

> 传统自回归模型的逐字吐字瓶颈终于被打破。谷歌将扩散模型架构革命性地引入文本域，四倍速的性能跃升或将彻底改写大模型底层的端侧推理规则。

## 打破自回归架构的串行魔咒

在目前统治天下的大模型领域，GPT、Claude乃至早期的Gemma，无一例外都臣服于自回归（Autoregressive）架构的铁律之下。这种架构的核心逻辑极其简单粗暴——根据上文预测下一个词。这就好比一个老练的打字员，必须敲完第一个字，才能思考并敲击第二个字。这种串行计算的本质，导致了极其严重的推理延迟（Latency）瓶颈。无论你后端的算力集群多么庞大，你都无法在一个时间片内让模型同时吐出一段完整的句子。

而谷歌此次发布的DiffusionGemma，犹如在沉闷的技术死水中引爆了一颗深水炸弹。它极其激进地将过去只在图像生成领域（如Midjourney、Stable Diffusion）大放异彩的扩散（Diffusion）模型架构，强行跨界引入了离散的文本生成领域。这是一种降维打击般的解题思路。扩散模型不再是逐词预测，而是先生成一团包含全篇文本长度的“纯噪声”，然后通过复杂的去噪过程，在极少量的迭代步数内，将整段完整的连贯文本一次性“显影”出来。

![82.png](https://static.downly.cn/images/4fd9ceddae0ca30a6b418c9591f0fbf8.png)
<center>图源备注 图片由AI生成</center>

## 降维打击的四倍并行加速

通过将文本域映射到连续的隐空间（Latent Space）进行去噪，DiffusionGemma实现了一种非自回归的并行解码能力。这意味着，AI生成一段一百字的回复，不再需要串行地进行一百次极其昂贵的前向传播，而只需进行几次并行的去噪步数。谷歌官方宣称的“4倍速提升”，在底层架构层面上，实际上是一次从单车道向四车道乃至八车道的高速公路扩容。

这极大地改变了算力分配的逻辑。传统模型在生成阶段（Decode）极度依赖内存带宽（Memory Bandwidth）来搬运庞大的KV Cache矩阵，导致算力利用率极其低下。而基于扩散架构的文本模型，由于其并行运算的特性，能够更高效地榨干GPU中的计算单元（ALU），将原本受制于内存墙的推理过程，重新拉回了算力密集的舒适区。这种底层效率的跃升，不是靠堆显卡带来的，而是靠彻底重构数学模型带来的降维打击。

![83.png](https://static.downly.cn/images/02eb5bd8164918d474decad4e4cf1284.png)
<center>图源备注 图片由AI生成</center>

## 端侧模型生态的重新洗牌

这项开源突破，对下游开发者生态的涟漪效应是极其深远的，甚至可能引发端侧（Edge AI）设备的一场大洗牌。众所周知，手机、PC等边缘设备的内存带宽极其有限，这导致传统自回归大模型在本地运行时的吐字速度犹如龟爬，毫无用户体验可言。

DiffusionGemma的四倍速跃升，意味着原本需要昂贵云端算力才能实现的光速对话交互，现在可以极其顺滑地塞进普通的智能手机中。这解决了端侧AI落地的最大痛点。对于致力于开发本地化AI智能体、实时翻译耳机的硬件厂商而言，这无疑是天降甘霖。同时，作为一款开源模型，谷歌此举也是极其精明的算计，意图通过颠覆性的底层架构，从Meta的Llama生态中狠狠撕下一块属于并行解码时代的开发者阵地。

谷歌开源DiffusionGemma以扩散架构颠覆文本生成速度

> 导语 本周AI领域技术革新与应用落地齐头并进。从更懂旅行的AI助手到一键生成PPT、原型的效率工具，AI正深度重塑工作与生活。同时，模型开源、企业并购与市场策略调整也预示着行业格局的持续演变。

---

## 马蜂窝AI旅行助手再进化，出境游更轻松

马蜂窝近日全面开放了其“AI路书”功能，并对“AI小蚂”旅行助手进行了升级。新功能包括代订日本餐厅、菜单翻译和多语种实时翻译，旨在解决用户在境外自由行中遇到的规划难、沟通难的核心痛点，让旅行体验更加智能化和便捷。

![image.png](https://static.downly.cn/images/d495cff6bbcea46bc270db8e22ee3dd6.png)

## 腾讯发布混元A13B模型API，主打高性价比与长文处理

腾讯云正式推出了混元Hunyuan-A13B模型的API服务。作为业界首款13B级别的MoE开源混合推理模型，它在实现与顶尖开源模型相当性能的同时，拥有更快的推理速度和更高的性价比。该模型在处理长文本（支持256K上下文）和作为智能体（Agent）调用工具方面表现卓越，并已在腾讯内部超过400个业务中得到应用。

![image.png](https://static.downly.cn/images/efac2268917100a811e8956725322567.png)

## 谷歌开源GenAI Processors，简化实时AI工作流构建

谷歌DeepMind团队开源了一个名为GenAI Processors的轻量级Python库。该工具专为简化和加速生成式AI工作流的构建而设计，尤其擅长利用Gemini API处理多模态实时数据。通过其模块化和并发优化的特性，开发者可以更快速地构建智能客服、实时翻译等复杂应用，显著降低开发难度和延迟。

![image.png](https://static.downly.cn/images/cb9a77f5701942a986d6b72d9c01ef73.png)

## 通用AI智能体Manus调整中国市场策略

通用AI智能体公司Manus近期对其中国区业务进行了调整，部分核心技术人员已迁往新加坡总部。其官网对中国大陆用户显示“服务不可用”，官方微博和小红书账号内容也已清空。公司回应称，此举是为集中资源发展核心业务，提升整体运营效率。

![image.png](https://static.downly.cn/images/ac7f74140513f6ee1f7ff259950169bf.png)

## 墨刀AI惊艳亮相，30秒将想法变为高保真原型

产品设计协作平台墨刀推出了重磅AI功能，能够根据用户输入的文字想法或上传的草图，在30秒内生成高保真且可供编辑的交互原型。该功能支持多轮对话修改，适配多种设备，并能自动生成相关文档，极大地提升了产品经理和设计师的工作效率。

![image.png](https://static.downly.cn/images/e070d5641c4e73b1436f292b2b681f22.png)

## Mistral AI发布Devstral2507，专为代码而生

Mistral AI与All Hands AI合作，推出了专为软件开发设计的Devstral2507系列大语言模型。该系列包括开源版和企业版，专注于代码推理、程序合成和结构化任务执行，旨在为开发者提供性能更强、成本更优的代码自动化解决方案。

![image.png](https://static.downly.cn/images/4405edfb40d61349c49db897ff9b74ec.png)

## 智谱AI推出智能Slides，5分钟搞定专业级PPT

智谱AI在其“智谱清言”平台上线了AI Slides智能PPT生成工具。用户只需输入一个主题或上传一份文档，该工具便能快速生成一份结构清晰、设计美观的PPT。这项基于GLM-Experimental模型的功能目前已免费开放体验，预示着未来办公方式的巨大变革。

![image.png](https://static.downly.cn/images/fa1d6b2a99b01817bc1ab7da6b7ec074.png)

## 谷歌与风帆冲浪传闻澄清

风帆冲浪CEO加入谷歌,OpenAI收购告吹谷,歌方面澄清并未投资风帆冲浪（Windsurf）公司，也无权干预其公司运营。

![image.png](https://static.downly.cn/images/b28c95a60ddfd231abb1cf730ebf6fd0.png)

## AI领导力发展平台Praxis Labs被Torch收购

专注于领导力与辅导服务的企业Torch宣布，已正式收购AI领导力发展平台Praxis Labs。此次收购的具体金额未对外披露，旨在整合双方优势，为企业提供更全面的学习与发展解决方案。

![image.png](https://static.downly.cn/images/c0a1f041724e54047ef3516e06781b42.png)


每日AI资讯0712：新工具赋能创作，大模型驱动行业变革




# AI资讯周报：国产模型突破极限，AI浏览器开启新一轮入口争夺战

> AI界风起云涌，从国产多智能体系统在“人类最后考试”中取得历史性突破，到开源模型在跨模态推理上比肩人类专家，技术竞赛持续升温。与此同时，AI应用正加速渗透，OpenAI与Perplexity纷纷布局AI浏览器，意图抢占下一代互联网入口；行业巨头则通过巨额融资和开源新工具，积极构筑未来生态壁垒。

## 国产AI再创佳绩 X-Masters攻克“人类最后考试”

上海交通大学与深势科技团队合作开发的X-Masters多智能体工作流系统，在极具挑战性的“人类最后的考试”（AIBench-Eval）中取得了32.1分的成绩，首次突破30分大关。该系统通过模拟人类研究者的动态解题过程，并利用创新的“分散-堆叠式”智能体工作流，显著提升了AI在生物、医学等复杂领域的推理与解决问题的能力，标志着通用人工智能发展的重要一步。

![image.png](https://static.downly.cn/images/d803d07940df547259207170e2ce319e.png)

## 昆仑万维Skywork-R1V 3.0发布 跨模态能力媲美人类专家

昆仑万维最新推出的开源模型Skywork-R1V 3.0，在多模态推理能力上实现了巨大飞跃，其表现可与初级人类专家相媲美。该模型通过高质量的蒸馏数据与强化学习进行训练，在MMMU、物理、逻辑和数学等多个权威评测中，其性能超越了包括Claude-3.7-Sonnet和GPT-4.5在内的顶尖闭源模型，展示了强大的跨模态理解与推理实力。

![image.png](https://static.downly.cn/images/4ca7ea45f38d5b159a181ea2bdb97ad1.png)

## 法国AI新星Mistral寻求10亿美元融资 剑指欧洲AI霸主

法国AI初创公司Mistral正在寻求高达10亿美元的股权融资及数亿欧元的债务融资，以巩固其在欧洲市场的领导地位。此轮融资将用于加速其前沿模型的研发与市场拓展。同时，Mistral计划与MGX及英伟达合作，共同建设欧洲最大的AI数据中心园区，旨在提升欧洲AI产业的基础设施水平，确保其在全球AI竞赛中的战略主权。

![image.png](https://static.downly.cn/images/806e680175b9bed4f1fcf8948789a80b.png)

## Hugging Face推出3B参数小模型SmolLM3 高效AI新选择

Hugging Face最新发布了仅有3B参数的开源语言模型SmolLM3。尽管模型小巧，但其性能卓越，在多项基准测试中超越了同级别甚至4B参数的模型。SmolLM3支持双模式推理、长达128K的上下文窗口，并覆盖六种语言，专为边缘计算设备优化，为开发者和企业提供了一个高性价比的AI解决方案。

![image.png](https://static.downly.cn/images/ed639120f5ffdef16b1bfe4253ffd84b.png)

## Vidu Q1功能震撼升级 AI视频生成迈入多参考图时代
<video src="https://static.downly.cn/images/779d5a1303e08f57f65df80145429cda.mp4"  title="30948198649-1-16.mp4"></video>
生数科技旗下的视频生成模型Vidu Q1迎来重大更新，推出“参考转视频”功能。新功能允许用户上传最多七张参考图像，并结合文本提示，生成视觉风格高度一致的1080p高清视频。这一突破有效解决了多场景和多主体连贯性的行业难题，极大地提升了内容创作者在复杂叙事和细节呈现上的创作自由度。

![image.png](https://static.downly.cn/images/565461c3ed685e8d8e89fd04aa40dfaa.png)

## NovelAI开放经典动漫模型权重 仅限非商业研究

知名AI内容创作平台NovelAI宣布，即将开放其已停用的Stable Diffusion 1.5动漫模型权重。该模型被命名为NovelAI Diffusion V2，虽然是旧版本，但其在动漫风格生成上仍有很高的参考价值。此次开放主要面向研究人员和爱好者，并规定仅可用于非商业目的。

![image.png](https://static.downly.cn/images/a83a9d01bdf573f1648822e039478611.png)

## AI开发者新宠 Hugging Face开源桌面机器人Reachy Mini

Hugging Face与Pollen Robotics合作，推出了一款面向AI开发者的开源桌面人形机器人Reachy Mini。这款机器人是进行人机交互、编程学习和AI实验的理想工具。它提供了299美元的Lite版和449美元的Wireless版，尽管功能仅限于旋转和头部移动，其在预售阶段仍获得了超过13万欧元的资金支持，显示出开发者社区的巨大热情。

![image.png](https://static.downly.cn/images/5cfa29b44dfc14f44bbc061c50db8c1c.png)

## 谷歌开源MCP数据库工具箱 赋能AI Agent数据操作能力

为了增强AI Agent的数据处理能力，谷歌最新开源了名为MCP Toolbox for Databases的工具集。该工具箱旨在帮助AI Agent轻松连接并操作各类数据库，它支持广泛的数据库类型和客户端接入方式，极大地扩展了AI在数据管理和分析领域的应用潜力，让AI能更深入地参与到企业的数据工作流中。

![image.png](https://static.downly.cn/images/a02429e55ac6b33d5ec1801feaf99832.png)

## AI浏览器争霸战打响 OpenAI与Perplexity入局

AI搜索领域的竞争正从聊天框延伸至浏览器本身。据报道，OpenAI计划在未来几周内发布一款AI浏览器，旨在通过深度集成AI功能重塑用户的网页浏览体验，将部分交互保留在ChatGPT生态内。与此同时，其竞争对手Perplexity也已正式推出AI驱动的网页浏览器Comet，初期面向月费200美元的Max计划订阅用户开放，意图通过提供更智能、更高效的信息获取方式，抢占下一代流量入口。

![image.png](https://static.downly.cn/images/9389050cfda508026cbea75d1f5cbde9.png)

## YouTube加强内容审核 打击AI生成的低质视频

随着AI生成内容的普及，对“AI垃圾内容”的担忧日益加剧。为此，YouTube正准备更新其平台政策，以打击那些“批量生产”和“重复性高”的视频。YouTube的创作者联络人表示，这次调整是现有政策的延续和强化，旨在维护平台内容的质量和原创性，确保观众获得有价值的观看体验。

![image.png](https://static.downly.cn/images/367f9f2f36a0fbf8bd2713f737883aac.png)





AI每日资讯0710

> 科技巨头的AI竞赛愈演愈烈，本日焦点无疑是谷歌。从开源手机端多模态模型Gemma3n，到用Gemini全面取代谷歌助手，再到推出Offerwall工具应对AI搜索冲击，谷歌正以前所未有的力度将其AI能力渗透到从底层技术到上层应用的每一个角落。与此同时，AI在内容创作领域的革命也在加速，HeyGen的一键视频生成工具和Suno对音乐编辑软件的收购，预示着一个普通人也能轻松创作专业级内容的时代正在到来。而在这场变革的背后，Meta与OpenAI的人才争夺战，则揭示了驱动这一切的核心——顶尖智慧的激烈角逐。

## 手机也能跑云端AI 谷歌开源多模态模型Gemma3n

谷歌近日投下一枚重磅炸弹，正式开源了其全新的端侧多模态大模型[Gemma3n](https://huggingface.co/collections/google/gemma-3n-685065323f5984ef315c93f4)。该系列模型旨在将以往依赖云端服务器的强大AI能力，直接带入用户的个人设备中。Gemma3n提供了E2B和E4B两个版本，以其惊人的小体积和高内存效率，实现了在手机等移动设备上进行复杂的图像、音频、视频及文本处理。


![image.png](https://static.downly.cn/images/6510a108a2a3ef47c21d515ab39ec1b2.png)


得益于MatFormer、PLE、KV Cache共享等一系列创新技术，Gemma3n不仅在多语言理解、数学、编码方面表现出色，其推理能力也获得了显著提升。此举无疑将极大地推动移动应用和智能硬件的创新，让AI真正无缝融入我们的日常生活。

## 再见Google助手 Gemini全面接管安卓智能体验

谷歌正式宣布，其强大的AI助手Gemini将全面整合进Android手机系统，并于7月7日起逐步上线。这意味着，经典的Google Assistant将逐渐退出历史舞台。更新后，用户无需打开特定应用，即可通过Gemini执行拨打电话、发送消息等日常操作，实现更深层次的系统级智能交互。
![image.png](https://static.downly.cn/images/e5b9fae8f48fca6eeeec8419ca4c560f.png)


针对用户普遍关心的隐私问题，谷歌也给出了解决方案。用户可以随时在设置中禁用“应用活动”选项，从而阻止自己的聊天记录被用于AI模型的训练，确保个人数据的安全。Gemini的全面上位，标志着Android设备将迎来一个更便捷、更智能也更注重隐私的AI新时代。

## 谷歌推新利器Offerwall 力挽AI搜索狂澜助出版商增收

随着AI驱动的搜索（如SGE）逐渐改变用户获取信息的方式，传统网站和内容出版商面临着流量下滑的巨大挑战。为此，谷歌在Ad Manager中免费推出了名为Offerwall的全新工具，旨在帮助出版商开辟新的变现途径。Offerwall允许读者通过多种方式灵活地访问付费内容，例如完成一次小额支付、观看一段广告视频，或是参与一项简短的调查。


![image.png](https://static.downly.cn/images/f7ce2b0b795478a996a134f834ac0bca.png)


在一千家出版商参与的前期测试中，该工具取得了显著成效，平均为他们带来了9%的收入提升。这对于在AI浪潮中寻求生存与发展的数字内容创作者而言，无疑是一个积极的信号。

## 一键生成爆款视频 HeyGen推出AI视频代理颠覆内容创作

视频创作的门槛正在被AI彻底打破。知名AI视频公司HeyGen最近推出了一款革命性的“AI视频Agent”，它能够将视频制作流程完全自动化。用户只需上传图片、视频片段或简单的文本描述，这个AI代理就能自动完成从故事构思、脚本撰写到镜头选择、剪辑合成的全过程。


![image.png](https://static.downly.cn/images/663d105e0649f0eada2cbe256056d471.png)


在短短几分钟内，即便是毫无经验的普通人也能生成一部专业水准的视频。这项技术为广告营销、短视频内容生产等领域提供了前所未有的高效解决方案，让内容创作者能以更低的成本和更高的效率，将创意变为现实。

## AI人才争夺白热化 Meta从OpenAI挖走顶尖研究员

AI领域的竞争，归根结底是顶尖人才的竞争。近日，Meta公司成功从其主要竞争对手OpenAI挖角，引进了强化学习和AI推理领域的顶尖研究员Trapit Bansal。他将加入Meta内部一个星光熠熠的“AI超级智能部门”，该部门由前Scale AI首席执行官领导，并已吸引了多位来自Open-AI和Google DeepMind的核心人才。

![image.png](https://static.downly.cn/images/b324fceda98a6e05ef43faaa071fc2ef.png)

此次挖角被视为Meta在AI模型竞赛中为取得领先优势而采取的关键一步。尽管此前Meta尝试收购AI初创公司的计划未能成功，但通过精准引进顶尖人才，Meta正不断加强其研发实力，以应对日益激烈的行业挑战。

## AI应用与工具速览

### YouTube测试AI摘要与对话式搜索

YouTube正在测试两项新的AI功能以提升用户体验：在搜索结果中直接显示由AI生成的视频内容摘要，以及扩展其对话式AI工具。然而，这一举措引发了内容创作者的担忧，他们害怕AI摘要会减少用户的实际视频观看量，从而影响其广告收入。

### 谷歌发布虚拟试衣应用Doppl

谷歌推出了一款名为Doppl的AI虚拟试衣应用（目前仅限美国）。用户只需上传一张自己的全身照，就能将网上的任意服装图片“穿”在自己身上，甚至可以生成动态的试穿效果视频，为线上购物提供了极具未来感的体验。
<video src="https://static.downly.cn/images/61db2b003feb947f62e7df849ffad7f9.mp4"  title="doppl1 - Compressed with FlexClip.mp4"></video>
### 黑森林团队开源最强图像编辑模型FLUX.1

Black Forest Labs（黑森林团队）开源了其强大的图像编辑模型FLUX.1 Kontext [dev]。开发者现在可以在ComfyUI等工作流平台中结合LoRA使用该模型，实现更高自由度和更精细的图像编辑效果。
![image.png](https://static.downly.cn/images/a944c19d1d7bb088aee047be0e02a56a.png)

### Anthropic推出Claude Artifacts Space

AI公司Anthropic为其大模型产品Claude推出了名为“Artifacts Space”的新功能。它允许用户将自己基于Claude创建的各种AI应用工具发布到一个共享空间，供其他人浏览和使用，极大地促进了AI应用的共享和创新。
<video src="https://static.downly.cn/images/a7669a676e786af417176f1d1751de1c.mp4"  title="30716920954-1-16.mp4"></video>

### Suno收购WavTool强化AI音乐创作

AI音乐生成领域的明星公司Suno，近日收购了基于浏览器的AI音乐制作软件WavTool。此举旨在为其用户提供更强大的后期编辑能力，让音乐人不仅能用AI生成音乐，还能像在专业工作站中一样对AI生成的音轨进行精细的调整和修改。
![image.png](https://static.downly.cn/images/39578c84acf5e8765f93dc85738c4bc9.png)

AI每日资讯0627



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




搜索结果: 谷歌开源