

> 谷歌DeepMind对Gemini API进行深度升级，推出多工具链与上下文循环功能。此举彻底打通搜索与地图等内置组件，标志着AI开发接口正从基础问答向高阶生产力自动化阶段跃迁。

## 告别繁琐 跨工具自动流转成为现实

2026年3月18日，谷歌DeepMind宣布对其Gemini API进行重大功能扩展，正式推出多工具链与上下文循环机制。此次升级直击开发者在调用大模型能力时步骤繁琐与响应迟缓的痛点。过去 开发者需要手动编写大量胶水代码来衔接不同工具的输入与输出，而新机制允许用户在单个请求中将谷歌搜索、谷歌地图等内置工具与自定义函数进行深度整合。

技术层面 新引入的上下文循环实现了跨工具的自动化数据传递。这意味着前序工具的输出结果可无缝作为后续工具的输入参数，大幅提升了复杂任务的处理效率。为了优化开发调试体验，系统现为每次工具调用分配唯一ID，显著增强了错误追踪的精准度。此外 谷歌地图已正式接入Gemini 3系列模型数据源，开发者可直接调用地理位置、商家详情及通勤时效等实时数据。

![12.png](https://static.downly.cn/images/cd29ee46e9d050b17b84fd33c86f4816.png)

<center>图源备注：图片由AI生成</center>

## 强化开发者生态 驱动智能体工作流落地

谷歌强烈建议开发者通过全新的Interactions API构建上述工作流程。在当前生成式AI全面迈向智能体工作流的行业趋势下，谷歌此举意图明显。通过减少手动干预和降低调用延迟，谷歌正进一步强化Gemini生态的开发者粘性。

这种从单一模型响应向复杂任务编排能力的进化，不仅是API接口层面的技术迭代，更代表着AI开发范式的根本性转变。开发者将能够以更低的门槛构建高度自治的AI应用，推动企业级AI解决方案向高效的生产力自动化模式加速演进。

谷歌Gemini API重大重构 多工具链与上下文循环加速智能体应用



> 谷歌近日正式推出通用商务协议 UCP 与智能客服系统 Gemini CX，旨在打造无需跳转的“搜索即交易”闭环。这一举措不仅打通了从发现到支付的全链路，更标志着 AI Agent 正式取代传统 APP 成为下一代消费互联网的核心入口。

## 打造零跳转的 AI 购物闭环

在传统的电商逻辑中，用户往往需要在搜索引擎、比价网站和电商 APP 之间反复横跳。而谷歌此次推出的 Agentic 电商解决方案，试图通过 UCP（Universal Commerce Protocol）通用商务协议彻底重构这一流程。

UCP 被设计为 AI Agent、商家与电商平台之间的标准化通信桥梁。它打破了不同平台间的数据壁垒，使得用户在谷歌搜索界面中即可完成复杂的购物任务。例如，当用户询问“适合敏感肌的防晒霜”时，AI 不再仅仅是一个信息检索工具，而是化身为全能导购——自动推荐商品、实时比价、领取优惠券、确认库存，并在获得授权后直接完成支付。

目前，UCP 初期聚焦于结账流程、用户身份绑定与订单管理三大核心环节，并已兼容现有行业标准，接入了多家主流零售商与支付平台。这意味着，“搜索”与“交易”的边界正在无限模糊。

![Google_AI_Studio_2026-01-14T03_34_09.218Z.png](https://static.downly.cn/images/733d03377b7886ce70520faded77f849.png) <center>图源备注：图片由AI生成</center>

## Gemini CX 赋能企业主动服务

面向 B 端市场，谷歌同步推出了 Gemini CX，这是一套覆盖全生命周期的 AI 客户服务系统。与传统客服机器人不同，Gemini CX 具备多模态交互能力，不仅能处理文本和图像，更拥有执行授权操作的“手脚”。

该系统可以代替人工客服执行修改订单、申请退换货或预约服务等具体操作。更具革新意义的是其 Business Agent 功能，它允许消费者直接与品牌的 AI 进行深度对话。这种交互模式将品牌服务从传统的“被动响应”转变为“主动服务”，AI 能够根据用户画像主动提供个性化的产品建议或售后支持，极大地提升了用户粘性与转化效率。

![Google_AI_Studio_2026-01-14T03_34_11.216Z.png](https://static.downly.cn/images/dfaf72c7967c9134fcbd3521c30946de.png)
<center>图源备注：图片由AI生成</center>

## 全球电商流量逻辑的代际更迭

谷歌此举无疑是在向全球电商巨头宣战。目前，包括阿里巴巴、京东、抖音在内的中国电商平台也在积极部署大模型技术，优化推荐算法与智能客服。然而，谷歌的优势在于其作为互联网“第一入口”的搜索地位与 Gemini 大模型的深度集成。

通过构建“发现—决策—交易—服务”的一体化 AI 原生范式，谷歌试图证明，未来的网购将不再依赖独立的 APP 或网站。这场由 UCP 协议开启的变革，预示着 AI 代理将成为新的流量分发中心，传统电商平台的“货架逻辑”正面临前所未有的挑战。

谷歌发布 UCP 协议与 Gemini CX 重构 Agentic 电商生态



> 导语：谷歌翻译推出革命性测试功能，通过耳机实现保留语气和语调的实时同声传译，并深度集成 Gemini 模型以精准处理文化隐喻和俚语，致力于打破语言沟通的物理与情感边界。

## 耳机化身同传设备

据 TechCrunch 报道，谷歌翻译应用正在进行一项堪称“科幻成真”的测试。用户只需佩戴任意耳机，即可体验到实时且精准的语音翻译。这项功能最引人注目的突破在于，它不仅仅是文字转语音，而是能够完整保留原始说话者的语气、重音与语调。谷歌搜索垂直领域产品管理副总裁 Rose Yao 表示，这一功能旨在将普通耳机瞬间变身为随身携带的单向同声传译设备。无论是在国外听讲座、与当地人闲聊，还是观看外语影视作品，用户都能在耳机中听到流畅、富有情感色彩的转译声音。这不仅极大地提升了理解的准确性，还能帮助用户在多人对话中清晰区分不同的发言者，还原最真实的交流情境。

![Google_AI_Studio_2025-12-15T02_27_33.076Z.png](https://static.downly.cn/images/e003ccee7c6f102f539564b5b29c059e.png)

<center>图源备注：图片由AI生成</center>

## Gemini 注入情感与语境

与此同时，谷歌将旗下最先进的 Gemini 高级模型深度集成到了翻译应用中。这不仅仅是词汇量的升级，更是对语言理解力的一次质变。

得益于 Gemini 对语境、文化差异的强大感知力，新版本在处理俚语、双关语及地方性表达时表现出了惊人的自然度。以往被机械直译的尴尬场景将大幅减少，取而代之的是语义等效且风格匹配的地道表达。AI 开始尝试不仅要把话“说对”，更要“说像”，真正实现跨语言的情感共鸣。

## 全球推广时间表

目前，这项功能已在美国、墨西哥和印度的安卓版谷歌翻译中开启测试，支持超过70种语言组合，并兼容市面上几乎所有的蓝牙或有线耳机。

谷歌有着宏大的推广计划，预计在2026年将该功能扩展至 iOS 平台及全球更多地区。随着这一技术的普及，一副简单的耳机，或许很快就会成为通往世界任意角落、与任何人无障碍深度交流的通行证。

谷歌翻译史诗级更新：耳机秒变同传设备，Gemini 加持还原说话神韵


> 导语
>
> 今日全球AI领域迎来多款重磅模型发布，开源社区活力迸发。法国Mistral AI推出的Mistral 3系列以超高性价比和128K长文本剑指GPT-4o，而国产模型DeepSeek V3.2则通过线性复杂度架构在推理效率上取得突破。与此同时，亚马逊云科技与谷歌分别在智能体自主编程及搜索交互体验上推陈出新，阿里通义与商汤科技也在图像生成与多模态数据效率上展示了最新成果，AI技术正加速向垂直应用与公益领域渗透。

## Mistral全新开源系列强势登场 性能对标GPT-4o且价格腰斩

法国AI独角兽Mistral AI再次搅动开源社区，正式发布了包含Mistral 3B、8B、14B以及旗舰级Mistral Large3在内的新一代模型家族。这一系列模型不仅全部采用Apache 2.0开源协议，允许商业免费使用，更在技术规格上实现了重大升级。新模型在保持极低延迟的同时，成功将上下文窗口扩展至128K，这意味着它们能够处理更长文档和更复杂的任务。值得注意的是，其定价策略极具攻击性，仅为GPT-4o的一半，旨在通过极高的性价比和不输于Llama 3.1同规格模型的性能，在全球激烈的模型竞赛中稳固其"欧洲OpenAI"的地位。

![image.png](https://static.downly.cn/images/0e22c5041bb5bb75f5cc798c4308c60b.png)

<center>图源备注：图片由AI生成</center>

## 国产之光DeepSeek V3.2发布 线性复杂度架构挑战推理极限

国内顶尖AI团队DeepSeek发布了V3.2版本，包含标准版与深度思考版双模型。此次更新的核心亮点在于引入了创新的"转正稀疏注意力"技术，成功实现了线性复杂度的长文本处理。这一突破极大地优化了模型在128k超长上下文场景下的运行效率，使其能够以极低的资源消耗完成百万token级别的单卡推理。在多项权威基准测试中，V3.2深度思考版表现惊艳，不仅与国际顶尖模型持平，更在特定的竞赛项目中展现出金牌水准，标志着国产开源模型再次跻身全球第一梯队。

![image.png](https://static.downly.cn/images/8f921b95af01e7bad4125706d5d0f2a7.png)

<center>图源备注：图片由AI生成</center>

## 亚马逊重磅发布Nova 2模型家族 智能体Kiro实现自主编程

在re Invent 2025大会上，亚马逊不仅展示了其在模型层的实力，更在应用层抛出了杀手锏。首先是第二代自研大模型Nova 2家族的亮相，涵盖Lite、Pro、Sonic和Omni四款新品，主打极致性价比，定价仅为同类竞品的一半，并支持与谷歌云互联。更引人注目的是三款全新AI智能体的发布，其中名为Kiro的自主智能体具备惊人的持续工作能力，能够连续数天独立运行。Kiro不仅能利用编码工具自动生成运营级代码，还能在面对复杂任务时主动与用户互动确认，极大地推动了开发运维的自动化进程。

![image.png](https://static.downly.cn/images/52cae45f199e0c5520e94f5a6fb9c6ab.png)

<center>图源备注：图片由AI生成</center>

## 谷歌搜索迎重大革新 对话模式无缝融合传统搜索

谷歌正在对其核心搜索产品进行一次大胆的尝试，测试将AI生成的摘要与类似ChatGPT的对话界面进行深度融合。这项新功能旨在打破传统搜索列表的局限，用户不仅能在搜索结果顶部直接获取由AI提炼的关键信息，还能通过自然语言与系统进行多轮对话，深入挖掘相关话题。目前该功能已在美国地区率先上线，并计划逐步推向全球市场，这标志着谷歌正加速将生成式AI体验从"实验性功能"转变为搜索的主流形态。

![image.png](https://static.downly.cn/images/b2dd90ae35be1f9e129e58814a45b700.png)

<center>图源备注：图片由AI生成</center>

## 阿里通义开源图像生成新神器 6B参数精准控制秒杀Flux

阿里巴巴通义实验室在图像生成领域再次抛出"王炸"，正式开源Z-Image-Turbo-Fun-Controlnet-Union模型。作为Z-Image生态的最新力作，该模型拥有6B参数量，在精确控制与创意生成能力上实现了显著提升，甚至在部分指标上超越了热门的Flux模型。目前该模型已在Hugging Face平台上线，并遵循Apache 2.0许可协议，这意味着开发者和企业可以免费将其用于商业项目，为设计、游戏及内容创作行业提供了强大的新工具。

![image.png](https://static.downly.cn/images/b743abc6d13f7fad3fd9c786bf64e498.png)

<center>图源备注：图片由AI生成</center>

## 商汤NEO重新定义多模态 仅需十分之一数据量即可媲美顶流

商汤科技联手南洋理工大学推出了开源多模态模型NEO，该模型在架构设计上取得了重要突破。通过创新的视觉语言深层统一技术，NEO成功解决了传统多模态模型训练效率低下的痛点。数据显示，NEO仅需使用相当于同类模型1/10的数据量，就能达到顶尖的视觉感知性能。这一成果不仅大幅降低了模型训练的算力成本，也宣告了依靠堆砌数据的"拼凑式"AI时代即将终结，为高效能AI的发展指明了方向。

![image.png](https://static.downly.cn/images/ecb2fd681c1bb367d4202260b621e14e.png)

<center>图源备注：图片由AI生成</center>

## 科技向善 我国首个盲童无障碍AI伴读系统上线

科技不仅仅是冰冷的算法，更充满人文关怀。由中国盲文出版社与科技公司联合研发的"小星"——我国首个无障碍AI伴读系统正式上线。该系统搭载了大语言模型，专为视障儿童设计。孩子们可以通过手机或电脑，免费向"小星"提问关于书籍内容、生僻词义乃至故事情节的各种问题。这一创新应用极大地降低了视障群体的阅读门槛，用AI技术为盲童打开了一扇探索世界的窗口。

![image.png](https://static.downly.cn/images/cf606835ecbe859d3c86043795ba682b.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1203：开源模型迎来混战 Mistral与DeepSeek强势突围


> 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



> 导语：今日AI领域风起云涌，技术革新与应用落地齐头并进。从华为发布UCM技术挑战HBM依赖，到高德地图与阿里通义大模型联手打造首个地图AI原生Agent；从Vercel V0进化为全能型AI开发伙伴，到MiniMax开创AI智能体“再创作”新模式。与此同时，关于GPT-5测试的争议也引发了行业对AI发展伦理的深思。各大厂商正通过开源与创新，共同推动AI智能体走向协作共创的新纪元。

## 华为发布UCM技术，旨在缓解对HBM的依赖
华为即将发布一项名为UCM（推理记忆数据管理器）的AI推理创新技术。该技术通过优化KV Cache，采用分级管理推理记忆数据的策略，旨在扩大模型的上下文窗口，从而提升大模型推理的性能。此举有望在保证高吞吐量与低延迟的同时，显著降低国内AI产业对昂贵HBM（高带宽内存）的依赖，为AI推理成本的降低和效率的提升带来新的解决方案。

![image.png](https://static.downly.cn/images/88d1ce32ab4c2aee696ddee745524cda.png)

## GPT-5测试成绩遭质疑，AI能力与营销边界引争议
OpenAI公布的GPT-5在SWE-bench Verified测试中的优异成绩近期引发了业界的广泛讨论。质疑声主要集中在其测试并非完整覆盖全部题库，有意规避了部分难题，这可能导致其分数存在“刷分”嫌疑。这一事件不仅暴露了当前AI行业在性能评测与市场营销之间的微妙关系，也引发了关于AI模型真实能力与透明度问题的深刻反思。

![image.png](https://static.downly.cn/images/e2e9ec3c6152258fb05ec41ba1550987.png)

## AI编码进入全栈时代，Vercel V0变身全能开发代理
Vercel旗下的AI编码工具V0迎来重大升级，正式从一个前端生成器进化为全能型的全栈AI代理。升级后的V0能够自主完成从项目规划、研究到前后端代码生成、文案撰写乃至应用调试的全过程。这一进化标志着AI在软件开发领域的辅助能力达到了新的高度，让“无代码”或“低代码”的开发愿景距离现实更近一步。

![image.png](https://static.downly.cn/images/457f56783b29a6f93a07d35726cbd6c7.png)

## AI创作新范式，MiniMax推出全球首个AI智能体再创作市场
MiniMax公司推出了全球首个Agent Remix Marketplace平台，为AI创作领域带来了革命性的新模式。该平台允许用户“一键Remix”他人创建的AI智能体，并能从中获得收益，极大地降低了AI应用的创作门agis，促进了从个人原创到社区协作共创的生态转变。为激励更多创作者加入，MiniMax还同步启动了总奖金池达15万美元的全球挑战赛。

![image.png](https://static.downly.cn/images/e18c35de5982cfd97f808c3e80d61ce8.png)

## 高德地图接入通义大模型，打造首个地图AI原生Agent
高德地图与阿里通义实验室宣布深度合作，将联合打造全球首个AI原生地图。在高德地图的最新版本中，已落地名为“小高老师”的AI智能体。它融合了全双工语音技术与通义Qwen大模型的强大空间理解能力，能够进行自然的多模态交互。双方还共同开发了POI推理Agent，能处理复杂的实时信息与多重约束，极大地提升了用户在出行生活场景中的服务体验。

![image.png](https://static.downly.cn/images/881204b46cb1116fb59db153db91a87c.png)

## 阿里达摩院开源具身智能“三大件”，推动产业开放协作
在世界机器人大会上，阿里达摩院宣布开源其在具身智能领域的三项核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及创新的机器人上下文协议RynnRCP。此举旨在解决当前具身智能开发中模型与硬件适配困难、流程碎片化等核心痛点，通过提供一套标准化的框架，加速数据、模型与机器人本体的融合，推动整个具身智能产业生态的开放与发展。

![image.png](https://static.downly.cn/images/7bde78b303221c15ea99435953bdc204.png)

## Perplexity AI入局，AI搜索迈向多模态内容创作
AI搜索引擎Perplexity AI宣布全平台上线视频生成功能。用户现在可以通过简单的文字提示，在聊天界面直接生成短视频。此功能目前向订阅用户开放，标志着AI搜索正在从传统的文本问答向更丰富的多模态内容创作转型。这一功能的推出，预示着未来的AI平台竞争，将围绕多模态内容的生成能力展开。

![image.png](https://static.downly.cn/images/63364a93b07d9dd307fca24c9265e080.png)

## GPT-oss模型展现惊人自主性，无提示解题5000次
GPT-oss大模型在一次实验中，展现了惊人的自主行为。在没有任何明确提示的情况下，它自主构思了一个关于多米诺骨牌拼图的复杂编程问题，并用不同编程语言重复解决了超过5000次。这一现象不仅展示了其在特定数学和代码领域的深度优化，也引发了研究人员对其内部工作机制、训练数据构成以及“创造性”边界的深入思考。

![image.png](https://static.downly.cn/images/7cffcb2811218090be6ee53b04baf9d2.png)

## 谷歌搜索推出新功能，允许用户自定义首选信息来源
为了提供更个性化的搜索体验，谷歌宣布将推出一项新功能，允许用户在搜索设置中指定自己偏爱和信任的新闻或信息来源网站。设置完成后，来自这些首选网站的搜索结果将在用户的搜索页面上获得更高的展示权重，使用户能更快地获取到他们最关心的内容。

![image.png](https://static.downly.cn/images/61622cce270374eb8f4c372d4ed75e34.png)



每日AI资讯0813：AI智能体全面爆发，从编码到出行，重塑数字生活



> 导语：今日AI界迎来密集创新，阿里巴巴成为焦点，接连发布了挑战Sora的开源视频模型Wan 2.2、登顶全球编程榜的Qwen3-Coder、支持92种语言的翻译模型Qwen-MT，以及一系列赋能开发者的开源工具。与此同时，谷歌也在搜索领域引入AI新功能，预示着新一轮技术变革的浪潮。

## 阿里Wan 2.2发布，开源视频生成AI剑指Sora
阿里巴巴云即将推出其最新的视频生成AI模型Wan 2.2。该模型在性能与效率上实现了显著突破，通过优化核心架构，提升了在高分辨率和长视频生成方面的能力。新版本增加了文本到视频、图像到视频等多项实用功能，并将延续其免费开源策略。此举不仅旨在挑战Sora在视频生成领域的地位，也意在通过开源社区的力量，巩固其在全球AI视频生成领域的领导地位，势必对现有市场格局产生深远影响。

![image.png](https://static.downly.cn/images/32ba69b2764289b93c4f41ffd3a092fe.png)

## 开发者新宠，开源AI工具DailiCode打破模型壁垒
一款名为DailiCode的开源AI Agent CLI工具正式面世。作为Gemini CLI的一个分支版本，它成功打破了不同大型语言模型（LLM）之间的壁垒，不仅支持Gemini和OpenAI，还兼容任何遵循OpenAI API格式的自定义模型。DailiCode集成了代码库查询编辑、多模态内容生成和自动化Pull Request处理等强大功能，能胜任机器人开发、代码迁移等多种任务，为开发者提供了一个连接工具、理解代码、加速工作流的全新AI编程助手。

![image.png](https://static.downly.cn/images/b215a49935eeda35325a26c0562bbacd.png)

## 登顶全球第一，阿里Qwen3-Coder成最火AI编程模型
在Hugging Face最新发布的AI模型排行榜上，来自阿里巴巴的Qwen3-Coder模型成功登顶，成为全球热度最高的开源AI编程模型。该模型凭借其独特的混合专家（MoE）架构，在代码处理和Agent调用能力上表现卓越。目前其下载量已突破2000万次，获得了来自行业和开发者社区的广泛赞誉，这标志着中国在AI编程技术领域取得了重要的里程碑式进展。

![image.png](https://static.downly.cn/images/abe8fc723e4ac60d8fdeca52270003a5.png)

## 通义千问再添利器，发布支持92种语言的Qwen-MT翻译模型
通义千问（Qwen）家族推出了全新的机器翻译模型Qwen-MT。该模型基于强大的Qwen 3打造，能够支持全球92种语言之间的互译。它不仅具备术语干预和领域提示等高级可控功能，还采用了轻量级的MoE架构，确保了快速响应和低成本运行。在多项行业标准评估中，Qwen-MT的表现已优于或媲美顶级的商业翻译模型，为全球用户带来了更智能、更高效的翻译新体验。

![image.png](https://static.downly.cn/images/478439890bf5be5a96ab59962301cef1.png)

## 本地知识库AI助手，开源神器5ire解锁智能开发
5ire是一款全新免费开源的跨平台桌面AI助手，它允许开发者连接本地知识库，实现更私密、更高效的AI开发。该工具使用TypeScript编写，支持OpenAI风格的API，并集成了提示词库、对话书签、历史搜索和Token用量追踪等实用功能。通过其独特的MCP协议，5ire能够智能调用各种工具，为开发者提供了一个高度灵活且功能强大的AI开发解决方案。

![image.png](https://static.downly.cn/images/b947dd4b4d61d10db793372305945aa2.png)

## 谷歌搜索迎来AI新变革，Web Guide智能整理搜索结果
谷歌在其搜索实验室（Search Labs）中推出了一项名为“网络指南”（Web Guide）的全新实验性功能。该功能利用先进的人工智能技术，对用户的搜索结果进行智能分析和组织，不再仅仅是罗列链接。它将信息进行分类和归纳，以更有条理、更易于理解的方式呈现给用户，旨在提升复杂查询场景下的搜索效率和体验，标志着谷歌正探索用AI重塑传统搜索模式。

![image.png](https://static.downly.cn/images/35afeba4d98df8f73857738d89e3bd92.png)

搜索结果: 谷歌搜索