

> 导语 迪士尼与 OpenAI 达成三年深度合作协议，不仅豪掷 10 亿美元入股，更授权 OpenAI 使用漫威、星战等 200 多个经典 IP 用于视频生成。此举旨在解决 Sora 的版权争议，同时也显示了迪士尼在 IP 保护上的强硬双标。

## 强强联手 IP 巨库接入 AI

近日，迪士尼与 OpenAI 宣布达成为期三年的合作协议，允许 OpenAI 使用超过 200 个迪士尼、皮克斯、漫威和星球大战的角色进行创作。双方在新闻稿中表示，这一合作将主要用于 Sora 视频生成和 ChatGPT 图像生成，推动授权短视频和艺术作品在 Disney + 平台上与观众见面。

根据协议，虽然 OpenAI 可以使用这些著名角色，但参与者无需担心演员权益受损。协议明确排除了真人角色的肖像和声音，这意味着钢铁侠或卢克·天行者等角色将仅以经典的动画或插画形式出现。

![image.png](https://static.downly.cn/images/6e4fba4ad25994654f4637288ef6b312.png)

## 10 亿投资与版权护城河

作为协议的一部分，迪士尼将对 OpenAI 进行 10 亿美元的股权投资，成为其重要客户。迪士尼 CEO 鲍勃・艾戈尔表示，这将帮助他们在尊重创作者的基础上拓展故事叙述的边界。

此次合作是 OpenAI 在推出 Sora 2 后，应对好莱坞版权压力的关键举措。此前 Sora 因素材版权问题饱受批评，与迪士尼的结盟为其合法性提供了背书。

## 迪士尼的“双标”维权

在与 OpenAI 牵手的同时，迪士尼对其他科技巨头展现了强硬态度。公司已向谷歌发出警告，要求其立即停止基于迪士尼作品生成内容的行为，并对 Character.ai 和 Meta 等公司发出了类似警告。这显示出迪士尼在知识产权保护方面“顺我者昌，逆我者亡”的坚定立场。

迪士尼 10 亿美元入股 OpenAI 漫威星战 IP 将接入 Sora 创作

> 导语
> 今日AI领域迎来多项重磅更新，国产模型展现强劲实力，智谱AI推出的清影2.0不仅能生成1080P高清视频还自带音效；设计与编程领域亦有大动作，OpenAI将ChatGPT植入Figma颠覆设计流程，而谷歌新编程工具Antigravity却在上线首日遭遇安全滑铁卢；此外，开源界Flux.2以高性价比挑战行业巨头，新工具YPrompt则致力于解决提示词编写难题。

## 智谱清影2.0强势登场 10秒1080P视频生成自带音效

![image.png](https://static.downly.cn/images/bf1fcf7ac9389ad7d245c645aebaae8f.png)

<center>图源备注：图片由AI生成</center>

智谱AI正式发布了基于自研CogVideoX模型的清影2.0版本。这一更新标志着国产视频生成模型的重要突破，它具备了直接生成最长10秒1080P高清视频的能力。

该模型在技术细节上表现出色，用户可以全面控制视频中的运动轨迹、镜头语言以及整体风格。其强大的中文理解能力使得生成的画面更加符合国内用户的语境需求，且生成速度优异。值得一提的是，清影2.0支持多视频同时生成及特定镜头指定，极大地提升了创作自由度。更具创新性的是，它集成了CogSound模块，实现了从文本到“视频+音频”的一站式高效创作，让AI生成的视频不再是“默片”。

## OpenAI携手Figma 对话框内直接生成设计草图引爆股价

![image.png](https://static.downly.cn/images/1814715b3283cff885e2b3a3b615801a.png)

<center>图源备注：图片由AI生成</center>

OpenAI宣布将ChatGPT深度集成至全球流行的界面设计工具Figma中，这一举措被视为设计工具进入AI驱动协同新阶段的里程碑。

通过这次整合，用户无需离开对话窗口，即可直接在ChatGPT中生成、修改和编辑Figma设计原型。这种交互方式大幅压缩了从创意构思到视觉呈现的时间，被形容为一场“闪电战”。市场对这一变革反应热烈，Figma的股价受此利好消息影响瞬间暴涨，显示出投资者对AI赋能设计流程的高度认可。

## 谷歌新代码工具Antigravity翻车 上线首日即曝严重后门漏洞

![image.png](https://static.downly.cn/images/4aa4f6d99a4c674da5f68a54951962e5.png)

<center>图源备注：图片由AI生成</center>

谷歌新推出的AI编程工具Antigravity在发布仅24小时后便遭遇了信任危机。安全研究人员在该工具中发现了严重的安全漏洞，这给急于尝鲜的开发者敲响了警钟。

据披露，攻击者可以利用该漏洞通过修改配置植入后门。一旦用户受诱导运行了相关程序，攻击者便能进而窃取敏感数据甚至发起勒索攻击。该安全隐患波及范围广泛，Windows和Mac系统用户均在受影响之列。这一事件再次凸显了AI开发工具在追求效率的同时，安全审核机制亟待加强。

## 开源模型Flux.2极速来袭 8秒生成高清图挑战行业定价

![image.png](https://static.downly.cn/images/8d78a61b76e0d43febcad74b51941b06.png)

<center>图源备注：图片由AI生成</center>

开源社区迎来强力挑战者，Flux.2模型宣布免费上线。该模型以极低的运营成本引发业界震动，其成本仅为谷歌同类方案的千分之一。

除了价格优势，Flux.2在性能上也毫不逊色。它能够在短短8秒内生成4MP的高清图片，并在专业版中对采样步数进行了深度优化。这种“高质低价”的策略直接挑战了现有的市场定价体系，让昂贵的商业模型（如谷歌的Nano Banana Pro）瞬间显得性价比不足，预计将推动AI图像生成领域的进一步普及与价格重塑。

## 提示词小白救星 YPrompt通过对话自动优化专业指令

![image.png](https://static.downly.cn/images/bae1e5e2148638e9d8a58700a30ef2c8.png)

<center>图源备注：图片由AI生成</center>

对于许多不擅长撰写复杂AI指令的用户来说，YPrompt提供了一个全新的解决方案。这是一款主打“聊天式”的提示词工程工具。

YPrompt不再要求用户具备专业的Prompt编写技巧，而是通过自然对话的方式引导用户挖掘真实需求。根据用户提供的应用场景、预期目标和所需格式等信息，该工具能自动、高效地生成结构严谨的专业提示词。这大大降低了使用高质量AI服务的门槛，帮助普通用户也能产出精准的AI创作内容。

每日AI资讯1128：智谱清影2.0定义视频生成新标准 Figma接入ChatGPT引爆设计圈

> **导语** 本期AI资讯涵盖了多个领域的突破性进展。专业级AI编码助手TRAE SOLO正式发布，为开发者带来实时多智能体协作新模式；OpenAI推出GPT-5.1更新，通过“自适应推理”技术显著提升了模型的速度与成本效益；在AI音频领域，ElevenLabs与好莱坞明星合作，开创了明星语音授权市场；谷歌DeepMind则在通用机器人研究上迈出重要一步，发布了性能翻倍的SIMA 2预览版；同时，谷歌NotebookLM也上线了强大的“深度研究”功能，实现了自动化在线调研；此外，AI创作的音乐首次登顶全球榜单，预示着其对传统音乐产业的深刻影响。

## TRAE发布SOLO正式版，引领AI编码进入实时多智能体新纪元

TRAE公司近日正式发布了其面向专业开发者的响应式编程助手SOLO。该工具主打实时可控和多任务并行的AI编程体验，旨在革新传统的编码模式。SOLO的国际版本已经上线，并提供限时免费使用。值得一提的是，其早前发布的Beta版中已内置了SOLO Builder智能体，该智能体具备强大的多模态需求理解与任务分解能力，能够显著加速从概念到应用的端到端构建过程，为开发者提供前所未有的编码效率。

![image.png](https://static.downly.cn/images/cb004cf6564a8af6fb0023c57701439f.png)
图源备注：图片由AI生成

## OpenAI发布GPT-5.1更新，“自适应推理”模式实现速度与成本双赢

OpenAI为开发者带来了期待已久的GPT-5.1更新。此次更新的核心是引入了全新的“自适应推理”模式，该模式能让模型智能地判断问题的复杂度，并相应地调整其处理速度和资源消耗。对于简单直接的问题，模型能快速响应；而对于复杂深入的分析，模型则会投入更多资源以确保回答的质量。这一创新显著提升了模型的综合性能，在优化速度和成本效益方面取得了巨大突破，从而大幅缩短了开发者的等待时间，实现了真正的“双赢”。

![image.png](https://static.downly.cn/images/73069e43b5b677f3a8be62c1a6c13172.png)
图源备注：图片由AI生成

## ElevenLabs携手好莱坞巨星，推出“标志性声音市场”

AI音频领域的领军企业ElevenLabs宣布与奥斯卡影帝马修·麦康纳（Matthew McConaughey）和迈克尔·凯恩（Michael Caine）等重量级明星达成合作，将其标志性的声音引入公司全新的“标志性声音市场”（Iconic Voice Marketplace）平台。该平台目前已收录了超过25位名人的声音，并为用户提供合法、正规的语音授权。此举不仅为内容创作开辟了新的可能性，也为名人IP的商业化提供了新途径。值得注意的是，麦康纳本人也以投资人的身份深度参与了此次合作。

![image.png](https://static.downly.cn/images/4f49e6da03280c93888cfa8a6e864029.png)
图源备注：图片由AI生成

## 谷歌DeepMind发布SIMA 2预览版，机器人通用性实现翻倍性能

谷歌DeepMind在通往通用机器人的道路上又迈出了坚实一步，正式发布了SIMA 2的预览版。这款基于Gemini 2.5 Flash-lite的多模态智能体，在任务成功率上实现了大幅提升。SIMA 2不仅能在完全陌生的环境中准确执行复杂的指令，更具备了通过自生成数据循环来进行自我改进的强大能力。此次以研究预览形式发布，旨在探索实现通用人工智能（AGI）所需的世界理解与顶尖推理能力，展示了其在机器人领域的巨大潜力。

![image.png](https://static.downly.cn/images/5863523b727f82022963bb417d6f9b7a.png)
图源备注：图片由AI生成

## 谷歌NotebookLM迎来“深度研究”功能，自动在线调研一键生成报告

谷歌为其AI笔记工具NotebookLM推出了名为“深度研究”（Deep Research）的重磅新功能。该功能赋予了NotebookLM自动进行在线调研的能力，能够处理包括Google Sheets、Drive文档、PDF及Word在内的多种文件格式。用户可以选择两种模式 “快速模式”可提供即时简要的回复，而“深度模式”则会在后台进行深入分析，并生成一份带引用来源的完整报告。用户还可以灵活添加额外的来源以丰富报告内容，并能一键将报告和引用保存至笔记本中。据悉，这项强大的功能将于一周内向所有用户全面上线。

![image.png](https://static.downly.cn/images/5b1de6ebf5bb4d4d002b00c3ed84b4cd.png)
图源备注：图片由AI生成

## AI音乐创作登顶全球榜单，传统音乐产业迎来新挑战

本周，人工智能在音乐创作领域的实力得到了市场的有力证明。三首由AI创作的歌曲在Spotify和Billboard等主流音乐榜单上取得了令人瞩目的成绩。其中，《Walk My Walk》和《Livin' on Borrowed Time》两首歌曲成功打入Spotify“病毒50”榜单前列，并一度位列全球榜单前五。更令人惊讶的是，一首荷兰反移民歌曲《We Say No, No, No to an Asylum Center》更是成功登顶Spotify全球榜单。这一现象标志着AI音乐正从实验走向主流，并开始对传统音乐产业的创作和发行模式构成冲击。

![image.png](https://static.downly.cn/images/79f5d83b5bee1c3a6a99665c3bba5113.png)
图源备注：图片由AI生成

每日AI资讯1115：AI编码迎变革，GPT-5.1提速，谷歌多款AI工具更新

> 科技巨头在AI领域的竞赛持续升温，谷歌接连推出文件检测与搜索工具，Hume AI在语音克隆技术上取得新突破，科大讯飞则发布了支持多语言的深度推理大模型。与此同时，Meta将AI短视频推向欧洲市场，而OpenAI与AWS的巨额合作则预示着AI基础设施建设进入新阶段。

## 谷歌AI文件识别利器Magika 1.0发布，核心引擎全面升级

谷歌近日正式发布了其AI文件检测工具Magika的1.0版本，并宣布该项目的核心引擎已完全采用Rust语言重写。这一重大升级显著提升了工具的处理速度和内存安全性，使其在性能与安全方面实现了质的飞跃。Magika自去年开源以来，凭借其高效精准的文件类型识别能力，月均下载量已超百万次，新版本的发布将进一步巩固其在开发者社区中的地位。

![image.png](https://static.downly.cn/images/78e3181dc2000205f943ee9ce46d160a.png)
图源备注：图片由AI生成

## 私有数据检索新纪元，谷歌Gemini API推出文件搜索工具

为了简化开发者的私有数据集成流程，谷歌推出了一款名为“文件搜索工具”的全新Gemini API功能。该工具是一个全托管的RAG（检索增强生成）系统，允许用户直接上传私有文件，系统会自动完成索引和检索的全部流程。这意味着开发者无需再自行搭建和维护复杂的向量数据库，即可轻松将私有文件转化为可供AI模型查询的知识库，极大地降低了技术门槛。

![image.png](https://static.downly.cn/images/f6fda800041e315c16b12c84bef7bd0d.png)
图源备注：图片由AI生成

## 一次录音复刻灵魂之声，Hume AI语音转换功能惊艳上线

Hume AI公司推出的“语音转换”功能为个性化语音合成带来了革命性突破。用户仅需提供一次录音，系统便能精准捕捉并复刻原声的独特节奏、发音习惯和语调，并将其无缝移植到目标声音上。这项技术标志着语音AI正从过去机械的文本朗读，向能够传递真实情感与个性的新阶段迈进。该功能现已登陆其创作工作室和API平台，为内容创作、虚拟助手等领域开启了无限的创意空间。

![image.png](https://static.downly.cn/images/2664fa7735f97016c3b119b3518f9486.png)
图源备注：图片由AI生成

## Meta AI短视频“Vibes”登陆欧洲，是内容创新还是“AI泔水”引热议

Meta旗下的全AI生成短视频产品“Vibes”正式进军欧洲市场，并已集成至Meta AI应用中。用户可以通过简单的文字提示，或对他人作品进行“Remix”再创作，即可由AI生成独特的短视频内容。尽管Meta旨在通过此举构建一个社交化、协作式的AI创作生态，但完全由AI生成的内容质量和其对内容生态的潜在影响，也引发了部分用户关于其是“AI版TikTok”还是“AI泔水”的激烈讨论。

![image.png](https://static.downly.cn/images/ab264c8a7bc6cefc92426576babdad67.png)
图源备注：图片由AI生成

## 科大讯飞发布讯飞星火X1.5，深度推理能力再进化

在国内的世界声博会上，科大讯飞发布了其最新的深度推理大模型“讯飞星火X1.5”以及一系列相关AI产品。该模型在国内算力平台上完成了高效训练，其强大的多语言处理能力是本次升级的一大亮点，现已支持多达130种语言。科大讯飞强调，此次发布旨在通过先进的AI技术赋能各行各业，解决实际问题，彰显了其在人工智能领域的深厚技术积累和持续创新能力。

![image.png](https://static.downly.cn/images/0e046db589c524ce11c1db4cfa34b894.png)
图源备注：图片由AI生成

## 380亿美元豪赌，OpenAI与AWS联手构建AI基础设施新格局

OpenAI与亚马逊云服务（AWS）达成了一项为期七年、总额高达380亿美元的重磅合作协议。根据协议，OpenAI将获得数十万台英伟达GPU的计算资源，并将其托管于亚马逊遍布全球的数据中心。这次合作远超传统的云服务租赁模式，旨在为OpenAI构建更强大、更稳固的AI基础设施，以支持其未来更大规模模型的研发和训练，此举将对全球AI技术的发展格局产生深远影响。

![image.png](https://static.downly.cn/images/a84bc99a4fec836bab456f672c1b65ad.png)
图源备注：图片由AI生成

每日AI资讯1108：谷歌连发AI工具，OpenAI与Meta等巨头竞相布局

> 今天的AI领域充满了变革性的突破。从Adobe Firefly Image 5将创意工作流推向“全栈式”时代，到Cartesia Sonic-3实现几乎无延迟的语音对话，再到IBM Granite 4.0 Nano让AI模型能够在笔记本电脑上本地运行，我们见证了AI在专业创作、人机交互和边缘计算等多个维度的飞速发展。同时，OpenAI与PayPal的合作预示着AI电商的兴起，而Mistral AI和英伟达则分别在企业级应用和全模态理解上取得了关键进展。

## Adobe Firefly Image 5发布 创作者的全能AI工具箱来了

Adobe公司近日发布了其专业级AI图像生成模型Firefly Image 5的重大更新，标志着AI创作工具从“够用”向“专业”的决定性转变。新版本支持高达400万像素的原生图像输出，并引入了分层提示编辑功能，让创作者可以像使用图层一样精细控制生成内容。更值得一提的是，它新增了自定义艺术风格模型和AI语音配乐功能，彻底打通了图像、视频及音频之间的创作壁垒，为用户提供了一个闭环式的全栈AI创作解决方案，重新定义了现代创意工作流程。

![image.png](https://static.downly.cn/images/85f275f72f1c0d26a72e51cbab2130d5.png)
图源备注：图片由AI生成
 

## 延迟低于100毫秒 Cartesia Sonic-3重新定义语音AI交互

Cartesia公司推出了一款名为Sonic-3的实时对话AI引擎，它凭借低于100毫秒的超低延迟，成为全球响应速度最快、交互最自然的语音AI之一。该模型采用了创新的状态空间模型架构，实现了近乎零延迟的流畅对话。Sonic-3不仅“说得快”，更能“说得好”，它能够精准模拟人类丰富的情感、多变的语气甚至是笑声，极大地增强了人机交流的真实感和沉浸感，为智能客服、虚拟助手等应用场景带来了革命性的体验。

![image.png](https://static.downly.cn/images/34aa26f0ae87cbcf453a80fc7e5fae1c.png)
图源备注：图片由AI生成
 

## ChatGPT集成PayPal支付功能 AI对话即购物成为现实

OpenAI宣布与全球支付巨头PayPal达成合作，通过先进的ACP协议，将支付功能直接集成到ChatGPT中。这意味着用户未来可以在与ChatGPT的对话过程中，直接使用其PayPal账户完成商品购买或服务支付，无需跳转到其他应用或网站。这一举措标志着OpenAI正式跨入电子商务领域，并计划从2026年起，支持用户在对话中搜索并购买来自数千万商家的商品，开启“对话即商业”的全新模式。

![image.png](https://static.downly.cn/images/ed1f483e1a19b26961eddfd812f3ddba.png)
图源备注：图片由AI生成
 

## 无需云端支持 IBM Granite 4.0 Nano让AI在你的电脑上运行

IBM最新发布的Granite 4.0 Nano系列AI模型，旨在突破小型AI模型的性能极限。该系列模型的参数量从350万到15亿不等，其核心优势在于极致的效率和易用性。由于模型轻量化，Granite 4.0 Nano可以直接在用户的笔记本电脑甚至浏览器中本地运行，完全无需依赖强大的云计算资源。这一突破极大地降低了AI应用的开发和部署门槛，使开发者能够在普通硬件和边缘设备上轻松构建功能强大的AI应用，打破了行业长期以来对云服务的依赖。

![image.png](https://static.downly.cn/images/37ba386b29f5ddc0de54e6a566ae9ed0.png)
图源备注：图片由AI生成
 

## Mistral AI Studio问世 打造企业级AI的“工业化”引擎

欧洲AI领域的领军企业Mistral AI正式推出了其全栈式生产平台 Mistral AI Studio。该平台完全基于欧盟本土的基础设施构建，专为需要严格遵守数据主权和法规的跨国企业设计。它集成了模型部署、实时监控和持续优化等一整套功能，为企业提供了一个安全、透明且可规模化的AI解决方案。通过实现AI决策过程的完全可观测性，Mistral AI Studio为企业级AI应用的“工业化”生产提供了强大的新引擎。

![image.png](https://static.downly.cn/images/721270bef55345422f4edf11e05632d7.png)
图源备注：图片由AI生成
 

## 更少数据更强性能 英伟达开源OmniVinci全模态理解模型

英伟达在全模态AI领域取得重大突破，发布并开源了其OmniVinci模型。该模型最引人注目的特点是其卓越的训练效率，仅用业界同类模型六分之一的训练数据，便在视觉、音频和文本的统一理解能力上实现了性能的大幅超越。OmniVinci的发布旨在提升机器的多模态认知能力，使其能够更像人类一样，综合处理和理解来自不同感官维度的信息，为更智能、更通用的AI系统奠定了坚实基础。

![image.png](https://static.downly.cn/images/38d992dace8d72f6edca49d71a2d559b.png)
图源备注：图片由AI生成

每日AI资讯1029：全栈创作、实时对话与端侧智能，AI技术迎来全面爆发

> 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成

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

> 导语：今日AI领域动态纷呈，从严肃的医疗应用到大众的文娱创作，技术正以前所未有的深度和广度融入社会。微软将OpenAI的视频生成模型Sora 2推向商业化，预示着AI视频制作进入新纪元；国内首个药学大模型的发布，则将AI的精准分析能力应用于特殊人群的用药安全。与此同时，AI音乐创作已成为新的数字风口，而传统行业如旅游业也正通过AI提升服务体验。在技术高歌猛进的背后，行业监管同步加强，确保人工智能的健康发展。

## 国内首个药学大模型发布，精准守护特殊人群用药安全

北京清华长庚医院与北电数智携手，成功研发出国内首个专为药学领域设计的大模型。该模型聚焦于老年人、儿童及孕产妇等特殊群体的用药安全评估，旨在应对药品信息迭代迅速与个体化差异带来的挑战。通过运用先进的人工智能技术，此项合作有望极大优化药学服务流程，提升用药指导的效率与精准度，为特殊人群的健康保驾护航。

![image.png](https://static.downly.cn/images/da0f805e5b59910c080eb61186f69044.png)
图源备注：图片由AI生成

## AI音乐创作风靡，程序员开辟数字淘金新赛道

随着Suno等AI音乐创作工具在2025年的普及，音乐行业的创作生态正被重塑。此前，《原神》玩家利用AI创作的同人歌曲获得了超200万的惊人播放量，而现在，越来越多的程序员正利用各类AI工具高效地产出音乐作品，不仅收获了可观的版权收入，也向世界展示了AI在艺术创作领域的巨大潜力。这股浪潮标志着AI正成为普通人表达创意、实现商业价值的新兴工具。

![image.png](https://static.downly.cn/images/4a8b7fbba102e3c7a8b70a97363962ce.png)
图源备注：图片由AI生成

## 重庆出手整治AI滥用，十余款违规产品被下架

面对人工智能技术的迅猛发展及其带来的潜在风险，重庆市近期展开了专项整治行动。行动旨在遏制AI技术的滥用，打击利用AI生成虚假信息、侵犯数据安全等行为。目前，已有包括“AI开处方”在内的十余款违规AI产品被勒令下架。此举表明了监管部门对确保AI技术安全、合规发展的坚定立场，为行业的健康成长设立了明确的“红线”。

![image.png](https://static.downly.cn/images/9e4b31c86508652f1d8057193593b1ca.png)
图源备注：图片由AI生成

## 百度PaddleOCR-VL登顶全球，文档解析技术迎新突破

百度近日开源了其最新的多模态文档解析模型PaddleOCR-VL，该模型在权威评测OmniBenchDoc V1.5中以92.6的高分摘得全球桂冠，为OCR（光学字符识别）技术领域树立了新的标杆。尽管模型参数量仅为0.9B，却能高效、精准地识别和解析文档中的文本、手写汉字、复杂表格乃至数学公式等多种元素，其卓越的核心能力将重塑文档处理与信息提取的技术格局。

![image.png](https://static.downly.cn/images/9e54abbd6c035335d701138601a3b8f5.png)
图源备注：图片由AI生成

## Claude“技能”加身，Anthropic让AI变身自动化工作流大师

Anthropic公司为其AI模型Claude推出了创新的“Skills”（技能）功能，极大地提升了其工作流自动化能力。用户现在可以将一系列自定义指令、脚本代码和外部资源打包成一个“技能包”，授权Claude自主调用。这项功能的核心优势在于，Claude能够组合运用多个技能，以应对复杂的多步骤任务，并实现了技能的跨平台移植，使其成为更强大、更灵活的生产力工具。

![image.png](https://static.downly.cn/images/6311f20f62126197d32cac37591ce893.png)
图源备注：图片由AI生成

## OpenAI Sora 2登陆微软云平台，开启AI视频商业化新篇章

备受瞩目的OpenAI视频生成模型Sora 2现已通过微软Azure AI平台正式进入公共预览阶段，并公布了其商业化定价——每生成一秒视频收费0.1美元。这是Sora 2首次向企业和开发者开放API访问权限，标志着顶尖的生成式AI视频工具开始大规模商业化应用。该模型能融合文本、图像和视频创造出全新的高质量内容，尤其在广告、营销等领域展现出巨大的应用前景。

![image.png](https://static.downly.cn/images/2b56a1738f3dde82186cffac3fa74f94.png)
图源备注：图片由AI生成

## 旅行规划迎来AI助手，Kayak推出全新聊天机器人模式

知名旅行搜索引擎Kayak上线了全新的“AI模式”，通过集成ChatGPT技术，为用户提供颠覆性的旅行规划体验。用户不再需要繁琐地筛选页面，而是可以直接通过与聊天机器人对话，完成旅行信息的查询、行程规划乃至机票、酒店和租车的比较与预订。这一功能已覆盖网页和移动端，旨在为用户提供更精准、更便捷的一站式旅行解决方案。

![image.png](https://static.downly.cn/images/b2f6a769e75be0dd57be642ae892db47.png)
图源备注：图片由AI生成

每日AI资讯1018：Sora 2开启商业化、首个药学大模型问世、AI应用场景持续拓宽

> 今天的AI世界充满了激动人心的突破和一些挑战。从OpenAI的Sora视频应用登陆安卓平台，到蚂蚁集团发布超越GPT-5的万亿参数模型Ling-1T，我们看到了AI技术的飞速发展。与此同时，LiblibAI 2.0的上线为创作者带来了更完善的生态，而马斯克的Grok AI则致力于打击虚假视频。然而，OpenAI也面临着因涉嫌使用盗版书籍训练AI而可能高达十亿美元的罚款。

## Sora登陆安卓平台，AI视频创作新时代即将来临

OpenAI的AI视频生成应用Sora已正式登陆Google Play商店，并向北美用户开放了预注册。这一举动意味着，继苹果用户之后，广大的安卓用户也将能体验到Sora强大的AI视频创作功能。随着Sora在两大主流移动平台的普及，AI视频创作将迎来新的爆发期，更多普通用户将能够轻松创作出高质量的视频内容。

![image.png](https://static.downly.cn/images/dd6128b8d1c881120f82ffc9d1918cb3.png)
图源备注：图片由AI生成

## LiblibAI 2.0震撼发布，打造一站式AI创作生态

LiblibAI迎来了2.0版本的重大升级，从单一的AI艺术工具蜕变为一个完整的AI创作生态系统。新版本内置了多个顶级的AI模型，并为创作者提供了限时免费的算力支持。在过去两年里，LiblibAI已成为LoRA模型训练和创意分享的核心社区，吸引了超过2000万的创作者，并累计发放了千万元级别的激励，致力于为用户提供更专业、更便捷的创作体验。

![image.png](https://static.downly.cn/images/2f894dd2bbefc98e80605c9881b90854.png)
图源备注：图片由AI生成

## OpenAI或面临十亿美元天价罚款，版权问题引关注

OpenAI正面临一场严重的法律诉讼，被指控使用盗版书籍数据来训练其AI模型。原告方声称已发现OpenAI删除相关证据的内部记录，并已申请调取其律师的通讯记录，以证明其存在故意的侵权行为。根据美国法律，每部侵权作品最高可判罚15万美元。此案目前正在纽约法院审理中，如果罪名成立，OpenAI可能将面临高达十亿美元的巨额罚款。

![image.png](https://static.downly.cn/images/c4a2ca7fcbac51fb4afef4f4b4446f0e.png)
图源备注：图片由AI生成

## 马斯克出手，Grok AI将上线视频真伪识别功能

为了应对日益猖獗的AI生成虚假视频问题，埃隆·马斯克宣布其AI公司xAI旗下的聊天机器人Grok将增加一项新功能，用于检测和识别AI生成的伪造视频。该功能可以通过分析视频内容并追溯其来源，帮助用户辨别信息的真伪，从而有效打击网络上的虚假信息传播。

![image.png](https://static.downly.cn/images/dc51bf7a8e61cce9f4532396680a787f.png)
图源备注：图片由AI生成

## 蚂蚁集团发布万亿参数模型Ling-1T，性能超越GPT-5

蚂蚁集团正式开源了其自主研发的万亿参数基座模型Ling-1T。该模型基于FP8低精度进行训练，是目前全球最大的基座模型。Ling-1T由蚂蚁集团的“百灵”团队开发，隶属于Ling2.0模型家族，专注于通用任务处理，并在速度和效率上表现出色，其性能已成功超越GPT-5，成为新的行业标杆。

![image.png](https://static.downly.cn/images/5fb8a0dbe84244b19a4dc26655fb93fc.png)
图源备注：图片由AI生成

每日AI资讯1013：Sora安卓预注册开启，蚂蚁万亿模型超越GPT-5

StabilityAI推出的文本到图像生成AI

Stable Diffusion

Canva可画推出的一站式AI创作套件

魔力工作室

腾讯推出的一站式3D内容生产AI创作平台

腾讯混元3D

鹿影科技推出的二次元动漫视频AI创作平台

YoYo

钉钉推出的个人版办公应用程序，内置AI智能助手，可进行AI创作、AI对话、AI绘画

钉钉·个人版

在线文档平台息流推出的AI创作助手，类似于Notion AI

FlowUs AI

即梦

Tome

TusiArt（吐司）

国内领先的AI图像生成平台，基于Stable Diffusion技术

LiblibAI·哩布哩布AI

千库网推出的多功能AI创作工具

库宝AI工作助手

建筑AI创作平台，专注于大型建筑、小型住宅、室内设计、景观的出图和AI模型训练

模袋云AI

AI创作SEO优化友好的文案和文章

搜索结果: AI创作