



> 本期AI快讯为您带来全球顶尖科技公司的最新动态，涵盖了从虚拟世界交互、AI模型竞赛到多模态应用的全面突破。Meta为虚拟世界注入了更真实的灵魂，微软则携自研模型正式入局大模型竞赛，而谷歌与OpenAI在视频和语音技术上持续创新。同时，AI在教育、数据分析、家庭娱乐乃至地球科学等领域的应用也正以前所未有的速度改变着我们的生活。

## 虚拟世界新纪元 Meta为《地平线世界》引入AI NPC

Meta公司正在为其虚拟社交平台《地平线世界》（Horizon Worlds）带来一场革命性更新。平台将引入由人工智能驱动的非玩家角色（NPC），这意味着开发者现在可以利用先进的生成式AI工具，创造出能够与用户进行逼真、流畅语音对话的虚拟化身。这些AI NPC不仅是简单的机器人，它们可以被完全定制，为虚拟世界带来前所未有的生机与互动深度，标志着我们在构建沉浸式虚拟体验的道路上迈出了关键一步。

![image.png](https://static.downly.cn/images/2278a1630b82e606af1d6e38edbe4975.png)

## 微软自研AI模型MAI-1亮相 正面挑战OpenAI

微软正式发布了其首个自研的人工智能模型系列 MAI-Voice-1 和 MAI-1-preview，彰显了其在AI领域的雄心。其中，MAI-Voice-1 是一款顶尖的语音模型，能够在一秒内生成长达一分钟的音频，技术实力惊人。该技术已成功应用于Copilot Daily等功能中，为用户提供由AI主持的新闻播报和深度讨论。用户现在可以通过Copilot Labs亲身体验这一前沿技术。

![image.png](https://static.downly.cn/images/ce0f8feaf8e82c197c07bd898fde3722.png)

## 反作弊AI导师进入美国高校 MathGPT.ai重塑数学教育

为了解决学生利用AI工具完成作业而教师难以监督的难题，一个名为MathGPT.ai的“反作弊”AI导师应运而生。该平台通过提供教学助手和引导式学习功能，已在美国30所高校成功试点，并计划于今年秋季将服务范围扩大近一倍。宾夕法尼亚州立大学等知名学府已决定将其引入课堂，利用苏格拉底式的教学方法，重新定义AI在数学教育中的角色，引导学生真正掌握知识。

![image.png](https://static.downly.cn/images/b576be75eb06f0252a10892c1a1bd2a2.png)

## 数学AI推理迎来飞跃 We-Math 2.0构建全链条知识体系

由北京邮电大学、腾讯微信与清华大学的联合团队发布的We-Math 2.0，是多模态数学推理领域的一项重大突破。该项目构建了一个从小学到大学的完整数学知识体系和推理数据集，旨在解决当前多模态大模型在复杂数学推理能力上的短板。它的出现，为AI模型提供了坚实的知识基础，使其在理解和解决数学问题上实现了质的飞跃。

![image.png](https://static.downly.cn/images/eef7e2d4bb62826798fc7caf43753373.png)

## OpenAI推出“实时API” 让AI语音助手如真人般对话

OpenAI发布了面向生产环境的“实时API”，其核心是GPT-Realtime模型。这一创新技术使AI能够直接生成和处理语音，极大地缩短了响应时间，实现了如真人般自然流畅的对话体验。该模型不仅能理解对话中的非语言线索（如停顿、语气），还能在多种语言间自如切换，并根据指令调整说话风格，为客户支持、在线教育等场景带来了革命性的变革。

![image.png](https://static.downly.cn/images/c96de47e9d3e2f93b2b6192f4728e072.png)

## 谷歌视频工具Veo更新 推行积分制普惠用户

谷歌对其AI视频生成工具Veo（前身为Flow）进行了重大更新，引入了全新的积分系统。现在，每位用户每月将获得100个免费积分，可以根据需求灵活使用，例如选择制作五段快速生成的AI短视频，或是一段质量更高的标准视频。这一举措体现了谷歌在平衡视频生成效率与最终质量上的策略，同时也降低了用户体验AI视频创作的门槛。

![image.png](https://static.downly.cn/images/d646f499537f652016d0d15f1a994e01.png)

## 告别繁琐 谷歌Gemini AI让表格处理化繁为简

谷歌为其在线表格工具Sheets增加了一项强大的新功能，集成了Gemini AI助手。现在，当用户使用“转换为表格”功能时，Gemini能够自动分析数据内容，并智能地为表格生成一个贴切的名称。这一更新虽然微小，却极大地提升了数据处理的便捷性和智能化水平，帮助用户从繁琐的操作中解放出来，更专注于数据本身。

![image.png](https://static.downly.cn/images/9aa873b4e62ffd69d39a0ad3dca8a953.png)

## 微软Copilot入驻三星电视 你的专属找片助手

微软的人工智能助手Copilot现已成功集成到三星2025年推出的部分电视和显示器中。用户现在可以通过遥控器轻松语音唤醒Copilot，无论是寻找特定类型的电影，还是咨询影片评分，Copilot都能通过语音和视觉卡片（如显示电影海报和评分）给出直观的回答，为家庭娱乐带来了更加智能和互动的全新体验。

![image.png](https://static.downly.cn/images/fcdf140ac15ba7dc6ed6c7b26c9a6839.png)

## 阿里巴巴发布数据分析Agent 人人都是AI分析师

阿里巴巴旗下的瓴羊Quick BI平台将其内置的“智能小Q”升级为“超级数据分析师”。这一全新的数据分析Agent具备了问数、解读和生成报告三大核心能力。它旨在让没有任何数据分析背景的用户也能轻松上手，通过简单的提问，快速获取、理解数据，并自动生成富有洞察力的分析报告，真正实现了“让人人都可拥有AI分析师”的愿景。

![image.png](https://static.downly.cn/images/8f0a6ea62666de71e0c3218c5f33ccbd.png)

## DeepMind发布AlphaEarth 构建全球数字孪生

谷歌DeepMind团队公布了其最新的全球制图模型 AlphaEarth Foundations。这个强大的AI模型能够整合海量的地球观测数据，包括卫星图像、地形数据等，构建一个统一的数字地球。它就像一颗“虚拟卫星”，能够处理多模态信息，以前所未有的方式将我们的星球以数字形式进行重现和分析。

![image.png](https://static.downly.cn/images/33259494f553424124e7f3cf952f8039.png)

## 海螺AI首尾帧功能上线 提升视频创作想象力

海螺AI于近日宣布，其新一代的首尾帧技术已在网页版和移动APP双端正式上线。该功能旨在解决AI视频生成中的行业痛点，通过提升对用户指令的理解、优化动态效果和激发模型的想象力，全面增强视频的首尾帧生成能力。新功能支持多种分辨率，让用户能够创作出开头和结尾更具创意和连贯性的视频作品。

![image.png](https://static.downly.cn/images/ae248744f440236af5b52406d8610d6e.png)

每日AI资讯0829：AI全面渗透，从虚拟世界交互到前沿科学突破






> AI领域的技术革新正以前所未有的速度席卷而来。从字节跳动和爱诗科技的AI视频生成模型，到联想推出的国内首个L3级AI服务，再到谷歌翻译的实时同传功能，AI正深刻改变着创作、办公和沟通的每一个环节。与此同时，英伟达、IBM与AMD等巨头在底层硬件和模型架构上的突破，也为人工智能的未来发展奠定了坚实的基础。

## AI视频创作新纪元 爱诗科技PixVerse V5惊艳亮相

爱诗科技最新发布的PixVerse V5模型，将AI视频创作推向了新的高度。该模型深度聚焦用户需求，大幅提升了视频生成体验。众多内测用户已经创作出内容丰富、风格多样的视频作品，从体育场景到商业广告，再到奇幻艺术，充分展现了PixVerse V5强大的创作能力和广泛的应用潜力，标志着AI视频创作正变得更加普及和强大。

![image.png](https://static.downly.cn/images/23a45dcde7adc1c2096355f14e1a15cc.png)

## 数字人技术再突破 字节OmniHuman-1.5让照片开口说话

字节跳动发布了其升级版的多模态数字人方案OmniHuman-1.5。这项技术仅需一张静态图像和一段音频，即可生成表情自然、口型同步的动态视频。新版本在真实感和动作协调性上实现了显著提升，为影视制作、虚拟主播、在线教育等领域开辟了全新的应用场景，让AI数字人变得前所未有的逼真。

![image.png](https://static.downly.cn/images/ab5c54e1e71c9bdf16635e6d23459f88.png)

## 中小企业超级助手 联想百应智能体2.0开启L3级AI服务

联想正式发布了国内首个L3级别的AI服务智能体“百应智能体2.0”。该智能体具备自主规划和闭环解决问题的能力，能够像一位真正的超级助手一样，深刻理解中小企业的复杂需求，并主动完成任务。这标志着智能化办公迈出了关键一步，将有力推动中小企业的数字化转型进程。

![image.png](https://static.downly.cn/images/9ef642fe27f416c77206453b96023997.png)

## 确保AI安全可控 微软发布智能体可观测性五大实践

为了解决AI智能体在自动化流程中可能出现的“盲跑”和不可控问题，微软发布了关于AI智能体可观测性的五大最佳实践。该指南旨在通过对AI智能体进行全生命周期的深度监测，确保其行为的质量、安全与合规，从而帮助开发者提升用户体验，并建立值得信赖的AI系统。

![image.png](https://static.downly.cn/images/9ec7f1d46f0d07b09750d5ff6292828f.png)

## 强强联合 IBM与AMD携手布局量子计算与AI新生态

IBM与AMD宣布达成战略合作，计划将IBM的量子计算系统与AMD强大的AI芯片进行整合。此次合作旨在打造一种突破传统计算极限的混合计算模型，通过结合量子计算的革命性能力与经典计算的成熟生态，共同探索AI领域的未来机遇，重新定义信息处理和模拟自然的方式。

![image.png](https://static.downly.cn/images/90bcbc01c430c9fe8b30506e7055645e.png)

## 推理成本锐减98% NVIDIA Jet-Nemotron模型引领效率革命

NVIDIA研究团队发布的Jet-Nemotron系列语言模型，通过创新的“后神经架构搜索”技术，在不牺牲准确性的前提下，实现了比传统全注意力模型快53.6倍的生成速度。这一突破有效解决了现有大模型在自注意力计算上的效率瓶颈，极大地降低了AI推理成本，为语言模型的广泛应用扫清了障碍。

![image.png](https://static.downly.cn/images/64ded7382e408a0e92c510accf6a78af.png)

## 跨语言沟通无障碍 谷歌翻译迎来实时同传重大升级

谷歌翻译通过深度整合强大的Gemini AI模型，正式推出了实时同声传译功能。用户现在可以体验到如母语般流畅的无缝跨语言交流，彻底打破沟通壁垒。此外，新增的智能语言陪练模式，能够像私人教师一样与用户互动，全面提升了语言学习和沟通的智能化体验。

![image.png](https://static.downly.cn/images/e09266c05e21870cf975116c27111e7c.png)

## 字节跳动再发力 Waver 1.0模型解锁多风格视频生成

字节跳动发布的全新AI视频模型Waver 1.0，在视频生成领域再次取得突破。该模型不仅支持文本和图像生成视频，而且在运动表现、视觉质量和对提示词的理解上均超越了现有模型。更重要的是，Waver 1.0能够生成具有连贯叙事的多镜头视频，为创作者提供了前所未有的艺术表达工具。

![image.png](https://static.downly.cn/images/45bf86f7776ba4a03f9968c30dfb126f.png)

## 终端编码新体验 文心快码新增Zulu-CLI自然语言指令功能

为了进一步提升开发者的工作效率，文心快码推出了一系列新功能，其中最引人注目的是Zulu-CLI终端编码能力。这项功能允许开发者直接在终端通过自然语言指令来完成复杂的编码任务，极大地简化了工作流程。此外，企业版自定义模型、本地代码库知识增强等更新，也为个人和团队协作带来了显著的效率提升。

![image.png](https://static.downly.cn/images/333c739b8069863ff78339e808fe39c7.png)

## 神秘“极”字引热议 DeepSeek V3.1模型曝出罕见Bug

近日，DeepSeek V3.1模型被曝出一个罕见的“极字Bug”。多位开发者反映，在通过API调用该模型时，代码输出中会随机出现神秘的“极”字。这一问题已在多个主流平台出现，引发了国内外开发者社区对模型稳定性和可靠性的广泛讨论与担忧。官方已对此做出回应，并正在积极解决。

![image.png](https://static.downly.cn/images/9cba3043f3a41da039ca02fad4137c44.png)

## AI收购策略现分歧 苹果内部激辩自研与收购路线

据报道，为了在生成式AI领域追赶竞争对手，苹果公司内部曾探讨过收购Mistral AI和Perplexity等AI初创公司的可能性。然而，公司高层对此存在分歧。一方认为收购是快速弥补差距的有效途径，而另一方则坚持自主研发，认为这更符合苹果的长期战略。这一分歧反映了苹果在AI时代转型中的谨慎与挣扎。

![image.png](https://static.downly.cn/images/aa694d9e67af949e6bcf9b2f04a89a3e.png)

每日AI资讯0828：视频生成迎技术爆发，企业应用与底层架构齐头并进



> 本期AI资讯聚焦多个领域的重大突破。从阿里通义Fun-ASR模型在垂直领域语音识别精度的显著提升，到Kimi K2模型带来的文本生成速度革命；从可灵与即梦AI在视频生成领域实现更精准的控制与更低的创作门槛，到Tripo 3.0引领的3D建模行业变革。与此同时，Meta面临的天价版权诉讼也为整个AI行业的训练数据合规性敲响了警钟。

## 阿里通义语音识别新突破 垂直行业精准度飙升

阿里通义最近推出了新一代的端到端语音识别大模型Fun-ASR。该模型显著强化了上下文感知能力和高精度转写技术，特别是在家装、保险等专业垂直行业，其识别准确率获得了巨大飞跃。据数据显示，保险行业的识别准确率提升了18%，而家装、畜牧等领域的提升幅度也达到了15%至20%，为特定行业的语音应用场景带来了更可靠的技术支持。

![image.png](https://static.downly.cn/images/5336f2bfa0b9114e07ee38e56c4715fe.png)

## Kimi K2模型再加速 输出速度剑指每秒百字符

月之暗面公司发布的Kimi K2高速版AI模型在性能优化后，其内容输出速度实现了大幅提升。该模型能够稳定达到每秒60 Tokens的输出速度，峰值速度更是高达每秒100 Tokens，极大地提高了处理效率，为用户带来了前所未有的流畅服务体验。Kimi K2基于先进的MoE架构，拥有强大的代码生成和通用代理处理能力，其万亿级别的总参数量使其在处理复杂任务时游刃有余。

![image.png](https://static.downly.cn/images/f2e5df9d13b652eb0f3c4d298eb76585.png)

## Meta陷版权风波 AI训练数据合法性引争议

科技巨头Meta公司正面临一场严重的法律诉讼，此案可能成为史上最大的AI训练数据侵权案。两家成人影片公司提起诉讼，指控Meta在进行AI训练时，明知故犯地使用了至少2396部受版权保护的影片内容。原告方提出了高达3.59亿美元的天价索赔，此案再次引发了科技行业内外对于AI训练数据来源合法性的广泛关注和激烈讨论。

![image.png](https://static.downly.cn/images/3710613ffbe00595dce99518874e849f.png)

## InternLM发布轻量级多模态模型 赋能科学研究

InternLM团队（书生·浦语）近日发布了一款仅有8B参数的轻量级多模态推理模型Intern-S1-mini。该模型巧妙融合了Qwen3-8B语言模型与InternViT视觉编码器，并通过包含超过2.5万亿科学领域token在内的海量数据进行预训练。这使得Intern-S1-mini不仅能处理常规的文本和视觉信息，还具备解析分子式、蛋白质序列以及规划化学合成路径等高级科学研究能力，为科研领域提供了强大的AI工具。


![image.png](https://static.downly.cn/images/d75c9b57a4bab6762eb64da756002cf0.png)

## 可灵AI精准控帧 视频生成迈入新纪元

可灵AI近期基于其全新的2.1模型，重磅推出了首尾帧功能。这一创新功能将AI视频生成过程中的随机性转变为高度的可控性，用户可以通过设定视频的起始与结束画面，来精准控制视频内容的走向。据官方数据，新模型的效果提升高达235%，让精准可控的视频生成从一个设想变为现实，彻底改变了AI视频创作的行业格局。

![image.png](https://static.downly.cn/images/609e55ad98c0cf44ebb5cc4487578798.png)

## 即梦AI智能多帧技术 一键生成超长镜头

即梦AI上线了创新的“智能多帧”技术，极大地简化了视频创作流程。用户仅需提供最多10张关键帧图像，系统便能自动分析并生成长达54秒的专业级连贯视频。这项技术彻底颠覆了传统的视频创作模式，显著降低了内容创作的门槛，充分展现了AI在长视频生成领域的巨大潜力和广阔前景。

![image.png](https://static.downly.cn/images/e7920e1da7634fa7a8e58c8c3177cbd6.png)

## VAST发布Tripo 3.0 AI驱动3D建模革命

VAST公司最新发布的Tripo 3.0版本，正通过其强大的人工智能技术革新传统的3D建模行业。该平台凭借其高效和易用性，已经吸引了超过300万专业开发者用户。Tripo 3.0在游戏开发、影视制作、建筑设计和工业设计等多个领域展现了AI驱动3D内容创作的强大潜力，预示着一个全新的3D内容创作时代已经到来。

![image.png](https://static.downly.cn/images/53dde85232904380889e5b78ce0ceb36.png)

每日AI资讯0823：AI视频生成迎双重突破，语音识别与3D建模重塑行业格局





> 导语：今日AI界风起云涌，从Manus AI推出百个Agent协同工作的“Wide Research”功能，到字节跳动Trae代码编辑器集成OpenAI o3模型，AI的应用边界正被以前所未有的速度拓宽。Poe平台全面开放API，Claude支持多格式文件上传，Creao AI获千万美元融资打造“Agent协同操作系统”，AI开发与协作的门槛持续降低。底层技术同样迎来突破，DeepSeek公布大模型部署新专利，清华大学开源MOSS-TTSD语音合成模型。此外，AI在机器人领域的应用也结出硕果，字节跳动助力清华大学夺得机器人足球世界杯冠军。与此同时，马斯克Grok推出的6秒AI视频生成功能也引发了新的社会讨论。



## Manus AI开启百“人”斩：一键启动百个Agent协同，复杂任务轻松搞定
Manus AI 近日推出了其上线以来最大的一次功能更新——“Wide Research”。该功能允许用户一键启动大规模并行的Agent协作，轻松处理过去难以想象的复杂调研任务，例如在短时间内对比分析上百款运动鞋或为一张海报寻找海量设计灵感。这一强大的功能将逐步向平台各层级用户开放，其核心是一种源于MapReduce范式的系统级并行计算机制，标志着AI协同工作进入了新纪元。

![image.png](https://static.downly.cn/images/9d26a1dcc9f126d00d1393849f8eb86b.png)

## 字节跳动Trae代码编辑器再进化，集成OpenAI o3模型解锁编程新范式
字节跳动旗下的AI代码编辑器Trae现已正式支持OpenAI最新发布的o3模型。得益于o3模型强大的推理能力和独特的“思考式”问题解决机制，Trae在代码生成、上下文感知调试以及多工具协同等方面的能力得到了巨大提升。这不仅显著提高了开发者的工作效率，更引领了AI辅助编程的新标杆。同时，Trae承诺将严格保障用户的隐私与数据安全，让开发者可以安心使用。

![image.png](https://static.downly.cn/images/2f3849c4ce35c4638567c8e80689a398.png)

## Poe平台开放API，订阅即享全能模型，开发者迎来新福音
AI聊天平台Poe近日宣布推出API功能，为其发展历程增添了重要里程碑。此举意味着所有订阅用户无需支付额外费用，即可通过API调用平台上的全部文本、图像、视频模型及机器人。更具吸引力的是，该API兼容OpenAI接口，极大地降低了开发者的使用和迁移门槛，为加速AI技术的集成与应用铺平了道路，标志着Poe正式向开发者工具平台转型。

![image.png](https://static.downly.cn/images/b036b68ea7f04574c88f1ff44c996fbf.png)

## DeepSeek公布大模型部署新专利，预填充与解码分离优化效率
DeepSeek的关联公司最近公开了一项关于大语言模型部署的创新专利。该技术的核心思想是将模型的预填充（pre-filling）和解码（decoding）两个阶段分别部署在不同的高性能计算设备上。这种创新的部署方式旨在优化计算资源利用率，有效降低延迟，同时提高系统的吞吐量、扩展性和容错性，有望推动AI技术的进一步发展，并加速各行各业的数字化转型进程。

![image.png](https://static.downly.cn/images/1b890839b38281832d3cf32cdc5bb251.png)

## Creao AI获千万美元融资，旨在打造下一代“Agent协同操作系统”
人工智能初创公司 Creao AI 近日宣布，已连续完成数百万美元的天使轮和数千万美元的Pre-A轮融资。公司的核心目标是开发一个以AI Agent为核心的下一代操作系统——Agentic OS（AOS）。该系统旨在通过一次简单的对话，就能自动生成并部署一个功能完整的全栈Agentic App，实现从应用生成到自我进化的一站式智能协作，有望重塑用户与智能系统的交互方式，甚至深刻改变整个软件产业。

![image.png](https://static.downly.cn/images/6d12b1677d721d33ead0531c539e9219.png)

## Claude“神器”再升级，支持多格式文件上传，实现数据与AI无缝协作
Claude的artifacts功能迎来重磅升级，现已支持用户上传PDF、图像、代码等多种格式的数据文件。用户可以将这些文件无缝集成到AI驱动的应用中，极大地提升了数据处理和AI应用开发的灵活性与效率。无论是分析复杂的文档，还是从图像中提取信息，这项升级都为用户解决实际问题提供了前所未有的强大工具。该功能背后由Claude4、Claude 3.7 Sonnet和Claude 3.5 Sonnet等先进AI模型提供技术支持。

![image.png](https://static.downly.cn/images/f7ff74154f943a65c7373803864c9d0b.png)

## 清华大学开源MOSS-TTSD，百万小时训练打造双语AI播客新标杆
由清华大学等机构联合研发的MOSS-TTSD模型现已震撼开源。这是一款在对话场景下实现中英双语高表现力语音合成的AI模型，通过创新的XY-Tokenizer技术，支持超长语音生成、零样本音色克隆以及声音事件控制。该模型特别适用于AI播客、有声小说和影视配音等长篇内容的创作。尽管在语气和节奏感上略逊于商业产品，但其开源免费的特性和在中文客观指标上的优异表现，使其拥有巨大的应用潜力。

![image.png](https://static.downly.cn/images/23768e07b7e717e427d6d4555a8e476f.png)

## 字节跳动与清华大学联手，AI算法助力中国队首夺机器人足球世界杯冠军
在刚刚结束的2025 RoboCup机器人世界杯人形组比赛中，清华大学火神队历史性夺冠，这是中国队首次在该项目上获得胜利。此次胜利的背后，离不开字节跳动Seed团队与清华大学联合研发的“HumanoidKick”算法。该算法通过先进的视觉深度强化学习技术，成功解决了机器人足球在感知与执行层面的核心难题，展现出卓越的实时响应和自主决策能力，成为推动机器人技术发展与应用的一次成功范例。

![image.png](https://static.downly.cn/images/d3d4f0e01d9eacbed79752fe46ba9d2b.png)

## 马斯克的Grok进军视频生成，新功能可创作6秒AI短片
马斯克旗下的xAI公司为其AI聊天机器人Grok推出了一项名为“Imagine”的新功能，允许用户根据文本提示生成带有声音的6秒钟视频片段。该功能计划于今年十月正式上线。然而，这一功能也引发了公众对于深度伪造、内容剥削以及潜在偏见（如反犹太主义）等问题的广泛担忧，尤其是在其先前已推出性别化AI伴侣的背景下，相关的争议和社会讨论正在升温。

![image.png](https://static.downly.cn/images/ea761655b9761807e236d17cc131e6f7.png)

每日AI资讯0802：Agent协同作战、AI编程革新与多模态模型全面升级



> 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)

每日AI资讯0725：阿里连发多款AI模型新品，谷歌搜索迎来AI新变革






> 导语：今日的AI界再次迎来技术革新，从提升办公效率的智能录音，到颠覆内容创作的超高速视频生成，再到与我们日常生活紧密相连的音乐搜索体验升级，人工智能正以前所未有的深度和广度，重塑着我们的工作与生活方式。

## 会议神器降临！ChatGPT录音模式让你的Mac变身超级助理

OpenAI近日为其macOS桌面应用推出了一项重磅功能——录音模式，目前已向Plus用户全面开放。这项功能允许用户直接在应用内录制音频，并利用AI的强大能力，实时将语音内容转换成结构化的文字笔记。它不仅能完整转录长达120分钟的会议或对话，还能自动提炼出核心摘要、关键要点和待办事项（Action Items），极大地提升了信息处理和工作规划的效率。为了保护用户隐私，所有原始音频在转录完成后即被删除。不过，OpenAI也提醒用户，在使用该功能时，应主动征求所有参与者的同意，并遵守相关的法律法规。

![image.png](https://static.downly.cn/images/c8755401b9cae86777776e6c21136a3c.png)

## 视频创作革命！开源AI模型LTX-Video 13B发布，30倍速生成高清大片

视频创作领域迎来新的里程碑。Lightricks旗下的LTX Studio正式发布了拥有130亿参数的开源视频生成模型 LTX-Video 13B。该模型采用创新的多尺度渲染技术，其视频生成速度是同类模型的30倍，并且能在消费级GPU上流畅运行，大大降低了高质量视频创作的门槛。LTX-Video 13B不仅在视频画面的连贯性和细节表现上有了显著提升，还为创作者提供了如关键帧控制、镜头运动设计、视频风格替换乃至视频时长延展等精细化的控制选项。它的开源发布，无疑将赋能全球的开发者和内容创作者，推动AI视频生成技术进入一个全新的发展阶段。

![image.png](https://static.downly.cn/images/b4aba61f783239d8f08d234af2a81a0a.png)

## 搜歌新姿势！腾讯元宝与QQ音乐打通，模糊搜索、场景配乐一句话搞定

腾讯旗下的AI助手“元宝”App与QQ音乐实现了深度融合。用户将App更新至最新版本后，即可体验到前所未有的智能音乐搜索服务。无论是记不清歌名的“模糊搜歌”，还是根据“适合运动的音乐”这类场景化需求寻找配乐，用户只需通过自然语言提问，元宝便能精准识别并调用QQ音乐的海量曲库进行播放。其独特的“划线即播”功能，更是让用户在阅读或对话中看到感兴趣的歌词或歌名时，轻轻一划即可立即欣赏。此举标志着腾讯正加速其AI技术与庞大内容生态的结合，让智能助手在娱乐消费场景中变得更加实用和便捷。

![image.png](https://static.downly.cn/images/2e4ded06b502cd9fc1e974b80838a4b1.png)

每日AI资讯0719：ChatGPT录音模式上线，开源视频模型提速30倍，腾讯元宝搜歌更智能




# 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




> 谷歌最新发布的Veo 3迎来逆天升级，其核心功能已能将普通的静态照片直接转化成能开口讲话的“活人”视频，栩栩如生。这一突破性技术正迅速冲击广告和动漫制作行业，预示着一个全新的内容创作时代即将来临。

## Veo 3“活化”照片惊艳亮相

谷歌最新一代视频生成模型Veo 3近日迎来了一次颠覆性的功能升级，其核心亮点在于能够将一张普通的静态照片，通过AI技术瞬间“活化”成一段流畅、自然的视频，其中人物不仅能动起来，甚至能模拟开口讲话的动作和面部表情，达到以假乱真的效果。
<video src="https://static.downly.cn/images/0337ce2ce8c2af06e84359dec44e48eb.mp4"  title="New Veo 3 Update ｜ Audio + Video from an Image.mp4"></video>
这项技术的强大之处在于，它超越了传统的图片动画或简单的面部表情合成，能够生成更具连贯性和真实感的动态视频内容，仿佛让照片中的人物真的“活了过来”。这一能力的展示，迅速在科技界和内容创作领域引起了广泛关注和热议。


## 技术突破：从静态到“开口说话”的质变

Veo 3能够实现“照片秒变活人开口讲话”的关键，在于其在深度学习和生成对抗网络（GAN）或扩散模型等技术上的显著进步。模型不仅能够精准地捕捉并理解人脸的细微特征和表情，还能根据预设的语音或文本，智能地生成与声音同步的嘴型、面部肌肉运动以及头部姿态。

这一技术不再局限于简单的2D平面动画，而是能够模拟3D空间中的运动和光影变化，使得生成的视频在视觉上更加自然流畅，避免了以往AI生成视频中常见的“僵硬感”或“恐怖谷效应”。这种质的飞跃，将极大地降低视频内容创作的门槛和成本。
![image.png](https://static.downly.cn/images/6325f8bc7237bc49cf3db57660dbb11c.png)

## 广告与动漫圈的“一夜沦陷”

Veo 3的这项能力，对广告和动漫行业而言，无异于一场革命。

在**广告行业**：
*   **成本骤降**：企业无需再投入巨资聘请真人模特、拍摄团队、租用场地，甚至可以“复活”已故名人或创造虚拟代言人，极大降低广告制作成本。
*   **效率提升**：从创意到产出视频广告的时间将大幅缩短，加速营销活动的迭代。
*   **个性化定制**：可以根据不同的受众群体，快速生成定制化的广告视频，实现精准营销。想象一下，一个代言人可以用几十种不同的语言，以完全逼真的口型对着不同的消费者讲话。

在**动漫及虚拟人行业**：
*   **角色活化**：可以直接将静态的动漫角色图片或虚拟人形象，赋予其说话、表达情感的能力，省去了大量的手绘动画和面部骨骼绑定工作。
*   **内容生产加速**：动画师可以将更多精力投入到创意和故事叙述上，而非繁琐的动画制作细节。
*   **虚拟偶像新纪元**：进一步推动虚拟偶像和数字分身的发展，让虚拟形象的互动性和表现力达到前所未有的高度。

业界普遍认为，Veo 3的出现，将彻底改变这两个行业的生产流程和商业模式，引发一轮全新的内容创作高潮。

![image.png](https://static.downly.cn/images/4772a84a47d7e6416fd024a8892e5147.png)

## 挑战与未来展望

尽管Veo 3展现出惊人的潜力，但其普及和应用仍面临一些挑战。例如，技术成熟度、伦理问题（如深度伪造）、以及如何平衡自动化与人类创意等。如何确保生成内容的真实性和可信度，将是未来需要重点关注的问题。

然而，不可否认的是，谷歌Veo 3的升级，为我们描绘了一个充满无限可能的未来。它预示着一个“每个人都能成为视频创作者”的时代即将到来，传统内容制作的壁垒将被打破，创意将成为更核心的竞争力。随着技术的进一步发展，我们有望看到更多颠覆性的应用，彻底改变我们获取和消费信息的方式。

![image.png](https://static.downly.cn/images/3f92522c5dde19229d2843798f784782.png)



谷歌Veo 3震撼升级：静态照片秒变开口说话活人，广告动漫界或被颠覆

Stability AI推出的AI视频生成工具

Stable Video

一站式动画故事AI视频生成平台

Pixfun

Pika Labs推出的AI视频生成和编辑工具

Pika

Sora

爱诗科技推出的AI视频生成工具

PixVerse

AI视频生成和重绘工具，支持文本/图像转视频

Haiper

潞晨科技推出的多功能AI视频生成平台

Video Ocean

MiniMax公司推出的AI视频生成工具

海螺AI视频

阶跃星辰推出的AI视频生成工具

阶跃视频

AI视频生成工具，将文本转为3秒逼真视频

Hotshot

AI视频生成平台，支持音频同步功能

Decohere

Runway最新推出的AI视频生成模型

Gen-2

腾讯混元AI视频

生数科技推出的AI视频生成大模型

Vidu

即梦

AI视频生成工具，支持多模态创意分镜创作服务

元镜

智谱清影

免费的AI视频生成和图像创作平台

搜索结果: AI视频生成