



> 导语 本期AI资讯聚焦全球科技巨头的最新动态。谷歌与OpenAI在国际数学奥林匹克竞赛中双双斩获金牌，展现了AI强大的推理能力，也引爆了激烈竞争。同时，阿里通义千问发布重磅开源模型，将长文本处理能力推向新高度；ChatGPT用户需求持续井喷，日均提问量高达25亿条；而Grok则在探索新的商业模式，力图通过新模型实现盈利。

## AI数学奥赛巅峰对决 谷歌与OpenAI双双摘金

谷歌DeepMind与OpenAI的人工智能模型在2025年国际数学奥林匹克（IMO）竞赛中均取得了金牌成绩，这标志着AI在处理复杂推理和解决顶级科学问题上取得了历史性突破。谷歌的Gemini高级版以全自然语言方式解题，展现了其强大的端到端推理能力。然而，这场胜利并非一团和气，两家公司在成绩宣布的时机与方式上展开了激烈“气氛”对决，凸显了AI领域王座之争的白热化。

![image.png](https://static.downly.cn/images/869883d2af016005a51ca70ac6e59217.png)

## 阿里通义千问再进化 Qwen3模型开源发布

阿里通义千问发布了其最新的旗舰模型Qwen3，进一步巩固了其在AI领域的地位。新模型大幅提升了长文本处理能力，支持高达256K的上下文窗口，这意味着它能更高效地处理海量信息和执行复杂任务。目前，该模型已在魔搭社区和HuggingFace等主流开源平台上线，旨在推动AI技术的普及与应用创新。

![image.png](https://static.downly.cn/images/91a28f4afb3d2618f9bd757e7809816b.png)

## ChatGPT热度不减 日均处理25亿次用户请求

ChatGPT的全球热度持续飙升，其日均接收的用户提问量已从去年12月的10亿条激增至25亿条。这一惊人的增长速度不仅证明了AI产品的广泛普及，也反映出用户日益增长的依赖和需求。这预示着以ChatGPT为代表的生成式AI正以前所未有的深度和广度，改变着人们的日常生活与工作方式。
![image.png](https://static.downly.cn/images/b9506a8e197962b7cf7e0a67a20d820d.png)

## Grok新模式探索盈利 Grok 4成收入关键

Grok通过其AI伴侣功能成功吸引了大量下载，但其盈利的关键正转向最新的Grok 4模型。报告指出，新的订阅服务和功能更强大的Grok 4的推出，正有效地将用户转化为付费客户。即便付费用户的增长比例不大，也足以大幅提升其在iOS等平台的收入，为其商业化道路找到了清晰的方向。

![image.png](https://static.downly.cn/images/08a02a6a59938817a3809c885b9a84d7.png)



每日AI资讯0722：巨头激战数学之巅，AI模型竞赛白热化



> 近期，OpenAI的ChatGPT Agent在公开演示中表现未达预期，引发业界对其Agent能力的质疑。与此形成鲜明对比的是，国内AI大模型如 Manus、Kimi、Minimax 等，在多模态与Agentic任务上展现出卓越能力，在复杂场景处理上表现出色，赢得了广泛关注。

## OpenAI Agent演示失利，引发能力质疑

在近期备受瞩目的OpenAI发布会及随后的公开演示中，其ChatGPT Agent未能如业界期待般展现出在复杂、多步骤任务处理上的强大实力，甚至在某些关键环节出现了令人沮丧的失误。这次演示的“翻车”事件，迅速在全球AI社区和科技媒体中掀起波澜，促使人们开始重新审视OpenAI在Agent技术方面的实际进展是否与其声名相符。

演示中，当ChatGPT Agent被要求执行涉及跨应用、多逻辑推理的复杂任务时，暴露出诸如任务理解不准确、执行路径混乱、以及无法有效调用外部工具等问题，未能流畅且高效地完成预设目标。这与其在纯文本生成等领域所展现的卓越能力形成了鲜明对比，也使得业界对OpenAI通用AI Agent的商业化落地和实际应用前景产生了疑问。

![image.png](https://static.downly.cn/images/a1b7e18ca16064f0d933c7db81329a54.png)

## 国产AI Agent崛起：Manus、Kimi、Minimax大秀实力

与OpenAI Agent演示的失利形成鲜明对比的是，以Manus、Kimi、Minimax为代表的国产AI大模型，近期在多模态理解和Agentic任务处理方面展现出令人惊艳的实力，赢得了广泛赞誉。这些模型在处理复杂场景和执行多步骤任务时的优异表现，充分彰显了国产AI在技术研发和实际应用上的快速进步。

*   **Manus** 在其演示中，展现了强大的跨应用调度和复杂任务规划能力，能够精准理解用户意图，并在多个软件平台间无缝切换，完成从信息收集、数据分析到报告生成的全流程任务，展现出高水平的自主执行能力。
*   **Kimi** 则凭借其在长文本处理、海量文档阅读理解以及多维信息整合方面的优势，在需要深度知识理解和信息提炼的Agent任务中表现卓越，能够迅速从冗余信息中抽取核心要点，并进行有效总结与归纳。
*   **Minimax** 在多模态交互和个性化Agent构建方面独树一帜，其Agent不仅能理解复杂的语音指令和视觉信息，还能基于用户反馈进行自我调整和学习，实现更自然、更智能的人机协作，特别是在创意生成和复杂场景模拟方面表现出色。

这些国产AI Agent在处理真实世界问题时，展现出更高的鲁棒性、更强的灵活性和解决问题的效率，特别是在中文语境和特定应用场景下，其性能甚至在某些方面超越了国际同行。这标志着国产AI Agent正在加速追赶，并在AI Agent领域形成独特的竞争优势。

![image.png](https://static.downly.cn/images/21c42a34927e9bd49f6ef41f9b8ee436.png)

## 全球AI Agent格局：挑战与差异化竞争

OpenAI Agent的此次演示受挫，不仅是个例，也折射出全球AI Agent技术发展所面临的共同挑战，即如何将实验室的理论突破真正转化为大规模、可靠且高效的实际应用。构建一个真正能够理解复杂人类指令、自主决策、并在真实世界环境中高效完成任务的通用AI Agent，其技术难度远超想象。

与此同时，以Manus、Kimi、Minimax为代表的国产AI Agent正在积极探索并走出一条适合自身优势的发展路径。它们不再仅仅是追随者的角色，更在结合中国市场的独特需求和应用场景，发展出差异化的竞争优势。例如，在长文本处理、多模态理解、垂直行业Agent应用以及更深层次的人机协作方面，国产AI Agent展现出独特的适应性和创新性。

未来的AI Agent竞争，将不再仅仅是算力或模型参数规模的简单比拼，更将聚焦于Agent在实际任务中的稳定表现、对用户意图的深度理解、与外部工具的协同效率，以及能否真正解决用户痛点和创造实际价值。

![image.png](https://static.downly.cn/images/aad5683def0e9789b6096b55ac4d77b0.png)

## AI Agent的未来：机遇与重塑并存

尽管OpenAI Agent的此次演示未能尽如人意，但这并不能阻碍AI Agent作为人工智能领域重要发展方向的趋势。AI Agent有望深刻改变人机交互模式、自动化工作流程和智能决策方式，将人类从繁琐重复的任务中解放出来，专注于更高层次的思考和创造。

国产AI Agent的异军突起，则为全球AI Agent领域注入了新的活力和可能性。它们的成功实践证明，通过持续的技术创新、深度场景理解和差异化策略，完全可以在全球AI舞台上占据一席之地。未来，随着技术的不断成熟和应用场景的持续拓展，AI Agent将逐步渗透到我们生活的方方面面，重塑工作和生活方式。

![image.png](https://static.downly.cn/images/113b56aa2b8dbe2336b6450849f1bc78.png)



OpenAI Agent发布遇冷：国产AI Agent Manus、Kimi、Minimax大放异彩






> 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




> 导语 今日的AI领域精彩纷呈，从能够自主思考并执行复杂任务的ChatGPT Agent，到实时转换视频流的扩散模型MirageLSD，再到专为能源领域打造的朗新九功大模型，AI技术正以前所未有的速度渗透到各行各业。此外，Mistral AI与谷歌Veo3的更新也分别在聊天机器人和视频生成领域展现了新的可能性，共同描绘了一幅AI技术加速改变世界的画卷。

---

## OpenAI重磅出击 ChatGPT Agent将“思考”化为“行动”

OpenAI最新发布的ChatGPT Agent，标志着AI技术从被动的对话助手向能够主动执行复杂任务的智能体实现了重要跨越。这款Agent能够像人类一样，通过虚拟浏览器、代码终端和API接口进行网页浏览、在线购物、执行代码乃至制作PPT。用户仅需下达一次指令，Agent便能自主规划并完成一系列复杂步骤，极大地提升了工作效率。在多项基准测试中，ChatGPT Agent的性能已超越现有模型。OpenAI在强调其强大功能的同时，也注重安全性设计，确保用户拥有最终控制权。目前，该功能已向部分订阅用户开放，并计划逐步推广，它被视为通往更强大通用人工智能的关键基石。

![image.png](https://static.downly.cn/images/ccac3fcaf078a86d2291961eb9235eb3.png)

---

## 朗新科技发布AI能源大模型 电力交易迈入智能时代

朗新科技集团在第三届链博会上正式推出了其自主研发的“朗新九功AI能源大模型”。该模型创新性地结合了千亿级规模、预测准确率超过90%的“时序预测”引擎与具备动态数据融合、秒级响应能力的“AI智能体”引擎。目前，这一先进技术已在广东、山东、浙江等地的电力现货市场得到广泛应用。它的核心目标是显著提升电力交易的智能化水平和决策效率，为复杂的能源管理提供科学依据，有力推动电力市场的技术革创新发展。

![image.png](https://static.downly.cn/images/fcea672956f6a0d53b3e31ce9943bae0.png)

---

## 直播革命 MirageLSD模型实现实时视频场景变换

全球首个直播流扩散模型MirageLSD震撼发布，它凭借低于40毫秒的超低延迟，能够实时将任何视频流无缝转换为用户指定的场景。无论是改变直播背景、重塑游戏画面，还是实现虚拟换装，用户都能轻松操作。该技术甚至支持在30分钟内快速开发一款新游戏，为直播、游戏制作、动画创作等领域带来了颠覆性的变革，开启了实时内容创作的无限可能。

![image.png](https://static.downly.cn/images/824f6a8bf987d9333b62a3b13eaae6e1.png)

---

## Mistral AI Le Chat全面升级 语音交互与高级图像编辑成亮点

Mistral AI旗下的聊天机器人Le Chat迎来重磅更新，新增了五大核心功能，包括深度研究模式、语音输入、通过文本指令编辑图像以及项目管理工具。新版本整合了Voxtral和Magistral等先进模型，旨在全方位提升用户体验。此次更新使得Le Chat在信息整合、语音交互、图像处理和团队协作方面变得更加强大和高效，现已全面向用户开放，展现了其在多模态交互领域的雄心。

![image.png](https://static.downly.cn/images/81a1807a79f0af4b91bb6b1ba7e463d5.png)

---

## 谷歌开放旗舰视频模型Veo3 高成本下的专业级创作方案

谷歌现已通过Gemini API向开发者开放其顶级的视频生成模型Veo3。开发者可以通过简单的文本提示，即可创建高分辨率的视频，并能同步生成匹配的音频。尽管使用成本相对较高，但Veo3为视频制作、动画设计等专业领域提供了一个前所未有的高效解决方案。目前，已有Cartwheel和Volley等公司率先采用该模型，成功将其应用于2D动画到3D动画的转换以及游戏过场动画的制作中，展示了其巨大的商业应用潜力。

![image.png](https://static.downly.cn/images/2e2749ee98d91c6a439a163a7d2ab8c1.png)

---


每日AI资讯0718：自主智能体与实时视频生成引领AI新浪潮






> 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



> Kimi团队今日正式发布并开源了其最新一代模型Kimi K2。这款模型在代码能力和Agentic智能方面展现出显著提升，不仅能高效完成复杂编程任务，更具备多步规划和自主决策能力，有望加速AI应用开发和Agent生态的繁荣。

## Kimi K2模型重磅发布，全面开源

备受期待的Kimi K2模型于今日正式对外发布，并以开源形式面向全球开发者开放。这标志着Kimi团队在通用人工智能领域的又一重要里程碑。Kimi K2的推出，旨在为开发者提供更强大、更灵活的AI工具，特别是在代码生成、理解和AI Agent任务执行方面，展现出卓越性能。

此次开源，将极大地降低开发者使用和优化AI模型的门槛，促进技术社区的协作与创新，加速AI技术在各行各业的普及和应用。

![image.png](https://static.downly.cn/images/a4bcdd29f55b45d75a72aadf7f2d23e9.png)

## 代码能力显著提升：从生成到理解的全能助手

Kimi K2在代码处理方面展现出令人印象深刻的能力提升。它不仅能根据自然语言描述高效生成高质量的代码，还具备强大的代码理解、调试和优化能力。这使得Kimi K2成为软件开发者和工程师的得力助手。

*   **多语言代码生成**：支持主流编程语言，如Python、Java、JavaScript、Go等，能根据需求生成功能完备、逻辑清晰的代码片段或完整项目结构。
*   **代码理解与分析**：能够深入理解现有代码的逻辑、功能和潜在缺陷，帮助开发者进行代码审查、重构和问题诊断。
*   **自动化测试与调试**：协助编写测试用例，分析错误信息，并提出解决方案，有效提升开发效率。
*   **跨文件与复杂项目处理**：Kimi K2能够处理涉及多个文件、模块和库的复杂项目，进行全局性的代码分析和优化。

这种全面的代码能力，使得Kimi K2在DevOps、自动化编程教育和智能开发工具等领域具有广阔的应用前景。

![image.png](https://static.downly.cn/images/98befdbeb19f7d21d56bc3cae13e74ea.png)

## Agentic智能集成：迈向自主决策的AI

Kimi K2的另一大亮点是其集成的Agentic智能能力。这意味着它不仅仅是一个生成式模型，更能够理解复杂的用户意图，进行多步规划，并自主执行一系列任务以达成目标。

*   **多步规划与分解**：面对复杂问题，Kimi K2能将其拆解为多个子任务，并规划出合适的执行路径。
*   **工具调用与协同**：模型可以根据任务需求，自主调用外部API、工具或服务，进行数据查询、信息检索、自动化操作等。
*   **环境感知与反馈**：Kimi K2具备一定的环境感知能力，能根据执行结果进行自我修正和优化，展现出类似“思维链”的推理过程。
*   **人机协作增强**：在Agentic任务中，Kimi K2能够与用户进行更深层次的交互，提供决策支持和执行协助。

Agentic能力的加入，使得Kimi K2在自动化工作流、智能助手、复杂系统管理等领域具有巨大的潜力，预示着AI应用将从简单的响应式交互迈向更主动、更智能的自主协作。

![image.png](https://static.downly.cn/images/72eb5f9da2a1d6ccf2c0f71c17ad0edf.png)

## 开源生态赋能：加速AI创新与应用落地

Kimi K2的开源，将极大地赋能全球开发者社区，为AI技术创新注入新的活力。开源模式具有多重优势：

*   **降低门槛**：开发者无需从零开始构建模型，可以直接基于Kimi K2进行开发和优化。
*   **社区协作**：促进全球开发者共同参与模型的改进、漏洞修复和功能扩展。
*   **透明度与可信度**：开源代码的可见性增强了模型的透明度和可信度，有助于建立更强大的社区信任。
*   **加速应用**：开源使得Kimi K2能够被更广泛地集成到各种应用场景中，加速AI技术的商业化和普及。

可以预见，Kimi K2的开源将催生出更多创新性的AI应用和解决方案，推动AI Agent生态的快速发展，为各行各业带来变革性的影响。

![image.png](https://static.downly.cn/images/1ffc7e6ad698a730c06f4e2eb8ce75e1.png)



Kimi K2正式发布并开源：代码能力与Agentic智能深度融合

Google推出的机器学习和人工智能开源库

TensorFlow

在浏览器中组装、配置和部署自主人工智能的开源项目

AgentGPT

人工智能写作助手和文本生成器

Hypotenuse AI

StabilityAI推出的文本到图像生成AI

Stable Diffusion

IBM推出的企业级生成式人工智能和机器学习平台

Watsonx.ai

阿里云推出的人工智能学习路线（学+测）

阿里云AI学习路线

知名MOOC平台，众多人工智能和机器学习课程

Coursera

人工智能驱动的自动化写作平台

悟智写作

微软推出的面向初学者的免费生成式人工智能课程

Generative AI for Beginners

AI驱动的快速移动应用开发平台

Rork

v0.dev

智源“悟道”大模型，中国首个+世界最大人工智能大模型

悟道

PhotoAid出品的免费在线人工智能图片放大工具

PhotoAid Image Upscaler

Mutable AI

人工智能领域的资料库和学习社区

ShowMeAI知识社区

快速训练、部署和开发人工智能产品的深度学习框架，由Pytorch Lightning团队推出

搜索结果: 人工智能