


> 导语：今日AI界风起云涌，从Cognition发布革命性的编码模型SWE-1.5，到Cursor 2.0开启AI代码代理新范式，再到马斯克对未来手机形态的大胆预言，无不预示着人工智能正在深刻重塑我们的技术生态与未来生活。

## Cognition AI再出重拳 全新编码模型SWE-1.5发布

继备受瞩目的Devin智能体之后，Cognition公司再次推出其最新力作——高速AI编码模型SWE-1.5。这款新模型的发布，标志着AI在软件工程领域的探索又迈出了坚实的一步，旨在进一步提升代码生成与处理的效率和能力，延续其在AI编码领域的创新势头。

![image.png](https://static.downly.cn/images/138a9fccff772344cf3e925c6c4626d9.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 编程范式革新 Cursor 2.0引领AI代码代理新时代

一种全新的编程范式正悄然兴起。随着Cursor 2.0的发布，开发者与代码的交互方式正在被重新定义。新模式不再强调开发者逐行编写或审查代码，而是通过向智能代码代理下达精准的指令，让AI自动完成绝大部分的代码生成与执行任务。这预示着一个由AI主导、人类监督的软件开发新纪元或将来临。

![image.png](https://static.downly.cn/images/71f56c5f73640f6da0e66fb245d60446.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 马斯克大胆预言 五年后传统手机与App将不复存在

伊隆·马斯克再次以其前瞻性的观点震惊科技界。他预测，在未来的五到六年内，随着AI生成内容成为主流，智能手机将彻底进化。届时的手机将不再需要传统的操作系统或应用程序，而是转变为一个专注于显示和播放功能、深度集成AI能力的“边缘推理节点”，成为纯粹的人工智能交互终端。

![image.png](https://static.downly.cn/images/ec1b2a3e6cbade61d8551a2583e55d4a.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1102：AI编码迎革命性突破，马斯克预言手机终结



> 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 当前的AI领域，正上演着一场由科技巨头主导的宏大叙事。一方面，是对算力霸权的极致追求，以OpenAI的万亿投资为代表，开启了基础设施的“军备竞赛”；另一方面，是AI技术与开发生态的深度融合，从英伟达的模型开源到谷歌、Figma打通设计与代码的壁垒，无不昭示着一个更开放、更高效的AI协作新纪元正在到来。

## 万亿算力雄心，OpenAI打响AI基础设施“军备竞赛”

OpenAI正以一万亿美元的惊人投资，在全球范围内构建其算力帝国，并在美国德州启动了规模空前的计算中心。此举标志着AI领域的竞争焦点已从模型算法本身，急剧转向了支撑这一切的底层算力基础设施。这不仅仅是一次投资，更是OpenAI在AI“军备竞赛”中发出的明确信号，意图通过绝对的算力优势，巩固其行业领导地位。

![image.png](https://static.downly.cn/images/e2fce4f3090a978380192c3b1e48ea7f.png)
<p align="center">图源备注：图片由AI生成</p>

## 技术民主化，英伟达开源Audio2Face解锁实时动画新纪元

作为算力巨头，英伟达选择通过开源来构建其生态护城河。其生成式AI模型Audio2Face的开源，包含算法、SDK及训练框架，将音频实时驱动虚拟角色面部动画的尖端技术公之于众。这一举措极大地降低了高保真动画制作的门槛，赋能游戏、影视等领域的广大开发者与创作者，是技术民主化趋势下的重要一步，也进一步巩固了英伟达在图形和AI领域的生态影响力。

![image.png](https://static.downly.cn/images/04d81390562ec46951242488429fd6f3.png)
<p align="center">图源备注：图片由AI生成</p>

## 打破单一依赖，微软Copilot拥抱Anthropic，AI合作走向多元化

为避免在AI模型上受制于单一合作伙伴，微软正积极构建更加多元和稳固的AI生态。通过与Anthropic达成战略合作，微软将其先进的AI模型引入Copilot，打破了此前与OpenAI的独家合作关系。这一布局不仅增强了Copilot自身的功能，也体现了微软在AI浪潮中，通过多元化结盟来增强自身竞争力和市场适应性的长远战略。

![image.png](https://static.downly.cn/images/062b5db20b6214fd6fad03bb7c112daf.png)
<p align="center">图源备注：图片由AI生成</p>

## 谷歌AI Plus全球扩张，加速高端AI功能普及化

谷歌正通过市场扩张策略，在全球AI服务竞争中占据有利位置。其AI Plus付费订阅服务现已扩展至全球40个新国家和地区。这项介于免费版与专业版之间的服务，旨在将Gemini等更强大的AI模型推广给更广泛的用户群体，通过加速高端AI功能的普及化，与竞争对手争夺庞大的中间用户市场。

![image.png](https://static.downly.cn/images/8769ad27ad1a34c5477df3062d43e640.png)
<p align="center">图源备注：图片由AI生成</p>

## 编程范式革命，OpenAI GPT-5-Codex以400K上下文窗口赋能开发者

在开发者工具领域，OpenAI再次祭出“杀手锏”。新推出的GPT-5-Codex模型API，凭借其高达400k的超大上下文窗口，能够处理前所未有的海量复杂信息，从根本上改变了AI辅助编程的范式。这一核心优势极大地提升了开发效率，让AI能够理解和处理整个代码库级别的任务，进一步巩固了OpenAI在编程AI领域的领先地位。

![image.png](https://static.downly.cn/images/b8b05816592f27efaf0ba1a67c91db14.png)
<p align="center">图源备注：图片由AI生成</p>

## “零摩擦”协作开启，谷歌与Figma打通设计到代码的壁垒

AI正在成为弥合不同工作职能之间鸿沟的桥梁。谷歌推出的Chrome DevTools MCP公测版与Figma发布的官方远程MCP服务器，共同指向了一个目标：实现设计与开发的无缝融合。AI编码代理在这两个工具的赋能下，可以直接理解设计上下文，并控制浏览器进行实时调试，实现高保真设计稿到代码的“一键转化”，开启了“零摩擦”的协作新纪元。

![image.png](https://static.downly.cn/images/0e9e54ba0d99e74e0a3a9ebf71c37374.png)
<p align="center">图源备注：图片由AI生成</p>

## 另辟蹊径，苹果SimpleFold模型以轻量化设计攻克蛋白质预测难题

在巨头们纷纷投身于更大模型的竞赛时，苹果选择了一条不同的赛道。其研究团队发布的轻量级蛋白质折叠预测AI模型SimpleFold，通过流匹配技术创新，显著降低了该领域研究的计算成本。这代表了另一种竞争策略：不追求“大”，而追求“巧”，通过高效、轻量的模型在特定科研领域取得突破，展现了AI应用的多样化发展路径。

![image.png](https://static.downly.cn/images/58be22975c781534124817fff13007e3.png)
<p align="center">图源备注：图片由AI生成</p>



每日AI资讯0925：算力竞赛与生态融合，科技巨头重塑未来





> 导语：今日AI界动态纷呈，Meta推出DeepConf技术，旨在智能优化大模型的推理成本与准确性；苹果与谷歌的合作预示着Siri将迎来重大AI升级；同时，从瑞士的开源多语言大模型Apertus到字节跳动的即梦AI开放服务，再到颠覆性的自动化测试工具RealDevWorld，各大厂商与研究机构正不断拓宽AI技术的应用边界。

## Meta新突破 DeepConf技术实现AI推理的“鱼与熊掌兼得”

Meta AI与加州大学圣地亚哥分校联合推出了一项名为DeepConf的新技术，它通过模型内部的置信度信号，能够智能地区分并优化大型语言模型的推理路径。这项创新使得在处理复杂任务时，AI既能保持高准确率，又能显著降低所需的计算资源。该技术有效克服了传统策略中因低质量路径干扰而导致的效率低下和错误率上升的问题，为大模型的高效部署提供了新的解决方案。

![image.png](https://static.downly.cn/images/020b9e81e03efd2431ca2962b2e5862a.png)
<p align="center">图源备注：图片由AI生成</p>

## AI数据分析师全天候在线 WisdomAI发布Proactive Agents

WisdomAI公司推出了名为“Proactive Agents”的创新AI服务，致力于让AI成为一名永不疲倦的数据分析师。该系统利用独特的“知识织网”技术，构建了一个能够自主工作的AI数据分析师，它能主动监测关键业务指标、及时发现异常情况，并用自然语言提供深入的原因分析和改进建议。这标志着企业运营正从传统的手动监控和阈值预警，向更智能、更主动的AI驱动模式转变。

![image.png](https://static.downly.cn/images/bdd76b69d62ec0b31903df67028fed54.png)
<p align="center">图源备注：图片由AI生成</p>

## 苹果谷歌强强联手 Siri或将接入Gemini技术

为了在激烈的人工智能竞赛中扭转“落后”局面，苹果公司已与谷歌达成重要协议。根据协议，苹果计划在下一代Siri以及Safari、Spotlight等核心功能中，集成谷歌强大的Gemini AI技术，以加速Siri的智能化转型。不过，用户可能需要一些耐心，据称这项重磅升级的落地时间或将推迟至2026年。

![image.png](https://static.downly.cn/images/137468dea357a424be8f512242f0a09e.png)
<p align="center">图源备注：图片由AI生成</p>

## 字节跳动即梦AI上线火山引擎 面向企业开放服务

字节跳动旗下的即梦AI已于9月3日正式上线火山引擎，开始向广大企业用户开放API服务。此次开放的模型包括文生图3.0、3.1以及图生图3.0等，均基于字节跳动的自研技术。这些模型经过特别优化，旨在满足企业在图片、视频及数字人生成等领域的专业创意生产需求。其中，文生图3.0版本强化了海报设计能力，而3.1版本则在画面美感和场景丰富度上实现了全面升级。

![image.png](https://static.downly.cn/images/c363395e71e4387c581a14d280dcade5.png)
<p align="center">图源备注：图片由AI生成</p>

## 谷歌发布Gemini CLI GitHub Actions 赋能全球开发者

谷歌最新推出的Gemini CLI GitHub Actions，旨在将强大的AI编码能力免费集成到全球最大的代码托管平台GitHub的仓库中。这一举措让Gemini从一个终端助手，升级为能够自动化协作的开发伙伴，可以深度参与到问题分类、代码审查和仓库维护等工作中。此举极大地降低了开源开发者、小型团队乃至企业使用先进AI技术的门槛。

![image.png](https://static.downly.cn/images/407293a529c907b265aaba890ce2c347.png)
<p align="center">图源备注：图片由AI生成</p>

## 瑞士发布首个自主开源AI大模型Apertus

由瑞士联邦理工学院、苏黎世联邦理工学院及国家超级计算中心联合研发的首个完全开源大语言模型Apertus正式发布。该模型的一大亮点是其强大的多语言处理能力，能够覆盖超过一千种语言，并且其训练数据中有40%来自非英语语种。Apertus的推出，旨在提升欧洲在人工智能领域的自主创新水平，并更好地满足瑞士多元化的语言需求。

![image.png](https://static.downly.cn/images/15b0c7b7246fb603cd8b246d02c37f36.png)
<p align="center">图源备注：图片由AI生成</p>

## MetaGPT发布RealDevWorld AI自动化测试迎来新范式

MetaGPT团队推出了一款革命性的AI自动化测试工具RealDevWorld。该工具基于先进的多智能体框架，能够模拟专业测试工程师的完整工作流程，实现了从代码生成到质量保障的全链路自主化。在专门的RealDevBench基准测试中，RealDevWorld展现出了高达92%的精准度，其评估一致性甚至超越了Claude等知名模型，预示着AI开发的新格局正在形成。

![image.png](https://static.downly.cn/images/4c1b8712df5c348fad6719a95a7bfc43.png)
<p align="center">图源备注：图片由AI生成</p>

## Scale AI起诉前员工 指控其窃取商业机密

数据标注巨头Scale AI近日提起诉讼，指控其一名前销售员工Eugene Ling在离职并加入竞争对手Mercor之前，窃取了超过一百份包含客户策略等核心信息的公司机密文件。Scale AI方面称，Ling试图利用这些机密信息向其重要客户进行不正当推销。因此，Scale AI以违约为由起诉了Ling，并同时指控Mercor公司侵犯了其商业秘密。

![image.png](https://static.downly.cn/images/58679b07d4dcb5f9b064612b68f0dbb6.png)
<p align="center">图源备注：图片由AI生成</p>

每日AI资讯0904：AI智能体引领变革，大模型开源与商业化应用齐头并进



> 紧跟时代脉搏，洞见AI未来。本期资讯我们将一同见证AI技术如何在各个领域掀起新的浪潮，从苹果与Anthropic的历史性合作，到百度、网易等国内巨头在各自赛道上的AI功能革新，再到xAI、Nous Research等新生力量带来的颠覆性模型。无论是音乐推荐、文档翻译，还是编程辅助、差旅管理，AI正在以惊人的速度渗透并重塑我们的数字生活与工作方式。同时，AI教育领域的资本新动向和权威评测榜单的发布，也预示着一个更加智能、更加个性化的未来正加速到来。

## 苹果历史性牵手Anthropic！Claude Sonnet 4原生入驻Xcode
苹果公司正打破其传统的封闭生态系统，宣布与AI公司Anthropic达成合作，将强大的Claude Sonnet 4模型原生集成到其开发工具Xcode中。这一举措标志着苹果全面拥抱AI辅助编程时代的到来，将为全球超过3400万的开发者提供无需第三方插件的AI编程体验。此次合作不仅极大地提升了开发者的工作效率，也预示着科技巨头们在AI领域的竞争格局正转向更加开放和协作的新阶段。

![image.png](https://static.downly.cn/images/aa9541658ec9681f68a5ab43d12a3d6f.png)
<center>图源备注：图片由AI生成<center>

## 百度搜索AI再提速！全新模型让结果生成飙升5倍
百度搜索的AI助手功能现已全面上线全新的极速模型。通过自研技术的优化，尤其是在大模型推理环节的显著进步，搜索结果的生成速度实现了高达5倍的提升。与此同时，该模型的调用成本降低了70%，确保在为用户提供快速、准确信息的同时，也兼顾了效率与成本效益。

![image.png](https://static.downly.cn/images/27c636a83192bfec170651fd301b148a.png)
<center>图源备注：图片由AI生成<center>

## 打破语言壁垒 网易有道文档翻译向全民免费开放
网易有道宣布，其搭载自研“子曰”教育大模型的文档翻译功能，即日起向所有用户免费开放。该功能支持多达八种语言的互译，并特别针对金融、计算机、医学等专业领域进行了翻译质量优化，旨在为用户提供媲美全球顶尖水准的高效精准翻译服务，消除多语种交流的障碍。

![image.png](https://static.downly.cn/images/df2f049e3449f0340b2de6abb2b30889.png)
<center>图源备注：图片由AI生成<center>

## 一句话定制你的专属歌单 网易云音乐上线“AI推荐”新玩法
网易云音乐推出了一项名为“AI推荐”的全新功能，极大地改变了用户发现音乐的方式。 用户现在只需输入一句简单的描述，例如“适合加班提神的歌曲”，AI便能根据用户的听歌历史、曲风偏好和年代选择，实时生成一个专属歌单。 这一创新突破了传统关键词搜索的局限，让音乐发现和管理变得前所未有的轻松和个性化。

![image.png](https://static.downly.cn/images/d11c8969be4bd2e0018f733a2e099659.png)
<center>图源备注：图片由AI生成<center>

## AI配音革命来了 腾讯黑科技让机器秒变金牌说书人
腾讯ARC实验室发布了一项名为AudioStory的突破性技术，它能够根据用户提供的一句话场景描述，智能生成带有电影级音效的完整音频故事。这项技术彻底改变了AI音频生成的现状，让机器从简单的声音模仿进化到能够创作具有丰富叙事性和场景感的音频内容，解决了以往AI音频生成在整合复杂场景时的碎片化难题。

![image.png](https://static.downly.cn/images/170a6bd33d6d4b4ee508da9d7597f44d.png)
<center>图源备注：图片由AI生成<center>

## 编码效率再升级 xAI推出轻量级编程模型Grok Code Fast1
马斯克旗下的xAI公司于2025年8月28日发布了一款专为软件开发设计的全新大型语言模型——Grok Code Fast1。 这款模型以其快速、经济高效和卓越的推理能力为主要特点，采用了全新的轻量化架构，专注于提升速度和成本效益。目前，Grok Code Fast1已经在GitHub Copilot等多个主流智能编程平台免费开放使用，标志着xAI在AI编码助手领域迈出了重要一步。

![image.png](https://static.downly.cn/images/14e468ca6a00956183de94d563d969f9.png)
<center>图源备注：图片由AI生成<center>

## 挑战者入场！Nous Research发布Hermes 4模型 号称超越ChatGPT
Nous Research公司推出了一款名为Hermes 4的大型语言模型，并声称其性能可与顶级的商业AI系统相媲美，尤其在数学推理方面表现突出。 Hermes 4的一大特点是提供了前所未有的用户控制权和极少的内容限制，其设计旨在回应几乎所有用户的请求，这打破了许多商业AI系统的安全防护壁垒，也加剧了开源AI与大型科技公司之间的竞争。

![image.png](https://static.downly.cn/images/57d648d1950f2aebaaaa767ae33ca362.png)
<center>图源备注：图片由AI生成<center>

## 国产与海外大模型同台竞技 SuperCLUE最新多模态视觉榜单出炉
在最新的SuperCLUE-VLM中文多模态视觉语言模型8月测评基准中，Gemini-2.5-Pro以74.99分的成绩摘得桂冠，GPT-5(high)紧随其后。 该榜单基于中文应用场景，从基础认知、视觉推理和实际应用三个维度，对包括Gemini、GPT、Claude以及国内的ERNIE、Doubao、hunyuan、Qwen在内的15个主流模型进行了公正评估，展现了当前多模态视觉领域的竞争格局。

![image.png](https://static.downly.cn/images/29921c4fa2b458a50a2ea7af1c6a729b.png)
<center>图源备注：图片由AI生成<center>

## AI赋能儿童教育 奇点灵智获数千万元融资打造英语机器人伴侣
专注于儿童AI教育的北京奇点灵智科技有限公司宣布完成数千万元天使轮融资。 这笔资金将主要用于升级其核心的大模型和多模态智能教学系统，并进一步完善教育内容与硬件产品。 该公司由清华团队创立，旨在通过创新的场景化AI机器人伴侣，挑战传统的儿童启蒙模式，巩固其在儿童AI教育硬件领域的领先地位。

![image.png](https://static.downly.cn/images/d62c79fc500b73cb9c0a4729eb2d0215.png)
<center>图源备注：图片由AI生成<center>

## 出差报销进入AI时代 阿里商旅发布两大智能体
阿里商旅推出了一站式AI商旅解决方案，其核心是两大AI智能体：员工差旅智能体和企业管理智能体。 该方案旨在利用AI技术，通过智能化的推荐、预订、行程中服务以及为管理者提供决策支持，全面提升企业差旅管理的效率和员工的出行体验，让出差和报销流程变得更加个性化、高效和便捷。

![image.png](https://static.downly.cn/images/b291a19439bbcfce818f4ef758fd1b06.png)
<center>图源备注：图片由AI生成<center>

## 谷歌AI笔记工具NotebookLM再进化 视频概览功能支持中文
谷歌旗下的AI笔记工具NotebookLM对其视频概览功能进行了重大升级，语言支持从最初的仅限英语扩展到了超过80种语言，其中就包括中文。 这一更新极大地提升了NotebookLM的全球化服务能力和包容性，让更多国家和地区的用户能够享受到AI带来的便利。

![image.png](https://static.downly.cn/images/65f39daa142f2220b3a1e191eea3d7f4.png)
<center>图源备注：图片由AI生成<center>

每日AI资讯0830：重塑数字生活与工作边界的AI浪潮



> 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：备受瞩目的GPT-5在万众期待中登场，其性能表现与颠覆性的定价策略在社区引发热议，多家平台已迅速跟进集成。与此同时，AI正以前所未有的速度赋能开发者生态，从终端命令行编程到多语言文档解析，创新工具不断涌现。AI的应用边界也在持续拓宽，已深入AI代理支付、太空医疗保障乃至病毒式视频创作等全新领域，一个更加智能化的未来正加速到来。

## GPT-5全面来袭 性能毁誉参半，低价策略或引发市场震动

OpenAI的最新旗舰模型GPT-5已正式发布并登陆Cline等平台，提供旗舰版、mini版和nano版以满足不同需求。早期用户反馈呈现两极分化，一方面，其在推理、代码质量和处理复杂任务上表现卓越，幻觉率的降低也获得普遍好评。但另一方面，不少用户指出其写作能力似乎不如前代，编程能力的表现也参差不齐，尚不能完全胜任所有复杂任务，且在不同设备上存在服务器不稳定的情况。

值得注意的是，OpenAI为GPT-5制定了极具竞争力的定价，引发开发者社区的积极反响，此举或将掀起一场AI模型市场的价格战。为推动应用，AI代码编辑器Cursor已宣布向其付费用户提供限时免费的GPT-5体验。

![image.png](https://static.downly.cn/images/6683d2b470b68f256d6ac542bbca7b8e.png)

## PyTorch 2.8重磅更新 为英特尔芯片带来推理性能大飞跃

最新发布的PyTorch 2.8版本将为AI开发者带来显著的性能提升。此次更新重点优化了量化大语言模型在英特尔CPU上的推理性能，可将端到端延迟减少20%以上。此外，新版本还实验性地支持了用于Intel GPU的XCCL分布式后端，并增强了对SYCL的支持以及XPU设备的A16W4模式，这将为使用英特尔硬件的开发者提供更高效、更强大的AI计算能力。

![image.png](https://static.downly.cn/images/9d604e79561fd3d79bf0bd2892b21b47.png)

## 告别图形界面 Cursor CLI 将AI编程带入终端新时代

AI代码编辑器Cursor正式发布了其命令行界面（CLI）版本，让开发者能够直接在终端中利用强大的AI能力。通过Cursor CLI，开发者可以轻松完成代码生成、自动化脚本编写、文档更新和安全审查等任务。相比图形界面，CLI版本提供了更强的灵活性和可组合性，能够与现有的开发工作流无缝集成，进一步提升开发效率和代码管理的智能化水平。

![image.png](https://static.downly.cn/images/9813ec1223ad73de917ffcd0cd3e96e1.png)

## AI代理支付难题获解 Lava Payments融资打造“一键通付”钱包

初创公司Lava Payments在种子轮中成功融资580万美元，致力于解决当前AI代理支付碎片化的问题。该公司旨在通过一个统一的数字钱包和积分系统，让AI代理能够代表用户更顺畅地在互联网上进行交易。Lava Payments专注于为AI原生经济构建支付基础设施，其“一键通付”的愿景有望为AI代理的广泛应用扫清支付障碍。

![image.png](https://static.downly.cn/images/462d41e4672435bda254ebbcc842fa14.png)

## 1.7B轻量模型dots.ocr登场 挑战多语言文档解析极限

一款名为dots.ocr的1.7B参数轻量化多语言视觉-语言模型横空出世，在文档智能处理领域发起了新的挑战。该模型采用统一架构，实现了业界领先的文档布局检测和OCR能力，能够高效、精准地解析包括中、英文在内的100种语言的文本、表格和公式，并能正确处理阅读顺序。尽管在处理极端复杂的表格和图片内容上仍有提升空间，但它已为文档智能化处理提供了极具潜力的革新方案。

![image.png](https://static.downly.cn/images/074466d2816597050db08719a6cfd2d2.png)

## 亚马逊打造AI“模型超市” Bedrock平台主张“选择至上”

亚马逊云科技（AWS）正通过其Amazon Bedrock平台推行“选择大于一切”的战略，旨在打造全球最大的AI模型聚合平台。该平台不仅提供了如OpenAI的开源模型，还引入了Anthropic等业界顶尖公司的最新模型。AWS的目标是为企业提供多样化的模型选择，以满足不同业务场景的特定需求，并通过模型间的组合使用，实现“1+1>2”的效果，强力推动生成式AI应用的普及与发展。

![image.png](https://static.downly.cn/images/62072ea1779a47508aee5ab6de77c8aa.png)

## “脑腐”视频一键生成 OpenArt推出病毒式内容创作新工具

由前谷歌员工创立的AI初创公司OpenArt近日推出了一项新功能，旨在帮助内容创作者轻松制作在社交媒体上广为流传的“脑腐”（brainrot）风格视频。这类视频通常以快节奏、高信息密度和强烈的视觉冲击力为特点。OpenArt的新工具通过AI技术，实现了这类病毒式视频的一键生成，为创作者提供了一种全新的内容生产方式。

![image.png](https://static.downly.cn/images/d0da2ee3b84f0d40deffce54efab2586.png)

## NASA携手谷歌 为火星宇航员配备AI“随行医生”

为了保障未来前往火星的宇航员的健康，美国国家航空航天局（NASA）正与谷歌合作，共同打造一款先进的AI医疗助手。这款多模态工具集成了语音、文本和图像处理能力，运行在谷歌云的Vertex AI环境中。它能够帮助宇航员在漫长的太空旅行中进行健康监测和初步诊断，确保他们在远离地球的极端环境下也能获得可靠的医疗支持。

![image.png](https://static.downly.cn/images/8dccc3ddfe26475175561a4f9b6014dd.png)

每日AI资讯0809：GPT-5引发价格与体验风暴，AI深入编码、支付与太空探索新前沿



> 导语 今日AI界风起云涌，从腾讯开源企业级文档框架WeKnora，到面壁智能发布堪比“手机GPT-4V”的MiniCPM-V 4.0模型，端侧AI正迎来革命性突破。硬件巨头AMD与高通宣布支持开放模型gpt-oss，为边缘计算注入强心剂。同时，微软将AI游戏教练引入Windows 11，MiniMax的语音模型实现跨语种音色复刻，谷歌的AI编程助手Jules正式上线，而一场AI国际象棋赛更是上演了Grok-4爆冷击败Gemini 2.5 Pro的精彩对决。

---

## “手机上的GPT-4V”诞生 MiniCPM-V 4.0开源挑战端侧极限

面壁智能（OpenBMB）团队与魔搭ModelScope社区联手，正式开源了新一代多模态大模型MiniCPM-V 4.0。该模型以其仅4.1B的参数量，在图像、多图乃至视频理解等多个权威评测中展现出卓越性能，甚至超越了GPT-4.1-mini等更大规模的模型，被誉为“手机上的GPT-4V”。特别值得一提的是，MiniCPM-V 4.0针对iPhone 16 Pro Max等移动设备进行了深度优化，实现了极快的响应速度和良好的发热控制，让用户在手机上也能流畅体验强大的多模态AI功能。此次开源还配套提供了详尽的部署工具与教程，极大地推动了端侧多模态AI的应用与普及。

![image.png](https://static.downly.cn/images/770f68d16321bfbf73c22bc7bd8a7bef.png)

## 腾讯亮出企业级AI利器 开源文档理解框架WeKnora

腾讯正式开源了其专为复杂异构文档设计的智能问答框架——WeKnora（维娜拉）。该框架提供了一套从文档处理、知识建模、语义检索到推理生成的完整流水线。它基于强大的大语言模型，并融合了多模态预处理、向量索引等先进技术。WeKnora支持模块化的RAG（检索增强生成）设计，允许用户轻松切换主流模型并进行私有化部署，为企业知识管理、科研文献分析等场景提供了高效、易用的解决方案，并配备了便捷的Web界面及微信生态部署能力。

![image.png](https://static.downly.cn/images/093bdc8395d84febf08d0effd70c0e20.png)

## 硬件巨头拥抱开放AI AMD与高通支持gpt-oss模型

AI的运行不再仅限于云端，AMD与高通两大硬件巨头宣布，旗下硬件将全面支持OpenAI的gpt-oss系列开放推理模型，标志着边缘AI计算迈出了关键一步。AMD的锐龙AI Max+ 395处理器成为首款支持gpt-oss-120b模型的消费级AI PC处理器，展示了在终端设备上运行百亿级模型的强大能力。与此同时，高通骁龙平台也能高效运行gpt-oss-20b模型，展现出色的推理性能。这一合作预示着未来的智能设备将拥有更强的本地AI处理能力，AI应用场景将变得更加灵活和普及。

![image.png](https://static.downly.cn/images/04a5ae79547e4b36b5de5d7ab00bea20.png)

## AI声音魔术师 MiniMax Speech 2.5实现跨语言音色复刻

MiniMax公司推出了其新一代语音生成模型Speech 2.5，在多语言处理和音色模拟方面取得了重大突破。该模型支持多达40种语言，最引人注目的是其强大的跨语言音色复刻能力，能够保留说话人的口音细节，即便切换语种也能保持音色的一致性。相较于前代产品，Speech 2.5在发音准确度、自然度和性价比上均有显著提升，为内容创作、在线教育、智能客服等领域带来了前所未有的效率与创新机遇。

![image.png](https://static.downly.cn/images/6a8f1e91250c1cb92077f66829ce98af.png)

## 你的专属游戏教练 微软Xbox Copilot登陆Windows 11

微软正将强大的AI助手Xbox Copilot深度集成至Windows 11的游戏栏中，旨在为PC玩家打造一位全天候的智能游戏伙伴。这位“AI教练”能够理解玩家的游戏进程和Xbox活动，提供高度个性化的帮助。无论是需要游戏攻略、战术策略，还是通过游戏截图提问，Copilot都能给出精准解答。它还支持语音交互，让玩家无需中断游戏即可获得帮助。目前该功能已向Insiders成员开放英文预览版，未来将逐步推广。

![image.png](https://static.downly.cn/images/d5013674c550765f26934c405c0097c3.png)

## AI棋坛大爆冷 Grok-4横扫Gemini 2.5 Pro晋级决赛

在由谷歌DeepMind与Kaggle联合举办的首届AI国际象棋对抗赛半决赛中，上演了惊人的一幕。来自xAI的Grok-4模型出人意料地以4:0的绝对优势横扫了赛前被广泛看好的谷歌Gemini 2.5 Pro。另一场半决赛中，OpenAI的O3则稳定发挥，以4:0击败同门师弟O4-mini。这场爆冷大胜让Grok-4一战成名，它将与O3在决赛中争夺首届AI国际象棋赛的冠军宝座。

![image.png](https://static.downly.cn/images/3c1ff46d27b2980fcf4487c4b66ad27f.png)

## 谷歌AI编程助手Jules正式亮相 可自主修复和更新代码

谷歌宣布其AI编码助手Jules已结束beta测试，正式上线。Jules是一款基于强大的Gemini 2.5 Pro模型的异步编程代理工具，它能够深度集成于GitHub。开发者可以将代码库克隆到Google Cloud虚拟机中，然后授权Jules自主执行任务，例如修复bug或更新代码。这种基于代理的工作模式允许Jules在后台独立完成复杂的编码工作，从而让开发者能够解放出来，专注于更具创造性的任务。

![image.png](https://static.downly.cn/images/62c962ac9501f412465ef9b76e04aff5.png)



搜索结果: AI编码