

> 大模型正在从单纯的对话窗口跃升为设备接管者。谷歌在最新旗舰机型上推出的任务自动化功能，打破了传统语音助手的应用孤岛，让长链条复杂任务的后台自动执行成为现实。

## 从对话走向多步骤跨应用执行

AI助手正经历从“只会动嘴”向“替你动手”的实质性跨越。谷歌近日正式在旗下及合作款旗舰设备上推出Gemini的任务自动化功能。这项技术标志着AI助手从信息检索工具蜕变为真正的执行代理，能够直接接管手机屏幕完成复杂业务。

实测体验显示，用户只需下达自然语言指令，AI即可在后台自动打开对应应用、精准识别界面元素、填写表单并确认操作。更为关键的是该过程支持异步运行，屏幕底部实时滚动操作进度，用户可同步处理其他事务，实现真正意义上的无人驾驶体验。

![32.png](https://static.downly.cn/images/ba70868b457dc2fe60091459e01fcc9f.png)

<center>图源备注：图片由AI生成</center>

## 生态局限与全自动代理的博弈

过去十年间，智能手机的语音助手大多停留在定闹钟、查天气的浅层交互。Gemini任务自动化的核心突破，在于赋予了系统复杂的长链条任务规划能力。然而该技术目前仍面临算力与生态的双重考验。

速度瓶颈是现阶段最大的痛点。由于AI需要逐帧识别界面并进行云端推理，原本手动耗时极短的任务可能被拉长数倍。此外，目前该功能仅适配少量流程高度标准化的应用，界面识别的容错率和支付环节的安全限制阻碍了其快速普及。

尽管如此，谷歌在移动端的抢先切入，意在依托庞大的安卓生态占据高频生活场景。随着推演速度的优化，当大模型能够以人类的速度流畅操作任意App时，人机交互模式将被彻底改写。

谷歌Gemini跨越屏幕交互界限 移动端AI代理功能正式落地



> 导语：本期AI资讯看点纷呈，从Claude Opus 4.1的性能飞跃，到苹果、Mistral、腾讯等巨头纷纷亮出AI新利器，再到层次推理模型（HRM）等颠覆性技术的出现，AI领域的技术创新和商业应用正以前所未有的速度向前推进。模型性能的持续突破、应用场景的不断拓宽以及对安全隐私的日益重视，共同勾勒出当前人工智能发展的蓬勃图景。

---

## Claude Opus 4.1 横空出世，代码处理与安全性能再攀高峰

近日，备受瞩目的Claude Opus迎来了4.1版本的重大更新。新版本在多文件代码重构、推理稳定性以及安全性方面均实现了显著提升。尤其在权威的SWE-bench评估中，其验证率飙升至74.5%，这一成绩充分证明了它在处理复杂代码任务时的卓越能力和高度可靠性，进一步巩固了其在AI编程助手领域的领先地位。

![image.png](https://static.downly.cn/images/12771d17e05c515d9c5b18d4e2ed5083.png)

<div align="center">图源备注：图片由AI生成</div>

---

## Mistral 剑指企业市场，推出Le Chat Enterprise 与 Medium 3 模型

法国AI新锐Mistral公司正式发布其企业级AI助手平台——Le Chat Enterprise。该平台搭载了全新研发的、兼具高性能与低成本优势的Medium 3模型。Le Chat Enterprise致力于整合企业内部多应用数据，提供隐私优先的智能搜索等功能，旨在通过降低企业应用AI技术的门槛，全面提升员工的工作效率和创造力。

![image.png](https://static.downly.cn/images/92231b7c32b7bea782bfd2a108c36f2b.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 苹果FastVLM亮相，开启85倍速本地化视觉AI新体验

苹果公司正式开源了其视觉语言模型FastVLM，让普通用户也能在搭载Apple Silicon芯片的Mac上轻松体验。基于创新的MLX框架，FastVLM实现了高达85倍的处理速度提升，同时模型体积缩小了三倍以上。这一突破不仅保证了用户数据的本地化处理，实现了“数据永不出设备”的安全承诺，还支持多平台和浏览器直接访问，极大地拓展了其应用场景。

![image.png](https://static.downly.cn/images/0436a982341f02e580024038385b18c7.png)

<div align="center">图源备注：图片由AI生成</div>

---

## AI推理迎来革命，HRM模型实现百倍速度提升

来自新加坡的初创公司Sapient Intelligence推出了一种颠覆性的AI架构——“层次推理模型”（HRM）。该模型模仿人类大脑的推理方式，在处理复杂的推理任务时，其表现不仅能与顶尖的大型语言模型相媲美，甚至在某些方面实现了超越。更重要的是，HRM显著降低了对训练数据的需求和模型本身的规模，为解决当前大模型依赖“链式思维”所带来的局限性提供了全新的解决方案。

![image.png](https://static.downly.cn/images/70129241c2838b76ea6e2cdf3895116f.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 苹果再放“大招”，STARFlow技术挑战DALL-E与Midjourney

苹果在AI图像生成领域再掀波澜，推出了名为STARFlow的全新技术。该系统巧妙地结合了正则化流与自回归变换器，在生成高分辨率图像方面展现出了强大的竞争力。业界普遍认为，STARFlow的出现，将对目前主流的DALL-E和Midjourney等扩散模型构成有力挑战，图像生成市场的竞争格局或将因此改变。

![image.png](https://static.downly.cn/images/d086e730d8705391dd720d527c5977f4.png)

<div align="center">图源备注：图片由AI生成</div>

---

## DeepSeek全面推行AI内容标识，保障用户知情权

为积极响应并落实国家相关标准，深度求索（DeepSeek）平台宣布，已开始对所有由其AI生成的内容进行明确标识。此举旨在帮助公众清晰分辨人类创作与AI生成内容，减少潜在的混淆与误解，从而保障信息的真实性，并充分尊重广大用户的知情权。

![image.png](https://static.downly.cn/images/57ed60a9270e49db545986187f7840cc.png)

<div align="center">图源备注：图片由AI生成</div>

---

## Zoom会议新伴侣，AI Companion为迟到者“划重点”

视频会议巨头Zoom正式推出了其全新的AI助手——AI Companion。该产品由原有的Zoom IQ升级而来，并已向所有付费用户开放。AI Companion具备撰写聊天回复、总结会议要点、实时回答会议相关问题以及自动生成会后摘要等多项实用功能，旨在帮助用户，特别是迟到的参会者，快速跟上会议节奏，显著提升会议效率。

![image.png](https://static.downly.cn/images/14cecb14e2c1704b497ad1418a90e62c.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 腾讯Hunyuan-MT-7B开源，登顶WMT2025成翻译新霸主

腾讯公司发布并开源了其最新的机器翻译大模型Hunyuan-MT-7B。该模型在权威的WMT2025评测大会上一鸣惊人，一举斩获了30个语言类别的冠军。其翻译能力不仅覆盖了中、英、法、德等主流语种，更在爱沙尼亚语、冰岛语、乌尔都语等小众语言上表现出色，全面展示了腾讯在自然语言处理领域深厚的技术积累和领先地位。

![image.png](https://static.downly.cn/images/79aa5e2d0bbd0bfc71cf379d3a6744fc.png)

<div align="center">图源备注：图片由AI生成</div>

---

## MiniCPM-V 4.5发布，8亿参数模型赋能移动端AI

开源AI社区近日发布了一款专为端侧设备设计的8亿参数多模态大语言模型——MiniCPM-V 4.5。该模型针对智能手机和平板电脑进行了深度优化，并已成功在iPhone 16 Pro Max上实现高效运行。它能够处理单图理解、多图推理乃至视频分析等多种复杂任务，并在OpenCompass综合评估中取得了77.2分的高分，展现了其在移动端的强大性能。

![image.png](https://static.downly.cn/images/668cb3405344dd7d100a0b9de145a3b1.png)

<div align="center">图源备注：图片由AI生成</div>

---

## 美团LongCat-Flash-Chat开源，560B参数刷新性能高度

美团正式开源了其AI大模型LongCat-Flash-Chat。该模型拥有高达560B的总参数，并采用了先进的MoE（混合专家）架构。通过创新的“零计算专家”机制和跨层通道设计，LongCat-Flash-Chat在H800硬件上仅用30天就完成了训练，并实现了单用户每秒处理100个token的高效性能，达到了算力与效果的完美平衡。

![image.png](https://static.downly.cn/images/5aa6a4dfef87044488200fa078c79cf0.png)

<div align="center">图源备注：图片由AI生成</div>

---

## Scale AI与Meta合作生变？高价投资开局不利

由马克·扎克伯格重金投入143亿美元的Scale AI项目，近期传出与Meta的合作出现动荡。据爆料，Meta从Scale AI高薪挖来的高管在上任仅两个月后便匆匆离职，同时，Meta方面也对Scale AI提供的数据质量提出了质疑。这场被寄予厚望的豪赌，似乎从一开始就遇到了不小的麻烦。

![image.png](https://static.downly.cn/images/36447a6b47d1332eb5e308fe17e32b95.png)

<div align="center">图源备注：图片由AI生成</div>

每日AI资讯0902：科技巨头竞相发布AI新成果，模型与应用齐飞



> 导语 本日AI快讯涵盖了从尖端医疗到多模态大模型的最新突破 蚂蚁集团与上海AI实验室分别推出专为医疗领域设计的MedResearcher-R1和性能卓越的InternVL 3.5。美团也以其高效的LongCat模型加入开源行列。市场方面 谷歌Gemini正奋力追赶ChatGPT 同时xAI面临内部代码失窃的挑战。此外 创新的AI听诊器预示着传统医疗的变革 而Meta则在激烈的竞争中调整战略 或寻求与昔日对手的合作。

## 蚂蚁集团发布医疗AI新星 MedResearcher-R1 知识图谱驱动智能诊疗

蚂蚁集团近日开源了其专为医疗领域打造的知识驱动轨迹合成框架 MedResearcher-R1。该框架通过其创新的知识图谱构建模块 能够高效地将庞杂的领域知识转化为高质量的问答对 并利用自动推理技术生成完整的知识图谱。MedResearcher-R1旨在解决特定领域AI在推理方面遇到的挑战 为医疗研究提供智能化的数据生成与合成支持 其交互式可视化功能也为研究人员提供了极大便利。

![image.png](https://static.downly.cn/images/4bdbf546935b8d89ea83298621b599ad.png)

<p align="center">图源备注：图片由AI生成</p>

## 书生·万象InternVL 3.5横空出世 多项指标超越GPT-4V

上海人工智能实验室震撼发布了其最新的多模态大模型 书生·万象InternVL 3.5。该模型通过级联式强化学习等先进技术实现了性能的全面飞跃。InternVL 3.5系列提供了从1B到241B不同参数规模的版本 以满足不同场景的需求。其旗舰模型241B-A28B在MMMU、MMStar、OCRBench等多项权威基准测试中刷新了开源模型的性能记录 在多个关键指标上甚至超越了GPT-4V 成为当前开源多模态大模型领域的领跑者。

![image.png](https://static.downly.cn/images/63ac0983a0747c882dab1e9fffd5f0a3.png)

<p align="center">图源备注：图片由AI生成</p>

## 美团亮剑开源大模型“龙猫” 高效推理赋能AI应用

美团公司正式发布了其最新的开源大语言模型 LongCat（龙猫）。其核心版本LongCat-Flash拥有560亿参数 并采用了创新的混合专家（MoE）架构 能根据上下文动态激活约270亿参数 从而在保证性能的同时 极大地提升了计算效率。据悉 该模型的推理速度超过每秒100个标记。美团此举旨在为广大研究人员和开发者提供一个强大的新工具 加速AI技术的发展与实际应用落地。

![image.png](https://static.downly.cn/images/789801dde071276f5d84d49fe21af178.png)

<p align="center">图源备注：图片由AI生成</p>

## AI应用市场风云再起 谷歌Gemini紧追ChatGPT

根据a16z发布的最新报告 AI应用市场正经历着动态变化。在网络和移动端 谷歌的Gemini正在逐步缩小与行业领导者ChatGPT的差距。然而 报告也指出 在移动应用市场 中国公司展现出强大的主导力量。整体来看 网络AI应用的新增用户增速正在放缓并趋于稳定 而移动端AI应用在监管趋严的环境下 新增数量反而有所增加。

![image.png](https://static.downly.cn/images/901870f9aec717addb8a970ee5bcd677.png)

<p align="center">图源备注：图片由AI生成</p>

## 马斯克旗下xAI遭遇“家贼” 前员工被指窃取代码投奔OpenAI

伊隆·马斯克创立的xAI公司近日提起诉讼 指控其前员工Xuechen Li窃取公司核心商业机密后跳槽至竞争对手OpenAI。诉讼文件称 Li的行为严重违反了保密协议 构成了商业秘密侵犯、违反计算机数据法规及欺诈。xAI公司要求法院发布禁令 并强制Li归还所有被盗数据。

![image.png](https://static.downly.cn/images/80fe3d0a56d6431b74a7a93423c5f83f.png)

<p align="center">图源备注：图片由AI生成</p>

## 网站迎接AI时代 Firecrawl即将开源AI就绪检查器

为了帮助网站在AI搜索时代获得更好的可见性 Firecrawl公司宣布将于下周开源其AI就绪检查器。这款工具能够对网站进行全面的AI就绪度审计 评估其LLMs.txt文件的合规性、AI可读内容的质量以及站点地图的结构合理性等关键指标 旨在提升网站内容对AI的友好度与优化能力。

![image.png](https://static.downly.cn/images/255968e476366b0dc4b3fd8be1f95699.png)

<p align="center">图源备注：图片由AI生成</p>

## Meta联手UCSD发布DeepConf AI推理准确率与效率双突破

Meta与加州大学圣地亚哥分校（UCSD）合作开发了一项名为DeepConf的新技术 在高难度AI推理任务上取得了准确率与计算成本的双重突破。当DeepConf与GPT-OSS-120B模型结合时 在AIME2025竞赛级别的难题上实现了高达99.9%的惊人准确率 同时将计算成本降低了85% 有效解决了AI在进行复杂推理时面临的准确性与资源消耗难题。

![image.png](https://static.downly.cn/images/92c0bbf0559da6dec0035a90509edf96.png)
<p align="center">图源备注：图片由AI生成</p>

## 传统听诊器焕发新生 AI加持15秒识别心脏病

一项在欧洲心脏病学会年会上公布的突破性研究成果展示了人工智能如何变革传统医疗器械。一款搭载了“AI大脑”的智能听诊器 能够仅用15秒时间就准确识别出心力衰竭、心房颤动和心脏瓣膜病这三种主要的心脏疾病。这项技术目前已在英国超过200家诊所投入应用 预示着未来心脏疾病诊断效率的显著提升和传统诊疗模式的根本性变革。

![image.png](https://static.downly.cn/images/ca48de814006400d0e88681d1211396d.png)

<p align="center">图源备注：图片由AI生成</p>

## AI“天团”光环褪色 Meta或将联手Google与OpenAI

曾经备受瞩目的Meta“AI天团”正面临前所未有的发展困境。据报道 其发展势头已经从昔日的如日中天跌落至可能“崩溃”的边缘。面对激烈的市场竞争和内部挑战 Meta可能正在考虑调整其AI战略 甚至与曾经的竞争对手Google、OpenAI进行合作 以寻求新的突破口。

![image.png](https://static.downly.cn/images/9c116f8e23c88e0804d3028170605752.png)

<p align="center">图源备注：图片由AI生成</p>

搜索结果: 移动端AI