> 导语：今日AI界风起云涌，DeepSeek与Anthropic上演激烈模型竞赛，前者凭借开源策略与成本优势引发全球关注，后者则以Claude Sonnet 4.5的超强编码能力树立新标杆。同时，从OpenAI的短视频社交野心到谷歌的实时生成界面，再到百度地图、京东、蚂蚁集团等巨头的技术落地，AI正以前所未有的速度融入电商、出行、开发乃至音乐体验等多元场景，预示着新一轮的产业变革浪潮已经到来。

## DeepSeek异军突起 技术黑马撼动行业格局

由量化对冲基金背景的幻方量化所孵化的DeepSeek，近期凭借其AI聊天机器人应用迅速登顶全球应用商店榜首，引发了业界对现有AI领先地位的广泛讨论。其V3系列模型通过开源策略和创新的稀疏注意力机制，大幅降低了API成本，吸引了大量开发者关注。

![image.png](https://static.downly.cn/images/feb08fc200e29a3c822f52dd4eade504.png)
图源备注：图片由AI生成

## 寒武纪全面拥抱DeepSeek 开源生态再添强援

为了顺应技术趋势，国产芯片巨头寒武纪宣布成功适配并开源DeepSeek-V3.2-Exp实验模型，并同步推出了vLLM-MLU推理引擎。这一举措不仅展示了其在软件生态建设上的重要进展，也为开发者社区提供了强大的工具支持，进一步推动了AI技术的创新与发展。

![image.png](https://static.downly.cn/images/5385c584eefbb87b4f7a538af659f58b.png)
图源备注：图片由AI生成

## Anthropic王者归来 Claude Sonnet 4.5编码能力登顶

面对DeepSeek的强势崛起，Anthropic公司也放出大招，推出了Claude Code v2.0及全新的Sonnet 4.5模型。该模型在权威的SWE-bench基准测试中超越了所有竞争对手，展现出卓越的编码能力和长达30小时的持续运行能力，致力于成为开发者的终极“编程伙伴”，实现了从简单工具到复杂任务处理者的跨越。

![image.png](https://static.downly.cn/images/3884a5a418573534ba53ddf0b1b931fa.png)
图源备注：图片由AI生成

## OpenAI多线布局 社交、安全、电商齐发力

OpenAI正积极拓展其业务边界。一方面，计划推出基于Sora2视频生成模型的“AI版TikTok”，让AI原创短视频内容成为新的社交热点。另一方面，通过测试基于GPT-5的新型安全路由系统和推出家长控制功能，持续强化ChatGPT的平台安全性。更具革命性的是，其与Stripe合作推出的“即时结账”功能，让用户在聊天中即可完成购物，预示着AI代理商务时代的来临。

![image.png](https://static.downly.cn/images/c13a070eff27acb87f1d6afa9cf088ac.png)
图源备注：图片由AI生成

## 百度地图智能化升级 “小度想想2.0”重塑出行体验

百度地图发布了行业首个深度融合的端到端语音语言大模型“小度想想2.0”。该模型通过引入地图出行知识库与实时搜索数据，极大地提升了对用户复杂出行意图的理解和推理能力，旨在为用户提供更加智能和个性化的导航及出行服务。

![image.png](https://static.downly.cn/images/5db5c10468160db44a887dc380cdeeb8.png)
图源备注：图片由AI生成

## 谷歌发布神经操作系统 人机交互迈入新纪元

谷歌展示了一款“神经操作系统”原型，其核心是Gemini 2.5 Flash-Lite模型。该系统能够根据用户需求实时动态生成和优化用户界面，彻底摆脱了传统固定设计的束缚，为人机交互带来了前所未有的灵活性和智能化，引领了技术发展的新方向。

![image.png](https://static.downly.cn/images/c6dce7915b763890bd49c786ca98a8fd.png)
图源备注：图片由AI生成

## 雅虎前CEO投身新浪潮 Dazzle收购Sunshine专注AI助理

前雅虎CEO玛丽莎·梅耶尔的软件公司Sunshine正式关闭，其资产及全体员工被新成立的AI创业公司Dazzle收购。此举标志着梅耶尔将事业重心全面转向智能个人助理的开发，反映了行业领军人物对AI助理赛道的看好。

![image.png](https://static.downly.cn/images/033547e74b1f17be57510a8260f57742.png)
图源备注：图片由AI生成

## 国产力量崛起 京东与蚂蚁开源新模型

国内科技巨头也在加速布局。京东开源了采用国产芯片的xLLM大模型推理引擎，通过动态调度器优化资源分配，致力于降低AI应用部署成本。与此同时，蚂蚁集团的百灵团队开源了Ring-flash-2.0模型，该模型以100亿参数规模，在推理时仅激活6.1亿参数，实现了计算能力与资源节约的完美平衡。

![image.png](https://static.downly.cn/images/3191ea17c3798be71e9bcaee7d9e635d.png)
图源备注：图片由AI生成

## YouTube试水AI主播 让音乐聆听不再孤单

YouTube正在其“Labs”项目中测试一项创新功能，为YouTube音乐引入名为“Beyond the Beat”的AI主播。这个AI主播能在用户听歌时，自动插入与音乐相关的趣闻轶事，旨在打破传统音乐聆听的沉默，为用户创造更丰富、更有趣的收听体验。

![image.png](https://static.downly.cn/images/59c9f7d69046b4732668736ae93052e2.png)
图源备注：图片由AI生成

每日AI资讯0930：模型竞赛白热化，AI应用场景加速渗透

> 导语 AI行业风起云涌，价格战的硝烟已弥漫至视频生成领域，可灵AI率先降价近三成。与此同时，微软携Copilot强势入局，AI浏览器赛道再添巨头。从OpenAI超4000亿美元的“星际之门”数据中心，到小红书、美图秀秀等应用纷纷内置AI助手，再到智元机器人开源具身智能模型，AI正以前所未有的速度渗透至各行各业，重塑未来格局。

**封面图提示词**
一张充满未来科技感的数字画卷，画面中数据流像星河一样璀璨，连接着巨大的服务器集群、创新的浏览器界面和动态的视频编辑窗口，中心有一个发光的AI大脑核心，象征着人工智能行业的激烈竞争、飞速创新与无限可能。

图源备注：图片由AI生成

---

## 可灵AI掀起价格风暴 视频生成模型降价近30%
视频大模型领域的“价格战”正式打响。可灵AI近日推出了其最新的可灵2.5Turbo视频生成模型，并宣布大幅降价近30%。此举使其成为市场焦点，其订阅费用根据会员等级从66元到266元不等，展现了厂商在激烈竞争中差异化的定价策略。
![image.png](https://static.downly.cn/images/eba431270554afc200d2004860fde5fe.png)

图源备注：图片由AI生成

## 微软Copilot入局 Edge浏览器迎来AI变革
继谷歌和Perplexity之后，微软也正式押注“代理浏览器”概念，通过Copilot模式加入了AI浏览器的激烈竞争。这与谷歌Gemini集成Chrome、Perplexity推出Comet AI浏览器等行业动态相呼应，共同证实了浏览器领域正在经历一场由AI驱动的革命。微软希望借此创新，在市场份额争夺战中占据有利位置。

![image.png](https://static.downly.cn/images/33e100395e97bc3cf486c4840ae43e03.png)
图源备注：图片由AI生成

## 史上最大投资 OpenAI联手甲骨文软银打造“星际之门”
OpenAI、甲骨文和软银三方强强联手，在美国启动了一个名为“星际之门”的宏大AI数据中心项目。该项目总投资超过4000亿美元，初期目标算力为7吉瓦，并计划最终增至10吉瓦，有望成为有史以来规模最大的AI数据中心。

![image.png](https://static.downly.cn/images/8165f6e8cbdd9dc64ced93e0c8a905ff.png)

图源备注：图片由AI生成

## 动作捕捉巨头诺亦腾入局 机器人数据迎来新玩家
面对机器人技术发展中的数据瓶颈，动作捕捉领域的巨头诺亦腾决定顺势而为，将其数据业务独立运营。在腾讯、字节等大厂的推动下，动作捕捉行业热度空前，诺亦腾联合创始人戴若犁精准抓住了国际市场对高质量机器人数据的迫切需求，开启了全新的商业模式，目标直指十亿级市场。

![image.png](https://static.downly.cn/images/9208d288de53ad6e2486f64fc08ba470.png)

图源备注：图片由AI生成

## 小红书办公软件大升级 全新AI助手“hibo”亮相
小红书对其内部办公应用“REDcity”进行了全面升级，并更名为“hi”，同时发布了全新的Logo。此次升级旨在优化工作流程，加强组织管理。最引人注目的是新推出的AI助手“hibo”，它能够自动生成摘要、进行联网搜索和深度思考，从而快速响应各种工作信息需求，助力高效协作。

![image.png](https://static.downly.cn/images/7942ca51dac0c3c2ba0898f928df72ff.png)

图源备注：图片由AI生成

## 智元机器人开源GO-1模型 推动具身智能普及
智元机器人宣布开源全球首个基于ViLLA架构的具身智能模型GO-1。该模型结合了视觉、语言与潜在动作三重能力，旨在大幅降低技术门槛。配合此前发布的AgiBot World百万级真机数据集，智元机器人希望吸引更多开发者共同参与，推动机器人环境理解和具身智能技术的快速发展。

**插图提示词**
一个智元机器人站在一个开放的平台上，向周围的开发者社区伸出机械手臂，手臂中释放出无数开源代码符号，这些符号汇聚成“GO-1”的字样，象征着技术的开放与共享。
![image.png](https://static.downly.cn/images/0a57b677f41a6ae516cffc385071e5d4.png)
图源备注：图片由AI生成

## 美图秀秀即将上线AI智能助手 影像交互迎新体验
美图秀秀计划于九月下旬正式上线其全新的AI智能助手。据悉，该助手将利用RoboNeo技术，实现应用交互的智能化全面升级。这标志着美图公司在AI深度融合战略上又迈出了重要一步，旨在彻底革新传统的影像交互体验。

![image.png](https://static.downly.cn/images/10db3b0ad93e8ba37a4e881bc07e393c.png)

图源备注：图片由AI生成

## “像素蛋糕”宣布核心功能永久免费 AI修图迎普惠时代
为了降低专业修图工具的使用门槛，AI修图软件“像素蛋糕”宣布了一项重大决定。自9月22日起，其基础调色和手动工具等核心功能将永久免费开放。用户只需更新至最新版本，即可无限使用这些功能，不再消耗付费张数。

![image.png](https://static.downly.cn/images/2844947138f197d525143819b53f7526.png)

图源备注：图片由AI生成

## 设计到代码全自动 TRAE Rules实现工作流革命
TRAE项目展示了如何利用Figma的最新功能，通过建立两套固定规则，实现从设计图到代码的端到端全自动化流程。该流程不仅能自动复原设计，还能分析并解决问题，甚至进行自我测试和部署，最终完美复刻项目并生成预览，极大地提升了开发效率。

![image.png](https://static.downly.cn/images/90c962836a41efd5be63214edadb7360.png)

图源备注：图片由AI生成

每日AI资讯0924：视频模型价格战打响，巨头押注AI浏览器与千亿级数据中心

> 导语：今日AI领域风起云涌，从腾讯发布新技术解决AI生图“过油”问题，到谷歌Gemini 2.5 Deep Think在编程竞赛中超越人类，再到Figma、YouTube等平台纷纷上线AI新功能，以及谷歌推出AI代购协议，无不展示着AI技术的飞速发展和其在各个领域的深度融合。然而，迪士尼等巨头对AI公司的起诉，也揭示了技术发展背后的版权争议。

## 腾讯发布SRPO新技术，让AI生成图像告别“油腻感”

腾讯混元联合香港中文大学（深圳）及清华大学共同研发出SRPO（语义相对偏好优化）新技术，有效解决了开源文生图模型Flux在生成人物皮肤时出现的“过油”现象。这一技术的突破，能够显著提升AI生成图像的真实感，为数字艺术创作领域带来了全新的可能性，让AI绘画更加贴近真实世界。

![image.png](https://static.downly.cn/images/c746c5af9a791231381cd41821967682.png)

图源备注：图片由AI生成

## AI首次夺得ICPC金牌，谷歌Gemini 2.5 Deep Think碾压人类程序员

在2025年ICPC世界总决赛中，谷歌Gemini 2.5 Deep Think创造了历史，以金牌成绩成功解决了所有人类队伍均未能攻克的难题，打破了该项赛事创立以来的纪录。这一成就彰显了人工智能在复杂算法问题解决能力上的飞跃式进步，标志着AI技术在顶级编程竞赛领域迈入了新的纪元，也引发了关于AI在未来软件开发中角色的深刻思考。

![image.png](https://static.downly.cn/images/dc61e32fd09fdaee21acfd448bd82a16.png)

图源备注：图片由AI生成

## Figma推出AI设计新功能，文本指令即可修改设计稿

Figma近日推出了革命性的AI设计和编辑新功能，允许用户通过简单的文本提示，直接对设计稿进行修改，例如调整布局、更改颜色等。这一功能的推出，极大地简化了创作流程，让设计师能够更高效地将想法变为现实。目前，该功能已进入付费用户的有限alpha发布阶段，预示着设计行业即将迎来新的变革。

![image.png](https://static.downly.cn/images/b568a38eb2f38427ba6d05b2da32c451.png)

图源备注：图片由AI生成

## YouTube Studio上线AI助手，一键检测盗用面孔保护创作者权益

YouTube向全球三千万创作者推出了AI聊天机器人和面部相似性检测等新功能，旨在帮助创作者保护自己的形象和声誉。通过这些新功能，创作者可以轻松检测、管理和授权移除未经授权使用其面部肖像的视频，有效防止观众被误导，为内容创作生态提供了更有力的保障。

![image.png](https://static.downly.cn/images/43fe28249fe27f03afd59c2f4c3ad97a.png)

图源备注：图片由AI生成

## 谷歌推出AP2协议，让AI智能体为你轻松代购

谷歌最新推出的Agent Payments Protocol（AP2）协议，允许AI智能体在用户指示下自动完成购物支付，用户无需每次手动审批。这一创新兼顾了购物的便利性与多重安全保障，能够实现如在用户设定的时间、价格自动购票等智能化购物体验，让生活变得更加轻松便捷。

![image.png](https://static.downly.cn/images/a9da262f0b1de410a3ac9865f1880ee0.png)

图源备注：图片由AI生成

## 迪士尼等三大影业巨头联手起诉MiniMax，AI版权之争愈演愈烈

迪士尼、华纳兄弟、环球影业三大好莱坞公司近日联手控告中国AI公司MiniMax，指责其海螺AI服务未经授权使用知名电影角色进行AI训练和商业化，构成大规模著作权侵权。这起诉讼索赔金额或将达到天文数字，也再次将AI技术发展中的版权问题推向了风口浪尖，引发了全球范围内的广泛关注和讨论。

![image.png](https://static.downly.cn/images/d2543292a1b33db456f0f21eedd6cc0c.png)

图源备注：图片由AI生成

## 谷歌发布TimesFM-2.5模型，更小巧更强大的时间序列预测工具

谷歌研究团队最新发布了时间序列基础模型TimesFM-2.5，该模型参数量减半至2亿，但上下文长度却大幅提升至16,384。TimesFM-2.5采用单一解码器结构，支持本地概率预测，并在GIFT-Eval准确性评估中表现优异，为金融、气象等领域的时间序列预测提供了更强大、更高效的工具。

![image.png](https://static.downly.cn/images/899b58187b140c43bfba0e69ca86c652.png)

图源备注：图片由AI生成

每日AI资讯0918：Gemini编程夺冠与好莱坞AI版权战打响，技术浪潮下的机遇与挑战

> 导语：今日AI界风起云涌，从谷歌让静态照片“复活”的Veo 3模型，到微软CEO揭秘GPT-5如何成为其“超级大脑”，再到OpenAI与博通联手量产AI芯片，科技巨头们正加速布局，重塑未来。与此同时，华纳兄弟与Midjourney的版权纠纷也为AI的创作边界敲响警钟。行业创新与挑战并存，一场由AI引领的深刻变革正在上演。

## 谷歌Veo 3魔法降临Google Photos，让你的回忆动起来
谷歌最新的视频生成模型Veo 3即将登陆Google Photos，率先向美国用户开放。用户将能通过“创建”功能，轻松将静态照片一键转换为生动的高质量视频片段。这一更新不仅极大地提升了用户体验，也标志着谷歌的尖端AI技术正在其拥有超过15亿月活用户的核心应用中加速普及。


![image.png](https://static.downly.cn/images/22c7d5e6b0883ea85a277dd478dea312.png)
<center>图源备注：图片由AI生成</center>
 

## 微软CEO揭秘：GPT-5如何成为他的“超级大脑”
微软CEO萨蒂亚·纳德拉分享了他将GPT-5与Microsoft Copilot深度融合的日常工作方法，并视其为核心领导力工具。通过五个精心设计的AI驱动提示，纳德拉在时间管理、战略规划和决策效率上获得了显著提升，他将这称之为“新一层智能”，重新定义了高管的生产力模式。

![image.png](https://static.downly.cn/images/68a8641fa7afca14a4968b8ddf2e40a9.png)
<center>图源备注：图片由AI生成</center>
 

## 强强联手，Atlassian斥资6.1亿美元收购浏览器公司打造AI工作专属浏览器
Atlassian公司宣布以6.1亿美元的重金，收购了知名浏览器Arc及其开发者The Browser Company。此次收购旨在将Dia浏览器打造成一款为知识工作者量身定制的AI工作浏览器，通过整合工作上下文，充分利用浏览器在现代工作流程中的核心地位，从而颠覆性地提升用户的工作效率与体验。

![image.png](https://static.downly.cn/images/c935a6cc96c6a6f0a68939718b783e1a.png)
<center>图源备注：图片由AI生成</center>
 

## 超人、兔八哥齐上阵！华纳兄弟状告Midjourney侵权
华纳兄弟探索公司已正式对AI图像生成工具Midjourney提起诉讼，指控其未经授权，大量使用包括超人、兔八哥在内的知名版权角色来训练模型并生成衍生作品。华纳兄弟认为，Midjourney的行为已构成对其知识产权的肆意侵犯，这场诉讼也再次将AI创作的版权边界问题推向了风口浪尖。

![image.png](https://static.downly.cn/images/eef51ee1dafc4f9a65eebcfd941ccbe7.png)
<center>图源备注：图片由AI生成</center>
 

## DuckDuckGo放大招，GPT-5等顶级AI模型免费集成
以隐私保护著称的科技公司DuckDuckGo宣布重大升级，其付费订阅服务将免费集成一系列最新的高级AI模型。订阅用户现在无需额外付费，即可通过Duck.ai聊天机器人使用包括Claude 3.5 Haiku、Llama 4 Scout、Mistral Small 324B和GPT-4o mini在内的多款顶级AI，此举极大地提升了其订阅服务的价值和吸引力。

![image.png](https://static.downly.cn/images/1015e07ee8510d637862e6848c18da49.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌新星“Nano Banana”发布一周，千万用户涌入
谷歌最新推出的AI图像编辑工具“Nano Banana”上线仅一周，便吸引了超过千万用户，累计完成了2亿次编辑。该工具凭借其简便的操作和强大的性能，成功规避了AI生成图像时常见的“恐怖谷效应”，能够保持人物特征的高度一致性，在多项测试中表现超越了GPT-4o等竞争对手。

![image.png](https://static.downly.cn/images/f0c41bdfe98c1024cfa9254261ef8eac.png)
<center>图源备注：图片由AI生成</center>
 

## OpenAI联手博通，自研AI芯片明年大规模量产
为应对AI技术飞速发展带来的巨大算力需求，OpenAI宣布将与半导体巨头博通合作，计划于明年开始大规模量产其自研的AI芯片。此举旨在打造性能更强、效率更高的AI硬件，彰显了OpenAI在AI硬件领域的长远战略布局，意图构建从软件到硬件的完整生态。

![image.png](https://static.downly.cn/images/4cf1ff818134e13997a04ee587b78eaf.png)
<center>图源备注：图片由AI生成</center>
 

## DeepSeek蓄势待发，年底将推超强AI代理模型
来自杭州的AI初创公司DeepSeek正在全力研发一款具备先进代理（Agent）功能的新型AI模型。该模型能够自主执行复杂的多步骤任务并进行自我优化，目标直指AI代理领域的顶尖水平。DeepSeek计划于今年第四季度正式发布该模型，与OpenAI等行业巨头展开正面竞争。

![image.png](https://static.downly.cn/images/f62c7b92dcee92d82592f83da9fc10af.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌智能家居再进化，Gemini for Home携新款Nest设备将至
谷歌预告了其“Gemini for Home”计划的最新进展，旨在用功能更强大的Gemini AI全面取代Google Assistant。 साथ ही，多款全新的Nest硬件也即将亮相，包括疑似新款摄像头和一款神秘的音箱。此举旨在为用户提供更自然、更智能的家居助手体验，使其能处理从推荐食谱到家电维修咨询等一系列复杂任务。

![image.png](https://static.downly.cn/images/9601b3b60d58525bd4836663a3274971.png)
<center>图源备注：图片由AI生成</center>
 

## 微软Copilot“变脸”，全新视觉形象功能将全球推广
微软为其AI助手Copilot推出的实验性视觉形象功能“Copilot Appearance”广受好评。该功能通过实时表情、语音互动和会话记忆，为用户带来了动态、个性化且富有情感反应的虚拟助手体验。微软宣布，这一功能即将从美、英、加三国扩展至全球范围，让更多用户感受到更具人情味的AI交互。

![image.png](https://static.downly.cn/images/05c072f700953070fc2ba103b9bcf817.png)
<center>图源备注：图片由AI生成</center>
 

## Siri与CarPlay或受波及，苹果再遭语音技术专利诉讼
汽车人工智能公司Cerence AI于2025年9月4日在美国德州法院对苹果公司提起专利侵权诉讼。Cerence指控苹果在其产品中（可能影响Siri和CarPlay等核心功能）侵犯了其持有的多项关键语音技术专利，这起纠纷为苹果的AI技术发展蒙上了一层阴影。

![image.png](https://static.downly.cn/images/38c54eb95d8833a2dcfabc34308ae6cf.png)
<center>图源备注：图片由AI生成</center>
 

## 苹果秘密武器，全新AI网页搜索工具明年上线
据消息人士透露，为加强其在人工智能领域的竞争力，苹果公司计划于明年为其智能助手Siri推出一项由AI驱动的全新网页搜索功能。此举被视为苹果弥补其在搜索领域短板、打造更强大AI生态的关键一步，意在与谷歌等巨头在下一代信息入口展开竞争。

![image.png](https://static.downly.cn/images/bc883333b0b7276c82ac49c808dc6d74.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0905：巨头亮剑！谷歌苹果OpenAI上演AI“三国杀”




> **导语**：今日的AI界风起云涌，从百度推出无广告的AI搜索应用“梯子AI”，到腾讯发布革命性的游戏动画工具集；从谷歌Gemini模型在AI修图领域的惊艳表现，到阿里云开源照片转视频的电影级技术。与此同时，AI生成的内容正以前所未有的速度占领社交媒体，而其背后的版权问题也引发了新的行业思考。

## 百度“梯子AI”上线 主打纯净无广告的搜索新体验

百度公司正式在应用市场上架了一款名为“梯子AI”的全新AI搜索应用。该应用前身为“Tizzy.ai”，经过一段时间的内部测试后，现已更新至1.2.0版本。与传统搜索引擎不同，“梯子AI”主打无广告的纯净搜索体验，标志着百度在探索下一代人工智能搜索服务方面迈出了重要一步，旨在为用户提供更直接、更高效的信息获取方式。

![image.png](https://static.downly.cn/images/58af15058238bafb41aebad03a17c1e8.png)

## AI猫咪短片引爆社媒 亿万播放量成新晋流量密码

近期，由AI生成的猫咪主题短视频在各大社交媒体平台迅速走红，掀起了一股新的内容风潮。这些视频凭借其天马行空的创意、夸张有趣的剧情以及高度拟人化的猫咪角色，成功吸引了海量关注，单个视频的播放量动辄过亿。从奇幻冒险到搞笑日常，AI大大降低了高质量视频内容的制作门槛，让普通用户也能轻松创作出病毒式传播的作品。

![image.png](https://static.downly.cn/images/f46d127fab353726c7148425402ba350.png)

## 腾讯发布VISVISE工具集 游戏动画制作效率飙升8倍

腾讯游戏在科隆游戏展上正式发布了其AI创作工具集VISVISE，该工具集专为游戏美术领域打造。其核心功能MotionBlink能够将传统需要数天才能完成的动画制作流程，缩短至短短几秒钟，极大地提升了美术师的工作效率。VISVISE覆盖了动画、模型、资产管理和智能NPC等多个板块，旨在将美术师从繁重的重复性劳动中解放出来，更专注于创意本身。

![image.png](https://static.downly.cn/images/1bae435385e8e851c69fc9971ff0951a.png)

## 谷歌Gemini 2.5 Flash再升级 AI修图能力超越GPT-4o

谷歌DeepMind团队近日对其Gemini 2.5 Flash模型进行了重要升级，显著增强了其在图像编辑方面的能力。用户现在可以通过简单的文字指令，对照片进行大幅度的修改，例如改变背景或调整光线，同时能完美保持照片中人物和动物的核心外观不发生改变。多项测试表明，其AI修图表现在某些方面已经优于备受关注的GPT-4o模型，为用户提供了更强大的“魔法”修图体验。

![image.png](https://static.downly.cn/images/188c1586283685d38866b98f5b9a4fd0.png)

## AI训练数据引版权争议 Anthropic就“盗版书”案与作家和解

人工智能公司Anthropic近日就一起备受关注的集体诉讼与作家群体达成了和解。该诉讼指控Anthropic使用盗版书籍来训练其AI模型，侵犯了作者的版权。尽管法院在此前曾有初步意见认为此类行为可能属于“合理使用”范畴，但由于训练数据源于盗版，Anthropic最终仍选择通过和解方式解决争端，并可能面临经济处罚。此案再次凸显了AI技术发展中，数据版权合规性的重要性。

![image.png](https://static.downly.cn/images/650a758af909205e35cb1e269e9f11a5.png)

## 阿里云通义万相模型开源 一张照片生成电影级数字人

阿里云宣布开源其最新的视频生成模型 通义万相Wan2.2-S2V。这一强大的模型仅需一张静态图片，无论是真人、卡通角色还是数字人，都能驱动其开口说话、唱歌甚至表演。该模型支持肖像、半身和全身等多种画幅，用户只需上传音频文件，即可让图片中的主体形象变得栩栩如生，轻松创作出电影级别的数字人视频，为内容创作领域带来了新的可能性。

![image.png](https://static.downly.cn/images/56a9f983ee5a20451dc759a13c591748.png)

每日AI资讯0827：未来已来，科技浪潮中的数字变革



> 导语：本期AI快讯看点：华人团队研究发现扩散语言模型潜力远超自回归模型；Jan-v1模型以小博大，挑战Perplexity Pro；微软推出全新AI标记语言POML，革新提示工程；谷歌要求学生验证身份以保留AI Pro套餐；B站内测“花生AI”，三分钟即可生成视频；AI搜索新贵Perplexity欲收购谷歌Chrome。

---

## 潜力三倍于自回归模型，华人团队揭示扩散模型新方向
华人团队的一项研究发现，在处理受限的Token数量时，扩散语言模型的数据学习潜力是自回归模型的三倍。这一优势主要得益于其独特的双向建模能力、扩散目标以及更高的计算密度。研究表明，即使在数据重复训练和出现过拟合的情况下，扩散模型的性能依然能够得到有效提升。这一发现为未来AI模型的训练和优化开辟了新的道路，预示着AI技术发展的新方向。

![image.png](https://static.downly.cn/images/b91c18a6519400c87fdd35120fb91e1e.png)

## 4亿参数挑战Perplexity Pro，开源模型Jan-v1惊艳社区
新发布的深度研究模型Jan-v1，基于阿里云Qwen3-4B-Thinking进行微调，参数量仅为4亿，却在SimpleQA准确率测试中达到了91%，成功超越了商业产品Perplexity Pro。该模型具备完全本地运行、支持长上下文、保护用户隐私以及专项优化推理和工具使用等多种能力。Jan-v1的开源引发了开发者社区的热烈反响和高度关注。

![image.png](https://static.downly.cn/images/fbbb63140b9f0c88cefb2996e1283158.png)

## 提示工程迎来革命？微软推出全新标记语言POML
微软重磅推出了POML（Prompt-Oriented Markup Language），这是一种专为大型语言模型提示工程设计的全新标记语言。它旨在通过结构化、模块化的方式，并提供VS Code插件和SDK等工具支持，解决传统提示开发中存在的痛点，从而显著提升开发效率和可维护性。然而，由于其与XML的相似性和本身的复杂性，社区对其创新性和实用性展开了讨论。未来，POML有望在多种应用场景中发挥其重要作用。

![image.png](https://static.downly.cn/images/5546453880a9a5e33de6fda301c6554e.png)

## 免费午餐需验证，Google要求学生证明身份以保留AI Pro资格
谷歌已向部分国家享受免费Google AI Pro订阅套餐的学生用户发送通知，要求他们在2025年9月23日之前，通过第三方验证服务SheerID提交有效的身份证明。如果未能按时完成验证，其免费服务资格将被取消。该套餐包含了Gemini 2.5 Pro、2TB云存储空间等多项福利，此举旨在确保优惠政策仅限于符合条件的在校学生。

![image.png](https://static.downly.cn/images/386b3a967730ea8c9767de471a6148b4.png)

## 三分钟成片，B站内测AI视频创作工具“花生AI”
B站目前正在内部测试一款名为“花生AI”的全新AI视频创作工具。该工具允许用户通过输入文案或上传音频，即可利用AI智能匹配素材或套用模板，在短短三分钟内快速生成视频。据了解，成片质量可媲美许多UP主制作的常见内容，并支持一键发布到B站。此举也与B站此前推出的AI字幕和多语种实时翻译功能相呼应，进一步丰富了其AI创作生态。

![image.png](https://static.downly.cn/images/c08abb05ed415f95329a70c3d50892f0.png)

## AI搜索战火升级，Perplexity拟345亿美元收购谷歌Chrome
AI搜索领域的初创公司Perplexity计划以高达345亿美元的现金收购谷歌Chrome浏览器。在谷歌因垄断问题面临监管压力、AI技术正颠覆传统搜索模式的背景下，Perplexity希望借此举动利用Chrome巨大的流量入口，争夺未来市场份额。尽管此项收购面临着用户粘性、技术差距以及谷歌可能采取的强硬回击等巨大挑战，但Perplexity的大胆计划预示着AI搜索领域的竞争将愈发激烈。

![image.png](https://static.downly.cn/images/1b7709ca2a6576ae1eb882583ec61c01.png)

每日AI资讯0814：华人团队破解Token限制，B站测试AI视频工具，微软推出POML





> 导语：今日AI界风起云涌，从Manus AI推出百个Agent协同工作的“Wide Research”功能，到字节跳动Trae代码编辑器集成OpenAI o3模型，AI的应用边界正被以前所未有的速度拓宽。Poe平台全面开放API，Claude支持多格式文件上传，Creao AI获千万美元融资打造“Agent协同操作系统”，AI开发与协作的门槛持续降低。底层技术同样迎来突破，DeepSeek公布大模型部署新专利，清华大学开源MOSS-TTSD语音合成模型。此外，AI在机器人领域的应用也结出硕果，字节跳动助力清华大学夺得机器人足球世界杯冠军。与此同时，马斯克Grok推出的6秒AI视频生成功能也引发了新的社会讨论。



## Manus AI开启百“人”斩：一键启动百个Agent协同，复杂任务轻松搞定
Manus AI 近日推出了其上线以来最大的一次功能更新——“Wide Research”。该功能允许用户一键启动大规模并行的Agent协作，轻松处理过去难以想象的复杂调研任务，例如在短时间内对比分析上百款运动鞋或为一张海报寻找海量设计灵感。这一强大的功能将逐步向平台各层级用户开放，其核心是一种源于MapReduce范式的系统级并行计算机制，标志着AI协同工作进入了新纪元。

![image.png](https://static.downly.cn/images/9d26a1dcc9f126d00d1393849f8eb86b.png)

## 字节跳动Trae代码编辑器再进化，集成OpenAI o3模型解锁编程新范式
字节跳动旗下的AI代码编辑器Trae现已正式支持OpenAI最新发布的o3模型。得益于o3模型强大的推理能力和独特的“思考式”问题解决机制，Trae在代码生成、上下文感知调试以及多工具协同等方面的能力得到了巨大提升。这不仅显著提高了开发者的工作效率，更引领了AI辅助编程的新标杆。同时，Trae承诺将严格保障用户的隐私与数据安全，让开发者可以安心使用。

![image.png](https://static.downly.cn/images/2f3849c4ce35c4638567c8e80689a398.png)

## Poe平台开放API，订阅即享全能模型，开发者迎来新福音
AI聊天平台Poe近日宣布推出API功能，为其发展历程增添了重要里程碑。此举意味着所有订阅用户无需支付额外费用，即可通过API调用平台上的全部文本、图像、视频模型及机器人。更具吸引力的是，该API兼容OpenAI接口，极大地降低了开发者的使用和迁移门槛，为加速AI技术的集成与应用铺平了道路，标志着Poe正式向开发者工具平台转型。

![image.png](https://static.downly.cn/images/b036b68ea7f04574c88f1ff44c996fbf.png)

## DeepSeek公布大模型部署新专利，预填充与解码分离优化效率
DeepSeek的关联公司最近公开了一项关于大语言模型部署的创新专利。该技术的核心思想是将模型的预填充（pre-filling）和解码（decoding）两个阶段分别部署在不同的高性能计算设备上。这种创新的部署方式旨在优化计算资源利用率，有效降低延迟，同时提高系统的吞吐量、扩展性和容错性，有望推动AI技术的进一步发展，并加速各行各业的数字化转型进程。

![image.png](https://static.downly.cn/images/1b890839b38281832d3cf32cdc5bb251.png)

## Creao AI获千万美元融资，旨在打造下一代“Agent协同操作系统”
人工智能初创公司 Creao AI 近日宣布，已连续完成数百万美元的天使轮和数千万美元的Pre-A轮融资。公司的核心目标是开发一个以AI Agent为核心的下一代操作系统——Agentic OS（AOS）。该系统旨在通过一次简单的对话，就能自动生成并部署一个功能完整的全栈Agentic App，实现从应用生成到自我进化的一站式智能协作，有望重塑用户与智能系统的交互方式，甚至深刻改变整个软件产业。

![image.png](https://static.downly.cn/images/6d12b1677d721d33ead0531c539e9219.png)

## Claude“神器”再升级，支持多格式文件上传，实现数据与AI无缝协作
Claude的artifacts功能迎来重磅升级，现已支持用户上传PDF、图像、代码等多种格式的数据文件。用户可以将这些文件无缝集成到AI驱动的应用中，极大地提升了数据处理和AI应用开发的灵活性与效率。无论是分析复杂的文档，还是从图像中提取信息，这项升级都为用户解决实际问题提供了前所未有的强大工具。该功能背后由Claude4、Claude 3.7 Sonnet和Claude 3.5 Sonnet等先进AI模型提供技术支持。

![image.png](https://static.downly.cn/images/f7ff74154f943a65c7373803864c9d0b.png)

## 清华大学开源MOSS-TTSD，百万小时训练打造双语AI播客新标杆
由清华大学等机构联合研发的MOSS-TTSD模型现已震撼开源。这是一款在对话场景下实现中英双语高表现力语音合成的AI模型，通过创新的XY-Tokenizer技术，支持超长语音生成、零样本音色克隆以及声音事件控制。该模型特别适用于AI播客、有声小说和影视配音等长篇内容的创作。尽管在语气和节奏感上略逊于商业产品，但其开源免费的特性和在中文客观指标上的优异表现，使其拥有巨大的应用潜力。

![image.png](https://static.downly.cn/images/23768e07b7e717e427d6d4555a8e476f.png)

## 字节跳动与清华大学联手，AI算法助力中国队首夺机器人足球世界杯冠军
在刚刚结束的2025 RoboCup机器人世界杯人形组比赛中，清华大学火神队历史性夺冠，这是中国队首次在该项目上获得胜利。此次胜利的背后，离不开字节跳动Seed团队与清华大学联合研发的“HumanoidKick”算法。该算法通过先进的视觉深度强化学习技术，成功解决了机器人足球在感知与执行层面的核心难题，展现出卓越的实时响应和自主决策能力，成为推动机器人技术发展与应用的一次成功范例。

![image.png](https://static.downly.cn/images/d3d4f0e01d9eacbed79752fe46ba9d2b.png)

## 马斯克的Grok进军视频生成，新功能可创作6秒AI短片
马斯克旗下的xAI公司为其AI聊天机器人Grok推出了一项名为“Imagine”的新功能，允许用户根据文本提示生成带有声音的6秒钟视频片段。该功能计划于今年十月正式上线。然而，这一功能也引发了公众对于深度伪造、内容剥削以及潜在偏见（如反犹太主义）等问题的广泛担忧，尤其是在其先前已推出性别化AI伴侣的背景下，相关的争议和社会讨论正在升温。

![image.png](https://static.downly.cn/images/ea761655b9761807e236d17cc131e6f7.png)

每日AI资讯0802：Agent协同作战、AI编程革新与多模态模型全面升级



> 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

字节跳动推出的免费AI编程工具，基于Claude模型

搜索结果: 技术发展