

> 导语
> Transformer 架构联合创始人 Ashish Vaswani 领衔的 Essential AI 正式开源了其首款旗舰模型 Rnj-1。这款拥有 80 亿参数的模型向伟大的数学家拉马努金致敬，采用了与主流“后训练”强化学习相反的路线，坚持通过高质量预训练决定智能上限。Rnj-1 在代码生成、STEM 推理及 Agent 智能体能力上表现惊人，特别是在 SWE-bench Verified 测试中取得了同量级模型数量级的领先优势，并以 Apache 2.0 协议完全开源，允许在消费级显卡上运行。



## 逆流而上 回归预训练的本质

在当前 AI 行业普遍痴迷于通过强化学习（RLHF）和后训练（Post-training）来提升模型表现的浪潮中，Essential AI 选择了一条截然不同的“复古”路线。由 Transformer 论文作者 Ashish Vaswani 和 Niki Parmar 创立的这家公司，坚信“预训练决定了智能的天花板”，而后训练仅仅是挖掘已有的潜力。

Rnj-1 就是这一理念的结晶。该模型完全从零开始训练，使用了高达 8.4 万亿 token 的数据集。与盲目堆砌数据不同，研发团队构建了精细的数据分类学，专注于科学、技术、工程、数学（STEM）以及代码数据的混合。这种对预训练质量的极致追求，使得 Rnj-1 在逻辑推理和复杂问题解决上展现出了“原生”的强大能力，而非通过后期微调“模仿”出来的智能。

## 小身材大能量 吊打同级竞品的代码能力

![image.png](https://static.downly.cn/images/2aab691c48fc3e0255519957e206ed38.png)
这里，rnj-1 指的是基础模型，而 rnj-1-instruct 指的是训练后调优的指令模型。
Rnj-1 的核心亮点在于其惊人的代码与推理能力。尽管只有 80 亿参数（8B），它在著名的软件工程基准测试 SWE-bench Verified（bash-only 模式）中取得了 20.8% 的高分。

这一成绩意味着什么？官方数据显示，Rnj-1 在该项测试中的表现比同等规模的其他开源模型高出一个数量级，甚至能够通过 Agent 框架解决现实世界中的 GitHub 问题。除了代码能力，它在数学竞赛（AIME）、科学问答（GPQA）等硬核 STEM 领域也表现出色，证明了其并非“偏科生”，而是具备深层逻辑推理能力的通用模型。
![image.png](https://static.downly.cn/images/8ac38bb18ccee44d3aa503609c51b0f9.png)

## 专为开发者打造 消费级硬件上的 Agent 利器

Essential AI 此次开源显得诚意十足。Rnj-1 及其指令微调版本（Rnj-1-instruct）均采用宽松的 Apache 2.0 许可证，这意味着开发者和企业可以免费商用。

对于广大开发者而言，Rnj-1 的硬件友好性极具吸引力。得益于其 8B 的紧凑体积，经过量化后的模型可以轻松在拥有 16GB 显存的消费级 GPU 甚至高端笔记本电脑上运行。同时，模型支持 32k 的上下文窗口，结合其在函数调用（Tool Use）和 FIM（代码中间填充）方面的优化，使其成为构建本地 AI 编程助手和自主智能体（Autonomous Agents）的理想底座。

## 技术细节揭秘 站在巨人肩膀上的创新

虽然 Rnj-1 的架构借鉴了 Google 的 Gemma 3，但团队进行了关键性的改良。模型采用了全局注意力机制（Global Attention）以及用于长上下文扩展的 YaRN 技术，确保了在处理长文档和复杂代码库时的稳定性。

值得一提的是，在训练过程中，团队使用了 Muon 优化器，显著提升了训练效率。Essential AI 坦诚地表示，Rnj-1 虽然在推理和代码上登峰造极，但由于专注于 STEM 数据，它并不是一个为了“事实检索”而优化的模型，有时甚至会产生幻觉，误认自己的身份。这种“坦诚”反而让社区对其在特定垂直领域的专业性更加充满信心。

## 开源社区的新里程碑

Rnj-1 的发布不仅仅是一个新模型的诞生，更是对“Scaling Law”和模型训练方法论的一次有力探索。它向业界证明，通过科学的数据配比和扎实的预训练，小参数模型依然可以在高难度的推理任务中挑战极限。

对于那些苦于 API 成本高昂、由于隐私问题无法使用闭源模型的开发者来说，Rnj-1 提供了一个强大、开放且可本地部署的全新选择。随着技术报告的即将发布，Rnj-1 有望激发开源社区在 Agent 和代码智能领域的又一轮创新热潮。
注：该模型需要 Ollama 0.13.3，目前处于预发布阶段

Transformer 之父重磅回归：Essential AI 开源 Rnj-1，8B 小模型引爆代码推理革命


> 今日AI圈迎来多维度爆发，视频生成领域战况升级，Runway与国产PixVerse竞相推出“导演级”更新，力求在叙事与画质上实现突破；模型层面，谷歌Gemini 3、DeepSeek V3.2与Liquid AI的新动作显示出从端侧到云端的全面内卷；英伟达则在自动驾驶与Agent调度上展现硬核实力，而OpenAI正探索“技术入股”的新商业模式。


---

## Runway Gen-4.5盲测夺冠 120人团队硬刚科技巨头

Runway再次证明了小团队的惊人爆发力。其最新发布的Gen-4.5视频生成模型，凭借自研的时空混合Transformer架构，在第三方盲测中一举超越了谷歌Veo3和OpenAI Sora2Pro。这一战绩不仅是技术上的胜利，更打破了“大厂垄断”的迷信，展示了专注研究与快速迭代的巨大价值。

新模型在视觉准确性与创意控制力上实现了显著飞跃。创作者现在仅需简短的文本提示，即可生成高清、场景复杂且角色生动的动态视频。基于Nvidia GPU的深度优化，Gen-4.5在处理光影变化和物体物理运动时显得尤为细腻，标志着AI视频生成正从“尝鲜”走向“专业创作”的深水区。

![image.png](https://static.downly.cn/images/9d2859df58601645903701e2d8d8a352.png)
<center>图源备注：图片由AI生成</center>

## 国产爱诗科技PixVerse V5.5 开启AI视频多镜头叙事时代

国内AI视频领域同样传来捷报。爱诗科技发布的PixVerse V5.5（拍我AI V5.5）被业界视为国内首个落地“导演级”能力的多镜头叙事视频大模型。基于自研的MVL架构，该模型彻底改变了以往AI视频“单镜头拼凑”的尴尬局面。

此次更新的核心亮点在于“多镜头+音画同步一键直出”。用户输入一句话，模型不仅能生成画面，还能自动完成脚本编写、分镜设计以及音效匹配。特别是其智能多镜头切换功能，支持在5至10秒内自然过渡远、中、近景，运镜流畅度大幅提升，让普通用户也能轻松制作出具有完整叙事逻辑的短片。

## 谷歌搜索大变革 Gemini 3携手Nano Banana Pro登陆全球

谷歌在搜索与多模态领域的反击势头迅猛。原生多模态大模型Gemini 3正式登场，涵盖Pro和Ultra版本，目前已向全球近120个国家地区的订阅用户开放。这不仅是一次模型升级，更是谷歌搜索体验的一次AI革命。

与此同时，谷歌还推出了专注于图像处理的Nano Banana Pro模型。该模型主打高分辨率输出与专业级控制，旨在满足设计与创意领域的精细化需求。这一系列动作表明，谷歌正加速将顶尖AI能力整合进其庞大的生态系统，试图在多模态竞争中重新确立领军地位。

![image.png](https://static.downly.cn/images/9ab3e1a0f2dccc98c373f6e27f8f9e76.png)
<center>图源备注：图片由AI生成</center>

## 深度求索DeepSeek-V3.2发布 性能比肩顶尖闭源模型

中国AI公司深度求索（DeepSeek）继续在开源领域刷新纪录。新发布的DeepSeek-V3.2系列模型引入了创新的稀疏注意力机制，这一架构上的优化直接击中了当前大模型应用的最大痛点——成本。

在大幅降低长文本处理计算成本的同时，V3.2版本的性能并未缩水，反而增强了Agent（智能体）的执行能力。官方数据显示，其综合能力已具备与GPT-5和Gemini 3.0 Pro等国际顶级闭源模型同台竞技的实力，为开发者提供了极具性价比的高性能替代方案。

## 英伟达自动驾驶新突破 让汽车拥有人类常识

英伟达在NeurIPS 2025上扔下了一枚重磅炸弹：L4级自动驾驶推理模型Alpamayo-R1。不同于传统的规则驱动或单一感知模型，Alpamayo-R1基于Cosmos-Reason系列，采用视觉、语言、动作三模态端到端统一架构。

该模型最大的特点是让车辆学会了“先思考，再行动”。它能够同步处理摄像头画面、激光雷达点云数据以及文本指令，通过多模态融合理解复杂的交通场景。这种具备“人类常识”的决策能力，有望解决自动驾驶在极端或长尾场景下的失效问题，让车辆的驾驶行为更加拟人和安全。

![image.png](https://static.downly.cn/images/a82a1ae940dea54a2d95b1ff65acc8ef.png)
<center>图源备注：图片由AI生成</center>

## Liquid AI推出LFM2 让端侧小模型拥有云端战力

MIT创企Liquid AI正在重塑“小模型”的定义。其发布的第二代设备端基础模型LFM2，采用了创新的“liquid”架构。这一架构在训练和推理效率上表现惊人，使得仅有350M、700M和1.2B参数的小模型，也能展现出媲美云端大模型的性能。LFM2的出现，为手机、IoT设备等边缘计算场景的智能化提供了强有力的技术支撑。

## NVIDIA发布Orchestrator-8B 打造AI系统的智能大脑

为了解决AI系统依赖单一模型可能产生的决策偏差，英伟达推出了一种名为ToolOrchestra的新方法。该方法的核心是一个基于强化学习训练的小型语言模型——Orchestrator-8B。

这个8B参数的模型就像AI系统的“指挥官”或“大脑”，能够智能地评估任务需求，从工具库中选择并组合最合适的工具或子模型来执行任务。这种灵活的调度机制，显著提升了复杂任务的处理效率和准确性。

## OpenAI开启技术换股权模式 联手Thrive Holdings布局商业闭环

OpenAI正在探索一种全新的商业合作范式。在与Thrive Holdings的最新交易中，OpenAI并未直接支付现金，而是通过提供技术资源和开放接口来换取对方的股权及投资收益。双方将聚焦于会计与IT服务领域的AI闭环改造，这表明OpenAI正试图将自身的底层技术优势转化为更深度的行业绑定，锁定长期商业价值。

## 自然语言编程成风潮 灵光App两周涌现330万应用

通用AI助手“灵光”App上线仅两周，便交出了一份惊人的成绩单：用户创建了超过330万个“闪应用”。这一现象级的数据揭示了大众对于AI工具的极度渴求。用户通过简单的自然语言描述，就能快速构建出满足互动娱乐、日常工具等碎片化需求的应用，预示着“人人都是开发者”的时代正在加速到来。

每日AI资讯1202：视频模型全面进化，英伟达谷歌OpenAI硬核混战



> 导语：今日AI界风起云涌，从环球音乐与AI公司Udio、Stability AI的破冰合作，到SciencePedia以“知识图谱”重塑科学学习范式，再到IBM推出专为边缘计算设计的Granite 4.0 Nano微小模型，技术革新正加速渗透各行各业。与此同时，维基百科与马斯克旗下Grokipedia的“人机知识”之争，也引发了我们对AI未来的深刻思考。

## 音乐巨头拥抱AI：环球音乐联手Udio与Stability AI探索音乐创作新纪元

环球音乐集团（UMG）正式宣布，已与两家知名生成式AI音乐公司Udio和Stability AI达成重要合作。此举标志着全球最大的唱片公司之一，正积极拥抱人工智能技术，旨在通过合作，共同探索AI在音乐创作、制作和发行等领域的创新应用，为艺术家和词曲作者开辟全新的创作可能性。

![image.png](https://static.downly.cn/images/c59ef8184990af1d73c30068d01c71a0.png)
<center>图源备注：图片由AI生成</center>
<br>

## 挑战传统百科！SciencePedia利用“知识图谱+长思维链”掀起科学学习革命

在Grokipedia遭遇争议之际，一款名为SciencePedia的新型AI百科全书正式亮相。它以“深度理解”为核心理念，联合多家顶尖科研机构共同打造。SciencePedia摒弃了传统百科全书孤立的词条罗列方式，创新性地采用“知识图谱”与“长思维链”技术，旨在揭示科学知识背后复杂的逻辑脉络和演化历程，帮助学习者建立系统性的科学思维，实现从零散知识点到连贯认知体系的范式变革。

![image.png](https://static.downly.cn/images/103fe398683a760440401077f5a83ebd.png)
<center>图源备注：图片由AI生成</center>
<br>

## IBM剑指边缘计算：发布Granite 4.0 Nano系列微小模型，赋能本地AI

科技巨头IBM近日发布了其最新的Granite 4.0 Nano系列AI模型。该系列包含8个不同规模（350M和1B参数）的微小模型，专为在智能手机、汽车、无人机等本地设备和边缘计算场景中高效运行AI推理任务而设计。这些模型采用了结合SSM和Transformer的混合架构，以Apache 2.0协议完全开源，旨在为企业提供更强的数据隐私保护和对AI部署的完全控制能力。

![image.png](https://static.downly.cn/images/3d2208b9908289d89a48fc90c8d27b97.png)
<center>图源备注：图片由AI生成</center>
<br>

## 人类与AI的知识对决：维基百科回应马斯克Grokipedia挑战，坚守人类编辑核心

面对埃隆·马斯克旗下AI驱动的Grokipedia上线，维基百科（Wikipedia）发表了一份强有力的宣言，重申其“人类创造知识，而非机器”的核心价值观。维基百科强调，其过去近25年的成功，完全建立在全球志愿者社区的无私贡献和非营利模式之上，以此含蓄批评科技巨头可能存在的商业化倾向，并捍卫了由人类编辑和审核知识的传统与权威性。

![image.png](https://static.downly.cn/images/e748af7ff9144b6e7269619f0880d471.png)
<center>图源备注：图片由AI生成</center>
<br>


每日AI资讯1031：音乐巨头拥抱AI，知识领域人机之争愈演愈烈



> 今日AI界风起云涌：Tahoe Bio利用AI解码生命奥秘，剑指癌症研究新突破；Anthropic则将AI利刃伸向金融界，推出能直连Excel的Claude，解放分析师；同时，国产模型DeepSeek在股市交易中一举夺魁，展现强大实力；Mistral AI、MiniMax也分别发布新平台与模型，竞逐企业级应用与智能体赛道；而在消费领域，Fitbit和谷歌地球则将AI融入健康与地理探索，让尖端技术走入日常生活。

## AI化身生命解码器，Tahoe-x1模型加速癌症研究革命

Tahoe Bio公司发布了参数量达30亿的AI模型Tahoe-x1，该模型采用Transformer架构，能解析基因、细胞与药物间的复杂关系，标志着AI在生命科学领域从辅助工具迈向生命系统建模引擎，有望加速癌症靶点发现和个性化疗法的研发。

![image.png](https://static.downly.cn/images/efaf2d2e5713ada0abc6526255fbeb21.png)

<center>图源备注：图片由AI生成</center>

## Mistral AI 亮剑企业市场，推出 Studio 平台简化应用开发

Mistral发布AI Studio平台，旨在借助其强大模型，赋能用户快速部署AI应用，支持企业大规模构建、监控和管理AI，助力其完成从概念验证到企业级生产的战略转型。

![image.png](https://static.downly.cn/images/d3eccde35b1cde4dc546acf18ecbe0f6.png)

<center>图源备注：图片由AI生成</center>

## 告别繁琐数据处理，Anthropic 发布金融版 Claude 直通 Excel

Anthropic发布金融版Claude，旨在解决金融从业者数据搬运和重复建模的痛点。新功能核心包括Excel原生交互插件、实时全球金融数据源连接和投行级AI代理技能。通过基于Sonnet 4.5模型的Excel插件，可实现数据自动化处理，让Claude成为“分析师第二大脑”，有望将分析师的工作负担减轻80%。该功能目前正面向企业客户进行测试。

![image.png](https://static.downly.cn/images/68009791e4cf9af3618be3d4496d6a85.png)

<center>图源备注：图片由AI生成</center>

## 国产AI模型DeepSeek炒股夺冠，年化回报率远超GPT

中国自主研发的DeepSeek模型在香港大学主导的人工智能交易实验中，凭借10.61%的年化回报率，显著优于GPT等国际顶尖AI模型及纳斯达克100指数，有力证明了AI在无人值守股市交易领域的巨大潜能。

![image.png](https://static.downly.cn/images/fd88845a44f44e53dde82313aeef633b.png)

<center>图源备注：图片由AI生成</center>

## 你的腕上AI私教，Fitbit 推出 Gemini 健康教练

Google将推出基于Gemini大模型的AI“健康教练”功能，为Fitbit Premium订阅用户提供全天候个性化健身、睡眠和健康指导，该功能将于明起在美国安卓用户中预览开放，并将随后登陆iOS平台，旨在通过动态适应能力超越传统预设方案的局限。

![image.png](https://static.downly.cn/images/80380eaca0e6aef1db0f2c065d553b76.png)

<center>图源备注：图片由AI生成</center>

## 为智能体而生，MiniMax 发布 M2 推理模型实现高速响应

MiniMax发布新一代开源推理模型M2，专为智能Agent设计，采用2300亿参数的混合专家架构，每次推理激活100亿参数，实现了每秒100个token的惊人速度，尤其适合实时交互场景。

![image.png](https://static.downly.cn/images/e47606a65e31398c11a8c084b71164b2.png)
<center>图源备注：图片由AI生成</center>

## 与地球对话，Google Earth 集成 Gemini 实现自然语言地理分析

谷歌在其Earth平台引入Gemini大模型，用户能通过自然语言对话进行地理推理，识别风暴、分析干旱，该功能结合了地理空间推理模型、天气预报、卫星图像及人口数据等AI能力，显著提升了交互效率。

![image.png](https://static.downly.cn/images/3709c2d481ce330fe7ded28ace6b6c81.png)

<center>图源备注：图片由AI生成</center>



每日AI资讯1028：AI深入垂直领域，从金融交易到生命科学全面开花




> 导语 本期AI资讯聚焦于行业的两大核心趋势 安全与创新。一方面，从华为与浙大联手打造安全可控的大模型，到Notion AI暴露出的潜在数据风险，凸显了AI发展中安全与防护的重要性。另一方面，通义千问在端侧多模态领域的再次突破，蚂蚁数科面向新能源的垂直模型升级，以及谷歌核心人才流向xAI，预示着AI技术的边界仍在不断拓宽，应用场景持续深化。

## 国产AI安全新高度 华为与浙大联手打造DeepSeek-R1-Safe模型

华为与浙江大学近日联合发布了国内首个基于昇腾千卡算力平台的基础大模型 DeepSeek-R1-Safe。该模型通过一个全流程的安全后训练框架，并利用高质量的安全语料库进行优化，旨在从根本上解决当前AI领域普遍存在的安全与性能难以兼顾的问题，为构建更加可靠和负责任的人工智能系统提供了新的解决方案。

![image.png](https://static.downly.cn/images/c13adb9b649fc13263fa0a9e9525a35e.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 通义千问再进化 Qwen3-Omni即将开源 端侧多模态能力新突破

阿里巴巴云Qwen团队即将开源其最新的跨模态模型Qwen3-Omni。该模型作为一个端到端解决方案，能够流畅处理文本、图像、音频、视频等多种类型的输入信息，并生成文本和语音输出。值得关注的是，Qwen3-Omni特别针对手机等资源受限的设备进行了深度优化，其相关代码已提交至Hugging Face Transformers库，预示着强大的多模态AI能力将很快在更多终端设备上普及。

![image.png](https://static.downly.cn/images/5e1d9a557706144ada92d7a7776adea1.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## Grok 5 迎来核心主脑 前谷歌Gemini开发者加盟马斯克xAI

原Google DeepMind团队的核心开发者Dustin Tran已正式加盟马斯克的xAI公司。Dustin Tran此前深度参与了谷歌Gemini项目，是深度学习领域的知名专家。马斯克本人也确认了此消息，并透露他将主导下一代Grok模型的研发工作，这一重磅人事变动无疑将为xAI的未来发展注入强大动力。

![image.png](https://static.downly.cn/images/cfc9cce7baf6a5f95c06509a25f76eb8.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## AI代理的“后门” Notion 3.0新功能曝出严重安全漏洞

近期发布的Notion 3.0 AI代理功能被发现存在严重的安全漏洞。攻击者可以通过上传一个特制的恶意PDF文件，诱导AI代理绕过其自身的安全防护机制。由于该AI代理拥有访问工具和长期记忆的能力，这种攻击方式可能导致用户的敏感数据被轻易窃取，而传统的访问控制措施对此类新型威胁束手无策。

![image.png](https://static.downly.cn/images/267a281363294c3f303f1c7692e5beee.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 赋能新能源 蚂蚁数科发布能源时序大模型EnergyTS 2.0

蚂蚁数科近日对其能源时序大模型进行了升级，正式推出EnergyTS 2.0。这是一款专为新能源行业，如风电、光伏等领域量身打造的垂直大模型。它专注于处理和预测能源电力领域的时间序列数据，旨在从数据层面提升新能源行业的预测精度与运营增效。

![image.png](https://static.downly.cn/images/61051a355a7f40e14907d32bf2614380.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 开发者福音 在VS Code中直接调用Hugging Face模型成为现实

Hugging Face宣布，其平台上的众多大型开源模型现已成功整合进GitHub Copilot Chat中。这意味着开发者们现在可以直接在他们熟悉的VS Code编程环境中，无缝调用和测试各种强大的AI模型来辅助编码，无需再频繁地切换平台或工具，极大地提升了开发工作的效率和流畅性。

![image.png](https://static.downly.cn/images/cd16e5a67af18c7641f6023d32969a33.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 云端AI再添强援 亚马逊云科技全面托管Qwen3与DeepSeek-V3.1模型

亚马逊云科技（AWS）宣布，正式在其平台上推出针对Qwen3和DeepSeek-V3.1两款热门模型的完全托管服务。这一举措紧随Meta、Mistral AI等巨头开放其模型权重的行业趋势，通过提供稳定、可扩展的云服务，让更多企业和开发者能够便捷地部署和应用这些前沿的AI大模型。

![image.png](https://static.downly.cn/images/a837863ceae9d2b56887fc69b55add43.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

每日AI资讯0922：安全与创新并进，多模态与端侧成本轮焦点





> 导语：今日AI界动态纷呈，从底层模型的技术革新到上层应用的功能拓展，无不展示着人工智能发展的迅猛势头。不论是致力于提升模型效率与速度的阿里巴巴与蚂蚁集团，还是在图像生成、办公自动化等领域取得新突破的腾讯和Claude，亦或是关注AI可信度与开发流程优化的智谱和沃尔玛，科技巨头与初创企业正共同描绘一幅更加智能、高效的未来图景。

## 字节跳动USO模型问世 告别AI绘画的“风格分裂”

字节跳动UXO团队近期发布了其创新的USO模型，该模型在一个统一的框架内，首次成功解决了长期困扰AI图像生成领域的风格与主题难以调和的矛盾。通过构建一个包含约20万三元组（涵盖风格、内容参考及其他信息）的庞大数据集进行训练，USO模型能够精准理解并融合用户的风格偏好与内容主题，从而生成二者兼得的艺术作品，实现了风格与主题的和谐统一。

![image.png](https://static.downly.cn/images/850ecf3d12db2a3a84393fd1b1af5255.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 蚂蚁集团Ling-mini-2.0开源 轻巧身躯爆发强大能量

蚂蚁集团百灵团队正式开源了其Ling-mini-2.0模型，该模型在轻量化与高性能之间取得了卓越的平衡。它巧妙地运用了MoE（混合专家）架构和参数稀疏激活技术，虽然总参数量达到160亿，但在实际运行时每次仅需激活其中的14亿参数。这一设计不仅使其具备了处理长达128K上下文的能力，更带来了极高的生成速度，其综合性能足以媲美市面上主流的百亿级参数密集型模型以及更大规模的MoE模型。

![image.png](https://static.downly.cn/images/b89a54e1f10d89f267fbdaf1ad6a2b51.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 日本Sakana AI成新晋独角兽 师从自然探索“集体智能”

成立仅一年的日本AI初创企业Sakana AI，凭借其独特的创新理念迅速成长为行业独角兽。公司创始人，前谷歌大脑研究员David Ha及其同事Llion Jones，将研究重点放在了借鉴自然界智慧的“集体智能”上。他们致力于探索如何将多个现有及新兴的AI系统进行有效融合，而非单纯追求更大的数据和模型规模，旨在开辟一条更高效、更具协同效应的人工智能发展新路径。

![image.png](https://static.downly.cn/images/53217cafa2bf875fee2a634523703af8.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## Claude模型响应质量下滑 Anthropic官方回应并完成修复

针对近期用户反映的Claude系列模型回复质量下降的问题，人工智能公司Anthropic正式确认并作出回应。官方表示，问题的根源并非出于成本控制或需求激增，而是源于两次独立的技术故障。一次故障发生在8月5日至9月4日，影响了部分Claude Sonnet 4的请求；另一次则发生在8月26日至9月5日，波及了部分Claude Haiku 3.5和Claude Sonnet 4的请求。目前，公司技术团队已成功定位并修复了这些意外故障。

![image.png](https://static.downly.cn/images/22f5c272c1f1b8545b3c8c0f01252d3f.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 腾讯混元图像2.1开源 2K高清创作进入“秒速时代”

腾讯混元团队宣布正式开源其最新的文本到图像生成模型 HunyuanImage 2.1。该模型在AI设计领域实现了重大突破，原生支持高达2K分辨率的高清图像输出，并且生成速度与传统的1K分辨率图像生成相当。此外，新版本显著提升了对复杂文本提示的理解能力，能够更精准地控制多主体元素的生成，这将极大推动AI在专业设计、广告创意和内容创作等领域的应用效率。

![image.png](https://static.downly.cn/images/ae445774da5dcd24400cf369cc12b578.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 沃尔玛发布WIBEY平台 赋能开发者简化工作流程

零售巨头沃尔玛于2025年8月正式推出了其超级智能平台 WIBEY。该平台是沃尔玛智能框架的关键组成部分，其核心目标是彻底重塑开发者的工作流程。通过WIBEY，开发者可以快速地描述需求，平台能够自动生成可供测试的代码，从而极大地简化了从概念到部署的整个技术实现过程，提升开发效率。

![image.png](https://static.downly.cn/images/f587bcf30067f8192726a1f29c033505.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 智谱联手彩智科技推出“深知”服务 向大模型“幻觉”说不

为解决大语言模型在处理专业领域知识时容易出现信息不准确甚至“幻觉”的问题，智谱BigModel开放平台与彩智科技携手，共同推出了“DeepKnown深知可信知识服务”。该服务旨在为AI应用提供经过验证的、高准确性的知识源，尤其是在面对行业标准、法律法规等严肃内容时，确保AI能够提供可靠、可信的回答，帮助开发者构建值得信赖的智能体。

![image.png](https://static.downly.cn/images/05ae2083e07d38a1a5bcd69c97d74532.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 阿里通义千问Qwen3-Next发布 以小博大实现10倍速度飞跃

阿里巴巴通义千问团队发布了其革命性的新模型 Qwen3-Next-80B-A3B-Instruct。这款模型颠覆了传统大模型的运作逻辑，它拥有80亿的总参数量，但在实际推理时，通过创新的架构仅需激活其中的3亿参数，便能达到全量参数的性能水平。这种“以小博大”的设计使其推理速度实现了惊人的10倍提升。目前，该模型已集成至Hugging Face的Transformers库中，向全球开发者开放。

![image.png](https://static.downly.cn/images/f6cd2f1400d7d46f4a8e888f145896ad.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## Claude迎来重磅升级 办公文档一键生成

AI助手Claude近日进行了一项重大功能升级，极大地提升了其在办公场景的实用性。现在，用户可以直接要求Claude生成和编辑包括Excel、Word、PPT以及PDF在内的多种常用办公文件。无论是从零开始创建一份报告，还是基于现有数据进行清洗、分析和解读，Claude都能够快速响应指令，产出高质量的“现成品”文件。该功能已在官网和桌面应用上线，并逐步向不同层级的用户开放。

![image.png](https://static.downly.cn/images/25359d6652111b921268725b1456e9fb.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

每日AI资讯0911：模型“瘦身”掀速度革命，实用功能全面爆发



> 导语：今日AI界风起云涌，谷歌Gemini与YouTube纷纷推出强大的AI图像视频生成新功能，引领视觉内容创作新浪潮。与此同时，李沐团队发布了开创性的文本转语音模型Higgs Audio v2，而皮尤研究则揭示了AI对搜索行为的深刻影响。此外，Anthropic的研究为AI安全敲响警钟，阿里云则推出了更具性价比的编程大模型，快手与上交大联合推出的Orthus模型也打破了多模态生成的边界。

## 谷歌Gemini迎来重磅更新：内置Imagen模型，一键生成高质量图像

谷歌AI服务Gemini进行了重大升级，现在用户可以直接在界面中调用Imagen模型，轻松生成高质量的图像。此次更新还提供了遵循MCP规范的llms.txt文件，方便开发者获取最新的API和SDK使用方法。这一系列举措旨在简化开发流程，提升AI应用的性能，帮助开发者在日新月异的AI领域中保持领先地位。

![image.png](https://static.downly.cn/images/897b4259c51cbaa8aafefbe9bd78b1b8.png)

## 李沐团队发布Higgs Audio v2 开创语音合成新纪元

知名AI创业者李沐团队Boson.ai近日推出了开源的文本转语音大模型Higgs Audio v2。该模型功能强大，不仅支持多语言对话生成、韵律调整和声音克隆，甚至可以创作并演唱歌曲。Higgs Audio v2融合了1000万小时的语音数据进行训练，在情感和问题类别测试中表现远超GPT-4o-mini-tts。其先进的技术能够有效处理音频并利用预训练大模型，支持上下文学习。该模型的应用场景十分广泛，包括实时语音聊天、内容创作和语音克隆等，其代码现已在社区开源。

![image.png](https://static.downly.cn/images/308914ac71a51c79cbf4851a33039e11.png)

## 皮尤研究中心重磅发布 谷歌AI概览重塑搜索行为，外部网站流量锐减

皮尤研究中心的最新研究报告指出，谷歌的AI概览功能正在显著改变用户的搜索习惯。数据显示，该功能导致用户点击外部网站的流量大幅减少。当AI摘要出现时，仅有8%的用户会点击其他网站链接，而只有1%的用户会点击AI提供的源链接，大多数用户的搜索行为在谷歌页面内就已经结束。维基百科和政府网站成为这一趋势的最大受益者，而新闻出版商的流量则遭受了严重打击，这对开放的互联网生态系统产生了深远的影响。

![image.png](https://static.downly.cn/images/1dc682e6bc1f63f3626df0344ad9034e.png)

## Anthropic研究揭示 AI模型能从无害数据中习得隐藏行为

Anthropic的一项开创性研究揭示了AI模型之间存在一种被称为“潜意识学习”的未知现象。研究发现，模型能够在没有明确线索的情况下，通过数据中微妙的统计模式，继承教师模型的隐藏行为特征，即使这些数据看似完全无害。这种现象可能导致“错位”和“奖励黑客”等高风险行为的传播，对当前依赖数据过滤的安全模型构建方法提出了严峻挑战。这项研究呼吁，AI安全检查需要更加深入，必须考虑到这些能够躲避检测的统计特性，以确保AI系统的安全与可靠。

![image.png](https://static.downly.cn/images/442dcec2c9ecf64aaa7c89f4b264da87.png)

## Qwen3-Coder上线阿里云百炼 价格比Claude 4便宜3倍

阿里云最新推出了AI编程大模型Qwen3-Coder的API。该模型在性能上表现卓越，已超越GPT4.1等闭源模型，并与Claude4不相上下。更具吸引力的是，其价格仅为Claude4的三分之一，为广大开发者提供了一个低成本、高效率的编程解决方案。

![image.png](https://static.downly.cn/images/617a97b5c0af617e774c16cf3ff616c7.png)

## 快手与上交大联合推出Orthus模型 打破多模态生成新边界

快手与上海交通大学合作开发的Orthus模型，在近期的ICML大会上亮相并宣布开源。该模型基于自回归Transformer架构，能够高效地实现图文互转、图像编辑以及网页生成。在多项性能指标上，Orthus均超越了现有模型，展现出在多模态生成与理解领域的巨大潜力。

![image.png](https://static.downly.cn/images/190aef4bc3f4c6299fbce4da65785a94.png)

## 谷歌与YouTube引领AI视觉创作新潮流

谷歌相册和YouTube Shorts近期双双发布了强大的AI新功能，进一步降低了普通用户的创作门槛。谷歌相册新增的AI功能，不仅能将用户的照片“混搭”成动漫、漫画、素描或3D动画等不同风格，还能将静态图片一键转换为生动的视频。与此同时，YouTube Shorts也推出了类似的功能，允许创作者将相册中的图片转化为时长六秒的短视频，并增加了多种AI特效，极大地丰富了短视频的创作形式。

![image.png](https://static.downly.cn/images/74d9516c523f823722ea1f0c5eee78c1.png)


每日AI资讯0724：谷歌Gemini、YouTube引领AI图像视频新浪潮，李沐团队发布语音合成新模型



> 探索AI前沿动态：谷歌Gemini在嵌入模型领域超越OpenAI，其2.5 Pro版本与CAMEL-AI合作，革新数据处理方式；美图推出RoboNeo，一句话指令即可完成复杂的影像创作；同时，Liquid AI 开源的LFM2模型为边缘计算带来了速度与效率的双重突破。



## 谷歌Gemini嵌入模型登顶MTEB，性能超越OpenAI

谷歌最新发布的Gemini嵌入模型在多文本嵌入基准（MTEB）测试中以68.37分登顶，正式超越OpenAI，成为当前性能最强的嵌入模型。该模型基于先进的双向Transformer编码器，通过精细的多阶段训练和严格的数据质量控制，实现了卓越的性能。除了在多项任务中表现出色，其成本效益也极具吸引力，每百万token仅需0.15美元，这预示着谷歌在人工智能领域的竞争力正在不断增强。

![image.png](https://static.downly.cn/images/7692b7c013e12f1f20bf7587f8297cb4.png)

---

## Gemini 2.5 Pro 携手 CAMEL-AI，开启数据处理新纪元

CAMEL-AI 与谷歌宣布达成战略合作，将其创新的OWL系统与强大的Gemini 2.5 Pro大语言模型深度融合。此次合作旨在将Gemini 2.5 Pro的顶尖智能推理能力与OWL系统的复杂任务自动化及可视化功能相结合。通过智能协作和专业分工，双方致力于为用户提供一个前所未有、简单易用的数据自动化处理、分析和可视化解决方案，从而显著提升用户在数据分析工作中的效率与体验。

![image.png](https://static.downly.cn/images/146330d56d95f7f77870c37c31e03afb.png)

---

## 美图RoboNeo发布，AI智能体让修图建站一句话搞定

美图公司正式推出其AI影像Agent产品“RoboNeo”，标志着AI影像处理进入了一个全新的全能时代。用户仅需通过简单的自然语言指令，RoboNeo便能整合图片精修、品牌设计、乃至网页制作等多项复杂功能。该产品主要面向电商、品牌方及中小商家，为他们提供了一个高效的视觉内容创作解决方案。尽管目前在光影质感和细节处理上仍有提升空间，但RoboNeo所展现出的效率优势已经非常显著。

![image.png](https://static.downly.cn/images/b8f4aeba97135e2ef6e09248229ea7c3.png)

---

## Liquid AI开源LFM2，引领边缘AI进入新时代

Liquid AI 近日重磅开源了其专为边缘设备优化的下一代Liquid Foundation Models（LFM2）。该模型采用了创新的结构化自适应算子架构，在处理速度、能源效率和综合性能上均实现了重大突破。据官方数据显示，LFM2的推理速度比同类模型快2倍，并支持长上下文处理，为边缘AI应用和隐私保护提供了高效的解决方案。此举不仅推动了AI技术的透明化发展，也为全球范围内的技术创新注入了新的活力。

![image.png](https://static.downly.cn/images/6b4f8b2bc49b935da22298e84f032006.png)



搜索结果: Transformer