
> 今日AI圈迎来多维度爆发，视频生成领域战况升级，Runway与国产PixVerse竞相推出“导演级”更新，力求在叙事与画质上实现突破；模型层面，谷歌Gemini 3、DeepSeek V3.2与Liquid AI的新动作显示出从端侧到云端的全面内卷；英伟达则在自动驾驶与Agent调度上展现硬核实力，而OpenAI正探索“技术入股”的新商业模式。


---

## Runway Gen-4.5盲测夺冠 120人团队硬刚科技巨头

Runway再次证明了小团队的惊人爆发力。其最新发布的Gen-4.5视频生成模型，凭借自研的时空混合Transformer架构，在第三方盲测中一举超越了谷歌Veo3和OpenAI Sora2Pro。这一战绩不仅是技术上的胜利，更打破了“大厂垄断”的迷信，展示了专注研究与快速迭代的巨大价值。

新模型在视觉准确性与创意控制力上实现了显著飞跃。创作者现在仅需简短的文本提示，即可生成高清、场景复杂且角色生动的动态视频。基于Nvidia GPU的深度优化，Gen-4.5在处理光影变化和物体物理运动时显得尤为细腻，标志着AI视频生成正从“尝鲜”走向“专业创作”的深水区。

![image.png](https://static.downly.cn/images/9d2859df58601645903701e2d8d8a352.png)
<center>图源备注：图片由AI生成</center>

## 国产爱诗科技PixVerse V5.5 开启AI视频多镜头叙事时代

国内AI视频领域同样传来捷报。爱诗科技发布的PixVerse V5.5（拍我AI V5.5）被业界视为国内首个落地“导演级”能力的多镜头叙事视频大模型。基于自研的MVL架构，该模型彻底改变了以往AI视频“单镜头拼凑”的尴尬局面。

此次更新的核心亮点在于“多镜头+音画同步一键直出”。用户输入一句话，模型不仅能生成画面，还能自动完成脚本编写、分镜设计以及音效匹配。特别是其智能多镜头切换功能，支持在5至10秒内自然过渡远、中、近景，运镜流畅度大幅提升，让普通用户也能轻松制作出具有完整叙事逻辑的短片。

## 谷歌搜索大变革 Gemini 3携手Nano Banana Pro登陆全球

谷歌在搜索与多模态领域的反击势头迅猛。原生多模态大模型Gemini 3正式登场，涵盖Pro和Ultra版本，目前已向全球近120个国家地区的订阅用户开放。这不仅是一次模型升级，更是谷歌搜索体验的一次AI革命。

与此同时，谷歌还推出了专注于图像处理的Nano Banana Pro模型。该模型主打高分辨率输出与专业级控制，旨在满足设计与创意领域的精细化需求。这一系列动作表明，谷歌正加速将顶尖AI能力整合进其庞大的生态系统，试图在多模态竞争中重新确立领军地位。

![image.png](https://static.downly.cn/images/9ab3e1a0f2dccc98c373f6e27f8f9e76.png)
<center>图源备注：图片由AI生成</center>

## 深度求索DeepSeek-V3.2发布 性能比肩顶尖闭源模型

中国AI公司深度求索（DeepSeek）继续在开源领域刷新纪录。新发布的DeepSeek-V3.2系列模型引入了创新的稀疏注意力机制，这一架构上的优化直接击中了当前大模型应用的最大痛点——成本。

在大幅降低长文本处理计算成本的同时，V3.2版本的性能并未缩水，反而增强了Agent（智能体）的执行能力。官方数据显示，其综合能力已具备与GPT-5和Gemini 3.0 Pro等国际顶级闭源模型同台竞技的实力，为开发者提供了极具性价比的高性能替代方案。

## 英伟达自动驾驶新突破 让汽车拥有人类常识

英伟达在NeurIPS 2025上扔下了一枚重磅炸弹：L4级自动驾驶推理模型Alpamayo-R1。不同于传统的规则驱动或单一感知模型，Alpamayo-R1基于Cosmos-Reason系列，采用视觉、语言、动作三模态端到端统一架构。

该模型最大的特点是让车辆学会了“先思考，再行动”。它能够同步处理摄像头画面、激光雷达点云数据以及文本指令，通过多模态融合理解复杂的交通场景。这种具备“人类常识”的决策能力，有望解决自动驾驶在极端或长尾场景下的失效问题，让车辆的驾驶行为更加拟人和安全。

![image.png](https://static.downly.cn/images/a82a1ae940dea54a2d95b1ff65acc8ef.png)
<center>图源备注：图片由AI生成</center>

## Liquid AI推出LFM2 让端侧小模型拥有云端战力

MIT创企Liquid AI正在重塑“小模型”的定义。其发布的第二代设备端基础模型LFM2，采用了创新的“liquid”架构。这一架构在训练和推理效率上表现惊人，使得仅有350M、700M和1.2B参数的小模型，也能展现出媲美云端大模型的性能。LFM2的出现，为手机、IoT设备等边缘计算场景的智能化提供了强有力的技术支撑。

## NVIDIA发布Orchestrator-8B 打造AI系统的智能大脑

为了解决AI系统依赖单一模型可能产生的决策偏差，英伟达推出了一种名为ToolOrchestra的新方法。该方法的核心是一个基于强化学习训练的小型语言模型——Orchestrator-8B。

这个8B参数的模型就像AI系统的“指挥官”或“大脑”，能够智能地评估任务需求，从工具库中选择并组合最合适的工具或子模型来执行任务。这种灵活的调度机制，显著提升了复杂任务的处理效率和准确性。

## OpenAI开启技术换股权模式 联手Thrive Holdings布局商业闭环

OpenAI正在探索一种全新的商业合作范式。在与Thrive Holdings的最新交易中，OpenAI并未直接支付现金，而是通过提供技术资源和开放接口来换取对方的股权及投资收益。双方将聚焦于会计与IT服务领域的AI闭环改造，这表明OpenAI正试图将自身的底层技术优势转化为更深度的行业绑定，锁定长期商业价值。

## 自然语言编程成风潮 灵光App两周涌现330万应用

通用AI助手“灵光”App上线仅两周，便交出了一份惊人的成绩单：用户创建了超过330万个“闪应用”。这一现象级的数据揭示了大众对于AI工具的极度渴求。用户通过简单的自然语言描述，就能快速构建出满足互动娱乐、日常工具等碎片化需求的应用，预示着“人人都是开发者”的时代正在加速到来。

每日AI资讯1202：视频模型全面进化，英伟达谷歌OpenAI硬核混战




> 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
> 
> 本期资讯迎来重磅更新，OpenAI推出了针对科研优化的GPT-5模型并上线了教师专属工具，谷歌NotebookLM新增PPT生成功能强势挑战传统办公软件，腾讯发布HunyuanVideo1.5大幅降低视频创作门槛。与此同时，Elastic与Meta分别在多智能体协作协议与训练框架上取得突破，而维基百科则发布了针对AI文本的深度鉴别指南，旨在规范内容生态。

---


## 谷歌NotebookLM大更新 一键变身PPT制作神器

谷歌旗下的AI笔记助手NotebookLM迎来功能大跃进，新增了名为 Slide Decks 的演示文稿生成功能。用户只需上传相关资料，AI即可自动提取核心内容并转化为排版专业的演示文稿。这一功能的表现被业界评价为惊艳，直接成为了PPT和Canva的有力竞争者，将极大提升办公与学习效率。

![image.png](https://static.downly.cn/images/024cf0dfac696c51f653f3d358fbbf59.png)

<center>图源备注：图片由AI生成</center>

---

## 腾讯混元视频模型升级 10秒高清视频生成不再是梦

腾讯推出了基于DiT架构的轻量级视频生成模型——HunyuanVideo1.5。该模型拥有83亿参数，通过 元宝 平台即可体验。它不仅支持文生视频，还支持图文结合生成，能够快速产出5至10秒的高清视频。这一更新显著降低了视频创作的技术门槛，让普通用户也能轻松制作高质量的视频内容。

![image.png](https://static.downly.cn/images/5e267565a47867bc0bdf3e827ba9aeaa.png)

<center>图源备注：图片由AI生成</center>

---

## Elastic推出多智能体协作标准 打造AI版数字新闻室

Elastic正式发布了名为Agent2Agent（A2A）的多智能体协作标准。该协议利用JSON-RPC技术实现了智能体之间的任务精细拆分与状态同步，最大的突破在于无需共享内存即可协作。Elastic还通过开源一个 数字新闻室 的示例，生动展示了六大AI代理如何像乐队一样配合，流畅完成从选题到发布的新闻生产全流程。

![image.png](https://static.downly.cn/images/5f9aac1b130a82be18fcab4a647911cd.png)

<center>图源备注：图片由AI生成</center>

---

## 维基百科发布鉴别指南 揭秘AI写作的语言指纹

为了应对日益泛滥的AI生成内容，维基百科发布了《AI写作识别指南》。这份指南基于其内部的 AI清理计划 总结而成，旨在系统性地揭示大语言模型在文本生成中留下的 行为指纹 。指南强调，识别AI文本不能仅靠简单的高频词判断，而应关注其特定的句式结构与逻辑特征，为内容审核提供了可操作的鉴别方法。

![image.png](https://static.downly.cn/images/101f52dd1956c3075fa4af4a6bb4d178.png)

<center>图源备注：图片由AI生成</center>

---

## OpenAI赋能教育 推出教师专属ChatGPT且承诺隐私安全

OpenAI宣布为美国K-12认证教师免费提供 AI工具 ChatGPT for Teachers，该福利有效期将持续至2027年6月。为了消除教育界的顾虑，该工具提供了一个安全的工作环境，并默认承诺不使用用户数据来训练模型以保障隐私。此举旨在帮助教师在数字化时代更好地指导学生适应AI技术的发展，同时减轻教学负担。

![image.png](https://static.downly.cn/images/30c515c3475ee180f66a17f41f20218a.png)

<center>图源备注：图片由AI生成</center>

---

## Meta发布DreamGym框架 模拟强化学习破解训练难题

Meta联合高校研发并推出了DreamGym框架，旨在解决大语言模型训练成本高昂和反馈机制不可靠的行业痛点。该框架利用模拟的强化学习环境，通过动态调整任务难度，像健身房训练一样循序渐进地提升模型能力。这种方法不仅提高了训练效率，还增强了模型的可靠性与安全性。

![image.png](https://static.downly.cn/images/d3fa042390d520290392fcd2717db907.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1122：谷歌一键生成PPT，腾讯视频模型升级




> 导语：今日AI界风起云涌，从微软与OpenAI联手自研芯片，到谷歌推出革命性的隐私计算系统，硬件与安全的革新正重塑行业格局。与此同时，模型能力持续飞跃，OpenAI发布的GPT-5.1不仅更智能，更首次引入“情商”与“人格”，而可灵、百度、微博等也纷纷亮出看家本领，推动AI在视频生成、多模态理解和低成本应用上迈向新高度。

## 微软联手OpenAI，自研AI芯片剑指英伟达

微软正通过深度整合OpenAI的AI芯片研发技术，为其自研AI芯片项目注入强大动力。微软CEO萨提亚·纳德拉透露，此项合作旨在打破对英伟达等外部供应商的依赖，构建从硬件到软件的完整AI基础设施。微软奉行“先落地再超越”的务实创新策略，希望通过这次“弯道超车”，在未来的AI竞赛中占据更有利的位置。

![image.png](https://static.downly.cn/images/763fd536e1135c4c9dacd598853d48be.png)

<p align="center">图源备注：图片由AI生成</p>

## 谷歌发布“私有AI计算”，数据隐私迎革命性突破

谷歌推出了一项名为“私有AI计算”的云端系统，旨在解决AI时代用户最关心的数据隐私问题。该系统利用先进的TPU技术，在完全隔离的环境中执行AI任务，确保用户数据处于绝对安全的状态。其核心亮点在于，即便是谷歌自己的员工也无法访问这些数据，实现了真正的“零访问”，为AI数据处理的隐私保护树立了新的标杆。

![image.png](https://static.downly.cn/images/6602e02ee994e2dd00b7e9cb14154160.png)

<p align="-center">图源备注：图片由AI生成</p>

## 可灵模型再升级，首尾帧功能让视频创作更自由

快手旗下的可灵AI视频模型迎来了2.5 Turbo版本的重大更新，其中最引人瞩目的便是新增的“首尾帧”功能。用户可以通过设定视频的起始和结束画面，让AI自动生成连贯、稳定的中间过程。这一功能极大地增强了视频生成的可控性和一致性，同时新版本在动态效果、风格保持和美学表现上也有显著提升，为专业内容创作者提供了更强大的工具。

![image.png](https://static.downly.cn/images/eadd7eb8babd956f294550d4ed35b8ee.png)

<p align="center">图源备注：图片由AI生成</p>

## GPT-5.1横空出世，AI首次拥有“情商”与“人格”

OpenAI正式发布了GPT-5.1，标志着AI进入了“情商融合”的新纪元。新模型不仅在速度和准确性上大幅提升，更核心的突破在于其具备了更强的“人情味”。GPT-5.1引入了六种不同的人格风格和自适应对话能力，能够进行更温暖、更具共情能力的互动，甚至首次将情感依赖纳入安全评估范畴。通过创新的Instant和Thinking双模型架构，它既能快速响应，又能进行深度思考，致力于成为更懂你的个性化AI助理。

![image.png](https://static.downly.cn/images/09e6502f98d5ea02b0fb2eabe81a48bd.png)

<p align="center">图源备注：图片由AI生成</p>

## 百度ERNIE-4.5精准识图，细节洞察力超群

百度发布了其最新的多模态AI模型 ERNIE-4.5-VL-28B-A3B-Thinking。该模型在图像细节的精确定位和复杂问题解决能力上表现卓越，通过深度融合图像与推理能力，在多项权威测试中超越了谷歌的Gemini 2.5 Pro等竞争对手。值得一提的是，该模型虽然总参数量高达280亿，但借助高效的路由架构，在实际推理时仅需激活30亿参数，实现了性能与效率的完美平衡。

![image.png](https://static.downly.cn/images/e34647a23724cc27126af1d04d6343ad.png)

<p align="center">图源备注：图片由AI生成</p>

## 微博开源VibeThinker，小模型撬动大未来

微博AI部门推出了一款名为VibeThinker-1.5B的轻量级开源大模型，向业界展示了低成本AI模型的巨大潜力。该模型基于阿里巴巴的Qwen2.5-Math-1.5B进行优化，仅用15亿参数就在数学和代码等专业领域取得了突出表现。目前，VibeThinker-1.5B已在Hugging Face等主流平台免费开源，并开放商业使用授权，旨在推动AI技术在更广泛场景中的应用与创新。

![image.png](https://static.downly.cn/images/3aa5c7339145a6a86f89e74cadb5ea4a.png)

<p align="center">图源备注：图片由AI生成</p>

每日AI资讯1113：巨头逐鹿AI“芯”赛道，模型更具“人情味”



> 导语：今日AI界风起云涌，从微软明确AI伦理界限，承诺不涉足情色内容，到国内中科大与字节跳动联手推出分钟级长视频生成模型MoGA，实现技术新突破。同时，Kimi、蚂蚁集团和百度分别在开发者服务、多模态应用及OCR技术上取得显著进展，而EA与Stability AI的合作则预示着AI将深度赋能游戏产业的未来。

## 微软AI划清伦理红线，公开承诺不开发情色AI

微软AI业务的首席执行官苏莱曼近日明确表示，公司将不会涉足情色类AI服务的开发。这一声明是在OpenAI调整其相关政策之后发布的，凸显了微软在生成式AI领域的伦理立场，表现出其在技术发展中对社会责任的审慎和担当，致力于将AI服务严格限定在非情色应用范畴。

![image.png](https://static.downly.cn/images/efc8268600bca132616ef14fc0c94f0a.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Kimi专为开发者打造会员服务，编程效率再升级

Kimi公司为其编程工具“Kimi For Coding”推出了全新的增值会员计划，旨在为广大开发者提供更卓越的开发体验。该计划集成了Kimi CLI、Claude Code、RooCode等多种高效工具与服务，致力于大幅提升编程效率和代码生成速度。会员将享有每5小时100至500次的请求额度，且系统响应速度高达每秒100个Tokens，为编码工作注入强劲动力。

![image.png](https://static.downly.cn/images/2fdfa0155d70e4ad94ab43a4e17fb979.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 国产AI视频生成迎突破，中科大与字节联合发布MoGA模型

中国科学技术大学与字节跳动联合团队近日发布了一款名为MoGA的端到端长视频生成模型，标志着国产AI视频生成技术取得了重大突破。该模型能够一键生成长达一分钟、分辨率为480p、帧率为24fps的高质量短片，并且创新性地支持多镜头语言的自动切换。MoGA的核心优势在于其全新的注意力机制，为长视频内容的流畅生成与叙事逻辑提供了有力支撑。

![image.png](https://static.downly.cn/images/77f8192c655c59e596c148adc423fbac.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 蚂蚁集团入局多模态，AGI相机“灵光”开启内测

蚂蚁集团旗下全新的多模态应用“灵光”已正式启动内部测试。用户可通过手机号或支付宝账号登录体验。该应用的最大亮点是其内置的“AGI相机”功能，它能够利用手机镜头实时理解和识别现实世界中的物体与场景，并支持“即拍即问”的智能交互方式。此举展现了蚂蚁集团在多模态AI应用领域的探索与布局。

![image.png](https://static.downly.cn/images/70410b0b1f36da948fd75037584b2a82.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 百度飞桨新模型登顶全球OCR榜单

百度飞桨（PaddlePaddle）团队最新发布的PaddleOCR-VL视觉语言模型，在全球权威的OCR（光学字符识别）评测基准OmniDocBench V1.5中，以92.56的高分成功登顶，超越了包括DeepSeek-OCR在内的多个强大竞争对手。该模型以其0.9B的参数规模实现了卓越性能，并且在知名开源社区Huggingface的趋势榜上连续五日霸榜第一，彰显了其强大的技术实力与广泛的社区影响力。

![image.png](https://static.downly.cn/images/0372bb412dce5f51e522e1dd0e1db8e6.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## EA联手Stability AI，探索AI在游戏开发中的无限可能

全球知名游戏开发商EA（Electronic Arts）宣布与人工智能公司Stability AI达成战略合作，计划将Stable Diffusion等先进的AI技术深度整合到游戏开发流程中。双方将共同研发适用于游戏制作的AI模型与工具，旨在重塑内容创作流程，加快开发迭代速度，并拓展创意边界。EA强调，此次合作中AI将作为提升效率、优化工作流的辅助工具，其核心目的并非取代人类设计师的创造力。

![image.png](https://static.downly.cn/images/837c84f5d882bb3407117fa2888cea13.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1025：国产长视频模型实现突破，多家巨头发布AI新应用与新规



> 导语：今日AI界风起云涌，视频生成领域的技术竞赛进入白热化阶段。生数科技Vidu与火山引擎豆包纷纷亮剑，开放API并上线新功能，致力于提升视频内容的真实感与叙事性。与此同时，Runway将目光投向垂直行业，开放模型微调权限，推动AI在机器人与建筑业的深度应用。资本市场同样热闹非凡，LiblibAI创下国内AI应用单笔融资新高，而Snapchat则向全体用户免费开放AI图像生成功能，社交媒体的AI之战愈演愈烈。腾讯亦在3D重建技术上取得突破，发布混元世界模型1.1，大幅降低了3D内容创作的门槛。

---

## Vidu大模型API全面开放，开启“精工”视频时代
生数科技正式开放旗下Vidu Q2参考生视频大模型的API接口，此举标志着AI视频生成技术正从基础的“可用”阶段，迈向追求细节与质感的“精工”阶段。该模型凭借其卓越的画面一致性、细腻的情感表达能力以及强大的创意特效引擎，将在广告营销、电商商品展示、互动娱乐及动漫制作等领域发挥巨大潜力，有望显著提升内容的真实感与用户的转化率，为数字内容创作行业带来一场深刻的变革。

![image.png](https://static.downly.cn/images/0e00ec699801877681208fba11200e16.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 豆包视频模型精准叙事，首尾帧功能惊艳上线
火山引擎发布的豆包视频生成模型Seedance 1.0 pro，近期上线了一项创新的“首尾帧”能力。该功能通过在复杂场景中保持主体一致性、遵循物理规律以及进行精确的节奏推理，极大地增强了视频中主角的跟随效果。这使得AI生成的视频能够实现更精准的叙事和更强的沉浸感，为广大企业和个人创作者提供了一款强大的AI视频创作新工具。

![image.png](https://static.downly.cn/images/e2d72fee00a4b87866826f5265586b84.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Runway聚焦垂直应用，开放模型微调权限赋能行业革新
AI视频领域的先驱Runway推出了视频模型微调工具，将业务重心进一步拓展至行业应用。这项新功能旨在帮助机器人、建筑业和教育等垂直领域的合作伙伴，使用更少的数据和算力就能定制化AI模型。此举解决了通用大模型在专业领域表现力不足的痛点，简化了模型定制流程，标志着Runway正向着更深度的产业赋能方向发展。

![image.png](https://static.downly.cn/images/fbbdebbfac0d98645ad356a5b7f4aa03.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 资本风向标转向，LiblibAI斩获1.3亿美元巨额融资
国内AI应用公司LiblibAI近日宣布完成1.3亿美元的B轮融资，刷新了国内AI应用领域的单笔融资金额记录。本轮融资由红杉中国、CMC资本等多家知名机构联合投资，现有股东也超额增持。这一事件标志着资本市场的关注点正从AI的底层基础设施模型，逐渐转移到更具商业潜力和落地前景的应用层。

![image.png](https://static.downly.cn/images/d118232b6c0eb1d1a497c2fad69c2310.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Snapchat免费开放Imagine Lens，全民AI创作时代来临
为应对来自Meta AI和OpenAI在视频领域的激烈竞争，Snapchat宣布向所有用户免费开放其AI图像生成工具“Imagine Lens”。这一原先的付费功能，现在允许任何用户通过简单的文本提示来创作或编辑图片。此举旨在吸引年轻用户，将专业的AI创作能力普及化，让AI生成内容成为全民参与的社交新玩法。

![image.png](https://static.downly.cn/images/11898d4eeebe25c8caedba0272f4a2a2.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 腾讯混元世界模型1.1发布，秒级生成专业级3D场景
腾讯正式开源了混元世界模型1.1版本，该模型在3D重建技术上实现了重大突破。新版本增加了对多视图和视频输入的支持，并经过性能优化，可在单张显卡上高效部署。用户现在可以利用几张图片或一段短视频，在数秒内生成专业级别的3D场景。该模型的发布极大地降低了3D内容创作的技术门槛，让普通用户也能轻松进入3D世界。

![image.png](https://static.downly.cn/images/17bafc244e4fbc16b534ee735cb693fb.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1023：视频生成模型军备竞赛升级，AI应用层获资本青睐



> 科技巨头在AI领域的竞赛愈发激烈。本期资讯我们将看到，谷歌在全球范围内扩展其AI服务，从搜索引擎到虚拟试衣，再到量子计算，展现出其全面布局的雄心。与此同时，xAI推出了电影级的视频生成模型，直接挑战行业现有格局。Zendesk则预示着客服行业即将被AI颠覆，而更多面向开发者和普通用户的AI工具也正不断涌现，一个由AI驱动的全新智能时代正在加速到来。

## 谷歌AI搜索无国界 服务版图再扩张

谷歌宣布其AI搜索模式现已扩展至35种新语言，并新增了40个国家和地区的支持，使其服务覆盖全球超过200个区域。这一扩展得益于强大的Gemini模型，该模型显著提升了对自然语言的理解和多模态交互能力，让全球更多用户能以母语体验到更智能、更直观的搜索服务。

![image.png](https://static.downly.cn/images/f44991b20e6a04591e0dbda434e27fc6.png)

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

## 客服革命来临 Zendesk发布AI代理欲替代八成人工

客户服务解决方案提供商Zendesk正式推出了其AI驱动的客服系统，其核心是一款能够自主解决高达80%客户问题的智能代理。该系统还配备了AI副驾驶、管理层洞察以及语音代理等一系列辅助工具，旨在最大程度减少对人工客服的依赖，引领客户支持行业进入一个全新的自动化时代。

![image.png](https://static.downly.cn/images/d10d58b624e7f416906a79b096341bb9.png)

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

## xAI亮剑Sora Imagine v0.9发布 开启一键电影时代

埃隆·马斯克旗下的xAI公司发布了其最新的视频生成模型Imagine v0.9，在多模态AI创作领域取得了重大突破。新模型不仅在画质和动作流畅度上实现了飞跃，达到了媲美电影级别的视觉质量，还创新性地加入了原生音频生成功能，让“一键生成电影”的梦想离现实又近了一步。

![image.png](https://static.downly.cn/images/6d31ae1d57393c44946b3ddef2076ec9.png)

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

## Arc浏览器继任者Dia发布 内置AI技能拥抱无限可能

备受关注的Arc浏览器继任者Dia已正式登陆macOS平台。Dia深度整合了AI技术，通过内置的“AI技能”系统彻底革新了用户的网页浏览和任务交互方式。该应用需要M1或更高版本的芯片支持，提供免费版和月费20美元的Pro版，Pro版用户可享受无限制的AI聊天功能。

![image.png](https://static.downly.cn/images/64771243ad78e1e2220ce8b97dc439ae.png)

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

## 谷歌AI试衣间再升级 从头到脚实现虚拟穿搭

谷歌的AI虚拟试穿功能迎来新进化，继服装之后，鞋履的虚拟试穿功能现已登陆澳大利亚、加拿大和日本市场。用户只需上传一张自己的照片，就能身临其境地看到各种鞋子和服装在自己身上的效果，这项低门槛的技术极大地优化了线上购物的体验，让选择变得更直观、更便捷。

![image.png](https://static.downly.cn/images/a65d1e1463260bccc91949ba987c3163.png)

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

## 强强联合 黄仁勋确认投资马斯克xAI

英伟达CEO黄仁勋在一次公开活动中确认，已投资埃隆·马斯克的AI初创公司xAI，并表示有兴趣在多个领域与xAI展开深入合作。同时，他还透露英伟达目前正与OpenAI紧密合作，支持其发展成为自主托管的数据中心运营商。这标志着AI领域的巨头们正在通过投资与合作，构建更加紧密的生态系统。

![image.png](https://static.downly.cn/images/b89b23f8ce76ed98bbba866722d9c6a1.png)

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

## 阿里巴巴组建机器人AI团队 抢滩具身智能新赛道

阿里巴巴内部已成立一个全新的“机器人和具身AI小组”，由集团高管林俊旸亲自领导。该团队将专注于研发突破性的机器人技术和推动具身人工智能的发展，旨在实现智能系统与物理世界的深度互动，标志着阿里巴巴在智能化浪潮中迈出了抢占新赛道的重要一步。

![image.png](https://static.downly.cn/images/1d255b94bc52ff4c7b97a94b0930e577.png)

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

## 谷歌Gemini CLI工具上新 开发者迎来个性化体验

谷歌为其命令行工具Gemini CLI新增了强大的“扩展”功能。这一新功能允许用户连接并使用托管在GitHub上的自定义工具，极大地提升了AI命令行工具的个性化和灵活性。开发者无需经过繁琐的审批流程即可发布自己的扩展，目前社区已经贡献了超过50个可用的扩展。

![image.png](https://static.downly.cn/images/4e01b8383cf544da02be513f71167fce.png)

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

## OpenAI为Sora增设内容护栏 强化AI生成内容控制

为了应对日益增多的关于深度伪造技术的滥用争议，OpenAI为其视频生成工具Sora增加了一系列新的控制功能。用户现在可以更好地管理自己数字形象的使用范围，例如可以主动屏蔽政治相关内容或禁用特定敏感词汇的生成，从而增强用户对AI生成内容的控制权和安全性。

![image.png](https://static.downly.cn/images/361604e12b978698a8da85ba94ff5936.png)

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

## AI赋能体育 谷歌携手2028洛杉矶奥运会

谷歌宣布将成为2028年洛杉矶奥运会的官方云服务提供商。届时，谷歌将利用其先进的Gemini大模型和AI搜索引擎技术，在NBC环球的奥运直播期间，为全球观众提供前所未有的智能观赛体验，让信息获取变得更加便捷和个性化。

![image.png](https://static.downly.cn/images/9ddc7d9ca53770cda29bd17471909e91.png)

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

## 谷歌加速量子布局 收购Atlantic Quantum强化硬件实力

为了加速在量子计算领域的硬件扩展，谷歌量子AI部门宣布收购了从麻省理工学院（MIT）剥离出来的初创企业Atlantic Quantum。该公司的模块化量子芯片堆栈集成技术将有助于谷歌解决硬件规模化难题，双方的结合将共同推进量子计算技术的商业化进程。

![image.png](https://static.downly.cn/images/9f5d97faa1a698f25ab086b43507b529.png)

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

## 零代码开发时代开启 谷歌Opal应用登陆15国

谷歌的AI编码应用Opal现已向全球15个新国家开放，包括加拿大、印度和日本等。Opal工具旨在让没有任何编程基础的用户也能轻松开发小型网络应用，真正赋能全民创造力，让每一个有好点子的人都能便捷地将其变为现实。

![image.png](https://static.downly.cn/images/c0e789b4b90a41077bc330c587f4bb19.png)

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



每日AI资讯1009：谷歌AI多点开花 xAI发布视频模型 AI应用全面加速



> 导语：今日AI界风起云涌，OpenAI推出革命性视频模型Sora2及其社交应用，再次点燃技术浪潮。与此同时，亚马逊、微软、Meta等科技巨头纷纷在体育、办公和芯片领域加速AI布局，英伟达市值再创新高，彰显了人工智能作为核心驱动力的强劲势头。

## OpenAI发布革命性Sora2，同步推出“AI版TikTok”社交应用

OpenAI再次投下重磅炸弹，正式推出了革命性的视频生成模型Sora2。新模型在真实性、音频同步和可控性方面实现了巨大飞跃，被誉为“视频领域的GPT-3.5”。更引人注目的是，OpenAI同步发布了同名iOS社交应用“Sora”，将强大的AI视频创作能力与社交互动相结合。目前该应用采取邀请制，已率先向美国和加拿大用户开放，并计划未来在全球范围内推广。

![image.png](https://static.downly.cn/images/7466d0ec710b6da8f664d04d2c843c59.png)
<p align="center">图源备注：图片由AI生成</p>

## 亚马逊携手NBA，AI技术颠覆篮球观赛体验

球迷们的观赛方式即将迎来变革。亚马逊宣布，将在2025-2026赛季推出全新的NBA智能分析平台。该平台借助先进的AI和运动追踪技术，能够实时监测并分析球员多达29个身体部位的动态数据。这意味着球迷将能获得前所未有的详细比赛数据和更深度的统计分析，从而极大地提升观赛的沉浸感和专业性。

![image.png](https://static.downly.cn/images/66334c6787a1f970c6b1e5798cf8e0d9.png)
<p align="center">图源备注：图片由AI生成</p>

## 微软重磅推出Microsoft 365 Premium，Copilot Pro赋能办公新时代

微软正式推出了全新的Microsoft 365 Premium订阅服务，将强大的Copilot Pro与Microsoft 365家庭版功能完美融合。该服务月费定为19.99美元，旨在为个人用户及专业人士提供更顶尖的AI驱动办公生产力工具。此举标志着微软将AI与办公软件的集成推向了新的高度，使其成为当前市场上极具竞争力的解决方案。

![image.png](https://static.downly.cn/images/e11cdeff8a12d4db43d55a1a8c59a14c.png)
<p align="center">图源备注：图片由AI生成</p>

## 英伟达市值突破4.5万亿，AI基建再迎新高潮

人工智能领域的领导者英伟达近期股价持续飙升，市值成功突破4.5万亿美元大关，年内涨幅已接近39%。这一惊人增长的背后，是其在AI基础设施领域的大规模投资和频频达成的重磅交易，其中包括与OpenAI合作建立的巨型AI数据中心。这进一步巩固了英伟达在全球人工智能产业链中的核心地位。

![image.png](https://static.downly.cn/images/6dddd225eca9752ddda2909669459bb9.png)
<p align="center">图源备注：图片由AI生成</p>

## Meta拟收购Rivos，加码RISC-V架构AI芯片

为了加速其在可扩展计算领域的愿景，Meta正计划收购专注于RISC-V架构的芯片公司Rivos。Rivos在全栈AI系统设计与开发方面拥有深厚的技术积累。此次收购若能成功，将极大助力Meta在AI芯片技术上的升级，推动其人工智能生态的进一步发展。该计划也得到了英特尔CEO等行业领袖的支持。

![image.png](https://static.downly.cn/images/e46dcfd74e3630d1447ec4573c96d1fa.png)
<p align="center">图源备注：图片由AI生成</p>

## OpenAI CEO访韩，共商AI半导体合作大计

OpenAI首席执行官萨姆・奥特曼近日访问韩国，并与总统李在明及SK、三星等科技巨头高层会晤。此行的主要目的是探讨在AI领域的合作，特别是围绕AI半导体供应链的议题。奥特曼的访问旨在推动韩国加大对AI产业的投资政策，以提升其在全球科技竞争中的地位并促进相关经济发展。

![image.png](https://static.downly.cn/images/8c6857209be8ad156e911ee6187f76a2.png)
<p align="center">图源备注：图片由AI生成</p>

## Opera推出Neon浏览器，AI驱动智能浏览新体验

老牌浏览器厂商Opera正式推出了其AI驱动的全新浏览器Neon。这款浏览器创新性地融合了AI提示创建应用和“卡片式”功能，旨在通过智能提示和高效的任务管理，显著提升用户的网络浏览体验。Opera还积极与多家公司合作，共同推动浏览器向着更加智能化的方向发展。

![image.png](https://static.downly.cn/images/2e130d756ebb536dd094ea2aef5317e3.png)
<p align="center">图源备注：图片由AI生成</p>



每日AI资讯1002：Sora2震撼发布引领视频革命，科技巨头竞相布局AI新未来

Google Veo 3 / 3.1 是 Google DeepMind 推出的最新一代生成式视频模型。

搜索结果: 视频模型