大技术飞跃。该模型无需经过额外训练，便能自主完成寻找物体、修复图片甚至解决数独和迷宫等复杂的视觉任务。其强大的通用性被誉为视觉AI领域的“GPT-3时刻”，展示了AI在多模态理解与执行方面的惊人能力。

![image.png](https://static.downly.cn/images/029c4da135bf12b9a3501a0d95e427ea.png)
<center>图源备注：图片由AI生成</center>

## 苹果秘密武器Veritas曝光：加速Siri智能化升级

为应对日益激烈的AI市场竞争，苹果公司正在内部测试一款名为“Veritas”的新型聊天机器人。该工具旨在模仿ChatGPT和Gemini等先进AI模型，用于快速测试新功能，从而加速下一代Siri的开发进程，有望大幅提升Siri的用户体验和智能化水平。

![image.png](https://static.downly.cn/images/9e8fa83d6700876aa23a11078eee6187.png)
<center>图源备注：图片由AI生成</center>

## LiquidAI新突破：Liquid Nanos让边缘设备更智能

LiquidAI公司发布了专为树莓派等边缘计算设备优化的Liquid Nanos系列轻量级AI模型。该系列包含350M和1.2B两种参数版本，支持翻译、信息抽取、RAG、工具调用及数学推理等多种功能。此举旨在满足边缘设备在低功耗下实现高性能AI应用的需求，为开发者提供了灵活多样的解决方案。

![image.png](https://static.downly.cn/images/f70a113225dfd3cbc00d59eb2b2f420f.png)
<center>图源备注：图片由AI生成</center>

## Meta的机器人宏图：打造机器人界的“安卓”平台

Meta公司正投入巨资开发一个类似“安卓”系统的开放式人形机器人平台。该计划旨在利用其强大的大模型和海量数据资源，为机器人赋予更高的智能，从而重塑行业格局并巩固自身的核心技术优势。相关研究已于今年初全面启动，显示出Meta在机器人领域的巨大野心。

![image.png](https://static.downly.cn/images/fa3dc7f07f01952e73e58d5e57474b9c.png)
<center>图源备注：图片由AI生成</center>

## 阿里云通义新成员：Qwen3Guard为AI安全保驾护航

阿里云通义团队发布了其首款安全护栏模型Qwen3Guard。该模型基于Qwen3架构进行微调，专注于提升AI交互的安全性，能够精准识别并防护用户输入及AI生成内容中的潜在风险，为人工智能的健康发展提供了可靠的安全保障。

![image.png](https://static.downly.cn/images/e273d5ac61df5e9b21436527de0691c2.png)
<center>图源备注：图片由AI生成</center>

## 蚂蚁百灵开源新模型：大幅降低AI深度推理成本

蚂蚁百灵团队开源了两款高效思考模型——Ring-flash-linear-2.0和Ring-mini-linear-2.0，同时发布了FP8融合算子与线性Attention推理融合算子。这些创新旨在显著提升AI的深度推理效率，支持处理超长上下文，并通过架构与算子的协同优化，实现了性能的飞跃，有效降低了AI应用的推理成本。

![image.png](https://static.downly.cn/images/6e11b5f3c99c53106604b7dcb05a4a0f.png)
<center>图源备注：图片由AI生成</center>

## 快手KAT代码大模型发布：代码生成能力表现卓越

快手Kwaipilot团队正式发布了KAT-Dev-32B和KAT-Coder两款代码智能大模型。其中，开源的32亿参数模型KAT-Dev-32B在权威的SWE-Bench测试中，问题解决率高达62.4%，位列开源模型第五。该系列模型旨在提升开发者的编程效率，并推动代码智能技术在更多场景下的应用与发展。

![image.png](https://static.downly.cn/images/4356e5bdad5ddd919cc300e4edfdd7ad.png)
<center>图源备注：图片由AI生成</center>

## Moondream3.0惊艳登场：视觉推理超越GPT-5

新发布的Moondream 3.0预览版模型在多项基准测试中展现了卓越的性能。该模型采用高效的混合专家架构，仅激活2亿参数（总参数9亿），便在视觉推理能力上超越了GPT-5、Gemini和Claude4等顶尖模型，并支持高达32K的上下文处理，实现了视觉AI技术的重大突破。

![image.png](https://static.downly.cn/images/a08bd39fe0ddf40825c6fd82cc10daf3.png)
<center>图源备注：图片由AI生成</center>



每日AI资讯0929：巨头竞逐机器人赛道，多款AI模型迎来新突破




> 科技巨头在AI领域持续发力，从英伟达千亿投资OpenAI建设超级数据中心，到谷歌Gemini登陆智能电视，AI正加速融入硬件与生活。同时，百度、DeepSeek、阿里巴巴等公司纷纷推出或开源新模型，不断刷新AI的理解、生成与推理能力，而微软和Cursor等工具的更新，则让AI的应用门槛进一步降低。

---

## 英伟达豪掷千亿，联手OpenAI打造超级AI数据中心

英伟达与OpenAI达成重磅战略合作，计划投资高达1000亿美元，为OpenAI建设一个算力高达10吉瓦的大型AI数据中心。该项目预计需要约400至500万个GPU，将分阶段实施。首个1吉瓦的系统预计于2026年下半年上线，显示了双方在AI基础设施领域的巨大决心。

![image.png](https://static.downly.cn/images/cdb020b299e6ca1059ea559985734fcc.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## Gemini登陆Google TV，你的电视不仅能看片还能辅导功课

谷歌宣布，其AI助手Gemini将集成至Google TV平台，覆盖全球超过3亿台设备。未来，用户可以通过自然语言与电视互动，不仅能获得个性化的影视内容推荐，解决“看什么”的难题，还能在家庭生活方面获得辅助，例如辅导孩子功课，让电视成为更智能的家庭中心。

![image.png](https://static.downly.cn/images/109fa91cad01005d96d1fae56d7e88b6.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## 百度千帆视觉理解模型发布，多尺寸满足多样化需求

百度智能云千帆团队最新推出了开源视觉理解模型Qianfan-VL。为了满足不同企业在多模态应用中的场景需求，该模型提供了3B、8B、70B三种不同的规模。经过深度优化后，Qianfan-VL在光学字符识别（OCR）和教育等特定场景中表现出色，具备了超强的视觉理解能力。

![image.png](https://static.downly.cn/images/2eb95601e84313444a19690cbdedf3ce.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## DeepSeek-V3.1发布，深度推理与编程能力再获突破

DeepSeek公司发布了其最新的开源模型DeepSeek-V3.1-Terminus。新版本在语言一致性方面得到显著提升，有效消除了异常字符的产生。同时，其编程和搜索智能体的能力也得到了增强，在多个非智能体类的任务基准测试中展现了卓越的性能。

![image.png](https://static.downly.cn/images/d87f1035e7216bb7303c64f28f4f5e81.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## 一图生成动画，阿里开源Wan-Animate引爆AI视频创作

阿里巴巴Wan团队开源了其最新的Wan-Animate模型，为AI视频创作领域带来了革命性突破。该模型支持单图或视频输入，能够精准地迁移角色的表情和动作，并与环境无缝融合，从而实现高质量的动画生成与角色替换。此举极大地降低了视频创作的技术门槛，模型权重和代码已向公众免费开放。

![image.png](https://static.downly.cn/images/29641a271dab337c9b4082616516a76f.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## AI登陆任务栏，Windows 11迎来“Taskbar Companion”新助手

微软正在Windows 11的任务栏中测试名为“Taskbar Companion”和“Composer”的AI助手新功能。这一举措旨在优化用户与智能体的互动体验，让AI更加便捷地融入日常操作系统中。相关实验性功能信息的曝光，已经引发了用户的广泛关注和期待。

![image.png](https://static.downly.cn/images/afc531fddcb33e9e9cc98846a212f10d.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## AI编程助手Cursor推出官方文档，上手更轻松

广受欢迎的AI编程工具Cursor正式推出了全新的官方文档中心。新文档中心旨在为所有用户提供一个更系统、更便捷的学习资源平台，无论是新手入门还是资深开发者，都能通过它快速查找信息、掌握工具的使用方法，从而更高效地利用Cursor进行开发工作。

![image.png](https://static.downly.cn/images/c8e029d0b2164317968787ed732727bc.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>

## 美团发布实用主义AI，LongCat模型让AI更懂生活

美团发布了其全新的推理模型LongCat-Flash-Thinking，重新定义了“实用主义AI”。该模型的核心目标是将技术性能有效转化为解决实际生活场景问题的能力，例如更智能的外卖推荐、更高效的路线规划等。目前，该模型已进入实测体验阶段，力求让AI技术更贴近大众的日常生活。

![image.png](https://static.downly.cn/images/fe5ba4709eb2d13e00b05ab02e1d2d8a.png)
<p align="center">
  图源备注：图片由AI生成
</p>
<br>



每日AI资讯0923：巨头千亿布局数据中心，AI模型加速融入生活

AI智能助手，支持PPT生成、深度推理

搜索结果: 深度推理