> 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



> Kimi团队今日正式发布并开源了其最新一代模型Kimi K2。这款模型在代码能力和Agentic智能方面展现出显著提升，不仅能高效完成复杂编程任务，更具备多步规划和自主决策能力，有望加速AI应用开发和Agent生态的繁荣。

## Kimi K2模型重磅发布，全面开源

备受期待的Kimi K2模型于今日正式对外发布，并以开源形式面向全球开发者开放。这标志着Kimi团队在通用人工智能领域的又一重要里程碑。Kimi K2的推出，旨在为开发者提供更强大、更灵活的AI工具，特别是在代码生成、理解和AI Agent任务执行方面，展现出卓越性能。

此次开源，将极大地降低开发者使用和优化AI模型的门槛，促进技术社区的协作与创新，加速AI技术在各行各业的普及和应用。

![image.png](https://static.downly.cn/images/a4bcdd29f55b45d75a72aadf7f2d23e9.png)

## 代码能力显著提升：从生成到理解的全能助手

Kimi K2在代码处理方面展现出令人印象深刻的能力提升。它不仅能根据自然语言描述高效生成高质量的代码，还具备强大的代码理解、调试和优化能力。这使得Kimi K2成为软件开发者和工程师的得力助手。

*   **多语言代码生成**：支持主流编程语言，如Python、Java、JavaScript、Go等，能根据需求生成功能完备、逻辑清晰的代码片段或完整项目结构。
*   **代码理解与分析**：能够深入理解现有代码的逻辑、功能和潜在缺陷，帮助开发者进行代码审查、重构和问题诊断。
*   **自动化测试与调试**：协助编写测试用例，分析错误信息，并提出解决方案，有效提升开发效率。
*   **跨文件与复杂项目处理**：Kimi K2能够处理涉及多个文件、模块和库的复杂项目，进行全局性的代码分析和优化。

这种全面的代码能力，使得Kimi K2在DevOps、自动化编程教育和智能开发工具等领域具有广阔的应用前景。

![image.png](https://static.downly.cn/images/98befdbeb19f7d21d56bc3cae13e74ea.png)

## Agentic智能集成：迈向自主决策的AI

Kimi K2的另一大亮点是其集成的Agentic智能能力。这意味着它不仅仅是一个生成式模型，更能够理解复杂的用户意图，进行多步规划，并自主执行一系列任务以达成目标。

*   **多步规划与分解**：面对复杂问题，Kimi K2能将其拆解为多个子任务，并规划出合适的执行路径。
*   **工具调用与协同**：模型可以根据任务需求，自主调用外部API、工具或服务，进行数据查询、信息检索、自动化操作等。
*   **环境感知与反馈**：Kimi K2具备一定的环境感知能力，能根据执行结果进行自我修正和优化，展现出类似“思维链”的推理过程。
*   **人机协作增强**：在Agentic任务中，Kimi K2能够与用户进行更深层次的交互，提供决策支持和执行协助。

Agentic能力的加入，使得Kimi K2在自动化工作流、智能助手、复杂系统管理等领域具有巨大的潜力，预示着AI应用将从简单的响应式交互迈向更主动、更智能的自主协作。

![image.png](https://static.downly.cn/images/72eb5f9da2a1d6ccf2c0f71c17ad0edf.png)

## 开源生态赋能：加速AI创新与应用落地

Kimi K2的开源，将极大地赋能全球开发者社区，为AI技术创新注入新的活力。开源模式具有多重优势：

*   **降低门槛**：开发者无需从零开始构建模型，可以直接基于Kimi K2进行开发和优化。
*   **社区协作**：促进全球开发者共同参与模型的改进、漏洞修复和功能扩展。
*   **透明度与可信度**：开源代码的可见性增强了模型的透明度和可信度，有助于建立更强大的社区信任。
*   **加速应用**：开源使得Kimi K2能够被更广泛地集成到各种应用场景中，加速AI技术的商业化和普及。

可以预见，Kimi K2的开源将催生出更多创新性的AI应用和解决方案，推动AI Agent生态的快速发展，为各行各业带来变革性的影响。

![image.png](https://static.downly.cn/images/1ffc7e6ad698a730c06f4e2eb8ce75e1.png)



Kimi K2正式发布并开源：代码能力与Agentic智能深度融合



> 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)




AI每日资讯0623

> 今天的AI前沿资讯。从Adobe的实时视频生成，到NVIDIA的光影魔法，再到Hugging Face的亲民微调教程，今天的科技界可谓是精彩纷呈。无论是专业开发者还是普通爱好者，都能在今天的快讯中找到属于自己的惊喜。让我们一起来看看都有哪些不容错过的亮点吧！

---

## Adobe亮剑视频生成！Self Forcing模型实现4090显卡实时出片，人人都是特效师

> Adobe最新发布的Self Forcing模型，标志着实时视频生成技术的新突破。该模型基于Wang 2.1架构，实现了在单张RTX 4090消费级显卡上的流畅运行，并已开放线上试用，让更多创作者能够亲身体验其强大的功能。

### Self Forcing 核心技术解析

Adobe推出的Self Forcing模型，其技术核心是建立在先进的Wang 2.1架构之上。这一架构专为流式视频生成进行了优化，意味着模型能够一边接收输入指令，一边连续不断地生成视频帧，从而达到“实时”的效果。这与传统模型需要等待完整指令后才能开始渲染的方式截然不同，为即时互动和直播等场景提供了可能。

![image.png](https://static.downly.cn/images/047efc3d48e72798bdc15fd5ff06e0ff.png)

### 硬件亲民化的重要一步

以往，高质量的AI视频生成往往需要庞大的计算资源，通常是数据中心级别的服务器集群。而Self Forcing模型最大的亮点之一，就是它对硬件的优化。官方宣称，该模型可以在单张NVIDIA RTX 4090显卡上高效运行。这使得拥有高端PC的个人开发者、设计师和内容创作者，也能够接触并使用前沿的AI视频生成技术，极大地降低了技术门槛。

### 在线试用与未来展望

为了让更多用户感受Self Forcing的魅力，Adobe已经提供了在线试用入口。用户可以通过官方渠道访问并体验这一模型的实时生成能力。这一举措不仅展示了Adobe对自身技术的信心，也预示着AI视频生成工具将加速融入普通人的创作流程中，未来我们可能会看到更多由AI实时生成的短视频、直播背景甚至互动电影。
[试用地址](https://huggingface.co/spaces/multimodalart/self-forcing)

---

## 挑战Whisper霸主地位！Kyutai发布开源极速STT模型，实时语音转写新选择

> 法国AI初创公司Kyutai推出了一款名为Kyutai Speech-To-Text（STT）的开源模型，以其惊人的速度和超越Whisper Large v3的性能，为语音转文本领域带来了新的标杆。该模型特别优化了实时流式处理，并提供了针对不同需求的版本。

### 性能卓越 超越Whisper

Kyutai Speech-To-Text模型在发布之初就将目标对准了行业标杆OpenAI的Whisper。根据官方公布的数据，其纯英语的2.6B参数版本，在多项评测基准上表现优于Whisper Large v3。这不仅体现在转写的准确率上，更体现在其“极速”的特性上，无论是处理已有的音频文件（批量推理），还是进行实时的语音流转写（流式推理），都展现出了顶级的性能。

![image.png](https://static.downly.cn/images/99f96be5cb2ecec3b5f806a8ddda16bc.png)


### 两种模型版本 各有侧重

为了满足不同场景的需求，Kyutai贴心地推出了两个版本：
*   **2.6B参数模型** 这是一个纯英语模型，性能强劲，是追求最高转写质量和速度的用户的首选。
*   **1B参数模型** 这是一个更轻量级的双语模型，专为英语和法语的实时语音聊天场景优化。它在保持较低延迟的同时，实现了高效的双语识别，非常适合跨语言交流工具的开发。

### 开源精神与应用前景

Kyutai STT模型选择完全开源，开发者可以在其官方渠道（如Hugging Face）轻松获取模型和相关代码。这意味着任何开发者都可以自由地使用、修改和集成这个强大的工具。尽管目前模型暂不支持中文，但其出色的架构和性能为多语言语音识别领域注入了新的活力，未来有望通过社区的力量扩展到更多语种。

[官方链接](https://kyutai.org/next/stt)

---

## 后期制作的魔法！NVIDIA UniRelight一键重塑视频光影，废片变大片

> NVIDIA AI团队再次展示其技术实力，推出名为UniRelight的通用视频重照明技术。这项基于扩散模型的技术，能够仅凭单张参考图或一段视频，就对目标视频实现逼真、高质量的动态光影重塑，为影视后期和内容创作带来了革命性的工具。

### UniRelight 是什么

UniRelight是一项创新的“通用重照明”技术。简单来说，它允许创作者在视频拍摄完成之后，像编辑照片一样，任意改变视频中的光照效果。无论是想把白天变成黑夜，还是为场景添加一盏虚拟的、动态移动的灯光，UniRelight都能通过AI计算，生成符合物理规律的、自然的光影变化，极大地丰富了后期创作的可能性。



### 扩散模型的魔力

这项技术的核心驱动力是扩散模型（Diffusion Model）。模型通过学习海量数据，理解了光线与物体表面材质、场景深度之间的复杂关系。当用户提供一张参考图片（例如一张日落的照片）时，UniRelight就能“理解”其中的光照风格，并将其应用到目标视频的每一帧中，同时确保光影的连续性和真实感。

### 应用场景与开源计划

UniRelight的应用前景极为广阔。对于电影制作，它可以大幅降低现场布光的成本和难度；对于短视频创作者，它可以轻松为普通视频增添“电影感”；对于游戏开发，它可以用于生成更真实的环境光照。NVIDIA已经表示，该技术的代码即将开源，这意味着它将很快成为广大开发者和创作者可以使用的强大工具。目前，官方网站已展示了大量惊艳的效果案例供业界参考。

[官方链接](https://research.nvidia.com/labs/toronto-ai/UniRelight/)

---

## 一张图、一段话，AI帮你拍广告！HeyGen新功能让产品视频制作进入“傻瓜”模式

> AI视频生成平台HeyGen再次降低内容创作门槛，推出了全新的AI广告生成工具。现在，用户仅需三步——上传产品图、选择虚拟形象、输入文案，即可快速生成一段专业的带货或产品介绍视频，彻底改变了传统营销视频的制作模式。

### 三步搞定产品视频

HeyGen新推出的产品植入功能，主打的就是极致的简洁与高效。整个创作流程被简化为三个核心步骤：
1.  **提供产品照片** 用户上传自己需要推广的产品的清晰图片。
2.  **选择人物形象** 在HeyGen提供的多种虚拟形象中，选择一个符合品牌调性的“代言人”。
3.  **输入文字脚本** 将产品介绍、广告语等文案输入系统。

完成这三步后，AI会自动将产品照片与虚拟形象融合，并根据脚本生成一段口型精准、动作自然的介绍视频。



### AI如何简化营销流程

这项功能背后，是成熟的AI虚拟人技术和图像处理技术的结合。AI不仅能让虚拟人自然地“说话”，还能智能地将静态的产品图片融入到动态的视频场景中，仿佛虚拟人真的手持产品在进行介绍。对于中小型企业、电商卖家或个人品牌来说，这意味着无需昂贵的拍摄团队、演员和场地，就能快速、低成本地批量生产高质量的营销视频。

### 为谁而生

这个工具的主要受益者是那些需要大量视频内容但预算有限的营销人员和商家。它极大地缩短了从创意到成品的周期，使得测试不同的广告文案、产品卖点和视觉风格变得轻而易举。可以说，HeyGen正在让专业的视频广告制作，变得像制作PPT一样简单。

<video src="https://static.downly.cn/images/d7f27be5bce5805ea5d8006fbee8299a.mp4"  title="30591878914-1-16.mp4"></video>

---

## 10GB显存就能“炼丹”！Hugging Face发布FLUX.1-dev平民级微调教程

> 人人都能微调大模型不再是梦想。Hugging Face近日发布官方教程，手把手教你如何利用QLoRA技术，在仅有10GB显存的消费级显卡上，对强大的文生图模型FLUX.1-dev进行高效微调，极大地降低了AI模型定制化的门槛。

### 主角 FLUX.1-dev模型

FLUX.1-dev 是一个新兴的、强大的文本到图像生成模型。与之前的扩散模型不同，它采用了新的架构，旨在更深刻地理解文本提示的复杂性和细微差别，从而生成更贴合描述的图像。能够对这样的前沿模型进行微调，意味着用户可以训练出具有自己独特风格的“专属AI画家”。

### 核心技术 QLoRA

实现低门槛微调的关键在于QLoRA（Quantized Low-Rank Adaptation）技术。简单来说，它是一种“四两拨千斤”的训练方法。它通过量化和低秩适配技术，在不牺牲太多性能的前提下，大幅减少了模型微调过程中所需要的显存。Hugging Face的教程正是利用了QLoRA，将原本需要专业级硬件才能进行的任务，成功地运行在了仅有10GB显存的消费级显卡上，如RTX 3060 (12GB) 或 RTX 4060 Ti等。
![image.png](https://static.downly.cn/images/94de23f39bcfcf327cc018f38cf20cad.png)


### 教程详解与实践意义

Hugging Face发布的这篇[官方教程](https://huggingface.co/blog/flux-qlora)，详细介绍了整个微调过程的每一步，包括环境配置、加载模型、准备数据集，以及如何使用`diffusers`库来应用QLoRA进行训练。这篇教程的意义非凡，它为广大的AI爱好者、艺术家和独立开发者打开了一扇大门，让他们能够用得起的硬件，去定制和探索最先进的AI模型，从而催生出更多个性化、多样化的AI艺术作品和应用。

搜索结果: AI发布