> 导语：今日AI界风起云涌，谷歌Pixel携Gemini Nano端侧AI直面苹果；Meta推出SPICE框架，让AI实现自我进化；OpenAI的Sora虽用户量暴增，却面临巨额亏损的商业化难题。与此同时，从表现力丰富的语音模型Maya1，到估值飙升的Gamma，再到苹果优化开发者工具，AI技术的创新与商业挑战正同步上演。

## 谷歌端侧AI再升级 Gemini Nano登陆Pixel挑战苹果

谷歌为其Pixel设备推送了11月的重磅更新，核心亮点是端侧AI模型Gemini Nano的集成。这一更新重点赋能了“信息”应用中的Remix功能，允许用户在设备上直接进行更智能、更高效的编辑操作，此举被视为直接对标苹果的Apple Intelligence。除了AI功能的增强，本次更新还全面优化了用户体验，并提升了设备的安全性能与电池续航能力。

![image.png](https://static.downly.cn/images/d225ebe0640bcca4be6d8c782f0dd200.png)
图源备注：图片由AI生成
 

## AI也能“左右互搏” Meta发布SPICE框架探索自主学习

Meta与新加坡国立大学合作，共同研发了名为SPICE的创新强化学习框架。该框架的核心机制是让两个AI代理进行类似“左右互搏”的对抗性训练，从而在无需任何人类干预的情况下，自主学习并提升推理等复杂能力。这个概念验证项目旨在为未来AI系统的发展奠定基础，使其能够更好地适应动态变化的未知环境，并增强对现实世界不可预测性的抵抗力。

![image.png](https://static.downly.cn/images/8a82f7e78b5ec7dfae0540d2ac7d5134.png)
图源备注：图片由AI生成
 

## “烧钱”模式难以为继 Sora的华丽袍下藏着商业化危机

OpenAI旗下的AI视频生成应用Sora自上线以来，短短一个月内下载量便突破400万，每日产出数百万条短视频，可谓风光无两。然而，这“虚假繁荣”的背后是惊人的运营成本。据估计，Sora的日均运营成本高达1500万美元，年化支出或将超过50亿美元。巨大的亏损使其面临严峻的财务可持续性危机，迫切需要进行战略调整，以解决其商业模式的根本性问题。

![image.png](https://static.downly.cn/images/5a82aaecebba2a07c4101d76ceed6b59.png)
图源备注：图片由AI生成
 

## 单GPU实时运行 Maya1模型让AI语音告别“机械感”

Maya Research团队近日发布了一款全新的开源文本转语音模型 Maya1。该模型拥有30亿参数，其最引人注目的特性是能够在单个GPU上实现实时语音生成。用户不仅可以通过文本输入，还能通过自然语言描述来精确控制生成语音的情感、音调、年龄、口音乃至特定的角色特征，从而创造出表现力极其丰富且高度可控的语音内容，让AI语音向模拟真人迈进了一大步。

![image.png](https://static.downly.cn/images/f4ebeb87b1c64bb8ef1404be795313ed.png)
图源备注：图片由AI生成
 

## 成功转型生成式AI Gamma获新融资估值飙升

AI初创公司Gamma近日宣布获得由知名风投a16z领投的6800万美元新融资，公司估值也随之飙升至21亿美元。Gamma早期专注于简化演示文稿的制作流程，后成功地将业务重心战略性地转向了更具市场前景的生成式AI领域。此次融资的成功，充分显示了其强大的市场适应能力和技术创新潜力，是AI领域成功转型的又一典范。

![image.png](https://static.downly.cn/images/3448ce98f020375090ee50d5269ad0a8.png)
图源备注：图片由AI生成
 

## 编码更丝滑 苹果Xcode新版优化AI助手与内存效率

苹果公司正式发布了Xcode 26.1.1版本，为开发者带来了多项重要更新。新版本全面支持Swift 6.2.1，并重点修复了一系列已知漏洞。在功能上，此次更新显著提升了内置AI编码助手的性能，使其与开发者的互动更加流畅。此外，新版Xcode还大幅改善了内存使用效率，特别是在处理大型Git项目时，能为开发者提供更稳定、更高效的编码体验。

![image.png](https://static.downly.cn/images/68be051bfc4fd700398ed40153948260.png)
图源备注：图片由AI生成
 ```

每日AI资讯1112：谷歌端侧AI叫板苹果，Meta探索自我进化，Sora商业化承压

> 导语：本期AI资讯聚焦全球技术突破：UniWorld-V2在中文图像编辑领域取得领先，亚马逊Kindle推出AI翻译服务，Meta的AI短视频平台Vibes扩展至欧洲，同时，全球首个AI海洋大模型“瞰海”问世。此外，微软启动人本主义AI项目，月之暗面发布Kimi K2 Thinking模型，展现了AI在应用和理论层面的双重跃进。

---

## UniWorld-V2发布 中文图像编辑的新篇章

UniWorld-V2中文图像编辑模型正式发布，它带来了两大核心功能 框选即改与中文字体精准渲染。该模型在性能上已超越了GPT-Image和Gemini等知名模型，为中文世界的图像处理提供了更强大 更精准的工具。


![image.png](https://static.downly.cn/images/537aaf2145ab18b49d5ff2d374fc9c4e.png)
图源备注：图片由AI生成
 

## 劳德研究所“弹弓”计划启动 赋能AI科研创新

劳德研究所发起了名为“弹弓”的AI资助计划，旨在通过提供资金 算力及工程支持，为AI科研注入新动力。首批入选的15个项目团队将致力于推动研究成果的商业化或开源，以促进AI技术的广泛应用与发展。

## 亚马逊Kindle推出AI翻译 助力独立作者走向世界

亚马逊在其Kindle Direct Publishing（KDP）平台上线了免费的AI翻译服务 Kindle Translate。该服务初期支持英语 西班牙语和德语间的互译，旨在显著降低独立作者的翻译成本，帮助他们的作品快速触达全球读者，拓展国际市场。

![image.png](https://static.downly.cn/images/e79acb70e19e73eff0814f756c4dcb25.png)
图源备注：图片由AI生成
 

## Meta AI短视频Vibes登陆欧洲 AI视频领域竞争升温

Meta正式在欧洲市场推出其AI短视频平台Vibes，平台上的所有内容均由AI生成，功能上与TikTok相似。这是Vibes在美国市场取得成功后的又一重要扩张。此举也预示着，在OpenAI发布Sora等模型后，AI视频生成领域的竞争正变得日益激烈。

## 全球首个AI海洋大模型“瞰海”发布 精准预测未来海况

中国发布了全球首个端到端的AI海洋大模型“瞰海”。该模型能够实现从卫星观测到三维预测的全链路闭环，不仅可以实时重构海洋状况，还能精准预演未来10天的海洋环境变化，为海洋科研与防灾减灾工作提供了强大的“数字海洋镜像”。

![image.png](https://static.downly.cn/images/f5fec5921fe5ba0cd240cc5ba2b16483.png)
图源备注：图片由AI生成
 

## 微软启动新AI项目 聚焦“人本主义超级智能”

微软AI负责人苏莱曼将领导一个全新的团队，专注于开发“人本主义超级智能”AI。该项目旨在通过设定严格的技术界限和监管措施，确保AI技术的发展始终以服务人类为核心，由人类主导，避免其走向完全自主或取代人类的道路。

## 月之暗面开源Kimi K2 Thinking模型 提升AI自主思考能力

月之暗面宣布开源其最新的Kimi K2 Thinking模型。该模型极大地增强了AI智能代理的自主思考和工具使用能力，能够连续调用工具多达300轮并进行深度推理，且全过程无需用户干预，从而更高效地完成各类复杂任务。

![image.png](https://static.downly.cn/images/6ba46855b20d21ef4eb0adeb96d24cf0.png)
图源备注：图片由AI生成
 

## Paytm携手Groq 优化AI驱动的金融服务

印度支付巨头Paytm与美国硬件公司Groq达成合作。通过使用GroqCloud云端服务及其领先的AI推理优化技术，Paytm旨在显著提升其平台在交易处理 风险评估 欺诈检测及用户互动等方面的智能化水平，以应对不断增长的支付需求和金融安全挑战。

## MiniMax M2模型揭秘 为何坚持全注意力机制

MiniMax M2模型的技术选择引发关注，其团队揭示了采用全注意力机制的原因。尽管存在更节省资源的线性或稀疏注意力技术，但MiniMax认为全注意力机制在工业级应用中能带来更高的效率和性能，从而优化模型的实际部署效果，推动AI技术向前发展。

每日AI资讯1107：全球AI技术多点开花，从海洋预测到中文图像编辑，创新浪潮席卷而来

> 今天的AI世界精彩纷呈：谷歌通过开源新架构，将强大的AI能力直接带入我们日常的穿戴设备中；曾经惊艳世人的Sora模型，如今却面临着现实的挑战与争议；而OpenAI则将目光投向了新的创作领域——音乐，预示着人人都能成为作曲家的时代即将到来。

## AI无处不在 谷歌新架构让智能设备摆脱云端

谷歌研究院（Google Research）最近开源了其创新的Coral NPU平台，这一举措旨在让AI技术不再局限于强大的云端服务器，而是能够直接在手表、耳机等资源有限的个人设备上高效运行。通过提供高性能、低功耗的AI加速器，谷歌极大地降低了AI模型在边缘设备上部署的门槛。这意味着，未来的可穿戴设备、智能家居产品乃至工业自动化设备，都将能够更轻松地集成先进的AI功能，从而推动人工智能在这些领域的普及与应用，开启一个万物智能的新纪元。

![image.png](https://static.downly.cn/images/d1e8546ce3a6684cdbb996ca731a70f9.png)

 图源备注：图片由AI生成


## 热度降温 Sora面临版权与创作双重挑战

OpenAI发布的视频生成模型Sora，在问世之初凭借其惊人的效果引发了全球范围内的关注和热议。然而，时至今日，Sora的热度似乎有所减退，其发展也面临着诸多现实的挑战和麻烦。其中，版权问题成为了最大的“绊脚石”，尤其是在处理像路飞、鸣人、皮卡丘这类深入人心的动漫角色时，AI的创作边界引发了广泛争议。相较于发布初期的风光无限，Sora如今必须在技术创新与现实规则之间寻找平衡点。

![image.png](https://static.downly.cn/images/e9c3046a0645f7c708c01b63a024735d.png)

 图源备注：图片由AI生成


## 人人都是作曲家 OpenAI秘密研发AI音乐生成工具

继在文本和图像领域取得巨大成功后，OpenAI再次将创新的触角伸向了音乐领域。据最新消息，该公司正在积极开发一款全新的AI音乐生成工具。这款工具能够根据用户输入的文本或音频提示，智能创作出独特的音乐作品，不仅可以为视频添加配乐，甚至还能生成人声伴奏。为了保证生成音乐的质量和专业性，OpenAI正与世界顶尖的茱莉亚音乐学院合作，利用其丰富的资源来训练模型。未来，这项功能可能会被无缝集成到ChatGPT和Sora中，极大地改变音乐创作和视频配乐的行业生态。

![image.png](https://static.downly.cn/images/8ba1377a0d518a287b5a45f1d3a5636c.png)

 图源备注：图片由AI生成

每日AI资讯1026：端侧AI迎新突破，Sora热度渐冷，OpenAI布局音乐创作

> 今日AI界风起云涌，从企业级应用的深度定制到C端产品的全球化布局，技术创新与资本热潮并进。Adobe与IBM分别联手顶级技术，为企业AI服务提速；谷歌与Anthropic则在视频编辑和云端编程领域带来颠覆性工具；同时，医疗AI赛道再现巨额融资，字节跳动AI助手出海告捷，而DeepSeek在长文本处理技术上取得新突破，共同描绘出AI产业蓬勃发展的全景图。

---

## Adobe Firefly迎来企业定制版，AI模型也能“私人订制”

Adobe近期推出的AI Foundry服务，旨在为大型企业提供Firefly模型的深度定制化。通过这项服务，企业可以与Adobe合作，利用自有数据对Firefly模型进行重新训练，使其生成的内容更符合企业独特的品牌风格、产品设计和营销需求。这一举措打破了通用AI模型在特定商业场景下的局限性，支持多概念理解与多模态应用，极大地提升了AI在企业内容创作中的适用范围和灵活性，标志着AIGC技术正迈向更精准、更专业的企业级解决方案。

![image.png](https://static.downly.cn/images/5523ece8657466439525466ca999d659.png)
<center>图源备注：图片由AI生成</center>
 

## 医疗AI新贵OpenEvidence估值飙升，三个月融资2亿美金

医疗AI公司OpenEvidence再次成为资本市场的焦点，在短短三个月内完成了新一轮2亿美元的巨额融资，公司估值因此飙升至60亿美元。这充分彰显了投资者对AI在医疗领域应用前景的高度看好。OpenEvidence的核心产品是一款面向医护人员的AI“聊天机器人”，能够帮助他们快速、准确地获取和分析海量医疗知识与研究文献，从而辅助诊疗决策。资本的持续注入，将加速其技术研发和市场扩张，推动AI在临床实践中的深度应用。

![image.png](https://static.downly.cn/images/f0d4515dc0824ffd84c76d784b5d2013.png)
<center>图源备注：图片由AI生成</center>
 

## 字节跳动Cici火爆海外，AI双品牌战略初见成效

字节跳动旗下的AI助手应用Cici在海外市场取得了显著成功，尤其在墨西哥的Google Play商店中登顶下载榜，并在英国的App Store中跻身前十。Cici与字节跳动在国内推出的“豆包”同期上线，是其“双品牌”出海战略的重要组成部分。尽管应用并未直接标注开发者为字节跳动，但官方已证实其归属。这一成绩表明，字节跳动正凭借其强大的产品运营和本地化能力，在全球AI应用市场中占据一席之地。

![image.png](https://static.downly.cn/images/6f1eb5090a4410bbda373b4c966e3055.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌Veo实现“指哪改哪”，AI视频编辑进入新纪元

<video src="https://static.downly.cn/images/d8ec43862ff9b87476d3c6a28c3e53bf.mp4" title="6389663555317531324857884.mp4"></video>
谷歌DeepMind为其视频生成模型Veo增添了一项名为“精确编辑”的革命性功能。用户现在可以通过简单的文本指令，对已生成的视频内容进行精细化修改，例如轻松添加一只蝴蝶飞过草地，或无痕移除背景中的某个物体。该功能能够智能理解指令，并确保修改后的画面在光影、风格和动态上与原始视频保持高度的真实性与连贯性。这标志着AI视频编辑技术正从“生成”迈向“精修”，极大地赋能创作者，降低了专业级视频后期制作的门槛。

![image.png](https://static.downly.cn/images/d79692f13b1297ed58d3fb8f92c653c8.png)
<center>图源备注：图片由AI生成</center>
 

## IBM联手Groq，为企业级AI推理注入五倍速动力

IBM宣布与AI芯片初创公司Groq达成合作，计划将Groq的LPU（语言处理单元）推理技术整合至其watsonx企业级AI平台。Groq的LPU架构专为AI推理任务设计，相较于传统的GPU，能在特定场景下提供高达五倍的速度提升。此次合作旨在为企业提供更快速、更经济高效的AI解决方案，用户将能通过watsonx Orchestrate等服务直接调用GroqCloud的强大算力，加速AI在企业业务流程中的部署和应用。

![image.png](https://static.downly.cn/images/266ac5e3e5c4f4954c4185115c874157.png)
<center>图源备注：图片由AI生成</center>
 

## DeepSeek-OCR发布“视觉记忆压缩”，破解AI长文本处理瓶颈

AI初创公司DeepSeek发布了一款创新的光学字符识别（OCR）模型——DeepSeek-OCR。该模型引入了“视觉记忆压缩”机制，模仿人类视觉系统处理信息的方式，能够将冗长的文本内容高效压缩至图像中进行处理。这项技术有效解决了大语言模型（LLM）在处理超长文档时面临的计算量大、上下文丢失等核心难题，让AI能够像“看图阅读”一样高效解析长篇文档，在图像文档解析任务上展现出顶级性能，为AI的记忆和认知能力带来了新的突破。

![image.png](https://static.downly.cn/images/d3579f3a37f336c7ec977cb9a9f7f3a7.png)
<center>图源备注：图片由AI生成</center>
 

## Anthropic让编码无处不在，Claude Code推出网页版
![image.png](https://static.downly.cn/images/a45e1947357765a0541c22181eb3eff4.png)
知名AI公司Anthropic正式推出了其AI编程助手Claude Code的网页版。这一更新极大地简化了开发者的使用流程，用户不再需要进行复杂的本地环境配置或依赖命令行工具，可以直接在浏览器中访问并运行编码任务。此外，网页版还能直接与GitHub代码仓库连接，实现项目的无缝对接和管理。这意味着开发者可以随时随地、在任何设备上利用AI进行高效编程，进一步降低了AI辅助开发的门槛。
入口：https://claude.com/product/claude-code

![image.png](https://static.downly.cn/images/0956570231f723d0f61642f2f30f2233.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1021：企业级AI定制化加速，视频编辑与云端编程迎来新突破

> 导语 当前的AI领域，正上演着一场由科技巨头主导的宏大叙事。一方面，是对算力霸权的极致追求，以OpenAI的万亿投资为代表，开启了基础设施的“军备竞赛”；另一方面，是AI技术与开发生态的深度融合，从英伟达的模型开源到谷歌、Figma打通设计与代码的壁垒，无不昭示着一个更开放、更高效的AI协作新纪元正在到来。

## 万亿算力雄心，OpenAI打响AI基础设施“军备竞赛”

OpenAI正以一万亿美元的惊人投资，在全球范围内构建其算力帝国，并在美国德州启动了规模空前的计算中心。此举标志着AI领域的竞争焦点已从模型算法本身，急剧转向了支撑这一切的底层算力基础设施。这不仅仅是一次投资，更是OpenAI在AI“军备竞赛”中发出的明确信号，意图通过绝对的算力优势，巩固其行业领导地位。

![image.png](https://static.downly.cn/images/e2fce4f3090a978380192c3b1e48ea7f.png)
图源备注：图片由AI生成

## 技术民主化，英伟达开源Audio2Face解锁实时动画新纪元

作为算力巨头，英伟达选择通过开源来构建其生态护城河。其生成式AI模型Audio2Face的开源，包含算法、SDK及训练框架，将音频实时驱动虚拟角色面部动画的尖端技术公之于众。这一举措极大地降低了高保真动画制作的门槛，赋能游戏、影视等领域的广大开发者与创作者，是技术民主化趋势下的重要一步，也进一步巩固了英伟达在图形和AI领域的生态影响力。

![image.png](https://static.downly.cn/images/04d81390562ec46951242488429fd6f3.png)
图源备注：图片由AI生成

## 打破单一依赖，微软Copilot拥抱Anthropic，AI合作走向多元化

为避免在AI模型上受制于单一合作伙伴，微软正积极构建更加多元和稳固的AI生态。通过与Anthropic达成战略合作，微软将其先进的AI模型引入Copilot，打破了此前与OpenAI的独家合作关系。这一布局不仅增强了Copilot自身的功能，也体现了微软在AI浪潮中，通过多元化结盟来增强自身竞争力和市场适应性的长远战略。

![image.png](https://static.downly.cn/images/062b5db20b6214fd6fad03bb7c112daf.png)
图源备注：图片由AI生成

## 谷歌AI Plus全球扩张，加速高端AI功能普及化

谷歌正通过市场扩张策略，在全球AI服务竞争中占据有利位置。其AI Plus付费订阅服务现已扩展至全球40个新国家和地区。这项介于免费版与专业版之间的服务，旨在将Gemini等更强大的AI模型推广给更广泛的用户群体，通过加速高端AI功能的普及化，与竞争对手争夺庞大的中间用户市场。

![image.png](https://static.downly.cn/images/8769ad27ad1a34c5477df3062d43e640.png)
图源备注：图片由AI生成

## 编程范式革命，OpenAI GPT-5-Codex以400K上下文窗口赋能开发者

在开发者工具领域，OpenAI再次祭出“杀手锏”。新推出的GPT-5-Codex模型API，凭借其高达400k的超大上下文窗口，能够处理前所未有的海量复杂信息，从根本上改变了AI辅助编程的范式。这一核心优势极大地提升了开发效率，让AI能够理解和处理整个代码库级别的任务，进一步巩固了OpenAI在编程AI领域的领先地位。

![image.png](https://static.downly.cn/images/b8b05816592f27efaf0ba1a67c91db14.png)
图源备注：图片由AI生成

## “零摩擦”协作开启，谷歌与Figma打通设计到代码的壁垒

AI正在成为弥合不同工作职能之间鸿沟的桥梁。谷歌推出的Chrome DevTools MCP公测版与Figma发布的官方远程MCP服务器，共同指向了一个目标：实现设计与开发的无缝融合。AI编码代理在这两个工具的赋能下，可以直接理解设计上下文，并控制浏览器进行实时调试，实现高保真设计稿到代码的“一键转化”，开启了“零摩擦”的协作新纪元。

![image.png](https://static.downly.cn/images/0e9e54ba0d99e74e0a3a9ebf71c37374.png)
图源备注：图片由AI生成

## 另辟蹊径，苹果SimpleFold模型以轻量化设计攻克蛋白质预测难题

在巨头们纷纷投身于更大模型的竞赛时，苹果选择了一条不同的赛道。其研究团队发布的轻量级蛋白质折叠预测AI模型SimpleFold，通过流匹配技术创新，显著降低了该领域研究的计算成本。这代表了另一种竞争策略：不追求“大”，而追求“巧”，通过高效、轻量的模型在特定科研领域取得突破，展现了AI应用的多样化发展路径。

![image.png](https://static.downly.cn/images/58be22975c781534124817fff13007e3.png)
图源备注：图片由AI生成

每日AI资讯0925：算力竞赛与生态融合，科技巨头重塑未来



> 导语 9月17日凌晨，阿里巴巴震撼开源其首个深度研究AI智能体——通义DeepResearch。 这一模型在多项权威Agent评测中，凭借仅3B的激活参数规模，性能全面超越基于OpenAI o3、DeepSeek V3.1等业界顶尖模型的Agent，登顶开源Agent模型榜首。 目前，该模型的代码、框架和方案均已在多个开源社区上线。


9月17日凌晨，阿里巴巴宣布正式开源其首个深度研究Agent模型——通义DeepResearch。 这标志着阿里在AI智能体领域的开源布局再度加码。今年以来，阿里已相继开源了WebWalker、WebDancer和WebSailor等多款在检索和推理方面取得SOTA（State-of-the-art）成绩的智能体，而通义DeepResearch的加入，无疑为这一布局增添了浓墨重彩的一笔。

![image.png](https://static.downly.cn/images/779a61d655042321d25cae436701f015.png)

## 性能卓越 登顶开源榜首

在Humanity’s Last Exam（HLE）、BrowseComp、GAIA等多个权威Agent评测基准上，通义DeepResearch的表现尤为出色。 该模型以仅3B的激活参数，其性能却超越了基于OpenAI o3、DeepSeek V3.1和Claude-4-Sonnet等旗舰级大模型的ReAct Agent（推理-行动智能体）。 这一成就使其成功登顶开源Agent模型排行榜，为深度研究Agent领域带来了“轻量化高性能”的全新可能性。

![image.png](https://static.downly.cn/images/3b91bf284cc488369072adf19541e277.png)

## 技术创新 破解行业难题

深度研究是近年来AI领域的研究热点，吸引了包括谷歌、OpenAI在内的众多科技巨头投入。 然而，现有的研发方法普遍采用“单窗口、线性累加”的信息处理模式，这使得Agent在处理长周期任务时，容易出现“认知空间窒息”和“不可逆的噪声污染”，从而导致推理能力下降，难以胜任复杂的研究任务。

为攻克这些难题，阿里通义团队构建了一套创新的训练与推理方案。

### **训练阶段**
团队以Qwen3-30B-A3B模型为基础，构建了由合成数据驱动的完整训练链路，覆盖了预训练到后训练的全过程。 通过引入RL算法验证与真实训练模块，并结合异步强化学习算法和自动化数据策展流程，极大地提升了模型的迭代速度和泛化能力。

### **推理阶段**
团队设计了两种模式：ReAct模式和基于自研IterResearch的Heavy模式。 其中，ReAct模式用于精准评估模型的基础能力，而Heavy模式则通过test-time scaling策略，深度挖掘模型性能上限，确保其在长周期任务中也能保持高质量的推理水平。

## 全面开源 赋能全球开发者

目前，通义DeepResearch的模型、代码和完整方案已经全面开源，并在Github、Hugging Face以及魔搭社区同步上线。 全球的开发者和研究人员均可免费下载和使用，这为攻克长周期、高复杂度的研究任务提供了强有力的工具支撑。

**开源地址**
*   Github: https://github.com/Alibaba-NLP/DeepResearch
*   Hugging Face: https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
*   魔搭社区: https://modelscope.cn/models/iic/Tongyi-DeepResearch-30B-A3B

![image.png](https://static.downly.cn/images/bd7dfb71b80714252d5543359a7b66b5.png)

这一举措不仅进一步完善了阿里在AI智能体领域的开源生态，也为全球AI社区的发展注入了新的活力。

阿里再放“王炸” 开源通义DeepResearch

> 导语：今日AI界风起云涌，资本热度不减，AI搜索新星Perplexity再获2亿美元巨额融资，估值飙升至200亿，向搜索巨头发起有力挑战。同时，技术创新步伐加快，MiniMax推出能生成4分钟完整歌曲的Music 1.5模型，支付宝“AI付”打通智能体支付全链路，而Anthropic的Claude则新增了自动记忆功能，让AI交互更加智能。此外，OpenAI的结构调整与微软的自研模型投入，也预示着行业格局的深刻变化。

---



## AI搜索黑马Perplexity估值破200亿，谷歌霸主地位再迎强敌

AI初创公司Perplexity凭借其创新的对话式搜索服务，正成为行业内最受瞩目的新生力量。在短短两个月内，该公司再度成功融资2亿美元，使其估值达到了惊人的200亿美元。这一迅猛的增长势头，充分显示了资本市场对其挑战传统搜索巨头谷歌潜力的认可。

![image.png](https://static.downly.cn/images/7843e4e236c976dfbd650bd6fb3eb1a6.png)

 <center>图源备注：图片由AI生成</center>

## AI音乐创作进入新纪元，MiniMax Music 1.5实现4分钟完整歌曲生成

国内AI公司MiniMax发布了其新一代音乐生成大模型Music 1.5，将AI生成音乐的时长提升至4分钟，足以创作一首结构完整的歌曲。该模型赋予用户极大的创作自由度，无论是通过简单的自然语言描述，还是通过高级模式进行段落和歌词的精细编排，都能生成层次丰富、人声饱满的高质量音乐作品，真正实现了“一人即乐队”的创作体验。

![image.png](https://static.downly.cn/images/491f8ce30d336cc7b9613be3173161f1.png) <center>图源备注：图片由AI生成</center>

## “动动嘴”就支付，支付宝推出国内首个智能体支付服务‘AI付’

支付宝在智能化服务领域迈出重要一步，正式推出“AI付”服务。这是国内首个将智能体技术与支付流程完全打通的应用，用户只需通过语音对话，即可完成从点单到支付的全过程。这一创新不仅简化了操作，也为用户提供了前所未有的无缝AI服务体验。

![image.png](https://static.downly.cn/images/e16c5ceeed2eb2460cf3017a00720467.png) <center>图源备注：图片由AI生成</center>

## AI程序员再进化，Replit Agent 3实现200分钟不间断自主开发

AI编程公司Replit发布了其第三代AI开发助手Agent 3。新一代Agent的自主工作能力得到显著增强，能够连续运行长达200分钟，独立处理从代码编写、功能测试到错误修复的完整开发流程。其核心的“动态智能”技术使其具备了更强的上下文理解和迭代推理能力，能够胜任更复杂的开发任务。

![image.png](https://static.downly.cn/images/edf15e503f8d1d857e8229397fddd4eb.png) <center>图源备注：图片由AI生成</center>

## Claude AI变身“贴心管家”，新增自动记忆功能免去重复对话

Anthropic公司为其AI聊天机器人Claude推出了一项实用的新功能——自动记忆聊天内容。该功能主要面向团队和企业用户，能让Claude自动记住用户的对话历史、偏好和项目背景等关键信息，并在后续的交流中主动运用这些信息，从而提供更具个性化和连贯性的回复，极大提升了协作效率。

![image.png](https://static.downly.cn/images/f59cb49fa77df993776963f197031175.png) <center>图源备注：图片由AI生成</center>

## OpenAI结构调整新动向，或将转型公益股份公司为上市铺路

OpenAI与其重要合作伙伴微软达成了一份非约束性的谅解备忘录，计划将其营利性部门转型为公益股份公司（PBC）。此举被视为在平衡其公益使命与商业发展需求之间的一大步，旨在为公司开辟更多的融资渠道，并可能为其未来的上市做好准备。根据协议，其非营利组织将继续掌握对公司的运营控制权。

![image.png](https://static.downly.cn/images/e13ece7c3bbec5bac73b3731d82c74d5.png) <center>图源备注：图片由AI生成</center>

## 自立门户，微软豪掷重金打造自主AI模型以抗衡巨头

为巩固在人工智能领域的领先地位，微软正在大力投资，以升级其用于训练自有人工智能模型的服务器基础设施。尤其是在推出MAI-1-preview模型之后，微软明确了其自主构建并灵活运用各种规模前沿AI模型的战略方向，旨在与Meta、谷歌、xAI等科技巨头在核心技术上展开直接竞争。

## AI数据版权乱象迎来破局者？Real Simple Licensing协议应运而生

面对日益严峻的AI数据版权问题，行业正积极寻求解决方案。近期，在多起备受关注的版权诉讼背景下，部分技术专家与内容出版商联合推出了一套名为“Real Simple Licensing”（RSL）的新系统。该协议旨在简化并规范大规模数据的授权流程，为AI训练数据的合规使用提供一条清晰的路径。

## 蚂蚁与人大联手，发布首个原生MoE扩散语言模型挑战行业标杆

蚂蚁集团与中国人民大学联合发布了首个原生的混合专家（MoE）扩散语言模型LLaDA-MoE。在代码生成、数学推理及Agent任务等多项基准测试中，该模型的表现优于多个同类扩散语言模型，其性能甚至能与Qwen2.5-3B-Instruct等优秀的自回归模型相媲美。

## 融资快讯

* **AI编程赛道火热，Replit狂揽2.5亿美元融资** AI编程公司Replit近期完成了2.5亿美元的新一轮融资，公司估值达到30亿美元，其年收入激增至1.5亿美元，用户数也突破了4000万，显示出投资者对AI驱动软件开发工具的强烈信心。
* **超越XLM-R，约翰霍普金斯大学发布全新高效多语种编码器mmBERT** 来自约翰霍普金斯大学的研究人员成功开发了一款新型多语种编码器mmBERT。在多项任务测试中，mmBERT的表现全面超越了知名的XLM-R模型，同时还将处理速度提升了2至4倍，为多语言AI应用的研究与发展提供了更强大的工具。

每日AI资讯0912：AI搜索新星估值飙升，音乐生成与智能支付迎新突破

> 科技浪潮奔涌向前，AI领域风云变幻。OpenAI内部团队重组，直面“AI幻觉”这一核心难题；阿里则放出“王炸”，推出万亿级参数大模型，再次点燃模型竞赛的战火；与此同时，AI版权纠纷愈演愈烈，谷歌、Meta等巨头纷纷陷入诉讼漩涡；清华系创业团队则在灵巧手领域取得突破，让机器人拥有了更精细的操作能力。

## OpenAI的“灵魂拷问” 重组团队直面AI幻觉

OpenAI近期对其负责模型行为的团队进行了重组，此举正值该公司发布突破性论文之际。 论文指出，当前的AI评测体系在无意中“鼓励”了模型的“幻觉”行为，即一本正经地胡说八道。 为了在评测中获得高分，模型倾向于猜测答案而非承认“我不知道”，从而导致了不准确甚至虚假信息的产生。

为了解决这一问题，OpenAI不仅将“模型行为”团队并入核心的后训练团队，以期从根本上改变模型的激励机制，还任命原团队负责人Joanne Jang领导新成立的“OAI Labs”，专注于探索人与AI协作的全新交互界面。 这次调整显示了OpenAI正视并着力解决AI核心技术难题的决心。

![image.png](https://static.downly.cn/images/ba9022b5b623ac7701012afa2032c107.png)

图源备注：图片由AI生成

## AI版权战火升级 巨头面临法律与道德双重“大考”

AI技术的迅猛发展，也将其推上了版权争议的风口浪尖。 近期，从谷歌被欧盟处以2.5亿欧元罚款，到Meta因涉嫌使用成人影片训练AI而面临天价索赔，全球范围内的AI公司正集体面临版权侵权诉讼的“大考”。 这些诉讼不仅涉及新闻、文学作品、音乐、图片等多种内容形式，更挑战了AI训练数据“合理使用”的法律边界。

包括OpenAI、Anthropic、Midjourney在内的顶尖AI公司无一幸免，纷纷成为被告。 这一系列的法律纠纷预示着AI行业野蛮生长的时代即将结束，未来的数据获取和内容创作规则将面临重大变革。如何在技术创新与版权保护之间找到平衡点，是所有AI从业者必须回答的问题。

![image.png](https://static.downly.cn/images/86390ed817528047ad57170627340ab2.png)

图源备注：图片由AI生成

## “单手玩手机”的灵巧手诞生 清华系创业团队秀出“中国功夫”

在AI硬件领域，中国创业团队也取得了令人瞩目的成就。 由前腾讯Robotics X核心成员、清华校友杨思成创立的源升智能，近日发布了其首款产品Apex Hand五指灵巧手。 这款灵巧手拥有21个自由度，不仅能完成中医把脉、操作鼠标等精细任务，更是业内首个能够单手操作智能手机的灵巧手。

Apex Hand的突破在于其兼顾了灵巧性、实用性和鲁棒性，并通过自研的电子皮肤实现了高精度的触觉感知。 这一创新解决了长久以来困扰机器人行业的“手部瓶颈”，为具身智能在更复杂场景下的应用打开了想象空间。

![image.png](https://static.downly.cn/images/5588d0cd1e5f8b5b0dd49f8cee0fa0e2.png)

图源备注：图片由AI生成

## 谷歌强势归来 AI王者地位再获认可

一度被认为在AI竞赛中稍显落后的谷歌，近期凭借一系列创新产品和服务强势回归，重拾其“惊喜制造者”的形象。 苹果公司正考虑在其Siri的重大更新中使用谷歌的Gemini模型，这无疑是对谷歌技术实力的最高认可。

谷歌的Gemini模型在性能和用户数量上都取得了长足的进步，在多个权威评测榜单上稳居第一梯队。 此外，谷歌在AI生图领域的“Nano Banana”模型和视频生成领域的Veo3模型也展现出统治级的实力。 强大的自研芯片（TPU）算力基础、海量的多模态数据优势以及顶尖的人才储备，共同构成了谷歌在AI时代深不见底的“护城河”。

![image.png](https://static.downly.cn/images/7c53a0d31fcd89eaed2c3b9aef309c0f.png)

图源备注：图片由AI生成

## 阿里万亿参数模型登场 “大力出奇迹”震撼业界

阿里巴巴深夜投下重磅炸弹，正式推出其史上参数量最大的模型Qwen3-Max-Preview，参数规模超过1万亿。 这一“巨无霸”模型在多个基准测试中超越了业界顶尖的竞争对手，尤其是在编程能力方面，成功反超一度被认为是“最强”的Claude。

阿里的这一举动再次印证了“规模化扩展法则”（Scaling Law）在AI领域的有效性。 凭借“模型开源构建生态”与“自研闭源探索前沿”相结合的清晰路径，以及阿里云提供的强大算力支持，阿里的通义千问系列模型实现了后来者居上，在全球大模型竞赛中站稳了第一梯队。

![image.png](https://static.downly.cn/images/c2fab1617775e02d0b12d0bbec971768.png)

图源备注：图片由AI生成

搜索结果: 技术创新