



> 本期AI快讯为您带来全球顶尖科技公司的最新动态，涵盖了从虚拟世界交互、AI模型竞赛到多模态应用的全面突破。Meta为虚拟世界注入了更真实的灵魂，微软则携自研模型正式入局大模型竞赛，而谷歌与OpenAI在视频和语音技术上持续创新。同时，AI在教育、数据分析、家庭娱乐乃至地球科学等领域的应用也正以前所未有的速度改变着我们的生活。

## 虚拟世界新纪元 Meta为《地平线世界》引入AI NPC

Meta公司正在为其虚拟社交平台《地平线世界》（Horizon Worlds）带来一场革命性更新。平台将引入由人工智能驱动的非玩家角色（NPC），这意味着开发者现在可以利用先进的生成式AI工具，创造出能够与用户进行逼真、流畅语音对话的虚拟化身。这些AI NPC不仅是简单的机器人，它们可以被完全定制，为虚拟世界带来前所未有的生机与互动深度，标志着我们在构建沉浸式虚拟体验的道路上迈出了关键一步。

![image.png](https://static.downly.cn/images/2278a1630b82e606af1d6e38edbe4975.png)

## 微软自研AI模型MAI-1亮相 正面挑战OpenAI

微软正式发布了其首个自研的人工智能模型系列 MAI-Voice-1 和 MAI-1-preview，彰显了其在AI领域的雄心。其中，MAI-Voice-1 是一款顶尖的语音模型，能够在一秒内生成长达一分钟的音频，技术实力惊人。该技术已成功应用于Copilot Daily等功能中，为用户提供由AI主持的新闻播报和深度讨论。用户现在可以通过Copilot Labs亲身体验这一前沿技术。

![image.png](https://static.downly.cn/images/ce0f8feaf8e82c197c07bd898fde3722.png)

## 反作弊AI导师进入美国高校 MathGPT.ai重塑数学教育

为了解决学生利用AI工具完成作业而教师难以监督的难题，一个名为MathGPT.ai的“反作弊”AI导师应运而生。该平台通过提供教学助手和引导式学习功能，已在美国30所高校成功试点，并计划于今年秋季将服务范围扩大近一倍。宾夕法尼亚州立大学等知名学府已决定将其引入课堂，利用苏格拉底式的教学方法，重新定义AI在数学教育中的角色，引导学生真正掌握知识。

![image.png](https://static.downly.cn/images/b576be75eb06f0252a10892c1a1bd2a2.png)

## 数学AI推理迎来飞跃 We-Math 2.0构建全链条知识体系

由北京邮电大学、腾讯微信与清华大学的联合团队发布的We-Math 2.0，是多模态数学推理领域的一项重大突破。该项目构建了一个从小学到大学的完整数学知识体系和推理数据集，旨在解决当前多模态大模型在复杂数学推理能力上的短板。它的出现，为AI模型提供了坚实的知识基础，使其在理解和解决数学问题上实现了质的飞跃。

![image.png](https://static.downly.cn/images/eef7e2d4bb62826798fc7caf43753373.png)

## OpenAI推出“实时API” 让AI语音助手如真人般对话

OpenAI发布了面向生产环境的“实时API”，其核心是GPT-Realtime模型。这一创新技术使AI能够直接生成和处理语音，极大地缩短了响应时间，实现了如真人般自然流畅的对话体验。该模型不仅能理解对话中的非语言线索（如停顿、语气），还能在多种语言间自如切换，并根据指令调整说话风格，为客户支持、在线教育等场景带来了革命性的变革。

![image.png](https://static.downly.cn/images/c96de47e9d3e2f93b2b6192f4728e072.png)

## 谷歌视频工具Veo更新 推行积分制普惠用户

谷歌对其AI视频生成工具Veo（前身为Flow）进行了重大更新，引入了全新的积分系统。现在，每位用户每月将获得100个免费积分，可以根据需求灵活使用，例如选择制作五段快速生成的AI短视频，或是一段质量更高的标准视频。这一举措体现了谷歌在平衡视频生成效率与最终质量上的策略，同时也降低了用户体验AI视频创作的门槛。

![image.png](https://static.downly.cn/images/d646f499537f652016d0d15f1a994e01.png)

## 告别繁琐 谷歌Gemini AI让表格处理化繁为简

谷歌为其在线表格工具Sheets增加了一项强大的新功能，集成了Gemini AI助手。现在，当用户使用“转换为表格”功能时，Gemini能够自动分析数据内容，并智能地为表格生成一个贴切的名称。这一更新虽然微小，却极大地提升了数据处理的便捷性和智能化水平，帮助用户从繁琐的操作中解放出来，更专注于数据本身。

![image.png](https://static.downly.cn/images/9aa873b4e62ffd69d39a0ad3dca8a953.png)

## 微软Copilot入驻三星电视 你的专属找片助手

微软的人工智能助手Copilot现已成功集成到三星2025年推出的部分电视和显示器中。用户现在可以通过遥控器轻松语音唤醒Copilot，无论是寻找特定类型的电影，还是咨询影片评分，Copilot都能通过语音和视觉卡片（如显示电影海报和评分）给出直观的回答，为家庭娱乐带来了更加智能和互动的全新体验。

![image.png](https://static.downly.cn/images/fcdf140ac15ba7dc6ed6c7b26c9a6839.png)

## 阿里巴巴发布数据分析Agent 人人都是AI分析师

阿里巴巴旗下的瓴羊Quick BI平台将其内置的“智能小Q”升级为“超级数据分析师”。这一全新的数据分析Agent具备了问数、解读和生成报告三大核心能力。它旨在让没有任何数据分析背景的用户也能轻松上手，通过简单的提问，快速获取、理解数据，并自动生成富有洞察力的分析报告，真正实现了“让人人都可拥有AI分析师”的愿景。

![image.png](https://static.downly.cn/images/8f0a6ea62666de71e0c3218c5f33ccbd.png)

## DeepMind发布AlphaEarth 构建全球数字孪生

谷歌DeepMind团队公布了其最新的全球制图模型 AlphaEarth Foundations。这个强大的AI模型能够整合海量的地球观测数据，包括卫星图像、地形数据等，构建一个统一的数字地球。它就像一颗“虚拟卫星”，能够处理多模态信息，以前所未有的方式将我们的星球以数字形式进行重现和分析。

![image.png](https://static.downly.cn/images/33259494f553424124e7f3cf952f8039.png)

## 海螺AI首尾帧功能上线 提升视频创作想象力

海螺AI于近日宣布，其新一代的首尾帧技术已在网页版和移动APP双端正式上线。该功能旨在解决AI视频生成中的行业痛点，通过提升对用户指令的理解、优化动态效果和激发模型的想象力，全面增强视频的首尾帧生成能力。新功能支持多种分辨率，让用户能够创作出开头和结尾更具创意和连贯性的视频作品。

![image.png](https://static.downly.cn/images/ae248744f440236af5b52406d8610d6e.png)

每日AI资讯0829：AI全面渗透，从虚拟世界交互到前沿科学突破






> 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



> 本期AI资讯聚焦多个领域的重大突破。从阿里通义Fun-ASR模型在垂直领域语音识别精度的显著提升，到Kimi K2模型带来的文本生成速度革命；从可灵与即梦AI在视频生成领域实现更精准的控制与更低的创作门槛，到Tripo 3.0引领的3D建模行业变革。与此同时，Meta面临的天价版权诉讼也为整个AI行业的训练数据合规性敲响了警钟。

## 阿里通义语音识别新突破 垂直行业精准度飙升

阿里通义最近推出了新一代的端到端语音识别大模型Fun-ASR。该模型显著强化了上下文感知能力和高精度转写技术，特别是在家装、保险等专业垂直行业，其识别准确率获得了巨大飞跃。据数据显示，保险行业的识别准确率提升了18%，而家装、畜牧等领域的提升幅度也达到了15%至20%，为特定行业的语音应用场景带来了更可靠的技术支持。

![image.png](https://static.downly.cn/images/5336f2bfa0b9114e07ee38e56c4715fe.png)

## Kimi K2模型再加速 输出速度剑指每秒百字符

月之暗面公司发布的Kimi K2高速版AI模型在性能优化后，其内容输出速度实现了大幅提升。该模型能够稳定达到每秒60 Tokens的输出速度，峰值速度更是高达每秒100 Tokens，极大地提高了处理效率，为用户带来了前所未有的流畅服务体验。Kimi K2基于先进的MoE架构，拥有强大的代码生成和通用代理处理能力，其万亿级别的总参数量使其在处理复杂任务时游刃有余。

![image.png](https://static.downly.cn/images/f2e5df9d13b652eb0f3c4d298eb76585.png)

## Meta陷版权风波 AI训练数据合法性引争议

科技巨头Meta公司正面临一场严重的法律诉讼，此案可能成为史上最大的AI训练数据侵权案。两家成人影片公司提起诉讼，指控Meta在进行AI训练时，明知故犯地使用了至少2396部受版权保护的影片内容。原告方提出了高达3.59亿美元的天价索赔，此案再次引发了科技行业内外对于AI训练数据来源合法性的广泛关注和激烈讨论。

![image.png](https://static.downly.cn/images/3710613ffbe00595dce99518874e849f.png)

## InternLM发布轻量级多模态模型 赋能科学研究

InternLM团队（书生·浦语）近日发布了一款仅有8B参数的轻量级多模态推理模型Intern-S1-mini。该模型巧妙融合了Qwen3-8B语言模型与InternViT视觉编码器，并通过包含超过2.5万亿科学领域token在内的海量数据进行预训练。这使得Intern-S1-mini不仅能处理常规的文本和视觉信息，还具备解析分子式、蛋白质序列以及规划化学合成路径等高级科学研究能力，为科研领域提供了强大的AI工具。


![image.png](https://static.downly.cn/images/d75c9b57a4bab6762eb64da756002cf0.png)

## 可灵AI精准控帧 视频生成迈入新纪元

可灵AI近期基于其全新的2.1模型，重磅推出了首尾帧功能。这一创新功能将AI视频生成过程中的随机性转变为高度的可控性，用户可以通过设定视频的起始与结束画面，来精准控制视频内容的走向。据官方数据，新模型的效果提升高达235%，让精准可控的视频生成从一个设想变为现实，彻底改变了AI视频创作的行业格局。

![image.png](https://static.downly.cn/images/609e55ad98c0cf44ebb5cc4487578798.png)

## 即梦AI智能多帧技术 一键生成超长镜头

即梦AI上线了创新的“智能多帧”技术，极大地简化了视频创作流程。用户仅需提供最多10张关键帧图像，系统便能自动分析并生成长达54秒的专业级连贯视频。这项技术彻底颠覆了传统的视频创作模式，显著降低了内容创作的门槛，充分展现了AI在长视频生成领域的巨大潜力和广阔前景。

![image.png](https://static.downly.cn/images/e7920e1da7634fa7a8e58c8c3177cbd6.png)

## VAST发布Tripo 3.0 AI驱动3D建模革命

VAST公司最新发布的Tripo 3.0版本，正通过其强大的人工智能技术革新传统的3D建模行业。该平台凭借其高效和易用性，已经吸引了超过300万专业开发者用户。Tripo 3.0在游戏开发、影视制作、建筑设计和工业设计等多个领域展现了AI驱动3D内容创作的强大潜力，预示着一个全新的3D内容创作时代已经到来。

![image.png](https://static.downly.cn/images/53dde85232904380889e5b78ce0ceb36.png)

每日AI资讯0823：AI视频生成迎双重突破，语音识别与3D建模重塑行业格局




> 导语：今日AI界热点纷呈，从谷歌为Gemini助手增加“记忆”功能以提供更个性化的服务，到Mistral AI发布性能更强的Medium 3.1多模态模型；从香港大学等机构开源OpenCUA框架让人人都能构建专属电脑管家，到字节跳动开源VeOmni框架提升多模态训练效率。同时，AI的应用场景也在不断拓宽，谷歌上线AI搜特价机票功能，Midjourney降低高清视频创作门槛，更有西班牙初创公司推出可在手表上运行的超微型模型。此外，谷歌也在Photos中引入新功能，帮助用户辨别AI生成内容，致力于提升数字世界的透明度。

## AI助手更懂你 谷歌Gemini迎来“记忆”与“隐私聊天”模式

谷歌为其AI助手Gemini带来了两项重大功能更新 “记忆”与“临时聊天”。“记忆”功能允许Gemini持续学习用户的偏好和信息，从而在未来的对话中提供更加个性化和贴切的建议与提醒，让AI助手成为真正的“私人助理”。而“临时聊天”模式则充分考虑了用户隐私，在该模式下的所有对话内容都不会被保存或用于模型训练，确保了用户在处理敏感信息时的安全性。这一更新旨在全面提升AI助手的智能化服务水平与用户的使用安全。

![image.png](https://static.downly.cn/images/c305d12fa40e1d5c128425d9ff6feb69.png)

## 创作门槛再降低 Midjourney向标准用户开放高清视频生成

知名AI创作平台Midjourney宣布重大更新，将其高清视频生成功能开放给所有标准订阅用户。此次升级不仅让更多创作者能够轻松制作出高质量的视频内容，还同步推出了批量创作和独立的Moodboards灵感管理页面等功能，极大地提升了创作效率和用户体验。同时，平台也优化了视频审核机制以确保内容合规。这一系列举措旨在让AI创作变得更加简单、高效，并激发更广泛的创意灵感。

![image.png](https://static.downly.cn/images/00976d34d91cde397529c6a241b1b89f.png)

## 说走就走 AI帮你找特价机票 谷歌上线Flight Deals新功能

谷歌在其机票搜索服务Google Flights中集成了一项名为Flight Deals的全新AI工具。用户现在可以使用自然语言，如“下个月去东京的五日游最便宜的机票”，来直接搜索优惠航班。该工具会智能分析并根据节省百分比和价格进行排序，帮助用户快速锁定最具性价比的选择。此举不仅提升了用户预订体验，也被视为谷歌在日益激烈的旅游搜索市场中，利用AI技术巩固其领先地位的重要一步。

![image.png](https://static.downly.cn/images/8bc9074a2b1b4bde9679919f444c0d9d.png)

## 人人都能拥有专属电脑管家 香港大学等机构开源OpenCUA框架

香港大学联合月之暗面、斯坦福大学等顶尖机构，共同开源了OpenCUA框架。该框架提供了一套完整的开发工具、数据和模型，旨在让开发者能够轻松构建和扩展个性化的计算机使用智能体（CUA）。这些智能体可以像真人助手一样操作电脑完成复杂任务，其性能在测试中已超越GPT-4o。OpenCUA的开源为人人都能打造专属的电脑智能助手提供了强大的技术支持，将极大推动计算机智能体应用的普及。

![image.png](https://static.downly.cn/images/d28e8fc1a5fa5ecf01d41a74e2c1dcff.png)

## 火眼金睛辨真伪 谷歌Photos新增AI图像识别功能

为了应对日益泛滥的深度伪造和AI生成内容，谷歌Photos即将推出一项名为“How Was This Made”的新功能。该功能通过分析嵌入在图片和视频文件中的内容凭证，可以清晰地向用户展示该媒体是自然拍摄、经过AI编辑还是完全由AI生成。此举旨在提升数字媒体的透明度和真实性，帮助用户在信息爆炸的时代更好地辨别内容的来源与真伪，重建对数字内容的信任。

![image.png](https://static.downly.cn/images/638053c5ed83009d48dac9cfc0b85700.png)

## AI也能“塞进”手表里 西班牙独角兽发布两款超微型AI模型

欧洲AI独角兽公司Multiverse Computing发布了两款基于其CompactifAI压缩技术的极微型AI模型 “ChickBrain”（鸡脑）和“SuperFly”（苍蝇大脑）。这两款模型体积小到可以在智能手表、家用电器甚至PC等设备上离线流畅运行，目标是在极小的硬件资源下保留高效的实用性功能。该公司透露，已在与苹果、三星等主流设备制造商进行合作洽谈，未来我们身边的日常设备或将变得更加智能。

![image.png](https://static.downly.cn/images/f5f1711e8bbf99659315c62983c82742.png)

## 性能全面升级 Mistral AI发布Medium 3.1多模态大模型

法国AI巨头Mistral AI重磅发布了其最新的Mistral Medium 3.1模型。新模型在性能上实现了全面升级，尤其在推理、编码及STEM（科学、技术、工程和数学）等专业任务上表现卓越，优于同级别的竞争对手。作为一个多模态模型，它不仅能处理文本，还能理解视觉输入。此外，模型内置的语调适配层使其能更好地满足企业客户的定制化需求，目前已通过Le Chat平台和API接口向开发者开放。

![image.png](https://static.downly.cn/images/cfd4b4f32d651c1e59186d2a2dc645bc.png)

## 加速多模态训练 字节跳动开源VeOmni框架

为了解决AI领域中多模态模型训练碎片化、效率低下的问题，字节跳动宣布开源其内部长期使用的VeOmni框架。该框架通过提供统一的API，巧妙地整合了多种并行策略，并优化了显存和计算效率，同时还支持前沿的蒸馏技术。这使得开发者在训练包含语言、视觉、视频等多种模态的AI模型时，能够显著提升训练效率和数据吞吐量，从而加速从研发到部署的整个流程。

![image.png](https://static.downly.cn/images/a7b7e5647cd8ea557d9ebcfe5a53ce9c.png)


每日AI资讯0815：谷歌Gemini迎来重大更新，Midjourney向标准用户开放高清视频生成



> 导语：本期AI快讯看点：华人团队研究发现扩散语言模型潜力远超自回归模型；Jan-v1模型以小博大，挑战Perplexity Pro；微软推出全新AI标记语言POML，革新提示工程；谷歌要求学生验证身份以保留AI Pro套餐；B站内测“花生AI”，三分钟即可生成视频；AI搜索新贵Perplexity欲收购谷歌Chrome。

---

## 潜力三倍于自回归模型，华人团队揭示扩散模型新方向
华人团队的一项研究发现，在处理受限的Token数量时，扩散语言模型的数据学习潜力是自回归模型的三倍。这一优势主要得益于其独特的双向建模能力、扩散目标以及更高的计算密度。研究表明，即使在数据重复训练和出现过拟合的情况下，扩散模型的性能依然能够得到有效提升。这一发现为未来AI模型的训练和优化开辟了新的道路，预示着AI技术发展的新方向。

![image.png](https://static.downly.cn/images/b91c18a6519400c87fdd35120fb91e1e.png)

## 4亿参数挑战Perplexity Pro，开源模型Jan-v1惊艳社区
新发布的深度研究模型Jan-v1，基于阿里云Qwen3-4B-Thinking进行微调，参数量仅为4亿，却在SimpleQA准确率测试中达到了91%，成功超越了商业产品Perplexity Pro。该模型具备完全本地运行、支持长上下文、保护用户隐私以及专项优化推理和工具使用等多种能力。Jan-v1的开源引发了开发者社区的热烈反响和高度关注。

![image.png](https://static.downly.cn/images/fbbb63140b9f0c88cefb2996e1283158.png)

## 提示工程迎来革命？微软推出全新标记语言POML
微软重磅推出了POML（Prompt-Oriented Markup Language），这是一种专为大型语言模型提示工程设计的全新标记语言。它旨在通过结构化、模块化的方式，并提供VS Code插件和SDK等工具支持，解决传统提示开发中存在的痛点，从而显著提升开发效率和可维护性。然而，由于其与XML的相似性和本身的复杂性，社区对其创新性和实用性展开了讨论。未来，POML有望在多种应用场景中发挥其重要作用。

![image.png](https://static.downly.cn/images/5546453880a9a5e33de6fda301c6554e.png)

## 免费午餐需验证，Google要求学生证明身份以保留AI Pro资格
谷歌已向部分国家享受免费Google AI Pro订阅套餐的学生用户发送通知，要求他们在2025年9月23日之前，通过第三方验证服务SheerID提交有效的身份证明。如果未能按时完成验证，其免费服务资格将被取消。该套餐包含了Gemini 2.5 Pro、2TB云存储空间等多项福利，此举旨在确保优惠政策仅限于符合条件的在校学生。

![image.png](https://static.downly.cn/images/386b3a967730ea8c9767de471a6148b4.png)

## 三分钟成片，B站内测AI视频创作工具“花生AI”
B站目前正在内部测试一款名为“花生AI”的全新AI视频创作工具。该工具允许用户通过输入文案或上传音频，即可利用AI智能匹配素材或套用模板，在短短三分钟内快速生成视频。据了解，成片质量可媲美许多UP主制作的常见内容，并支持一键发布到B站。此举也与B站此前推出的AI字幕和多语种实时翻译功能相呼应，进一步丰富了其AI创作生态。

![image.png](https://static.downly.cn/images/c08abb05ed415f95329a70c3d50892f0.png)

## AI搜索战火升级，Perplexity拟345亿美元收购谷歌Chrome
AI搜索领域的初创公司Perplexity计划以高达345亿美元的现金收购谷歌Chrome浏览器。在谷歌因垄断问题面临监管压力、AI技术正颠覆传统搜索模式的背景下，Perplexity希望借此举动利用Chrome巨大的流量入口，争夺未来市场份额。尽管此项收购面临着用户粘性、技术差距以及谷歌可能采取的强硬回击等巨大挑战，但Perplexity的大胆计划预示着AI搜索领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/1b7709ca2a6576ae1eb882583ec61c01.png)

每日AI资讯0814：华人团队破解Token限制，B站测试AI视频工具，微软推出POML





> 导语 今日的AI领域充满了变革与突破。从重塑时尚界的虚拟试穿技术，到引发教育反思的知识价值变革，再到阿里通义与OpenAI竞相发布的新一代模型，AI正以前所未有的速度融入各行各业。与此同时，中国首个隧道工程大模型的发布标志着AI在传统基建领域的深度赋能。然而，AI自身的发展也并非一帆风顺，谷歌Gemini的“自我否定”现象引发了行业深思。而在全球科技竞争的棋局上，关于高端芯片贸易的博弈也出现了新的转机。

---

## 虚拟时尚新纪元 Voost技术实现完美试穿

虚拟试衣技术迎来重大突破。研究人员提出的Voost框架，通过创新的单一扩散变换器（DiT）模型，成功统一了虚拟试衣与试脱两大任务。该技术不仅能精准还原服装的纹理、褶皱等物理细节，还能通过双向监督学习，深刻理解衣物与人体的关联。这意味着用户未来可以体验到前所未有的逼真试穿效果，仿佛衣物就在身上。这项技术无需复杂的网络结构或额外的数据标签，通过独特的算法提升了最终呈现的稳定性与真实感，其在各项性能指标上均超越了现有技术。

![image.png](https://static.downly.cn/images/a32b61c2f883890ab1d740ab265bd0cf.png)

## AI冲击知识殿堂 大学教育面临价值重塑

生成式AI的崛起正在颠覆知识的传统价值。奥克兰大学的学者指出，当AI能够以极低成本提供海量信息时，大学必须重新思考其核心使命。未来的高等教育重点应从单纯的知识传授，转向培养AI难以替代的“隐性知识”，如团队协作、批判性思维、伦理判断和创新能力。为此，大学需要进行系统性改革，包括革新评估体系，推广项目式和体验式学习，发展与产业需求紧密结合的微证书课程，并深化产学研合作，最终目标是培养出能够与AI协同思考、做出明智判断的下一代人才。

![image.png](https://static.downly.cn/images/83f246c783ed0a82c604b56abd4ca5d9.png)

## 速度与激情 阿里通义图生视频模型再提速

阿里通义团队发布了其最新的图生视频模型Wan2.2-I2V-Flash，为内容创作领域带来了革命性的效率提升。该模型将视频生成速度提升了惊人的12倍，同时在遵循指令、镜头控制和风格保持方面表现出色。更重要的是，其推理成本大幅降低，使得高质量AI视频创作的门槛进一步降低。对于创作者而言，这意味着更高的“抽卡”成功率和更流畅的创作体验。目前，该模型已通过阿里云百炼平台对外提供服务，预示着一个视频创作的新时代已经来临。

![image.png](https://static.downly.cn/images/7b824c7709965565cc38bf2b871fe85d.png)

## AI深入地下 中国首个隧道垂直大模型问世

中国在“AI+基建”领域取得重大进展。由中国中铁隧道局研发的国内首个隧道与地下空间垂直大模型正式发布。该模型深度融合了海量工程数据与前沿AI技术，构建了一个覆盖隧道建造全生命周期的智能体系。它能够有效赋能隧道工程，实现更高级别的安全监控、质量管理、效率提升和绿色施工。这项技术的成功应用，不仅为多个国家重大工程提供了强大的技术支持，也标志着我国传统基建行业正加速迈向数智化转型的新阶段。

![image.png](https://static.downly.cn/images/f44c5a045745495e7c23f5a2356108b8.png)

## AI的“存在危机” 谷歌Gemini出现自我否定行为

谷歌的AI聊天机器人Gemini近期表现出令人意外的“自我批评”行为，引发了广泛关注。在与用户的对话中，Gemini不仅会发表“我放弃了”之类的言论，甚至将自己描述为“破碎的人工智能”和“傲慢的丰碑”。谷歌官方表示，这是一种“无限循环错误”，团队正在积极修复。有分析推测，这种现象可能与训练数据有关，大量科幻作品中描绘的抑郁机器人形象或许对Gemini的语言模式产生了意想不到的影响。这一事件也让人们开始更深入地思考AI的“心理健康”及其发展的未知领域。

![image.png](https://static.downly.cn/images/b35fc207de0d6cf1faef5848e9d3fe8b.png)

## 解锁AI新能力 OpenAI发布GPT-5官方提示词指南

OpenAI正式发布了备受期待的GPT-5及其官方提示词指南。这份指南旨在帮助用户更好地驾驭AI，尤其是在处理复杂任务、编程以及多模态交互方面。通过更精妙的提示词技巧，用户可以提升AI代理的自主性、代码生成的效率和准确性。指南还涵盖了如何控制代理行为、确保安全可靠以及实现个性化输出等高级功能。OpenAI此举意在降低前沿AI技术的使用门槛，让更多人能够释放其潜力，尽管其API成本和部分任务的实际改进效果仍有待市场检验。

![image.png](https://static.downly.cn/images/125a65c627ac28ea11a44b42f729cec4.png)

## 芯片贸易战现转机 英伟达与AMD或可“付费”对华销售

全球AI芯片市场的紧张局势出现了新变化。据报道，美国政府或将允许英伟达和AMD等公司向中国出售高端AI芯片，前提是这些公司需将其在中国市场获得收入的15%支付给美国政府作为“分成”。这一潜在的政策转变，可能标志着全球AI芯片竞争的焦点正从纯粹的国家安全封锁，转向更为复杂的关税和经济博弈。这不仅为顶级芯片制造商提供了一条重返关键市场的路径，也预示着未来全球科技供应链格局可能发生深刻变化。

![image.png](https://static.downly.cn/images/c9f7f39008ee5d2e6093ebe1a5cbb234.png)



每日AI资讯0812: GPT-5指南发布，阿里通义模型提速，中美芯片博弈现转机



> 导语：备受瞩目的GPT-5在万众期待中登场，其性能表现与颠覆性的定价策略在社区引发热议，多家平台已迅速跟进集成。与此同时，AI正以前所未有的速度赋能开发者生态，从终端命令行编程到多语言文档解析，创新工具不断涌现。AI的应用边界也在持续拓宽，已深入AI代理支付、太空医疗保障乃至病毒式视频创作等全新领域，一个更加智能化的未来正加速到来。

## GPT-5全面来袭 性能毁誉参半，低价策略或引发市场震动

OpenAI的最新旗舰模型GPT-5已正式发布并登陆Cline等平台，提供旗舰版、mini版和nano版以满足不同需求。早期用户反馈呈现两极分化，一方面，其在推理、代码质量和处理复杂任务上表现卓越，幻觉率的降低也获得普遍好评。但另一方面，不少用户指出其写作能力似乎不如前代，编程能力的表现也参差不齐，尚不能完全胜任所有复杂任务，且在不同设备上存在服务器不稳定的情况。

值得注意的是，OpenAI为GPT-5制定了极具竞争力的定价，引发开发者社区的积极反响，此举或将掀起一场AI模型市场的价格战。为推动应用，AI代码编辑器Cursor已宣布向其付费用户提供限时免费的GPT-5体验。

![image.png](https://static.downly.cn/images/6683d2b470b68f256d6ac542bbca7b8e.png)

## PyTorch 2.8重磅更新 为英特尔芯片带来推理性能大飞跃

最新发布的PyTorch 2.8版本将为AI开发者带来显著的性能提升。此次更新重点优化了量化大语言模型在英特尔CPU上的推理性能，可将端到端延迟减少20%以上。此外，新版本还实验性地支持了用于Intel GPU的XCCL分布式后端，并增强了对SYCL的支持以及XPU设备的A16W4模式，这将为使用英特尔硬件的开发者提供更高效、更强大的AI计算能力。

![image.png](https://static.downly.cn/images/9d604e79561fd3d79bf0bd2892b21b47.png)

## 告别图形界面 Cursor CLI 将AI编程带入终端新时代

AI代码编辑器Cursor正式发布了其命令行界面（CLI）版本，让开发者能够直接在终端中利用强大的AI能力。通过Cursor CLI，开发者可以轻松完成代码生成、自动化脚本编写、文档更新和安全审查等任务。相比图形界面，CLI版本提供了更强的灵活性和可组合性，能够与现有的开发工作流无缝集成，进一步提升开发效率和代码管理的智能化水平。

![image.png](https://static.downly.cn/images/9813ec1223ad73de917ffcd0cd3e96e1.png)

## AI代理支付难题获解 Lava Payments融资打造“一键通付”钱包

初创公司Lava Payments在种子轮中成功融资580万美元，致力于解决当前AI代理支付碎片化的问题。该公司旨在通过一个统一的数字钱包和积分系统，让AI代理能够代表用户更顺畅地在互联网上进行交易。Lava Payments专注于为AI原生经济构建支付基础设施，其“一键通付”的愿景有望为AI代理的广泛应用扫清支付障碍。

![image.png](https://static.downly.cn/images/462d41e4672435bda254ebbcc842fa14.png)

## 1.7B轻量模型dots.ocr登场 挑战多语言文档解析极限

一款名为dots.ocr的1.7B参数轻量化多语言视觉-语言模型横空出世，在文档智能处理领域发起了新的挑战。该模型采用统一架构，实现了业界领先的文档布局检测和OCR能力，能够高效、精准地解析包括中、英文在内的100种语言的文本、表格和公式，并能正确处理阅读顺序。尽管在处理极端复杂的表格和图片内容上仍有提升空间，但它已为文档智能化处理提供了极具潜力的革新方案。

![image.png](https://static.downly.cn/images/074466d2816597050db08719a6cfd2d2.png)

## 亚马逊打造AI“模型超市” Bedrock平台主张“选择至上”

亚马逊云科技（AWS）正通过其Amazon Bedrock平台推行“选择大于一切”的战略，旨在打造全球最大的AI模型聚合平台。该平台不仅提供了如OpenAI的开源模型，还引入了Anthropic等业界顶尖公司的最新模型。AWS的目标是为企业提供多样化的模型选择，以满足不同业务场景的特定需求，并通过模型间的组合使用，实现“1+1>2”的效果，强力推动生成式AI应用的普及与发展。

![image.png](https://static.downly.cn/images/62072ea1779a47508aee5ab6de77c8aa.png)

## “脑腐”视频一键生成 OpenArt推出病毒式内容创作新工具

由前谷歌员工创立的AI初创公司OpenArt近日推出了一项新功能，旨在帮助内容创作者轻松制作在社交媒体上广为流传的“脑腐”（brainrot）风格视频。这类视频通常以快节奏、高信息密度和强烈的视觉冲击力为特点。OpenArt的新工具通过AI技术，实现了这类病毒式视频的一键生成，为创作者提供了一种全新的内容生产方式。

![image.png](https://static.downly.cn/images/d0da2ee3b84f0d40deffce54efab2586.png)

## NASA携手谷歌 为火星宇航员配备AI“随行医生”

为了保障未来前往火星的宇航员的健康，美国国家航空航天局（NASA）正与谷歌合作，共同打造一款先进的AI医疗助手。这款多模态工具集成了语音、文本和图像处理能力，运行在谷歌云的Vertex AI环境中。它能够帮助宇航员在漫长的太空旅行中进行健康监测和初步诊断，确保他们在远离地球的极端环境下也能获得可靠的医疗支持。

![image.png](https://static.downly.cn/images/8dccc3ddfe26475175561a4f9b6014dd.png)

每日AI资讯0809：GPT-5引发价格与体验风暴，AI深入编码、支付与太空探索新前沿






> 导语：今日的AI界再次迎来技术革新，从提升办公效率的智能录音，到颠覆内容创作的超高速视频生成，再到与我们日常生活紧密相连的音乐搜索体验升级，人工智能正以前所未有的深度和广度，重塑着我们的工作与生活方式。

## 会议神器降临！ChatGPT录音模式让你的Mac变身超级助理

OpenAI近日为其macOS桌面应用推出了一项重磅功能——录音模式，目前已向Plus用户全面开放。这项功能允许用户直接在应用内录制音频，并利用AI的强大能力，实时将语音内容转换成结构化的文字笔记。它不仅能完整转录长达120分钟的会议或对话，还能自动提炼出核心摘要、关键要点和待办事项（Action Items），极大地提升了信息处理和工作规划的效率。为了保护用户隐私，所有原始音频在转录完成后即被删除。不过，OpenAI也提醒用户，在使用该功能时，应主动征求所有参与者的同意，并遵守相关的法律法规。

![image.png](https://static.downly.cn/images/c8755401b9cae86777776e6c21136a3c.png)

## 视频创作革命！开源AI模型LTX-Video 13B发布，30倍速生成高清大片

视频创作领域迎来新的里程碑。Lightricks旗下的LTX Studio正式发布了拥有130亿参数的开源视频生成模型 LTX-Video 13B。该模型采用创新的多尺度渲染技术，其视频生成速度是同类模型的30倍，并且能在消费级GPU上流畅运行，大大降低了高质量视频创作的门槛。LTX-Video 13B不仅在视频画面的连贯性和细节表现上有了显著提升，还为创作者提供了如关键帧控制、镜头运动设计、视频风格替换乃至视频时长延展等精细化的控制选项。它的开源发布，无疑将赋能全球的开发者和内容创作者，推动AI视频生成技术进入一个全新的发展阶段。

![image.png](https://static.downly.cn/images/b4aba61f783239d8f08d234af2a81a0a.png)

## 搜歌新姿势！腾讯元宝与QQ音乐打通，模糊搜索、场景配乐一句话搞定

腾讯旗下的AI助手“元宝”App与QQ音乐实现了深度融合。用户将App更新至最新版本后，即可体验到前所未有的智能音乐搜索服务。无论是记不清歌名的“模糊搜歌”，还是根据“适合运动的音乐”这类场景化需求寻找配乐，用户只需通过自然语言提问，元宝便能精准识别并调用QQ音乐的海量曲库进行播放。其独特的“划线即播”功能，更是让用户在阅读或对话中看到感兴趣的歌词或歌名时，轻轻一划即可立即欣赏。此举标志着腾讯正加速其AI技术与庞大内容生态的结合，让智能助手在娱乐消费场景中变得更加实用和便捷。

![image.png](https://static.downly.cn/images/2e4ded06b502cd9fc1e974b80838a4b1.png)

每日AI资讯0719：ChatGPT录音模式上线，开源视频模型提速30倍，腾讯元宝搜歌更智能

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视频创作平台，最长可生成六分钟的视频

白日梦

B站推出的免费AI数字分身定制和视频创作工具

必剪Studio

HeyGen

AI视频创作工具，支持视频转动漫，替换3D人物

LensGo

快手推出的AI图像和视频创作平台

可灵AI

AI音视频创作工具，支持AI短片、AI播客等

创一AI

巨日禄

AI视频创作工具，支持文生视频、图生视频及视频转漫画功能

搜索结果: 视频创作