

> 针对科研人员在不同工具间频繁切换的痛点，OpenAI 正式推出了搭载 GPT-5.2 内核的在线协作平台 Prism。该平台深度整合了 LaTeX 编译、文献管理与 AI 辅助推理，试图定义 2026 年科研工作的全新标准。

## 解决“摩擦成本”：一站式科研工作流

OpenAI 的内部数据显示，高级科学与数学用户在 ChatGPT 上的活跃度极高，其交互量是普通用户的 3.5 倍。然而，割裂的工具链（从文档编辑到公式推导再到文献引用）严重拖慢了科研效率。

Prism 正是为此而生。它基于此前收购的云端 LaTeX 平台 Crixet 构建，将文本编辑器、PDF 阅读器、参考文献管理系统与 AI 对话界面融为一体。科研团队可以通过一个链接实现多人实时协作，彻底告别了文件版本混乱的时代。

![Google_AI_Studio_2026-01-28T03_16_55.487Z (1).png](https://static.downly.cn/images/c1fdfc482f1f5db01b39ea5faec88e1d.png) <center>图源备注：图片由AI生成</center>

## GPT-5.2 加持的“思考”引擎

Prism 的核心杀手锏在于集成了 GPT-5.2 的“Thinking”模型能力。它不仅是一个编辑器，更是一个懂科学的助手：

*   **深度推理**：协助研究人员重构复杂的数学公式，甚至对论文逻辑进行预演推导。
*   **多模态转化**：支持将手绘的白板草图直接识别并转换为标准的 LaTeX 图示代码。
*   **自动化管理**：繁琐的文献引用格式整理工作可由 AI 瞬间完成。

目前，Prism 已面向 ChatGPT 个人免费用户开放，并将于近期覆盖企业级用户。OpenAI 坚信，Prism 将成为降低科研“摩擦成本”的关键一步，开启科研效率变革的新元年。

OpenAI发布科研平台Prism 打造科学界的LaTeX级协作神器



> OpenAI 发布全新需求建议书，宣布将投资重点转向数据中心输入设备、消费电子及机器人技术三大领域，正式开启从云端算法向实体制造延伸的供应链本土化进程。

## 锁定三大硬件领域 重构供应生态

OpenAI 正式披露了一项极具野心的战略计划，旨在未来几年内深度重塑其在美国本土的供应链体系。作为该计划的核心行动，公司发布了一份面向全美企业的需求建议书（RFP），将关注点精准锁定在三个关键硬件领域 数据中心输入设备、消费电子产品以及机器人技术。

这份公告清晰地传达了 OpenAI 的战略意图——构建一个安全、强韧且端到端可控的本土供应链。在数据中心层面，公司急需高性能、低延迟的本地化设备以支撑日益庞大的算力需求；在消费电子端，OpenAI 正寻找能够完美承载其 AI 能力的硬件载体；而在机器人领域，RFP 的发布更是释放了明确信号，表明公司正为具身智能（Embodied AI）的规模化量产储备制造能力。

![Google_AI_Studio_2026-01-17T03_08_48.925Z.png](https://static.downly.cn/images/461d9b8b8e7a71a971285181ce590f98.png) <center>图源备注：图片由AI生成</center>

## 从软件巨头向硬科技延伸

此次供应链本土化行动，标志着 OpenAI 正在跨越单一的软件研发边界，向更完整的硬科技生态演进。CEO 萨姆·阿尔特曼此前多次强调“AI 需要实体载体”，并个人投资了多家硬件与神经接口公司。如今，这一理念正式转化为公司的集团战略。

通过推动关键组件在美国本土的设计与制造，OpenAI 不仅是在响应政府的技术回流政策，更是在为下一代产品形态铺路。当 AI 不再仅仅是屏幕上的代码，而是嵌入到芯片、传感器与机械臂中时，掌握硬件制造的自主权将成为科技巨头构筑护城河的关键。OpenAI 的这份 RFP，或许正是美国 AI 制造业复兴的重要序章。

OpenAI发布供应链本土化战略 剑指机器人与消费电子制造



> OpenAI 推出旗舰级编程模型 GPT-5.2-Codex，不仅刷新了代码安全与长程任务处理的标准，更展示了惊人的工程能力——在无人干预下仅用一周时间自主构建出包含渲染引擎的 Web 浏览器。

## 从辅助工具到自主代理的进化

OpenAI 正式揭晓了其在编程领域的最新里程碑——GPT-5.2-Codex。这款基于 GPT-5.2 架构深度定制的模型，不再局限于传统的代码补全或片段生成，而是被定义为一款真正的“代理式”编程专家。官方资料显示，该模型针对复杂且长周期的软件开发任务进行了底层优化，旨在让 AI 能够独立承担起工程师级别的重任。

与前代产品相比，GPT-5.2-Codex 在处理超大规模代码库时展现出了质的飞跃。它具备极高的上下文理解能力，能够胜任构建全新功能模块、重构遗留代码以及排查深层逻辑漏洞等高难度工作。值得一提的是，OpenAI 将其称为目前“网络安全能力最强”的模型，这意味着它在编写代码的同时，能以极高的敏锐度识别并阻断潜在的安全风险。

![Google_AI_Studio_2026-01-17T03_05_14.873Z.png](https://static.downly.cn/images/832c765ead1d69d7d1125bad12635634.png) <center>图源备注：图片由AI生成</center>

## 极限施压测试与生态集成

为了验证 GPT-5.2-Codex 的工程极限，第三方团队进行了一场严苛的压力测试。在连续运行一周且无人类干预的情况下，该模型成功从零开始构建了一个功能完整的 Web 浏览器。该项目不仅包含了核心的渲染引擎，还涉及虚拟机搭建，代码总量累计超过三百万行。这一战绩有力证明了其在长程任务中的稳定性与逻辑连贯性。

目前，GPT-5.2-Codex 已全面接入主流开发生态。Cursor、GitHub 及 Windsurf 等头部开发工具均已完成集成，全球开发者即刻起便能调用这一强大的 API。对于追求效率的工程团队而言，这意味着软件开发的周期可能将被重新定义，AI 从“副驾驶”正式晋升为“主力驾驶员”的时代已经来临。

OpenAI发布最强编程代理 GPT-5.2-Codex 自主构建浏览器震撼业界



> 导语
> 今日科技圈迎来多重重磅更新，腾讯与OpenAI相继推出新一代大模型，编程与多模态能力大幅跃升。与此同时，快手可灵与生数Vidu在音视频生成领域再造突破，高德与诺顿则将AI融入出行与安全浏览，更有日本政府探索AI在心理干预层面的社会价值。



## 腾讯混元2.0震撼发布 携手DeepSeek共建AI生态

腾讯正式对外发布了备受瞩目的自研大模型混元2.0。这一版本采用了先进的混合专家架构（MoE），参数规模巨大，旨在提供更强劲的逻辑推理与多任务处理能力。值得一提的是，腾讯同步宣布将DeepSeek V3.2深度接入其生态系统。目前，这两款强大的模型并在元宝、ima等腾讯旗下的AI应用中正式上线。与此同时，腾讯云也迅速跟进，向开发者和企业用户开放了相关的API服务，为产业智能化升级提供了新的强力引擎。

## OpenAI再推王炸 GPT-5.1-Codex-Max重新定义编程效率

OpenAI发布了其最新的编程专用模型——GPT-5.1-Codex-Max。该模型在性能上实现了显著飞跃，不仅具备更加智能的“代理式”编码能力，能够自主规划和执行复杂的编程任务，还支持超过一百万token的超长上下文窗口，轻松处理大型代码库。令人惊喜的是，其定价策略保持与GPT-5一致，极高的性价比使其一经发布便受到了全球开发者的广泛关注与热议。

## 英伟达联手港大推出Orchestrator模型 小参数大智慧

英伟达与香港大学合作，联合推出了一款拥有8亿参数的Orchestrator模型。虽然参数量不大，但该模型利用创新的ToolOrchestra强化学习框架，展现出了惊人的效能。它能够以更低的算力成本和更高的准确率，协调多种外部工具与大型语言模型协同工作，以解决复杂问题。此外，该模型还具备根据用户偏好智能选择最佳工具的能力，为AI代理的工具管理提供了新的思路。


![image.png](https://static.downly.cn/images/d912f372ced241a29811bfb8b7aad1db.png)

<center>图源备注：图片由AI生成</center>


## 快手可灵Avatar 2.0上线 一张照片实现唱跳自由

快手可灵AI发布了Avatar 2.0数字人模型，标志着AI内容创作从静态向动态叙事迈出了关键一步。新版本彻底告别了以往数字人常见的“面瘫”问题，用户现在仅需上传一张照片和一段音乐，即可生成长达五分钟的视频。在视频中，数字人不仅能根据音乐节奏自然地唱歌跳舞，还能展现出细腻丰富的面部表情和肢体动作，极大地降低了高质量视频内容的创作门槛。

## 生数科技Vidu Q2版本发布 免费解锁4K画质与局部重绘

生数科技发布了集参考生图、文生图与图像编辑功能于一体的Vidu Q2版本，被称为“生图全家桶”。该版本在图像生成的可控性上进行了大幅增强，用户可以精准控制画面的位置、动作和构图。Vidu Q2不仅支持输出影院级的4K超清画质，还新增了实用的局部重绘等编辑功能。凭借强大的功能和免费使用的策略，该版本上线首日使用量即突破五十万次，成为创意领域的新宠。

## 微软开源VibeVoice 300毫秒极速响应拟人语音

微软发布并开源了实时语音模型VibeVoice-Realtime-0.5B。该模型在语音合成技术上取得了突破性进展，能够将文本输入在平均300毫秒内转化为语音输出，几乎实现了零延迟的实时交互。不仅速度快，其输出的语音极其接近真人，即便是在长达90分钟的长音频合成中，也能保持流畅自然的呼吸感和语调，远超传统语音合成技术的表现。

## 火山引擎豆包语音2.0升级 复杂场景识别率显著提升

火山引擎发布了基于20亿参数音频编码器的豆包语音识别模型2.0。此次升级显著增强了模型在多语言环境、嘈杂复杂场景下的识别准确性。特别是在处理专有名词、人名、地名以及多音字等难点信息时，新模型的推理能力得到了质的飞跃。此外，该模型还新增了视觉信息识别功能，进一步拓宽了其在多模态交互场景中的应用潜力。

---
![image.png](https://static.downly.cn/images/73c5ddaf2726e7f389decc0e7f6a05be.png)

<center>图源备注：图片由AI生成</center>


## 高德地图上线AI停车雷达 分钟级预测车位状态

高德地图利用先进的AI视觉分析和空间智能感知技术，推出了实用的“AI停车雷达”功能。该功能实现了车位占用情况的分钟级动态可视化更新，帮助车主在导航过程中实时查看沿途及目的地的空闲车位情况。目前，该服务已率先在北京上线，覆盖数万个车位，有效缓解了城市停车难的问题，极大地拓展了导航应用的服务深度。

![image.png](https://static.downly.cn/images/8701e7b568393d4ef04b4cc2fec2902c.png)

<center>图源备注：图片由AI生成</center>

## 诺顿发布全球首款安全AI浏览器Norton Neo 守护在线隐私

网络安全巨头诺顿发布了全球首款免费的“安全AI原生浏览器”——Norton Neo。这款浏览器旨在利用AI技术的主动防御能力，应对日益复杂的在线安全威胁。它能够智能识别并拦截恶意网站、钓鱼链接及追踪脚本，为用户提供一个更加智能、清爽且可信赖的网页浏览体验，重新定义了浏览器安全标准。

## 阿里云析言XiYan-SQL登顶全球榜单 数据库诊断能力刷新纪录

阿里云飞天实验室研发的“析言XiYan-SQL”数据分析智能体，在全球权威的SQL诊断评测BIRD-CRITIC中一举夺魁。该智能体超越了国内外众多顶尖团队，刷新了该基准测试中所有开放榜单的纪录。这一成绩充分展现了阿里云在自动诊断和修复企业常见数据库报错方面的强大技术实力，为企业数据治理提供了强有力的工具支持。

## 日本政府拟启用AI技术 早期干预青少年心理危机

面对青少年自杀率上升的严峻社会问题，日本政府计划利用人工智能技术来早期识别具有自杀倾向的青少年，并及时提供必要的心理支持与干预。这一举措是在社会对AI风险广泛关注的背景下提出的，此前OpenAI曾因AI工具可能诱导不良情绪而引发争议。日本政府此举意在探索AI向善的可能性，将其应用于心理健康这一关键社会领域。



每日AI资讯1206：腾讯混元2.0重磅登场 OpenAI发布编码神器 快手可灵让数字人唱跳俱佳




> 导语
> 本期资讯重点关注谷歌与OpenAI的最新动态。谷歌凭借Gemini 3 Pro在LMArena测试中创下历史新高，并以此为契机宣布了宏大的算力能效提升计划；与此同时，OpenAI宣布了针对特定开发版模型的停服时间表。此外，编程领域迎来了全新的测试基准Code Arena，旨在更真实地评估AI的开发能力。

## 谷歌Gemini 3王者归来 刷新历史最高分引爆科技圈

谷歌最新发布的Gemini 3系列模型展现了惊人的统治力。在权威的LMArena测试中，Gemini 3 Pro以1501 Elo的高分刷新了历史纪录，一举超越了GPT-5.1等强劲对手，确立了其在多模态模型领域的领导者地位。

该模型在科学、数学以及视频处理任务上的表现尤为亮眼。值得一提的是，Gemini 3利用Deep Think模式显著提升了在ARC-AGI-2等通用智能测试中的得分。这一里程碑式的成就不仅引发了市场的广泛关注，也收获了埃隆·马斯克与山姆·奥特曼的公开祝贺，标志着谷歌在AI大模型竞赛中再次占据了制高点。

![image.png](https://static.downly.cn/images/55722a5db06e23eef809607544516bda.png)

<div align="center">图源备注：图片由AI生成</div>

## 谷歌云放出豪言 未来五年算力能效将提升千倍

伴随着Gemini 3系列的成功发布，谷歌股价应声大涨，但这仅仅是开始。谷歌云AI负责人对外公布了一项雄心勃勃的长期计划：在未来四到五年内，谷歌计划在维持现有成本和能耗水平不变的前提下，将其算力、存储和网络性能提升1000倍。

这一目标显示了谷歌在底层基础设施优化上的巨大决心，预示着未来AI计算将迎来质的飞跃，为运行更复杂、更强大的模型铺平道路，同时也展示了科技巨头在绿色计算与高效能耗比方面的战略布局。

![image.png](https://static.downly.cn/images/6031d0f1d8bae78bbf19448d162642f4.png)

<div align="center">图源备注：图片由AI生成</div>

## OpenAI发布API停服预告 开发版GPT-4o即将谢幕

OpenAI官方发布重要通知，确定将于2026年2月16日正式终止面向API客户的 `chatgpt-4o-latest` 模型访问权限。为了确保开发者能够顺利迁移，OpenAI预留了大约三个月的过渡期。

需要特别澄清的是，此次调整仅针对API端的特定开发版本。广大普通用户所使用的ChatGPT免费版及付费版中的GPT-4o模型不受任何影响，目前并没有针对消费者端的移除计划。开发者需密切关注时间节点，及时调整代码适配。

![image.png](https://static.downly.cn/images/0517998a5575208675746bafab2f8ecf.png)
<div align="center">图源备注：图片由AI生成</div>

## Code Arena正式面世 重新定义AI编程能力测试标准

AI编程领域迎来了一项重磅更新，Code Arena正式发布并被视为现实世界AI编程性能测试的新基准。

与传统的代码补全测试不同，Code Arena更侧重于评估AI的“代理行为”。它构建了一个受控的模拟环境，允许模型在其中进行完整的软件开发流程，包括代码规划、整体框架搭建、迭代修改以及最终完善。这种测试方式更贴近程序员在真实工作中的场景，能够更准确地衡量AI模型独立解决复杂编程问题的能力。

![image.png](https://static.downly.cn/images/cbc309d2b0b76c1855a54b439f8359aa.png)

<div align="center">图源备注：图片由AI生成</div>

每日AI资讯1124：谷歌Gemini 3霸榜刷新纪录，OpenAI定档API停服时间





> 导语：本期资讯我们要点聚焦：OpenAI发布针对软件工程优化的GPT-5.1新模型并与富士康达成硬件制造合作；谷歌阵营同样动作频频，不仅推出了基于Gemini 3技术的Nano Banana Pro图像模型，还在地图、反诈及内容识别领域全面植入AI能力。此外，Sora陷入商标侵权官司，复旦MOSS团队开源端到端语音模型也引发了业界的广泛关注。

## 谷歌Gemini 3首秀 Nano Banana Pro重新定义4K图像生成

谷歌正式发布了基于最新Gemini 3技术的图像生成模型——Nano Banana Pro。这款新工具在技术规格上实现了质的飞跃，不仅原生支持4K超高分辨率输出，还在保持人物与物体身份一致性方面取得了显著进步。

功能方面，Nano Banana Pro新增了实时联网搜索能力，允许模型在生成过程中获取最新信息辅助创作。同时，为了应对版权和伦理挑战，模型内置了双重水印技术及C2PA验证标准。不过，性能的提升也带来了成本的增加，其定价相较于前代产品大幅上涨了3至6倍。

![image.png](https://static.downly.cn/images/9862480574ef097830a87e4019a1f336.png)

## 编程能力天花板 GPT-5.1-Codex-Max强势登场

OpenAI再次刷新了AI编程辅助的高度，推出了专为复杂软件工程设计的GPT-5.1-Codex-Max模型。该模型最大的亮点在于引入了全新的“上下文压缩机制”，有效解决了长会话中信息丢失的痛点，同时大幅降低了令牌消耗。

在权威的SWE-bench测试中，GPT-5.1-Codex-Max的准确率飙升至77.9%，展现了其在处理超大代码上下文生成任务时的卓越能力。这标志着AI在辅助大型项目开发和复杂逻辑编写方面迈出了关键一步。

## Sora商标撞车 数字图书馆OverDrive正式起诉OpenAI

备受瞩目的视频生成工具Sora近期惹上了法律麻烦。知名数字图书馆OverDrive向法院提起诉讼，指控OpenAI的“Sora”在名称使用、图标设计以及配色方案上，与其2018年推出的同名学生阅读App存在极高的相似度。

OverDrive方面认为，OpenAI的行为已经涉嫌商标侵权及不正当竞争，目前已正式递交了索赔要求并申请了相关禁令。这一案件也再次引发了科技圈对于品牌命名与知识产权保护的讨论。

![image.png](https://static.downly.cn/images/d189d9f490c8d81fd768aacbd7622e33.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Pixel 9化身反诈卫士 实时监测通话与屏幕共享风险

为了应对日益猖獗的金融诈骗，谷歌在印度市场率先推出了两项基于AI的防御功能。依托于Gemini Nano的端侧处理能力，Pixel 9及以上机型现已支持通话实时诈骗语音检测，能够在通话过程中识别潜在的诈骗话术。

此外，针对Android 11及以上版本的设备，谷歌还推出了屏幕共享联合警报功能。该技术旨在通过技术手段拦截如OTP（一次性密码）泄露等风险行为，为用户的财产安全构建起一道AI防火墙。

## 填空也能做设计 前谷歌团队打造Mixup创意修图应用

由前谷歌团队创立的Things公司发布了一款充满趣味的iOS端AI照片编辑器——Mixup。该应用目前采用限量邀请码制度，一经推出便引发关注。

Mixup的核心玩法在于其独特的“Recipe”（配方）功能，采用填空式的提示词引导。用户只需上传简单的照片或涂鸦，即可通过预设配方快速生成如“文艺复兴自画像”等风格独特的二次创作。同时，用户还可以将自己的创意配方分享至社区，形成互动循环。

![image.png](https://static.downly.cn/images/a35c38aa50aea2085a6a47527478fc45.png)
<center>图源备注：图片由AI生成</center>

## 算力基建再升级 OpenAI携手富士康打造美国AI制造中心

OpenAI正在进一步强化其供应链的自主可控能力，正式与制造巨头富士康达成战略合作。双方将共同在美国多地建立研发与制造中心，专注于生产高性能AI服务器机架以及配套的供电冷却系统。

根据协议，富士康将负责具体的生产制造环节，而OpenAI则提供关键的需求洞察并保留优先选购权。值得注意的是，此次合作中OpenAI并未做出强制采购承诺，显示出其在硬件布局上的灵活策略。

## 搜索体验大革新 Perplexity Comet浏览器登陆安卓平台

Perplexity公司宣布其备受好评的AI浏览器Comet正式推出Android版本。安卓版Comet完美继承了桌面端的核心优势，支持用户将其设置为系统默认搜索引擎，并能利用标签功能快速调用AI助手。

此次更新最大的亮点在于新增的语音模式。用户现在可以针对当前浏览的网页内容，直接通过语音发起交互式提问，无论是查询页面细节还是总结长文，都能获得即时响应，极大地提升了移动端的搜索效率。

![image.png](https://static.downly.cn/images/5eaa001ab129c1c052449661fb952bc7.png)
<center>图源备注：图片由AI生成</center>

## 告别文本中介 复旦MOSS团队开源端到端语音大模型

复旦大学MOSS团队在开源领域再下一城，正式开源了其端到端语音对话模型MOSS-Speech。该模型采用创新的“层拆分”架构，通过冻结文本模型参数并新增语音专用层的方式，成功打破了传统语音交互需要“语音转文本再转语音”的桎梏。

测试显示，MOSS-Speech在语音问答、情绪精准模仿以及自然笑声生成等方面表现优异，在特定任务评测中实现了极低的词错率和极高的情感识别准确率，为未来的人机交互提供了新的范式。

## 一眼识破AI造假 Gemini新增图片来源快速验证功能

面对网络上泛滥的AI生成内容，Google为Gemini用户增添了一双“火眼金睛”。新推出的图片识别功能允许用户直接向Gemini提问，以快速判断眼前的图片是否由Google自家的AI工具生成或编辑。

这项功能旨在提高数字内容的透明度。谷歌还透露，未来计划将这一验证能力扩展至视频和音频领域，并将其整合到更多的谷歌服务生态中，帮助用户在真假难辨的信息流中保持清醒。

## 谷歌地图注入Gemini灵魂 沉浸式导航与地标指引上线

谷歌地图迎来了Gemini模型的深度整合，旨在打造更直观的出行体验。新版本不仅能自动汇总目的地的评论和预订信息，为用户提供详尽的“行前须知”，还引入了更加智能的导航方式。

在AI的加持下，导航系统现在能够利用清晰可见的物理地标作为指引参照物，而非枯燥的街道名称。同时，针对电动车主，新功能还提供了更精准的充电桩预测服务，让行程规划变得更加轻松无忧。

每日AI资讯1121：GPT-5.1-Codex-Max震撼发布，谷歌Gemini 3与Nano Banana Pro强势回击



> **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)
<p align="center">图源备注：图片由AI生成</p>

## 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)
<p align="center">图源备注：图片由AI生成</p>

## 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)
<p align="center">图源备注：图片由AI生成</p>

## 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)
<p align="center">图源备注：图片由AI生成</p>

## 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)
<p align="center">图源备注：图片由AI生成</p>

## 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)
<p align="center">图源备注：图片由AI生成</p>



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




> 导语：今日AI界风起云涌，从微软与OpenAI联手自研芯片，到谷歌推出革命性的隐私计算系统，硬件与安全的革新正重塑行业格局。与此同时，模型能力持续飞跃，OpenAI发布的GPT-5.1不仅更智能，更首次引入“情商”与“人格”，而可灵、百度、微博等也纷纷亮出看家本领，推动AI在视频生成、多模态理解和低成本应用上迈向新高度。

## 微软联手OpenAI，自研AI芯片剑指英伟达

微软正通过深度整合OpenAI的AI芯片研发技术，为其自研AI芯片项目注入强大动力。微软CEO萨提亚·纳德拉透露，此项合作旨在打破对英伟达等外部供应商的依赖，构建从硬件到软件的完整AI基础设施。微软奉行“先落地再超越”的务实创新策略，希望通过这次“弯道超车”，在未来的AI竞赛中占据更有利的位置。

![image.png](https://static.downly.cn/images/763fd536e1135c4c9dacd598853d48be.png)

<p align="center">图源备注：图片由AI生成</p>

## 谷歌发布“私有AI计算”，数据隐私迎革命性突破

谷歌推出了一项名为“私有AI计算”的云端系统，旨在解决AI时代用户最关心的数据隐私问题。该系统利用先进的TPU技术，在完全隔离的环境中执行AI任务，确保用户数据处于绝对安全的状态。其核心亮点在于，即便是谷歌自己的员工也无法访问这些数据，实现了真正的“零访问”，为AI数据处理的隐私保护树立了新的标杆。

![image.png](https://static.downly.cn/images/6602e02ee994e2dd00b7e9cb14154160.png)

<p align="-center">图源备注：图片由AI生成</p>

## 可灵模型再升级，首尾帧功能让视频创作更自由

快手旗下的可灵AI视频模型迎来了2.5 Turbo版本的重大更新，其中最引人瞩目的便是新增的“首尾帧”功能。用户可以通过设定视频的起始和结束画面，让AI自动生成连贯、稳定的中间过程。这一功能极大地增强了视频生成的可控性和一致性，同时新版本在动态效果、风格保持和美学表现上也有显著提升，为专业内容创作者提供了更强大的工具。

![image.png](https://static.downly.cn/images/eadd7eb8babd956f294550d4ed35b8ee.png)

<p align="center">图源备注：图片由AI生成</p>

## GPT-5.1横空出世，AI首次拥有“情商”与“人格”

OpenAI正式发布了GPT-5.1，标志着AI进入了“情商融合”的新纪元。新模型不仅在速度和准确性上大幅提升，更核心的突破在于其具备了更强的“人情味”。GPT-5.1引入了六种不同的人格风格和自适应对话能力，能够进行更温暖、更具共情能力的互动，甚至首次将情感依赖纳入安全评估范畴。通过创新的Instant和Thinking双模型架构，它既能快速响应，又能进行深度思考，致力于成为更懂你的个性化AI助理。

![image.png](https://static.downly.cn/images/09e6502f98d5ea02b0fb2eabe81a48bd.png)

<p align="center">图源备注：图片由AI生成</p>

## 百度ERNIE-4.5精准识图，细节洞察力超群

百度发布了其最新的多模态AI模型 ERNIE-4.5-VL-28B-A3B-Thinking。该模型在图像细节的精确定位和复杂问题解决能力上表现卓越，通过深度融合图像与推理能力，在多项权威测试中超越了谷歌的Gemini 2.5 Pro等竞争对手。值得一提的是，该模型虽然总参数量高达280亿，但借助高效的路由架构，在实际推理时仅需激活30亿参数，实现了性能与效率的完美平衡。

![image.png](https://static.downly.cn/images/e34647a23724cc27126af1d04d6343ad.png)

<p align="center">图源备注：图片由AI生成</p>

## 微博开源VibeThinker，小模型撬动大未来

微博AI部门推出了一款名为VibeThinker-1.5B的轻量级开源大模型，向业界展示了低成本AI模型的巨大潜力。该模型基于阿里巴巴的Qwen2.5-Math-1.5B进行优化，仅用15亿参数就在数学和代码等专业领域取得了突出表现。目前，VibeThinker-1.5B已在Hugging Face等主流平台免费开源，并开放商业使用授权，旨在推动AI技术在更广泛场景中的应用与创新。

![image.png](https://static.downly.cn/images/3aa5c7339145a6a86f89e74cadb5ea4a.png)

<p align="center">图源备注：图片由AI生成</p>

搜索结果: OpenAI发布