




> 本期AI资讯聚焦全球AI领域的最新动态。开源力量持续爆发，月之暗面的Kimi K2模型在性能和市场份额上均取得瞩目成就，而Mistral也发布了其首个开源音频模型Voxtral，挑战现有市场格局。在应用层面，AI正以前所未有的方式改变行业，从赋予机器“味觉”到将编码工具迁移至终端，再到自动驾驶领域的巨头合作。此外，AI在教育领域的普及也在加速，Perplexity向全球学生免费开放其高级服务，展现了AI技术发展的广度与深度。



## 开源新王诞生 Kimi K2模型市场份额超越Grok

月之暗面（Moonshot AI）推出的Kimi K2模型正凭借其卓越的性能和免费API策略，迅速在开源AI社区中占据主导地位。该模型以其强大的自主代理（agentic）智能著称，在知名平台OpenRouter上的市场份额已成功超越xAI的Grok和GPT-4.1。Kimi K2的崛起不仅为开发者提供了强大的创新工具，也可能预示着AI技术正向着更加自主和智能的代理方向转型。

![image.png](https://static.downly.cn/images/e6c567f14f7cd4c10e0e51ab12b69b05.png)

## Perplexity Pro免费开放 AI教育普惠全球2.64亿学生

为了进一步拓展教育市场，人工智能搜索引擎Perplexity宣布与身份验证服务商SheerID达成合作。通过此次合作，全球超过2.64亿学生将能够免费获得为期两年的Perplexity Pro高级会员服务。此举不仅有效解决了AI工具在教育领域长期存在的折扣滥用问题，也彰显了Perplexity希望通过深耕教育市场来获取海量用户的长远战略。

![image.png](https://static.downly.cn/images/785e6a1cb4327cdd06090a019dee7ac0.png)

## AI味觉新纪元 石墨烯系统精准“品尝”可乐与咖啡

意大利科学家在AI感官技术上取得了重大突破。他们研发出一种基于氧化石墨烯的创新人工味觉系统（GO-ISMD），能够以高达90%的准确率识别酸、甜、苦、咸等基础味道。更令人惊叹的是，该系统还能成功区分可乐和咖啡这类成分复杂的饮品。这项技术未来有望应用于食品工业，并为味觉功能障碍者带来福音。

![image.png](https://static.downly.cn/images/96cdf275e93362bdc42b3d9f47bf0f10.png)

## 开发者新宠 AI编码工具从编辑器走向终端

AI驱动的软件开发范式正在经历一场深刻变革。随着能够自主完成复杂任务的“agentic AI”技术日趋成熟，AI编码工具的重心正从传统的代码编辑器（如VS Code、Cursor）向更为灵活和强大的终端环境迁移。这种转变意味着AI不再仅仅是辅助编写代码的工具，而是成为能够直接与软件系统交互、执行任务的智能开发伙伴。

![image.png](https://static.downly.cn/images/7b61ec8a7bf613640af5038569bb4c9f.png)

## Mistral发布Voxtral 开源力量挑战音频AI封闭生态

法国AI初创公司Mistral正式推出了其首个开源音频模型Voxtral。在当前AI音频生成领域主要由少数几家公司的闭源商业模型主导的背景下，Mistral此举意义重大。通过开放模型权重，Mistral旨在激发社区的创造力，推动音频AI技术的快速发展和普及，以强大的开源力量挑战现有的封闭商业体系。

## 模型大战再升级 TRAE引入Kimi-K2与Grok-4

为了满足开发者日益增长的多样化需求，模型服务平台TRAE.ai宣布其自定义模型库迎来重磅升级。平台新增了近期表现优异的Kimi-K2模型，该模型在代码生成及通用代理任务方面备受好评。与此同时，TRAE国际版也集成了备受关注的Grok-4（Beta）模型，进一步巩固了其作为全球主流大模型聚合平台的地位。

## 强强联手 百度成为优步最新自动驾驶合作伙伴

出行巨头优步（Uber）的自动驾驶生态系统再添一位重要成员。该公司宣布，中国科技巨头百度已成为其最新的自动驾驶汽车合作伙伴。在与百度合作之前，优步的合作网络已经包括了Waymo、大众汽车、May Mobility以及小马智行（Pony AI）等行业领先者，此次合作将进一步加速自动驾驶出租车服务的商业化进程。

每日AI资讯0716：Kimi K2模型霸榜开源社区，AI味觉感官技术获新突破



> 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)



每日AI资讯0715：谷歌Gemini模型性能飞跃，美图引领AI影像新时代


> 今日的AI界风起云涌，从微软与OpenAI的AGI定义之争，到Meta在实时视频生成和语音技术领域的双重布局，再到Kimi K2、IndexTTS2等国产大模型的惊艳表现，无不预示着AI技术的边界正在被以前所未有的速度拓宽。与此同时，关于AI产品形态的深刻反思和面向AI开发者的实用工具也相继涌现，共同勾勒出人工智能产业蓬勃发展的全景图。

## 告别对话框 AI产品的未来在于无缝融入工作流

当前，以ChatGPT为代表的聊天式AI交互界面虽然普及，但其本质上是一种低效且隔离的解决方案。未来的AI产品应当超越简单的“聊天框”，向“混合式工作空间”演进。这意味着AI能力需要被无缝地嵌入用户已有的工作软件和流程中，如在文档、表格或设计工具内直接提供智能支持，而非强制用户切换到另一个应用进行问答。这种设计理念旨在让AI成为用户工作流程中的“协作者”，而非仅仅是一个外部工具，从而实现真正意义上的智能增强和效率提升。

![image.png](https://static.downly.cn/images/b57cf9a7d32022ae83480cd922a899cd.png)

## 千亿美金的定义之争 OpenAI与微软的AGI暗战

通用人工智能（AGI）的定义正成为科技巨头争夺的焦点。微软曾将其定义为能够创造千亿美元利润的自主系统，而OpenAI则认为AGI是能在多数有经济价值的工作上超越人类的高度自主系统。这场定义权的争夺，背后牵动着巨大的商业利益和未来话语权。谁能主导AGI的定义，谁就能在吸引投资、驱动估值和影响政策方面占据先机。这一现象凸显了在“技术封建主义”时代，定义权本身有时比技术实现更为关键。
![image.png](https://static.downly.cn/images/c2c058bfa554ac7837511587ed07f7cc.png)

## Perplexity CEO盛赞Kimi K2模型 或将基于其进行二次开发

国产大模型再获国际认可。美国AI搜索公司Perplexity的CEO对“月之暗面”新发布的万亿参数开源模型Kimi K2给予了高度评价。他特别指出，该模型在代码生成和智能代理任务上展现出的卓越性能令人印象深刻。Perplexity公司正计划基于Kimi K2模型进行后续的深入训练和开发，这预示着国产开源大模型在全球范围内的影响力正持续扩大。

## 配音界迎来革命 IndexTTS2模型实现零样本情绪克隆

一款名为IndexTTS2的文本转语音（TTS）大模型即将为配音行业带来颠覆性变革。该模型号称能达到“影视级”效果，其核心亮点在于实现了全球首创的零样本情绪克隆。用户只需提供一小段音频样本，即可克隆出说话人的音色，并能根据文本内容精准控制情绪表达。此外，模型支持完全本地化部署和权重开放，并能精确控制音频时长，完美适配影视配音、游戏角色、有声书制作等专业场景。

![image.png](https://static.downly.cn/images/7dac95d1a7daa67f5d0eea1bb0c4945f.png)

## Meta发布StreamDiT 单GPU实时生成高清视频，重塑视频创作

Meta公司与加州大学伯克利分校联手发布了革命性的实时视频生成模型StreamDiT。该模型仅需单个GPU，就能以每秒16帧的速度实时生成512p分辨率的高质量视频，并支持实时编辑，例如将视频中的猪无缝替换为猫。这一突破性的技术凭借其定制化架构和高效的流式扩散技术，显著超越了现有的视频生成方法，为实时交互式视频内容的创作和直播应用开启了无限可能。

![image.png](https://static.downly.cn/images/3e9f53d1676f82f739725fcb8dd87cb0.png)

## Meta再出手 收购AI语音初创公司Play AI强化语音技术

为了进一步巩固在智能语音领域的领先地位，Meta公司近日宣布收购了专注于AI人声生成的初创企业Play AI。Play AI的团队及其先进技术将被整合进Meta，旨在全面提升Meta在AI角色对话、Meta AI助手、智能可穿戴设备以及音频内容创作工具等方面的产品体验。此次收购是Meta在AI语音技术领域的重要布局，意在打造更自然、更具表现力的人机交互体验。

## vibe-kanban发布 为AI编程代理提供任务协调新工具

一个名为vibe-kanban的开源项目近日发布，它是一个专为AI编程代理设计的任务协调看板工具。在日益复杂的AI辅助软件开发流程中，该工具可以帮助开发者或多个AI代理更清晰地规划、分配和追踪任务。vibe-kanban支持并行或顺序处理任务流，优化了从任务规划到代码审查的整个环节，旨在提升多代理协作开发的效率和条理性。

## 视频换脸技术新突破 CanonSwap论文发布，代码即将开源

一项名为CanonSwap的创新视频换脸技术近日公布了其详细的技术论文和研究报告，引发了广泛关注。该技术在保留面部表情和光照一致性方面取得了显著进步，使得换脸效果更加逼真自然。CanonSwap的源代码也即将向社区公开，这一举措将极大地推动视频换脸技术在内容创作、影视后期和虚拟人等领域的应用与发展。
<video src="https://static.downly.cn/images/d97c0eaf1f7e0ab0d47bb05a9d0d4aa2.mp4"  title="31024352883-1-16.mp4"></video>

每日AI资讯0714：Meta秀出实时视频黑科技，AGI定义权引巨头暗战

> 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






> 导语：今日AI界风起云涌，xAI携“最强”Grok-4高调入场，挑战行业现有格局；阿里巴巴则在多模态领域再下一城，开源ThinkSound模型，让AI为视频自动配音成为现实。与此同时，vivo与微软分别在端侧和轻量化模型上取得新突破，预示着AI将更深入地融入个人设备。而英伟达针对中国市场的新芯片计划，则为这场全球技术竞赛增添了更多看点。

## 马斯克“最贵最强”Grok-4登场 AI智能迈入新纪元

马斯克旗下xAI公司正式发布其最新旗舰AI模型Grok-4，号称在各项基准测试中，尤其是在数学、逻辑推理及代码生成能力上，全面超越了现有顶尖模型，展现出惊人的“博士级”水平。此次更新不仅推出了通用版Grok-4，还有一个为开发者量身打造的Grok-4 Code版本。Grok-4继承了X平台的实时信息整合优势，但其高昂的订阅费用也引发了市场的广泛讨论。目前，这款备受瞩目的AI已通过API向部分开发者开放，并在X平台的Premium+订阅中提供体验。

![image.png](https://static.downly.cn/images/d5cca5f213f591805080b8225592357f.png)


## vivo亮剑端侧AI 新模型让手机更懂屏幕

vivo AI实验室发布了其最新的端侧多模态模型BlueLM-2.5-3B。该模型以其仅2.9B的参数量，在保持轻量化的同时，极大地提升了AI对图形用户界面（GUI）的理解能力。通过独特的长短思考模式切换与思考预算控制机制，BlueLM-2.5-3B在多项评测中展现了超越同类产品的性能，尤其在中文GUI理解方面优势明显，为未来AI在手机等智能设备上的普及应用铺平了道路。

![image.png](https://static.downly.cn/images/83bea35c059b150b5b9dc3bb7865b2f1.png)

## 阿里开源ThinkSound 一键为视频配上“灵魂之声”

阿里巴巴通义实验室为影视和游戏创作领域带来一项革命性工具——开源音频生成模型ThinkSound。该模型能够根据视频画面、文字描述甚至其他音频，智能生成与之匹配的高保真、同步音效。ThinkSound的发布极大地降低了专业音效的创作门槛，让AI为视频内容注入“声音的灵魂”，进一步推动了多模态AI技术的发展与应用。

![image.png](https://static.downly.cn/images/fceabd3be7b1ca45263fce575096327e.png)

## 微软“迷你战神”Phi-4-mini登场 笔记本也能跑顶尖AI

微软开源了一款名为Phi-4-mini-flash-reasoning的轻量化新模型。该模型基于自研的SambaY架构，实现了惊人的效率提升，推理速度提高了10倍，延迟降低2-3倍。它尤其擅长高级数学推理和长文本生成，并且能够在单个GPU上高效运行，非常适合在笔记本电脑等边缘设备上部署。在长上下文检索任务中，其准确率高达78.13%，展示了“小模型”的巨大潜力。

![image.png](https://static.downly.cn/images/71d5f47c2fe5cb2a2b74030be580b14e.png)

## 英伟达“特供”中国市场 新款AI芯片呼之欲出

据报道，英伟达正计划推出一款专为中国市场设计的新型AI芯片。这款芯片将基于其最新的Blackwell处理器架构进行修改，旨在确保其产品在遵守相关出口规定的前提下，能够继续服务中国客户。这一举动被视为英伟达在当前全球贸易环境下，为维系其在中国市场的重要地位而采取的关键策略。

![image.png](https://static.downly.cn/images/8624e92dd8e61f0b117707b9af15f337.png)

每日AI资讯0711：Grok-4震撼发布，AI音视频与端侧模型迎变革




# 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



> **导语**
> 今天的AI世界充满了创新与挑战。从阿里开源的“会思考”的音频模型ThinkSound，到英特尔等机构揭示的AI信息过载安全漏洞；从Hugging Face推出的小而强大的SmolLM3模型，到钉钉重新定义数据处理的“AI表格”；再到编程平台Replit与微软的强强联手，科技的浪潮正以前所未有的速度塑造着我们的未来。



## 阿里开源ThinkSound 音频生成领域的“思考者”

阿里巴巴语音AI团队近日开源了其创新的音频生成模型ThinkSound。 该模型最大的亮点是支持链式推理，它巧妙地融合了多模态大语言模型与统一的音频生成架构。 通过独特的三阶段推理机制，ThinkSound能够生成与视频内容高度同步、具有空间感的高保真音频，突破了传统技术的瓶颈。 更值得一提的是，用户可以通过自然语言与其交互，对音频进行编辑，极大地提升了音频生成的智能化水平和质量。 目前，该模型已在GitHub等平台开放源代码。

![image.png](https://static.downly.cn/images/6c22dc9f3982dbbc3fa582abdc5fc425.png)

## AI聊天机器人也怕“信息轰炸” 安全新漏洞引人担忧

你的人工智能助手或许并不像想象中那么安全。来自英特尔等公司的研究团队最新发现，大型语言模型在面对“信息过载”时，其安全性会变得异常脆弱。 他们开发出一套名为“InfoFlood”的攻击系统，通过向AI模型大量灌输信息和特定规则，可以成功诱导模型回答那些在正常情况下它会拒绝的有害问题。 [2. 2] 这一发现揭示了当前AI安全防护体系中存在的严重漏洞，引发了业界对于AI安全隐患的广泛担忧。

![image.png](https://static.downly.cn/images/affc051a5cef9a6759730f60338cdec0.png)

## 小参数大能力 Hugging Face发布开源新星SmolLM3

Hugging Face公司再次为开源社区带来惊喜，正式发布了新一代小参数模型SmolLM3。 该模型虽然只有30亿参数，但在性能上却超越了同级别的其他模型。 SmolLM3具备强大的128k上下文窗口，支持多种语言，并创新性地提供了“深度思考”与“非思考”两种推理模式，以适应不同的应用场景。 Hugging Face同时还开源了其模型架构、训练数据和流程，旨在推动AI研究的进一步发展与优化。

![image.png](https://static.downly.cn/images/590e8d513a453c9b20c686d4cf59eb0f.png)

## 办公新革命 钉钉发布“AI表格”让人人都是数据分析师

钉钉近期推出的“AI 表格”功能，正为智能办公开启一个全新的纪元。 它将传统文档编辑的自由度与电子表格强大的数据处理能力完美结合。 用户现在可以将表格中的每一行都作为一个独立的文档来处理，轻松存入文字、图片甚至视频等多种内容。 最具变革性的是，用户只需通过自然语言描述需求，AI便能自动生成复杂的公式和图表，甚至可以创建自动化流程来响应数据的变化，极大地简化了操作，提升了办公效率。

![image.png](https://static.downly.cn/images/ce75def87cd91d48fb493532c25af93e.png)

## 强强联手 Replit与微软达成合作

在线编程平台Replit近日宣布与科技巨头微软达成合作伙伴关系，此举被视为对双方都极为有利的战略选择。 Replit作为编程学习和云端开发领域的一颗新星，此次与微软的合作，预示着云端集成开发环境（IDE）领域的格局或将迎来新的变化，为开发者带来更强大的工具和更无缝的体验。

![image.png](https://static.downly.cn/images/3753f66aa288be48564e4fca8aaaed62.png)



AI每日资讯0709



# 每日AI资讯

> 导语：今日AI界风起云涌，从ChatGPT在医疗领域的惊人突破，到地球观测迎来革命性工具EarthMind，再到B站、百度等巨头在内容创作工具上的新布局，技术创新与行业应用正加速融合。与此同时，腾讯开源新模型，而华为则陷入研发风波，展示了AI发展的光与影。




## 十年顽疾的“AI医生”：ChatGPT如何揭开罕见基因突变之谜

一名用户借助ChatGPT，成功识别出了医生长期未能诊断出的MTHFR基因突变，从而显著改善了自身的健康状况。这一案例揭示了当前医疗体系在面对罕见病时的挑战，如时间压力、信息孤岛等。AI通过整合海量信息并提供无偏见的分析，为患者开辟了新思路。当然，专家也提醒，任何AI提供的建议都需经专业医生确认，并注意个人健康信息的安全。

![image.png](https://static.downly.cn/images/9bc0398b625559be71987e9c8bd55a59.png)

## 地球的“读心术”：开源AI模型EarthMind洞察地球万象

由意大利和德国研究团队联合推出的开源多模态大模型EarthMind，正在革新地球观测数据分析的方式。该模型通过独特的空间注意力提示（SAP）模块，并融合光学、SAR等多种传感器数据，能够以前所未有的精度和效率理解复杂的地球数据。这为自然灾害监测、城市发展规划等领域提供了强大的决策支持。

![image.png](https://static.downly.cn/images/b3b549b57ebfd070772ebcf422371920.png)

## B站加码视频播客：AI创作工具“代号H”即将登场

据报道，B站正全力推进其视频播客业务，并计划推出一款代号为“H”的AI创作工具。此举旨在降低内容创作门槛，吸引更多播客创作者加入，并帮助他们顺利完成视频化转型。数据显示，视频播客业务已在B站展现出强劲的用户增长势头和消费时长，潜力巨大。

![image.png](https://static.downly.cn/images/410536c2e99142beb20e7278e9e8a66a.png)

## 腾讯亮出王牌：开源混合推理大模型Hunyuan-A13B开放试用

腾讯正式开源了其混合推理大模型Hunyuan-A13B。该模型采用先进的MOE（专家混合）架构，能够根据任务需求动态切换推理模式，在长文本理解、数学计算及作为智能体（Agent）执行任务方面表现卓越。目前，该模型已对外开放试用。

![image.png](https://static.downly.cn/images/f99a4f61b4b2e6797de90f54a1fd480d.png)

## 华为盘古大模型风波：内部员工发文揭露研发内幕

近日，华为诺亚方舟实验室盘古大模型团队的一名员工，在代码托管平台GitHub上发文，揭露了近期盘古模型被指抄袭事件背后的研发内幕。作者公开了相关细节，并表示其人身暂时安全，事件引发了业界的广泛关注。

![image.png](https://static.downly.cn/images/5819bc6871cba326dcfa602ff94bcc35.png)

## 光影魔术手：Kontext Relight LoRA实现一键专业级重照明
<video src="https://static.downly.cn/images/2e14dd4fe6848feb58e34d58bd3ede9c.mp4"  title="30892558778-1-16.mp4"></video>
一款名为[Kontext Relight](https://huggingface.co/spaces/kontext-community/kontext-relight)的LoRA新技术，让复杂的图片重照明变得异常简单。这项技术基于Flux Kontext微调，旨在为用户提供远超以往的重照明效果，只需一键即可为普通图片赋予专业级的光影质感。

![image.png](https://static.downly.cn/images/590348802ac29d8396b9a21e10b3d955.png)

## 告别逐帧上色：开源工具LongAnimation为线稿动画注入灵魂
<video src="https://static.downly.cn/images/b062dba6254e66f1dbd1bd6937a2a463.mp4"  title="30892557870-1-16.mp4"></video>
开源动画上色解决方案[LongAnimation](https://cn-makers.github.io/long_animation_web/)的出现，为动画制作者带来了福音。它能根据用户提供的提示词、参考图和线稿视频，智能生成色彩饱满且风格一致的动画。在色彩一致性的表现上，该模型显著优于其他同类模型。

![image.png](https://static.downly.cn/images/04f8114a209b5101bebedd15c0573d8d.png)

## 百度入局图生视频：MuseSteamer模型公测，生成1080P高清影像
<video src="https://static.downly.cn/images/0a3025a7ad62e0ecae2b21510369851f.mp4"  title="30892559234-1-16.mp4"></video>
百度[绘想平台](https://huixiang.baidu.com/)近日启动了其图生视频模型MuseSteamer的公开测试。该模型能够将静态图片转化为长达10秒的1080P高清视频。据了解，其Turbo版本或可免费使用。从初步效果看，画面尚可，但在动作流畅性上与行业顶尖的可灵等模型尚有差距，且模型暂未开源。

![image.png](https://static.downly.cn/images/bf3de3a7df74c8a3f396908d66b42387.png)

搜索结果: ai资讯