

> 国产大模型企业MiniMax将顶尖语音及音乐生成能力深度整合至OpenClaw生态，打破单一文本交互限制，赋予企业办公与日常应用更丰富的情感表达与创作维度。

## 突破文本边界打造百变语音

备受开发者青睐的OpenClaw开源生态迎来了进化时刻。国内领先的AI算法企业MiniMax正式宣布，将其核心的Speech语音模型与Music音乐模型封装为标准技能模块，全面接入OpenClaw平台。这一技术融合彻底颠覆了以往基于纯文本的枯燥交互体验。

借助全新上线的语音处理模块，用户仅需在Clawhub配置API密钥，即可让原本无声的智能助手在飞书、企业微信及钉钉等高频办公场景中实现自然流利的语音对话。该系统不仅内置超过四十种语言及近百种高质量预设音色，更开放了高度自由的音色自定义权限。用户通过简单的自然语言描述，便能精准捏造出符合特定业务场景的专属语音形象。

![52.png](https://static.downly.cn/images/98490d5b8d9f98eed60d4f96d7e99f93.png)

<center>图源备注 图片由AI生成</center>

## 极低门槛激活专业级音乐创作

除基础沟通能力升级外，音乐生成技能的加入进一步拓宽了AI智能体的应用边界。加载对应模块后，无论是结构完整的流行曲目、旋律悠扬的纯音乐，还是短促的灵感片段，系统均能高效生成。针对专业领域的创作者，官方特别推出了进阶版音乐专家技能，支持对编曲段落与音乐标签进行像素级调优，为用户提供了一个全天候在线的虚拟编曲工作室。

## 万物皆可智能的拟人化进阶

这套复杂多模态能力的落地门槛却极具亲和力。基于即插即用的组件化设计，用户只需完成基础文件的上传与自然语言交互配置，即可激活全部扩展功能。这种深度的功能下放，标志着AI技术正加速脱离冷冰冰的机器属性，向着具备感知力与创造力的方向演进。

随着视觉与听觉维度的全面打通，未来的数字助手将不仅是执行指令的工具，更是充满人性温度的创作伙伴。

MiniMax语音与音乐模型接入OpenClaw AI智能体迈向多模态全能时代



> 面对加州总检察长的调查与舆论风暴，马斯克旗下的 xAI 最终选择妥协。X 平台宣布对 Grok 实施史上最严厉的图像生成限制，彻底禁止编辑真人照片及生成暴露内容。这是一场技术野蛮生长与伦理监管之间的必然碰撞。

## 史上最严禁令落地

在持续数周的指责声中，X 平台（原 Twitter）的安全账号 @Safety 于今日凌晨发布公告，正式给 Grok 戴上了“紧箍咒”。核心禁令直指近期泛滥的“性化”内容：系统将从底层彻底禁止对任何现实人物照片的编辑功能，尤其是将其修改为穿着比基尼或内衣的形象。

这一限制没有任何豁免权，覆盖了包括付费订阅者在内的所有用户。X 官方甚至直白地承诺：“Grok AI 不会再将真人的照片改成‘比基尼照’。”此外，在法律红线更为严苛的地区（如加州），系统将直接屏蔽所有涉及“现实人物身穿暴露服装”的生成请求，试图从源头切断违规内容的产出路径。

![Google_AI_Studio_2026-01-15T02_57_28.208Z.png](https://static.downly.cn/images/5a508521ee2214abb7d0dda0f5e0b789.png) <center>图源备注：图片由AI生成</center>

## 2 万张违规图引发的信任危机

此次整改的直接导火索，是加州总检察长 Rob Bonta 启动的正式调查。数据显示，仅在去年圣诞至新年期间，xAI 生成的约 2 万张图像中，竟有超过半数包含极度暴露的人物形象，其中不乏疑似未成年人的内容。

这种失控局面让 X 平台陷入了巨大的法律与道德风险。尽管马斯克此前辩称对生成未成年人内容“毫不知情”，并试图用“R 级电影标准”来解释其内容策略，但现实的监管压力显然已让他无法再维持这种模糊态度。

## 创造力与安全性的永恒拉锯

除了内容限制，xAI 还决定将图像生成功能全面收归“付费墙”，非订阅用户将彻底失去生成权限。这一方面是商业考量，另一方面也是为了通过提高门槛来遏制滥用行为。

此次事件再次将生成式 AI 的核心矛盾摆上台面：当技术能力跑在安全护栏之前，再强大的模型也可能沦为风险放大器。X 平台的紧急刹车，或许是所有大模型厂商在通往商业化道路上必须补上的一堂合规课。在 AI 生成内容日益逼真的今天，如何在释放创造力与守住伦理底线之间找到平衡，已成为无法回避的生存命题。

监管重压下的断臂求生：X 平台全面封锁 Grok 违规绘图

<video src="https://static.downly.cn/images/13-Steps-to-High-Efficiency-by-the-Creator-of-Claude-Code.mp4" controls width="50%">
  Your browser does not support the video tag.
</video>

> 在 AI 辅助编程领域，我们通常只把 AI 当作一个更聪明的自动补全工具。然而，Claude Code 的创造者 Boris Cherny 展示了一种完全不同的维度：他通过构建一套严密的系统工程，将自己从“代码撰写者”转变为“AI 军团指挥官”，实现了月产 4 万行高质量代码的惊人效率。

本文将基于 Boris Cherny 的实战演示，详细复盘他的 13 步工作流，并补充我们对于高阶技能定制的第 14 步实践，深入剖析这套范式背后的技术哲学。

------

## 01. 并发多线程 (Parallelization)

### 🎥 Boris 的实战现场

Boris 的终端界面就像一个繁忙的指挥塔。他通常会同时开启 5 个并行的 Claude 会话（Tabs 1-5），每个 Tab 都有明确的职责划分：

- Tab 1：专注于数据库层面的重构任务。

- Tab 2：处理前端组件的视觉调整。

- Tab 3：运行单元测试并修复回归错误。

  为了解决“等待 AI 生成”的时间浪费，他利用系统的“通知铃声”功能。当后台某个 Tab 完成任务时，会发出提示音，他便立即切换上下文进行确认。这种方式消除了人类在等待 AI 思考时的闲置时间。

### 🧠 技术视点：工程师的“调度器化”

> 这标志着工程师的核心能力正在发生代际转移。

过去，我们的核心能力是“专注力”和“手速”；而在 Boris 的模式下，核心能力变成了**任务架构拆解（Architecture Decomposition）\**与\**上下文切换（Context Switching）**。如果不具备良好的架构思维，无法将一个大需求拆解为 5 个低耦合的子任务，那么开启 5 个窗口只会带来 5 倍的混乱。**并发的前提，是解耦。**

------

## 02. 端云协同 (Teleport)

### 🎥 Boris 的实战现场

Boris 演示了如何打破“本地终端”与“云端网页”的物理隔阂。他使用 `teleport` 命令配合后台任务符 `&`，将本地正在进行的终端会话“瞬移”到浏览器端的 Claude 界面。

- **场景切换**：当需要处理复杂的长文本阅读、查看图表或进行更自然的对话交互时，他切换到网页端。
- **状态同步**：在网页端确认好思路或生成文案后，所有的上下文和结果又能反向同步回本地终端，继续执行代码命令。

### 🧠 技术视点：交互模态的流动性

> 未来的开发环境将不再固守单一的 IDE，而是“数据流”的载体。

CLI（命令行）适合执行和精确控制，GUI（网页）适合阅读、规划和视觉反馈。Boris 的实践告诉我们：**上下文（Context）应当像流体一样**，根据开发者的认知需求，在不同的容器之间自由流转，而不是被锁死在某个软件窗口里。

------

## 03. 慢思考 (Thinking Models)

### 🎥 Boris 的实战现场

在处理复杂的逻辑重构时，Boris 并没有选择响应最快的模型，而是强制指定带有思维链（Chain of Thought）的 Opus 4.5 模型。

尽管这需要等待数分钟才能看到结果，但他强调，对于核心逻辑，必须让 AI 像人类高级工程师一样进行深度的推理。他宁愿花时间等待一个准确的方案，也不愿快速得到一个充满 Bug 的代码块。

### 🧠 技术视点：算力换人力的经济账

> 这是一个关于“信噪比”的决策。

在软件工程中，**生成速度 $\neq$ 开发效率**。修复一个由快速模型产生的幻觉 Bug，其耗时（定位、调试、修改）往往是生成时间的 10 倍以上。这里的策略是典型的“慢即是快”：用昂贵的推理算力，去置换昂贵的人类调试时间。**准确率（Precision）远比延迟（Latency）重要。**

------

## 04. 共享大脑 (CLAUDE.md)

### 🎥 Boris 的实战现场

Boris 展示了他在项目根目录维护的核心文件：CLAUDE.md。

这不是给人类看的 Readme，而是给 AI 看的“宪法”。文件中定义了：

- **架构规范**：如“本项目使用 MVC 模式，Service 层不应直接返回 DTO”。

- **编码细节**：如“日期必须使用 ISO8601 格式”、“禁止使用 `eval` 函数”。

- 路径映射：解释项目特有的黑话和目录结构。

  每次启动 Claude，它都会预加载这份文件，从而让一个通用的 AI 瞬间变成最懂该项目的“资深员工”。

### 🧠 技术视点：隐性知识的显性化

> 这是文档工程（Documentation Engineering）在 AI 时代的复兴。

传统团队中存在大量“部落知识（Tribal Knowledge）”，它们只存在于老员工的脑子里。`CLAUDE.md` 迫使我们将这些隐性知识显性化。这本质上是一种**轻量级的 RAG（检索增强生成）**，它解决了 LLM 的无状态问题，让项目具备了可传承的“记忆”。

------

## 05. 复利工程 (Compounding Engineering)

### 🎥 Boris 的实战现场

当 Claude 犯错（例如引入了一个被禁用的库）时，Boris 的做法令人印象深刻：他不仅仅是纠正代码，而是直接在 GitHub 评论区 @claude 下达指令：“你犯了一个错误，请把这条新规则更新到 CLAUDE.md 中，以后不要再犯。”

通过这种方式，每一次错误都转化为了文档中的一条新规则，确保 AI 不会在同一个地方跌倒两次。

### 🧠 技术视点：错误的资产化

> 我们正在目睹一种全新的“资产积累”方式。

在传统开发中，踩过的坑容易被遗忘；而在这种模式下，**错误被提炼成了系统的“养料”**。随着项目推进，`CLAUDE.md` 越来越完善，AI 越来越聪明。这不仅仅是在写代码，更是在训练一个不断自我进化、不断增值的数字资产。

------

## 06. 计划模式 (Plan Mode)

### 🎥 Boris 的实战现场

Boris 通过双击 Shift+Tab 进入一个特殊的“计划模式”。在此模式下，AI 被禁止写一行代码。

他和 AI 像两个在白板前的架构师一样，纯粹通过自然语言反复推演：“如果我们要改这个 API，会影响哪些文件？”、“数据库 Schema 需要怎么变？”。只有当计划被彻底确认无误后，他才会切换回执行模式让 AI 动手。

### 🧠 技术视点：决策层与执行层的分离

> 这解决了新手使用 AI 最容易犯的错：过早陷入细节。

Plan Mode 强行将**设计（Design）\**与\**实现（Implementation）** 剥离。这不仅通过思维链（CoT）降低了 AI 的幻觉风险，更重要的是，它强制人类保持在“决策层”。**AI 是手，你是脑，动手之前先动脑。**

------

## 07. 斜杠命令 (Slash Commands)

### 🎥 Boris 的实战现场

Boris 演示了他自定义的 /commit-push-pr 命令。

只需输入这一个指令，Claude 就会在后台自动执行一系列复杂的动作：检查 Git 状态 -> 分析变更内容 -> 生成符合规范的 Commit Message -> 推送到远程分支 -> 调用 GitHub API 创建 PR。原本需要敲击十几次键盘的流程，被压缩成了一次指令。

### 🧠 技术视点：流程的“模糊自动化”

> 这是对传统 Shell 脚本的降维打击。

传统的脚本是僵化的，参数必须精确匹配。而挂载了 AI 的 Slash 命令是**基于意图（Intent-based）**的。开发者只需要发出意图，AI 负责填充参数、处理异常。我们正在从“自动化（Automation）”向“自主化（Autonomy）”过渡。

------

## 08. 子智能体 (Sub-agents)

### 🎥 Boris 的实战现场

在处理特定任务时，Boris 会调用专门的“子智能体”。例如：

- `code-simplifier`：这是一个被设定了极强约束的 Agent，它只负责简化代码语法，绝不修改业务逻辑。

- verify-app：专门负责按照测试手册运行端到端测试的 Agent。

  主 AI 负责攻坚，子 Agent 负责扫尾，分工明确。

### 🧠 技术视点：单一职责原则 (SRP) 的 AI 实践

> 我们写代码遵循 SRP 原则，使用 AI Agent 也应如此。

一个通用的“全能 Agent”往往表现平庸。通过构建专门的 Sub-agents，我们可以针对特定任务（如安全审计、性能优化、文档生成）微调 Prompt 和工具集。这是**多智能体协作（Multi-Agent Systems）** 的实战雏形。

------

## 09. 钩子 (Hooks)

### 🎥 Boris 的实战现场

Boris 配置了严格的 Pre/Post-execution Hooks。每当 AI 生成代码准备写入文件之前，系统会自动触发 Prettier 或 Linter。

无论 AI 生成的代码格式多么混乱，在写入磁盘的那一刻，它都会被强制格式化为团队标准风格。

### 🧠 技术视点：最后一道防线

> 这是防御性编程在 AI 时代的必要延伸。

我们不能无条件信任 AI 的输出质量。Hooks 建立了一个**不依赖于 AI 自身道德约束的外部质量门禁**。这不仅解决了 AI 代码“能跑但很难看”的顽疾，更守住了代码库整洁度的底线。

------

## 10. 权限管理 (Permissions)

### 🎥 Boris 的实战现场

Boris 并没有让 AI 处于完全的“裸奔”状态（`dangerously-skip-permissions`）。相反，他精心设置了白名单：

- 读取类命令（`ls`, `cat`, `git status`）：默认允许，无需人类确认，保证交互流畅。
- 破坏类命令（`rm`, `upload`, `deploy`）：必须弹窗询问，且高危操作会被钩子拦截。

### 🧠 技术视点：基于行为的零信任架构

> 信任，但要验证（Trust but Verify）。

在 AI 能够自主执行命令的时代，安全架构必须从“基于身份”转向“基于行为”。这种配置既保证了探索性任务的效率，又锁死了破坏性操作的风险。

------

## 11. 万物互联 (MCP)

### 🎥 Boris 的实战现场

通过 Model Context Protocol (MCP)，Boris 让 Claude 连接到了 IDE 之外的世界。

他展示了 AI 如何直接读取 Slack 中的讨论记录来理解需求背景，或者直接查询 BigQuery 数据库来验证业务逻辑，甚至连接 Sentry 查看线上的实时报错日志。

### 🧠 技术视点：打破 IDE 的“数据孤岛”

> 当 AI 开始感知业务数据时，它才真正成为了“全栈”。

这预示着 **AIOps** 的到来——AI 不再仅仅处理代码文本，而是能够感知线上状态、用户反馈和业务数据。它正在从一个“编码工具”进化为一个能够感知上下文的“业务伙伴”。

------

## 12. 长任务管理 (Ralph Wiggum)

### 🎥 Boris 的实战现场

对于那些极度耗时的任务（如全项目大规模重构、运行数小时的回归测试），Boris 使用了一个被称为 "Ralph Wiggum" 的后台挂机插件。

他将任务扔给这个后台进程，配置好“完成强提醒”，然后就去处理其他事情，甚至睡觉。在这些隔离环境中，他给予 AI 更高的自主权。

### 🧠 技术视点：异步生产力的解放

> 人类的时间是线性的，但算力是可以并发的。

通过将长耗时任务剥离给后台 AI，工程师实现了**算力与人力的解耦**。你不再需要盯着进度条发呆，这是对人类注意力的极致保护。

------

## 13. 反馈闭环 (Feedback Loop)

### 🎥 Boris 的实战现场

这是 Boris 演示中最精彩的部分：赋予 AI 眼睛。

当 AI 修改了前端代码后，它会自动启动一个浏览器实例，像真实用户一样点击按钮、输入表单、截图并分析控制台报错。如果发现页面崩溃或报错，AI 会根据错误信息自动修正代码，直到通过验证。

### 🧠 技术视点：从“开环”到“闭环”

> 这不仅仅是自动化测试，这是“自主纠错”。

目前的 AI 编程多是“开环”的（AI 写完 -> 人去测 -> 人反馈）。Boris 构建的是**闭环系统**（AI 写 -> AI 测 -> AI 改）。只要有了可靠的反馈机制（视觉验证、测试套件），AI 就能在不断的试错中收敛到正确结果，这才是 AI 能够独立完成任务的关键。

------

## 14. claude Code Skills 进阶实践

### 🚀 超越脚本的终极形态

Boris 展示了如何用 Slash Commands 和 MCP 连接工具，但这依然是零散的。通过研究 Anthropic 最新的官方规范，我们发现 Claude Code 真正的杀手锏其实是：**Agent Skills（代理技能架构）**。

这不是简单的写个脚本，而是定义了一种**标准化的能力封装协议**。如果说 `CLAUDE.md` 是公司的“宪法”，那么 Agent Skills 就是 Claude 的“岗位技能手册”。

### 🛠️ 我们的实践：构建标准化的 Skill 目录

我们不应满足于散落在各处的 Prompt，而应按照官方规范，构建可复用的 **Skill 文件夹**结构：

#### 1. 采用“三位一体”的目录结构

一个标准的 Skill 不是一个文件，而是一个目录：

- **`SKILL.md` (大脑)**：核心指令文件。包含 YAML Frontmatter（元数据）定义 `name` 和 `description`，以及 Markdown 格式的操作指南。这是 Claude 唯一“必读”的部分。
- **`scripts/` (肢体)**：存放 Python/Bash 脚本。用于处理需要精确执行、容错率低的逻辑（如数据清洗、格式转换）。这比让 LLM 自己写代码执行要稳定得多。
- **`references/` (海马体)**：存放 PDF 规范、API 文档或模版。这些是 AI 按需查阅的知识库。

#### 2. 利用“渐进式披露”机制 (Progressive Disclosure)

这是该架构最精妙的技术设计，旨在解决上下文窗口（Context Window）的限制：

- **静默态**：Claude 启动时，只加载所有 Skills 的 `name` 和 `description`（约 100 tokens），极度节省资源。
- **激活态**：只有当 Claude 判定当前任务需要该技能时（例如你提到“处理这个 PDF”），它才会动态加载该技能完整的 `SKILL.md` 指令。
- **执行态**：只有在真正执行细节时，才会去读取 `scripts/` 或 `references/` 中的具体文件。

#### 3. 设定“自由度” (Degrees of Freedom)

我们在编写 `SKILL.md` 时遵循“窄桥原则”：

- **低自由度**：对于发布生产环境的操作，我们提供固死的 `scripts/`，不给 AI 自由发挥的空间，确保 100% 的一致性。
- **高自由度**：对于“代码优化建议”类技能，我们只提供 Markdown 文本指导，让 Claude 发挥它的创造力。

### 🧠 技术视点：AI 的“Docker 化”时刻

Agent Skills 的出现意味着 **AI 能力的标准化和模块化**。

- **可移植性**：你可以把一个写好的 `data-analysis` Skill 文件夹打包发给同事，他的 Claude 瞬间就学会了如何分析公司特有的数据格式，无需任何 Prompt 调试。
- **程序性记忆**：以前我们通过 RAG 给 AI **陈述性记忆**（知识），现在我们通过 Skills 给 AI **程序性记忆**（方法）。

------

**结语**

Boris Cherny 的 13 步工作流，配合最新的 Agent Skills 架构，本质上是将程序员从**代码的实现者**，升级为了**代码生产系统的设计者与监督者**。

拒绝“聊天式”编程 - 深度解析 Claude Code 之父的系统化开发流



>当AI不再仅仅是辅助工具，而是成为科学发现的独立贡献者，学术界的传统定义正在被改写。近期，一项关于GPT-5的研究成果在科学界引发了激烈的讨论：

## 历史性突破 摆脱人类引导

瑞士数学家约翰内斯·施密特（Johannes Schmitt）近日在社交媒体X上发布了一项震撼性的成果：GPT-5在没有任何人类干预或特定提示引导的情况下，首次独立解决了一个困扰数学界已久的难题。

施密特对AI的表现给予了极高评价，指出GPT-5并未遵循该领域的常规解题逻辑，而是展现出了惊人的创造力，跨界借鉴了代数几何其他分支的技术手段来攻克难关。这一突破不仅验证了数学大师陶哲轩对AI潜力的预言，也标志着科学研究进入了一个必须直面“AI独立贡献”的新纪元。

## 极致透明 拆解人机协作

除了数学成就本身，施密特提交的论文更像是一场关于科研透明度的先锋实验。在这篇高度数字化的论文中，人类与AI的协作过程被拆解得淋漓尽致：证明的核心过程由GPT-5与Gemini3Pro共同完成，叙述文本由Claude撰写，而严谨的Lean正式证明则由ChatGPT5.2辅助生成。

为了实现100%的可追溯性，论文的每一个段落都精准标注了产出主体，并附带了原始对话记录和提示词的链接。

![Google_AI_Studio_2025-12-23T02_40_11.214Z.png](https://static.downly.cn/images/fd8ae9636e56200972d2d5640c06a582.png)

<center>图源备注：图片由AI生成</center>

## 拷问本质 学术界的新难题

这种极致的标注虽然确保了科研诚信，却也因其繁琐的操作流程被部分学者质疑可能导致“学术官僚主义”。

更深层的争议在于对科学本质的拷问。施密特的实验暴露出人机界限日益模糊的困境：即便答案由AI独立生成，但提示词的构建与结果的筛选依然包含了人类意志。科学界现在必须回答一个根本性命题：在缺乏人类初始意图的前提下，纯粹由AI完成的贡献是否成立？施密特无疑为未来AI时代的学术出版标准提供了一个极具参考价值的样本。

GPT-5独立攻克数学未解之谜：一场引发学界震动的透明化归因实验



> 科技巨头们正以前所未有的速度，将AI技术融入我们工作和生活的方方面面。从视频剪辑、应用开发到图片设计，AI正在掀起一场创造力革命，让原本复杂的技术变得触手可及。无论是谷歌、微软等公司的持续加码，还是TikTok、Adobe等应用层面的创新，都预示着一个更加智能、高效的未来。

## TikTok解放创造力 AI剪辑神器“Smart Split”让视频制作更简单

TikTok在美国创作者峰会上，为其庞大的创作者社群带来了一款名为“Smart Split”的AI剪辑工具。该工具旨在通过人工智能技术，智能分析视频素材，帮助创作者更高效地完成剪辑工作。同时，TikTok还推出了AI内容规划工具“AI Outline”，并更新了创作者分成政策，从技术赋能到收益优化，全方位提升创作者的制作效率与收入潜力。

![image.png](https://static.downly.cn/images/06f5409ba5cc4fc0e39d1665934570ad.png)
<center>图源备注：图片由AI生成</center>
<br>

## 谷歌母公司Alphabet财报亮眼 季度营收首破千亿 AI成未来核心增长点

谷歌母公司Alphabet公布了其最新季度财报，季度收入首次突破千亿美元大关，展现出强劲的增长势头。广告与云计算业务是此次增长的主要驱动力。财报会议上，公司高层明确表示将大幅增加资本支出，重点投向AI领域的基础设施建设，以满足未来业务扩张的需求。这一系列积极信号获得了投资者的广泛认可，公司股价随之上涨。

![image.png](https://static.downly.cn/images/836f83a1e8eb9d7ac36284454150b3b3.png)
<center>图源备注：图片由AI生成</center>
<br>

## YouTube电视体验大升级 AI画质优化加二维码购物 开启客厅新玩法

YouTube正致力于提升其在电视大屏上的观看体验。最新推出的功能允许观众通过扫描视频中嵌入的二维码直接进行购物，将内容与消费无缝连接。此外，YouTube还利用AI技术优化电视播放画质，并引入了更精准的搜索功能。这些更新不仅为观众带来了更丰富、便捷的客厅娱乐体验，也为内容创作者开辟了新的收入渠道。

![image.png](https://static.downly.cn/images/2036d38e4d32f4eef2cb422b798bced8.png)
<center>图源备注：图片由AI生成</center>
<br>

## 动动嘴就能做App 微软Copilot推出“应用构建器”

微软为其Microsoft 365 Copilot套件增添了两项强大功能 “应用构建器”和“自动化工作流”。这项创新使得没有任何技术背景的员工，也能通过简单的自然语言指令，在Word、Excel等常用办公软件内快速创建小型应用程序或自动化日常任务。例如，用户只需描述需求，即可生成一个项目仪表板，极大地提高了办公效率。

![image.png](https://static.downly.cn/images/40e7b6592672553789e2ddaada9111cf.png)
<center>图源备注：图片由AI生成</center>
<br>

## 为AI安全保驾护航 OpenAI发布两款全新开源安全推理模型

为了应对日益复杂的AI安全挑战，OpenAI宣布推出两款全新的开源安全推理模型 gpt-oss-safeguard-120b与20b。这两款模型的发布，旨在提升AI技术的可靠性与安全性，通过开源社区的力量，共同构建更安全的AI生态系统，为整个人工智能行业的健康发展提供了重要的技术保障。

![image.png](https://static.downly.cn/images/1e7abfe82e9b898d0b66d9900117273b.png)
<center>图源备注：图片由AI生成</center>
<br>

## 人人都是开发者 谷歌AI Studio推出“文本即应用”神器

谷歌在其AI Studio平台上发布了一项革命性工具，允许用户仅通过文本描述就能创建AI应用。这项“零代码”的创新，深度集成了强大的Gemini模型，用户无需编写任何代码，即可将自己的想法变为现实，甚至支持图像生成功能。这标志着AI开发的门槛被进一步降低，开启了“人人都是AI开发者”的时代。

![image.png](https://static.downly.cn/images/3e2fb97455bfd2cf67aa68e04771ec81.png)
<center>图源备注：图片由AI生成</center>
<br>

## 聊天就能P图 Photoshop与ChatGPT强强联手 设计门槛一降再降

Adobe公司宣布与OpenAI达成合作，将ChatGPT的强大自然语言处理能力深度集成到旗舰产品Photoshop及Adobe Express中。现在，用户可以直接通过聊天对话的方式，描述自己的创意想法，AI便能自动完成从图像生成、编辑调整到最终导出的全套设计流程。这项合作极大地简化了专业设计工作流，让创意表达变得前所未有的直观和便捷。

![image.png](https://static.downly.cn/images/c11ed0fde79133d273211fc1772c6fdf.png)
<center>图源备注：图片由AI生成</center>
<br>



每日AI资讯1030：科技巨头引领创造力革命，AI让应用开发与内容创作迈入新纪元



> 导语：今日AI界风起云涌，从微软明确AI伦理界限，承诺不涉足情色内容，到国内中科大与字节跳动联手推出分钟级长视频生成模型MoGA，实现技术新突破。同时，Kimi、蚂蚁集团和百度分别在开发者服务、多模态应用及OCR技术上取得显著进展，而EA与Stability AI的合作则预示着AI将深度赋能游戏产业的未来。

## 微软AI划清伦理红线，公开承诺不开发情色AI

微软AI业务的首席执行官苏莱曼近日明确表示，公司将不会涉足情色类AI服务的开发。这一声明是在OpenAI调整其相关政策之后发布的，凸显了微软在生成式AI领域的伦理立场，表现出其在技术发展中对社会责任的审慎和担当，致力于将AI服务严格限定在非情色应用范畴。

![image.png](https://static.downly.cn/images/efc8268600bca132616ef14fc0c94f0a.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Kimi专为开发者打造会员服务，编程效率再升级

Kimi公司为其编程工具“Kimi For Coding”推出了全新的增值会员计划，旨在为广大开发者提供更卓越的开发体验。该计划集成了Kimi CLI、Claude Code、RooCode等多种高效工具与服务，致力于大幅提升编程效率和代码生成速度。会员将享有每5小时100至500次的请求额度，且系统响应速度高达每秒100个Tokens，为编码工作注入强劲动力。

![image.png](https://static.downly.cn/images/2fdfa0155d70e4ad94ab43a4e17fb979.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 国产AI视频生成迎突破，中科大与字节联合发布MoGA模型

中国科学技术大学与字节跳动联合团队近日发布了一款名为MoGA的端到端长视频生成模型，标志着国产AI视频生成技术取得了重大突破。该模型能够一键生成长达一分钟、分辨率为480p、帧率为24fps的高质量短片，并且创新性地支持多镜头语言的自动切换。MoGA的核心优势在于其全新的注意力机制，为长视频内容的流畅生成与叙事逻辑提供了有力支撑。

![image.png](https://static.downly.cn/images/77f8192c655c59e596c148adc423fbac.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 蚂蚁集团入局多模态，AGI相机“灵光”开启内测

蚂蚁集团旗下全新的多模态应用“灵光”已正式启动内部测试。用户可通过手机号或支付宝账号登录体验。该应用的最大亮点是其内置的“AGI相机”功能，它能够利用手机镜头实时理解和识别现实世界中的物体与场景，并支持“即拍即问”的智能交互方式。此举展现了蚂蚁集团在多模态AI应用领域的探索与布局。

![image.png](https://static.downly.cn/images/70410b0b1f36da948fd75037584b2a82.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 百度飞桨新模型登顶全球OCR榜单

百度飞桨（PaddlePaddle）团队最新发布的PaddleOCR-VL视觉语言模型，在全球权威的OCR（光学字符识别）评测基准OmniDocBench V1.5中，以92.56的高分成功登顶，超越了包括DeepSeek-OCR在内的多个强大竞争对手。该模型以其0.9B的参数规模实现了卓越性能，并且在知名开源社区Huggingface的趋势榜上连续五日霸榜第一，彰显了其强大的技术实力与广泛的社区影响力。

![image.png](https://static.downly.cn/images/0372bb412dce5f51e522e1dd0e1db8e6.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## EA联手Stability AI，探索AI在游戏开发中的无限可能

全球知名游戏开发商EA（Electronic Arts）宣布与人工智能公司Stability AI达成战略合作，计划将Stable Diffusion等先进的AI技术深度整合到游戏开发流程中。双方将共同研发适用于游戏制作的AI模型与工具，旨在重塑内容创作流程，加快开发迭代速度，并拓展创意边界。EA强调，此次合作中AI将作为提升效率、优化工作流的辅助工具，其核心目的并非取代人类设计师的创造力。

![image.png](https://static.downly.cn/images/837c84f5d882bb3407117fa2888cea13.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1025：国产长视频模型实现突破，多家巨头发布AI新应用与新规


# 每日AI资讯1010：AI巨头动态频出，人形机器人与微型模型引领技术新浪潮

> 导语 本期AI资讯看点纷呈：台积电在AI需求的推动下业绩斐然；ChatGPT用户规模再创新高；谷歌与Figma的合作将Gemini AI融入设计流程；三星推出的微型模型在推理能力上实现惊人突破；Lyft与Figure AI分别在自动驾驶和人形机器人领域迈出重要步伐；同时，AI领域的投融资与市场竞争也日趋白热化。

## AI需求引爆芯片市场 台积电Q3营收同比猛增30%

受人工智能应用需求的强劲驱动，全球芯片制造巨头台积电在2025年第三季度实现了创纪录的业绩。其营收高达9899.2亿新台币，同比增长30%，显著超出市场预期。这一增长主要归功于来自英伟达、苹果等行业领军客户的大量订单，凸显了AI技术发展对半导体产业的巨大推动作用。

![image.png](https://static.downly.cn/images/fd8ea2943a5ebac47afa68e69326e026.png)
<p align="center">图源备注：图片由AI生成</p>

## 用户增长神话延续 ChatGPT周活跃用户突破8亿

在近期的年度开发者大会上，OpenAI宣布其旗舰产品ChatGPT的周活跃用户数量已突破8亿大关。与去年同期相比，这一数字实现了700%的惊人增长，再次刷新了AI应用的用户增长纪录。这不仅巩固了ChatGPT在大型语言模型领域的领先地位，也预示着AI技术正以前所未有的速度融入大众的日常生活。

![image.png](https://static.downly.cn/images/be85cf2794468e5090d0dce7da78c99b.png)
<p align="center">图源备注：图片由AI生成</p>

## 设计工具迎来AI革命 Figma集成谷歌Gemini模型

知名设计协作平台Figma宣布与谷歌达成合作，将强大的Gemini AI技术，包括Gemini 2.5 Flash、Gemini 2.0和Imagen 4等多个模型，全面集成到其平台中。此次合作旨在赋能设计师，只需通过简单的文本提示，即可调用AI完成复杂的图像编辑与内容生成任务，从而极大提升设计工作的效率与创造力。

![image.png](https://static.downly.cn/images/bc95801a3a88e2d691a53acc52a9e9f3.png)
<p align="center">图源备注：图片由AI生成</p>

## 小模型蕴含大能量 三星700万参数TRM模型推理能力惊艳业界

三星公司发布了一款仅有700万参数的微型递归模型（TRM），颠覆了“模型越大越强”的传统认知。在数独和ARC-AGI等高难度推理任务中，TRM的表现甚至超越了Gemini 2.5 Pro等参数量远大于它的顶尖大型模型。其成功的关键在于采用了独特的递归校正循环机制，实现了高效且精准的结构化推理。

![image.png](https://static.downly.cn/images/c907ff96313fa883b9c0631ede972a21.png)
<p align="center">图源备注：图片由AI生成</p>

## 从实验室到现实 Figure AI发布第三代人形机器人

机器人初创公司Figure AI推出了其第三代人形机器人Figure03，标志着该领域取得了重大进展。得益于其自研的“视觉-语言-动作”模型Helix，Figure03能够完全自主地在家庭和商业环境中执行洗衣、爬楼梯、清洁等多种复杂任务，不再依赖远程人工操控。这预示着通用人形机器人正加速从研发阶段迈向大规模商业化应用。

![image.png](https://static.downly.cn/images/df07bb56f09d7f992cf9ce56983dda99.png)
<p align="center">图源备注：图片由AI生成</p>

## 智能出行新篇章 Lyft计划2027年部署数百辆机器人出租车

尽管近期股价有所下调，但网约车巨头Lyft依然坚定地推进其在自动驾驶领域的战略布局。公司宣布，计划在2027年正式部署数百辆由TensorAI技术驱动的机器人出租车。此举旨在推动智能交通系统的发展，重塑未来城市出行模式，也体现了出行平台在激烈技术竞争中的转型决心。

![image.png](https://static.downly.cn/images/36af1b21d8acdb54f6488bcbb7a737a6.png)
<p align="center">图源备注：图片由AI生成</p>

## AI办公战火升级 谷歌云Gemini Enterprise正面挑战微软与OpenAI

为了在日益激烈的AI办公市场中占据有利地位，谷歌云正式推出了名为Gemini Enterprise的AI办公平台。该平台旨在通过一系列自动化工具，为普通员工赋能，帮助他们简化繁琐的工作流程，从而显著提升工作效率。Gemini Enterprise的发布，被视为谷歌直接挑战微软和OpenAI在该领域霸主地位的重要举措。

![image.png](https://static.downly.cn/images/9990f3ab8cd4c535d3d54b425ef2477b.png)
<p align="center">图源备注：图片由AI生成</p>

## 开源AI新星崛起 Reflection AI获20亿美元融资挑战巨头

成立仅一年的AI初创公司Reflection AI正迅速成为开源AI领域的焦点。该公司由前谷歌DeepMind研究员创立，致力于开发强大的开源AI模型，以挑战OpenAI等封闭模型的垄断地位，并与中国的DeepSeek等公司展开竞争。凭借其宏大的愿景，Reflection AI已成功完成20亿美元的新一轮融资，公司估值在七个月内飙升15倍，达到80亿美元。

![image.png](https://static.downly.cn/images/c635b0f891b7222381755f4b8965be5f.png)
<p align="center">图源备注：图片由AI生成</p>



每日AI资讯1010：AI巨头动态频出，人形机器人与微型模型引领技术新浪潮



> 科技巨头在AI领域的竞赛愈发激烈。本期资讯我们将看到，谷歌在全球范围内扩展其AI服务，从搜索引擎到虚拟试衣，再到量子计算，展现出其全面布局的雄心。与此同时，xAI推出了电影级的视频生成模型，直接挑战行业现有格局。Zendesk则预示着客服行业即将被AI颠覆，而更多面向开发者和普通用户的AI工具也正不断涌现，一个由AI驱动的全新智能时代正在加速到来。

## 谷歌AI搜索无国界 服务版图再扩张

谷歌宣布其AI搜索模式现已扩展至35种新语言，并新增了40个国家和地区的支持，使其服务覆盖全球超过200个区域。这一扩展得益于强大的Gemini模型，该模型显著提升了对自然语言的理解和多模态交互能力，让全球更多用户能以母语体验到更智能、更直观的搜索服务。

![image.png](https://static.downly.cn/images/f44991b20e6a04591e0dbda434e27fc6.png)

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

## 客服革命来临 Zendesk发布AI代理欲替代八成人工

客户服务解决方案提供商Zendesk正式推出了其AI驱动的客服系统，其核心是一款能够自主解决高达80%客户问题的智能代理。该系统还配备了AI副驾驶、管理层洞察以及语音代理等一系列辅助工具，旨在最大程度减少对人工客服的依赖，引领客户支持行业进入一个全新的自动化时代。

![image.png](https://static.downly.cn/images/d10d58b624e7f416906a79b096341bb9.png)

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

## xAI亮剑Sora Imagine v0.9发布 开启一键电影时代

埃隆·马斯克旗下的xAI公司发布了其最新的视频生成模型Imagine v0.9，在多模态AI创作领域取得了重大突破。新模型不仅在画质和动作流畅度上实现了飞跃，达到了媲美电影级别的视觉质量，还创新性地加入了原生音频生成功能，让“一键生成电影”的梦想离现实又近了一步。

![image.png](https://static.downly.cn/images/6d31ae1d57393c44946b3ddef2076ec9.png)

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

## Arc浏览器继任者Dia发布 内置AI技能拥抱无限可能

备受关注的Arc浏览器继任者Dia已正式登陆macOS平台。Dia深度整合了AI技术，通过内置的“AI技能”系统彻底革新了用户的网页浏览和任务交互方式。该应用需要M1或更高版本的芯片支持，提供免费版和月费20美元的Pro版，Pro版用户可享受无限制的AI聊天功能。

![image.png](https://static.downly.cn/images/64771243ad78e1e2220ce8b97dc439ae.png)

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

## 谷歌AI试衣间再升级 从头到脚实现虚拟穿搭

谷歌的AI虚拟试穿功能迎来新进化，继服装之后，鞋履的虚拟试穿功能现已登陆澳大利亚、加拿大和日本市场。用户只需上传一张自己的照片，就能身临其境地看到各种鞋子和服装在自己身上的效果，这项低门槛的技术极大地优化了线上购物的体验，让选择变得更直观、更便捷。

![image.png](https://static.downly.cn/images/a65d1e1463260bccc91949ba987c3163.png)

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

## 强强联合 黄仁勋确认投资马斯克xAI

英伟达CEO黄仁勋在一次公开活动中确认，已投资埃隆·马斯克的AI初创公司xAI，并表示有兴趣在多个领域与xAI展开深入合作。同时，他还透露英伟达目前正与OpenAI紧密合作，支持其发展成为自主托管的数据中心运营商。这标志着AI领域的巨头们正在通过投资与合作，构建更加紧密的生态系统。

![image.png](https://static.downly.cn/images/b89b23f8ce76ed98bbba866722d9c6a1.png)

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

## 阿里巴巴组建机器人AI团队 抢滩具身智能新赛道

阿里巴巴内部已成立一个全新的“机器人和具身AI小组”，由集团高管林俊旸亲自领导。该团队将专注于研发突破性的机器人技术和推动具身人工智能的发展，旨在实现智能系统与物理世界的深度互动，标志着阿里巴巴在智能化浪潮中迈出了抢占新赛道的重要一步。

![image.png](https://static.downly.cn/images/1d255b94bc52ff4c7b97a94b0930e577.png)

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

## 谷歌Gemini CLI工具上新 开发者迎来个性化体验

谷歌为其命令行工具Gemini CLI新增了强大的“扩展”功能。这一新功能允许用户连接并使用托管在GitHub上的自定义工具，极大地提升了AI命令行工具的个性化和灵活性。开发者无需经过繁琐的审批流程即可发布自己的扩展，目前社区已经贡献了超过50个可用的扩展。

![image.png](https://static.downly.cn/images/4e01b8383cf544da02be513f71167fce.png)

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

## OpenAI为Sora增设内容护栏 强化AI生成内容控制

为了应对日益增多的关于深度伪造技术的滥用争议，OpenAI为其视频生成工具Sora增加了一系列新的控制功能。用户现在可以更好地管理自己数字形象的使用范围，例如可以主动屏蔽政治相关内容或禁用特定敏感词汇的生成，从而增强用户对AI生成内容的控制权和安全性。

![image.png](https://static.downly.cn/images/361604e12b978698a8da85ba94ff5936.png)

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

## AI赋能体育 谷歌携手2028洛杉矶奥运会

谷歌宣布将成为2028年洛杉矶奥运会的官方云服务提供商。届时，谷歌将利用其先进的Gemini大模型和AI搜索引擎技术，在NBC环球的奥运直播期间，为全球观众提供前所未有的智能观赛体验，让信息获取变得更加便捷和个性化。

![image.png](https://static.downly.cn/images/9ddc7d9ca53770cda29bd17471909e91.png)

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

## 谷歌加速量子布局 收购Atlantic Quantum强化硬件实力

为了加速在量子计算领域的硬件扩展，谷歌量子AI部门宣布收购了从麻省理工学院（MIT）剥离出来的初创企业Atlantic Quantum。该公司的模块化量子芯片堆栈集成技术将有助于谷歌解决硬件规模化难题，双方的结合将共同推进量子计算技术的商业化进程。

![image.png](https://static.downly.cn/images/9f5d97faa1a698f25ab086b43507b529.png)

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

## 零代码开发时代开启 谷歌Opal应用登陆15国

谷歌的AI编码应用Opal现已向全球15个新国家开放，包括加拿大、印度和日本等。Opal工具旨在让没有任何编程基础的用户也能轻松开发小型网络应用，真正赋能全民创造力，让每一个有好点子的人都能便捷地将其变为现实。

![image.png](https://static.downly.cn/images/c0e789b4b90a41077bc330c587f4bb19.png)

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



每日AI资讯1009：谷歌AI多点开花 xAI发布视频模型 AI应用全面加速

StabilityAI推出的文本到图像生成AI

搜索结果: 创造力