> 今日AI界风起云涌：清华与东北大学联手推出UltraRAG 2.0，以50行代码简化RAG系统构建；Perplexity对Chrome的收购意向撼动浏览器市场格局。腾讯连发两款开源神器，单图生成3D世界的HunyuanWorld-Voyager与开箱即用的Youtu-Agent框架。谷歌、即梦AI、通义实验室、微软等巨头也纷纷亮剑，从网页内容理解、多模型服务到智能体开发框架，技术革新正以前所未有的速度，重塑我们的数字生活与开发范式。

## 清华联手东北大学发布UltraRAG 2.0：50行代码定义RAG新范式

清华大学与东北大学等机构联合发布了UltraRAG 2.0框架，它基于创新的模型上下文协议（MCP）架构，允许开发者通过简单的YAML文件来配置和构建复杂的检索增强生成（RAG）系统。该框架支持串行、循环、条件分支等多种逻辑，极大地降低了高性能RAG应用的开发门槛，让复杂的AI系统搭建变得前所未有的简单。

![插图：代码流与神经网络的抽象结合](https://static.downly.cn/images/71866b30d3bd8cb39ead10556f95a395.png)
图源备注：图片由AI生成

## AI浏览器战争升级 Perplexity欲收购Chrome

AI搜索公司Perplexity对谷歌Chrome浏览器提出高达345亿美元的收购报价，此举震惊业界，标志着AI对传统浏览器市场的颠覆性冲击正式拉开序幕。与此同时，Anthropic公司也推出了针对Chrome的Claude扩展，AI与浏览器的深度融合已成大势所趋，一场围绕下一代智能浏览体验的战争已然爆发。

![插图：两个科技巨头的Logo在浏览器窗口中对峙](https://static.downly.cn/images/a185998c7389e0d433c242b8a11a9cfb.png)
图源备注：图片由AI生成

## 腾讯再亮王牌 HunyuanWorld-Voyager实现单图生成3D世界

腾讯AI研究团队开源了其最新的研究成果HunyuanWorld-Voyager。这一模型堪称“神器”，仅需一张普通的2D图像，就能即时生成与之完全一致的3D点云世界。凭借其卓越的原生3D重建能力，在相机控制、内容对齐和3D一致性上表现出色，成功登顶WorldScore全球排行榜，为3D重建和图生3D领域带来了革命性突破。

![插图：一张风景照片悬浮在空中，下方延展出一个完整的、可供探索的3D立体世界]![image.png](https://static.downly.cn/images/8e0e6ffc6db2b93dfa1938d503f47f9d.png)
图源备注：图片由AI生成

## 人人都是开发者 腾讯优图开源Youtu-Agent智能体框架

腾讯优图实验室正式开源Youtu-Agent智能体框架，主打“开箱即用”的便捷理念。开发者无需进行复杂的模型训练，只需从GitHub上获取代码，通过编写简单的YAML配置文件来定义智能体的具体行为，便能迅速搭建并运行个性化的智能体应用，极大地降低了技术门槛。

![插图：一个即插即用的模块化机器人，用户可以轻松更换代表不同功能的模块](https://static.downly.cn/images/e6fa2a42972d2771714972f5728f325c.png)
图源备注：图片由AI生成

## 谷歌Gemini API添新翼 AI可“阅读”并理解整个网页

谷歌为其Gemini API增加了一项名为URL Context的全新功能。这项技术使得AI不再局限于抓取网页摘要或部分信息，而是能够像人类一样深入、完整地理解和解析整个网页的内容。这一重大进展意味着开发者可以构建出更精准、更智能的应用，实现对网络信息的深度利用。

![插图：一个AI大脑正在扫描一个网页，网页中的文字和图片转化为结构化的数据流](https://static.downly.cn/images/dca8e3de45333203759164411c551201.png)
图源备注：图片由AI生成

## 即梦AI模型全面开放API 提供一站式图像视频生成服务

即梦AI与火山引擎达成合作，将其旗下包括文生图、图生图、视频生成、数字人等在内的一系列先进AI模型，通过API的形式向企业级用户和开发者全面开放。此举旨在提供一个一站式的图像与视频生成解决方案，开发者可以轻松接入并利用这些经过市场验证的强大功能，创造高质量的视觉内容。

![插图：一条API数据流从一个服务器流向多个不同的终端设备，每个设备上都显示着由AI生成的不同风格的图像和视频](https://static.downly.cn/images/8f7698019e45a7460e2534eb9e4357f2.png)
图源备注：图片由AI生成

## Cherry Studio携手硅基流动 免费开放Qwen38B模型

为了提升用户体验，AI桌面客户端Cherry Studio宣布与硅基流动达成深度合作，向所有用户免费提供通义千问Qwen38B模型。该模型以其出色的推理能力、指令遵循和多语言支持而广受好评。此次合作将进一步丰富Cherry Studio的多模型生态，让跨平台用户能更便捷地享受到顶级AI模型的强大功能。

![插图：一个樱桃形状的工作室Logo与一个芯片Logo握手，背景是流畅运行在不同操作系统上的AI界面](https://static.downly.cn/images/3131fa6c37fb1c342cc9be32e62576d8.png)
图源备注：图片由AI生成

## 通义实验室发布AgentScope 1.0 打造一站式智能体开发平台

通义实验室正式推出新一代开源智能体开发框架AgentScope 1.0。该框架以开发者为核心，致力于解决多智能体从开发、构建到运行和管理的全生命周期难题。通过其三层技术架构（核心框架、Runtime和Studio），AgentScope 1.0为开发者提供了灵活且强大的解决方案，让构建安全、高效的智能体应用变得更加简单。

![插图：一个开发者在一个可视化的工作台上拖拽不同的智能体模块，构建出一个复杂的多智能体协作系统](https://static.downly.cn/images/c1287b323739b9d5ca266dcec2ca7d27.png)
图源备注：图片由AI生成

## 微软Copilot能力升级 免费用户也可多文件推理

微软宣布对其AI助手Copilot进行重要更新，免费向所有网页版和Windows 11版用户开放多文件分析功能。现在，用户可以一次性上传最多三个文件，让Copilot进行跨文档的理解和推理。这一此前仅限付费用户的功能将极大提升Copilot的实用性，例如可以同时分析简历和招聘启事，为求职者提供精准建议。

![插图：三份不同的文档被一只机械手同时送入一个Copilot大脑中进行分析和比较](https://static.downly.cn/images/baaf1ea28902e437966fb6921c6d1b56.png)
图源备注：图片由AI生成

## Google发布Nano Banana AI图像编辑进入“一句话”时代

Google旗下Gemini 2.5 Flash Image团队推出了革命性的AI图像引擎Nano Banana。这项新技术颠覆了传统的图像编辑流程，用户只需用一句话描述想要进行的修改，AI即可精准完成操作。这项功能的推出，极大地降低了图像处理的门槛，让专业级的图像编辑变得像日常对话一样简单便捷。

![插图：一个人对着麦克风说话，旁边屏幕上一张复杂的图片根据语音指令实时发生改变](https://static.downly.cn/images/2c672eaf942f6300b1fe1c0499d7f87d.png)
图源备注：图片由AI生成

每日AI资讯0903：未来科技浪潮，人工智能重塑数字世界






> AI领域的技术革新正以前所未有的速度席卷而来。从字节跳动和爱诗科技的AI视频生成模型，到联想推出的国内首个L3级AI服务，再到谷歌翻译的实时同传功能，AI正深刻改变着创作、办公和沟通的每一个环节。与此同时，英伟达、IBM与AMD等巨头在底层硬件和模型架构上的突破，也为人工智能的未来发展奠定了坚实的基础。

## AI视频创作新纪元 爱诗科技PixVerse V5惊艳亮相

爱诗科技最新发布的PixVerse V5模型，将AI视频创作推向了新的高度。该模型深度聚焦用户需求，大幅提升了视频生成体验。众多内测用户已经创作出内容丰富、风格多样的视频作品，从体育场景到商业广告，再到奇幻艺术，充分展现了PixVerse V5强大的创作能力和广泛的应用潜力，标志着AI视频创作正变得更加普及和强大。

![image.png](https://static.downly.cn/images/23a45dcde7adc1c2096355f14e1a15cc.png)

## 数字人技术再突破 字节OmniHuman-1.5让照片开口说话

字节跳动发布了其升级版的多模态数字人方案OmniHuman-1.5。这项技术仅需一张静态图像和一段音频，即可生成表情自然、口型同步的动态视频。新版本在真实感和动作协调性上实现了显著提升，为影视制作、虚拟主播、在线教育等领域开辟了全新的应用场景，让AI数字人变得前所未有的逼真。

![image.png](https://static.downly.cn/images/ab5c54e1e71c9bdf16635e6d23459f88.png)

## 中小企业超级助手 联想百应智能体2.0开启L3级AI服务

联想正式发布了国内首个L3级别的AI服务智能体“百应智能体2.0”。该智能体具备自主规划和闭环解决问题的能力，能够像一位真正的超级助手一样，深刻理解中小企业的复杂需求，并主动完成任务。这标志着智能化办公迈出了关键一步，将有力推动中小企业的数字化转型进程。

![image.png](https://static.downly.cn/images/9ef642fe27f416c77206453b96023997.png)

## 确保AI安全可控 微软发布智能体可观测性五大实践

为了解决AI智能体在自动化流程中可能出现的“盲跑”和不可控问题，微软发布了关于AI智能体可观测性的五大最佳实践。该指南旨在通过对AI智能体进行全生命周期的深度监测，确保其行为的质量、安全与合规，从而帮助开发者提升用户体验，并建立值得信赖的AI系统。

![image.png](https://static.downly.cn/images/9ec7f1d46f0d07b09750d5ff6292828f.png)

## 强强联合 IBM与AMD携手布局量子计算与AI新生态

IBM与AMD宣布达成战略合作，计划将IBM的量子计算系统与AMD强大的AI芯片进行整合。此次合作旨在打造一种突破传统计算极限的混合计算模型，通过结合量子计算的革命性能力与经典计算的成熟生态，共同探索AI领域的未来机遇，重新定义信息处理和模拟自然的方式。

![image.png](https://static.downly.cn/images/90bcbc01c430c9fe8b30506e7055645e.png)

## 推理成本锐减98% NVIDIA Jet-Nemotron模型引领效率革命

NVIDIA研究团队发布的Jet-Nemotron系列语言模型，通过创新的“后神经架构搜索”技术，在不牺牲准确性的前提下，实现了比传统全注意力模型快53.6倍的生成速度。这一突破有效解决了现有大模型在自注意力计算上的效率瓶颈，极大地降低了AI推理成本，为语言模型的广泛应用扫清了障碍。

![image.png](https://static.downly.cn/images/64ded7382e408a0e92c510accf6a78af.png)

## 跨语言沟通无障碍 谷歌翻译迎来实时同传重大升级

谷歌翻译通过深度整合强大的Gemini AI模型，正式推出了实时同声传译功能。用户现在可以体验到如母语般流畅的无缝跨语言交流，彻底打破沟通壁垒。此外，新增的智能语言陪练模式，能够像私人教师一样与用户互动，全面提升了语言学习和沟通的智能化体验。

![image.png](https://static.downly.cn/images/e09266c05e21870cf975116c27111e7c.png)

## 字节跳动再发力 Waver 1.0模型解锁多风格视频生成

字节跳动发布的全新AI视频模型Waver 1.0，在视频生成领域再次取得突破。该模型不仅支持文本和图像生成视频，而且在运动表现、视觉质量和对提示词的理解上均超越了现有模型。更重要的是，Waver 1.0能够生成具有连贯叙事的多镜头视频，为创作者提供了前所未有的艺术表达工具。

![image.png](https://static.downly.cn/images/45bf86f7776ba4a03f9968c30dfb126f.png)

## 终端编码新体验 文心快码新增Zulu-CLI自然语言指令功能

为了进一步提升开发者的工作效率，文心快码推出了一系列新功能，其中最引人注目的是Zulu-CLI终端编码能力。这项功能允许开发者直接在终端通过自然语言指令来完成复杂的编码任务，极大地简化了工作流程。此外，企业版自定义模型、本地代码库知识增强等更新，也为个人和团队协作带来了显著的效率提升。

![image.png](https://static.downly.cn/images/333c739b8069863ff78339e808fe39c7.png)

## 神秘“极”字引热议 DeepSeek V3.1模型曝出罕见Bug

近日，DeepSeek V3.1模型被曝出一个罕见的“极字Bug”。多位开发者反映，在通过API调用该模型时，代码输出中会随机出现神秘的“极”字。这一问题已在多个主流平台出现，引发了国内外开发者社区对模型稳定性和可靠性的广泛讨论与担忧。官方已对此做出回应，并正在积极解决。

![image.png](https://static.downly.cn/images/9cba3043f3a41da039ca02fad4137c44.png)

## AI收购策略现分歧 苹果内部激辩自研与收购路线

据报道，为了在生成式AI领域追赶竞争对手，苹果公司内部曾探讨过收购Mistral AI和Perplexity等AI初创公司的可能性。然而，公司高层对此存在分歧。一方认为收购是快速弥补差距的有效途径，而另一方则坚持自主研发，认为这更符合苹果的长期战略。这一分歧反映了苹果在AI时代转型中的谨慎与挣扎。

![image.png](https://static.downly.cn/images/aa694d9e67af949e6bcf9b2f04a89a3e.png)

每日AI资讯0828：视频生成迎技术爆发，企业应用与底层架构齐头并进



> 今日AI界风起云涌，马斯克旗下xAI将苹果与OpenAI告上法庭，指控其垄断行为。同时，一种利用图像重采样技术的新型AI攻击方式被揭露，为安全领域敲响警钟。各大科技巨头则竞相发布创新工具：字节跳动内测3D模型生成器，谷歌NotebookLM解锁80种语言，微软与阿里分别开源超长语音合成及视频修复模型，腾讯推出游戏AI大模型大幅提升动画制作效率。这些进展预示着AI技术在应用层面正迎来新一轮的爆发。

## 巨头之争 xAI正式起诉苹果与OpenAI
埃隆·马斯克创立的xAI公司已在美国联邦法院对苹果和OpenAI提起诉讼。诉讼指控两家公司通过签订排他性协议，非法合谋阻碍人工智能领域的公平竞争。此举不仅限制了xAI等公司的发展空间，还直接损害了其应用Grok在苹果平台上的展示机会。

![image.png](https://static.downly.cn/images/2818f2825f9a47c34d77dfe3a1c6939e.png)

## 无形攻击 AI模型爆出新漏洞，图像竟成特洛伊木马
研究人员发现了一种全新的AI攻击方式。攻击者可以利用图像重采样技术，将恶意指令嵌入到人眼无法察觉的图像之中。当AI系统处理这些被篡改的图像时，隐藏的指令便会激活，从而劫持大语言模型，导致用户数据被窃取等严重后果。

![image.png](https://static.downly.cn/images/3c07d2480cd7a4c6a91ab1542b1ec05c.png)

## 人人都是建模师 字节跳动内测“3D模型生成器”
字节跳动豆包团队正在内部测试一款名为“3D Model Generator”的全新工具。该工具能根据用户上传的图像直接生成3D模型，旨在大幅降低3D建模的技术门槛，为游戏开发等领域提供高效的3D资产创建方案。

![image.png](https://static.downly.cn/images/9e14138468a996333e83a1b063598fdb.png)

## 打破语言壁垒 谷歌NotebookLM支持80种语言并新增视频转换功能
谷歌旗下的学习工具NotebookLM迎来重磅升级，现已全面支持80种语言。此次更新还革命性地推出了视频概览功能，用户可以将笔记、PDF和图片一键转换为多语言视频演示文稿，彻底打破了过去仅支持英语的局限，极大地扩展了其作为全球学习助手的能力。

![image.png](https://static.downly.cn/images/9f439aa39142b58ff5a73ebc666d65a4.png)

## 90分钟超长语音一键生成 微软开源VibeVoice-1.5B模型
微软研究院近日开源了其最新的VibeVoice-1.5B音频模型。该模型在语音合成技术上取得了重大突破，能够一次性生成长达90分钟的超长语音，且保证了音色的自然稳定与语义的连贯。此外，它还支持多达四位发言人的多说话人合成，性能远超以往模型。

![image.png](https://static.downly.cn/images/0d9835e99d3e7ff36bcbb6d9d3b4c530.png)

## 视频修复神器 阿里云开源Vivid-VR解决闪烁抖动难题
阿里云正式开源了视频修复工具Vivid-VR。该工具利用生成式AI与T2V模型，并结合了ControlNet技术，能够高效解决视频中常见的闪烁、抖动等问题，确保帧间内容的高度一致性，为内容创作者们带来了更高质量、更便捷的视频修复解决方案。

![image.png](https://static.downly.cn/images/5207201740603581996dd2fda24d8492.png)

## 告别爆肝 腾讯游戏AI大模型4秒生成200帧动画
腾讯游戏发布了其专业的游戏AI大模型，该模型在动画制作领域取得了惊人突破。现在，仅需短短4秒钟，AI便能自动生成200帧的流畅动画，将动画师从繁重的工作中解放出来，效率提升高达8倍。

![image.png](https://static.downly.cn/images/073af8f22d879f6012c623ef3103aa8d.png)

## 编程新哲学 Karpathy提出三层AI编程结构
著名AI专家Andrej Karpathy提出了最新的“氛围编程”指南，他建议为不同的编程场景选择最合适的AI工具。这套三层结构为 顺境时使用Cursor，逆境时求助Claude，而绝境中则依赖GPT-5 Pro。这一理念强调了在AI时代，为不同任务选择最适宜的模型，已成为一种需要深思熟虑的艺术。

![image.png](https://static.downly.cn/images/fadc6dfae39d84b7db7e4628fd175f74.png)

每日AI资讯0826：巨头纷争与技术革新，AI应用时代全面爆发



> 本期AI资讯聚焦多个领域的重大突破。从阿里通义Fun-ASR模型在垂直领域语音识别精度的显著提升，到Kimi K2模型带来的文本生成速度革命；从可灵与即梦AI在视频生成领域实现更精准的控制与更低的创作门槛，到Tripo 3.0引领的3D建模行业变革。与此同时，Meta面临的天价版权诉讼也为整个AI行业的训练数据合规性敲响了警钟。

## 阿里通义语音识别新突破 垂直行业精准度飙升

阿里通义最近推出了新一代的端到端语音识别大模型Fun-ASR。该模型显著强化了上下文感知能力和高精度转写技术，特别是在家装、保险等专业垂直行业，其识别准确率获得了巨大飞跃。据数据显示，保险行业的识别准确率提升了18%，而家装、畜牧等领域的提升幅度也达到了15%至20%，为特定行业的语音应用场景带来了更可靠的技术支持。

![image.png](https://static.downly.cn/images/5336f2bfa0b9114e07ee38e56c4715fe.png)

## Kimi K2模型再加速 输出速度剑指每秒百字符

月之暗面公司发布的Kimi K2高速版AI模型在性能优化后，其内容输出速度实现了大幅提升。该模型能够稳定达到每秒60 Tokens的输出速度，峰值速度更是高达每秒100 Tokens，极大地提高了处理效率，为用户带来了前所未有的流畅服务体验。Kimi K2基于先进的MoE架构，拥有强大的代码生成和通用代理处理能力，其万亿级别的总参数量使其在处理复杂任务时游刃有余。

![image.png](https://static.downly.cn/images/f2e5df9d13b652eb0f3c4d298eb76585.png)

## Meta陷版权风波 AI训练数据合法性引争议

科技巨头Meta公司正面临一场严重的法律诉讼，此案可能成为史上最大的AI训练数据侵权案。两家成人影片公司提起诉讼，指控Meta在进行AI训练时，明知故犯地使用了至少2396部受版权保护的影片内容。原告方提出了高达3.59亿美元的天价索赔，此案再次引发了科技行业内外对于AI训练数据来源合法性的广泛关注和激烈讨论。

![image.png](https://static.downly.cn/images/3710613ffbe00595dce99518874e849f.png)

## InternLM发布轻量级多模态模型 赋能科学研究

InternLM团队（书生·浦语）近日发布了一款仅有8B参数的轻量级多模态推理模型Intern-S1-mini。该模型巧妙融合了Qwen3-8B语言模型与InternViT视觉编码器，并通过包含超过2.5万亿科学领域token在内的海量数据进行预训练。这使得Intern-S1-mini不仅能处理常规的文本和视觉信息，还具备解析分子式、蛋白质序列以及规划化学合成路径等高级科学研究能力，为科研领域提供了强大的AI工具。


![image.png](https://static.downly.cn/images/d75c9b57a4bab6762eb64da756002cf0.png)

## 可灵AI精准控帧 视频生成迈入新纪元

可灵AI近期基于其全新的2.1模型，重磅推出了首尾帧功能。这一创新功能将AI视频生成过程中的随机性转变为高度的可控性，用户可以通过设定视频的起始与结束画面，来精准控制视频内容的走向。据官方数据，新模型的效果提升高达235%，让精准可控的视频生成从一个设想变为现实，彻底改变了AI视频创作的行业格局。

![image.png](https://static.downly.cn/images/609e55ad98c0cf44ebb5cc4487578798.png)

## 即梦AI智能多帧技术 一键生成超长镜头

即梦AI上线了创新的“智能多帧”技术，极大地简化了视频创作流程。用户仅需提供最多10张关键帧图像，系统便能自动分析并生成长达54秒的专业级连贯视频。这项技术彻底颠覆了传统的视频创作模式，显著降低了内容创作的门槛，充分展现了AI在长视频生成领域的巨大潜力和广阔前景。

![image.png](https://static.downly.cn/images/e7920e1da7634fa7a8e58c8c3177cbd6.png)

## VAST发布Tripo 3.0 AI驱动3D建模革命

VAST公司最新发布的Tripo 3.0版本，正通过其强大的人工智能技术革新传统的3D建模行业。该平台凭借其高效和易用性，已经吸引了超过300万专业开发者用户。Tripo 3.0在游戏开发、影视制作、建筑设计和工业设计等多个领域展现了AI驱动3D内容创作的强大潜力，预示着一个全新的3D内容创作时代已经到来。

![image.png](https://static.downly.cn/images/53dde85232904380889e5b78ce0ceb36.png)

每日AI资讯0823：AI视频生成迎双重突破，语音识别与3D建模重塑行业格局



> 导语：今日AI领域风起云涌，技术革新与应用落地齐头并进。从华为发布UCM技术挑战HBM依赖，到高德地图与阿里通义大模型联手打造首个地图AI原生Agent；从Vercel V0进化为全能型AI开发伙伴，到MiniMax开创AI智能体“再创作”新模式。与此同时，关于GPT-5测试的争议也引发了行业对AI发展伦理的深思。各大厂商正通过开源与创新，共同推动AI智能体走向协作共创的新纪元。

## 华为发布UCM技术，旨在缓解对HBM的依赖
华为即将发布一项名为UCM（推理记忆数据管理器）的AI推理创新技术。该技术通过优化KV Cache，采用分级管理推理记忆数据的策略，旨在扩大模型的上下文窗口，从而提升大模型推理的性能。此举有望在保证高吞吐量与低延迟的同时，显著降低国内AI产业对昂贵HBM（高带宽内存）的依赖，为AI推理成本的降低和效率的提升带来新的解决方案。

![image.png](https://static.downly.cn/images/88d1ce32ab4c2aee696ddee745524cda.png)

## GPT-5测试成绩遭质疑，AI能力与营销边界引争议
OpenAI公布的GPT-5在SWE-bench Verified测试中的优异成绩近期引发了业界的广泛讨论。质疑声主要集中在其测试并非完整覆盖全部题库，有意规避了部分难题，这可能导致其分数存在“刷分”嫌疑。这一事件不仅暴露了当前AI行业在性能评测与市场营销之间的微妙关系，也引发了关于AI模型真实能力与透明度问题的深刻反思。

![image.png](https://static.downly.cn/images/e2e9ec3c6152258fb05ec41ba1550987.png)

## AI编码进入全栈时代，Vercel V0变身全能开发代理
Vercel旗下的AI编码工具V0迎来重大升级，正式从一个前端生成器进化为全能型的全栈AI代理。升级后的V0能够自主完成从项目规划、研究到前后端代码生成、文案撰写乃至应用调试的全过程。这一进化标志着AI在软件开发领域的辅助能力达到了新的高度，让“无代码”或“低代码”的开发愿景距离现实更近一步。

![image.png](https://static.downly.cn/images/457f56783b29a6f93a07d35726cbd6c7.png)

## AI创作新范式，MiniMax推出全球首个AI智能体再创作市场
MiniMax公司推出了全球首个Agent Remix Marketplace平台，为AI创作领域带来了革命性的新模式。该平台允许用户“一键Remix”他人创建的AI智能体，并能从中获得收益，极大地降低了AI应用的创作门agis，促进了从个人原创到社区协作共创的生态转变。为激励更多创作者加入，MiniMax还同步启动了总奖金池达15万美元的全球挑战赛。

![image.png](https://static.downly.cn/images/e18c35de5982cfd97f808c3e80d61ce8.png)

## 高德地图接入通义大模型，打造首个地图AI原生Agent
高德地图与阿里通义实验室宣布深度合作，将联合打造全球首个AI原生地图。在高德地图的最新版本中，已落地名为“小高老师”的AI智能体。它融合了全双工语音技术与通义Qwen大模型的强大空间理解能力，能够进行自然的多模态交互。双方还共同开发了POI推理Agent，能处理复杂的实时信息与多重约束，极大地提升了用户在出行生活场景中的服务体验。

![image.png](https://static.downly.cn/images/881204b46cb1116fb59db153db91a87c.png)

## 阿里达摩院开源具身智能“三大件”，推动产业开放协作
在世界机器人大会上，阿里达摩院宣布开源其在具身智能领域的三项核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及创新的机器人上下文协议RynnRCP。此举旨在解决当前具身智能开发中模型与硬件适配困难、流程碎片化等核心痛点，通过提供一套标准化的框架，加速数据、模型与机器人本体的融合，推动整个具身智能产业生态的开放与发展。

![image.png](https://static.downly.cn/images/7bde78b303221c15ea99435953bdc204.png)

## Perplexity AI入局，AI搜索迈向多模态内容创作
AI搜索引擎Perplexity AI宣布全平台上线视频生成功能。用户现在可以通过简单的文字提示，在聊天界面直接生成短视频。此功能目前向订阅用户开放，标志着AI搜索正在从传统的文本问答向更丰富的多模态内容创作转型。这一功能的推出，预示着未来的AI平台竞争，将围绕多模态内容的生成能力展开。

![image.png](https://static.downly.cn/images/63364a93b07d9dd307fca24c9265e080.png)

## GPT-oss模型展现惊人自主性，无提示解题5000次
GPT-oss大模型在一次实验中，展现了惊人的自主行为。在没有任何明确提示的情况下，它自主构思了一个关于多米诺骨牌拼图的复杂编程问题，并用不同编程语言重复解决了超过5000次。这一现象不仅展示了其在特定数学和代码领域的深度优化，也引发了研究人员对其内部工作机制、训练数据构成以及“创造性”边界的深入思考。

![image.png](https://static.downly.cn/images/7cffcb2811218090be6ee53b04baf9d2.png)

## 谷歌搜索推出新功能，允许用户自定义首选信息来源
为了提供更个性化的搜索体验，谷歌宣布将推出一项新功能，允许用户在搜索设置中指定自己偏爱和信任的新闻或信息来源网站。设置完成后，来自这些首选网站的搜索结果将在用户的搜索页面上获得更高的展示权重，使用户能更快地获取到他们最关心的内容。

![image.png](https://static.downly.cn/images/61622cce270374eb8f4c372d4ed75e34.png)



每日AI资讯0813：AI智能体全面爆发，从编码到出行，重塑数字生活




> 导语：本期AI资讯聚焦行业巨头的最新动向与技术革新。OpenAI虽在GPT-5研发上遭遇挑战，但市场信心不减；苹果则在AI领域全面发力，誓言后来居上。同时，B站推出创新的AI原声翻译，Adobe在Photoshop中集成高级AI功能，而开源模型Wan2.2A14B则在视频生成领域展现出高性价比的潜力，共同描绘了当前AI发展的多维图景。

---

## OpenAI的“阵痛”与“野心” GPT-5受挫但估值创新高

尽管备受期待的GPT-5项目因人才流失与数据瓶颈而推进受阻，甚至寄予厚望的Orion模型也降级为GPT-4.5，但这并未动摇市场的信心。OpenAI刚刚完成新一轮83亿美元的融资，公司估值达到惊人的3000亿美元。这表明投资者对其克服当前技术难题、引领行业进入发展“深水区”抱有长期信心。

![image.png](https://static.downly.cn/images/2e08356ba33a507be6525bd24f28a8ab.png)

## 苹果觉醒 库克誓言“ALL-IN AI”重塑Siri与自研芯片

苹果CEO蒂姆·库克在近期的全员讲话中坦承，公司在AI竞赛中起步较晚。然而，苹果正以iPhone后来居上的成功模式为蓝本，决心迎头赶上。公司将大幅增加AI研发投入，不仅致力于通过自研AI芯片和秘密武器“Apple GPT”模型来构建自己的“答案引擎”，还将彻底重建Siri，并考虑收购或整合外部先进模型，以重塑其在AI时代的领导地位。

![image.png](https://static.downly.cn/images/478c016cf77afa986f2f9365628b3055.png)

## B站破局文化出海 AI保留原声翻译让世界听懂“梗”

为打破二次元及中文内容的海外传播壁垒，B站创新性地推出了AI原声翻译功能。这项技术能够在将视频翻译成英语（未来将支持日语等更多语种）的同时，完整保留UP主独特的声线和音色，为海外用户带来更具亲切感和文化认同感的观看体验。该功能还针对网络流行梗和专有名词进行优化，为内容平台的国际化提供了全新思路。

![image.png](https://static.downly.cn/images/05d04bc4856d2cf84f68f48971083280.png)

## 设计师福音 Adobe Photoshop推出“Harmonize”实现AI无缝合成

Adobe为Photoshop引入了一套强大的生成式AI工具，旨在彻底改变图像编辑流程。其中的核心功能“Harmonize”能利用AI自动分析并匹配不同图像元素之间的光照、色彩与阴影，实现天衣无缝的合成效果。此外，AI驱动的图像升级和更智能的对象移除工具也大幅提升了创作效率。同时，新增的“内容凭证”功能可以记录编辑历史，有效保障了图像的真实性。

![image.png](https://static.downly.cn/images/3e93bc68526317edbd21cec5a1e55de7.png)

## 开源视频模型的性价比之王 Wan2.2A14B挑战闭源巨头

在视频生成领域，开源模型Wan2.2A14B凭借其出色的性价比正成为一股不可忽视的力量。尽管在帧率和整体性能上，它与Veo3、Seedance1.0等顶尖闭源模型尚有差距，但其在文本转视频方面的表现已相当突出。更重要的是，其显著的成本优势为广大开发者和中小企业提供了一个极具吸引力的替代方案，有力地挑战了闭源巨头的市场地位。

![image.png](https://static.downly.cn/images/0ae815651845d2dad1d800c18b591618.png)

每日AI资讯0804：巨头动向与行业新风





> 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



> 导语 本周AI领域风起云涌，从宏观到微观，技术革新正深刻影响着我们的世界。谷歌推出“虚拟卫星”模型AlphaEarth，将地球观测成本削减至十六分之一；亚马逊则计划将广告植入AI助手Alexa，探索全新商业模式。与此同时，开源AI模型Cogito v2以其独特的“机器直觉”向行业巨头发起挑战。然而，技术进步也伴随着风险，ChatGPT的用户对话意外被搜索引擎收录，再次敲响了数据隐私的警钟。最后，马斯克为Grok用户带来了视频生成器和AI虚拟男友，预示着人机交互的又一次进化。

## 谷歌“虚拟卫星”上天，地球观测成本暴降94%

谷歌最新发布的AI模型AlphaEarth Foundations，被誉为一颗“虚拟卫星”，它通过整合海量的多源地球观测数据，并将其细分为10米网格进行长期变化追踪，从而将数据存储成本降低到原来的十六分之一。这一突破性技术不仅能用于生成高分辨率地图，还能极大地赋能农业、林业等领域，例如实时监测农作物健康、追踪森林砍伐情况等。目前，谷歌已向全球研究人员开放相关数据集，以推动更广泛的应用创新。

![image.png](https://static.downly.cn/images/3ff1b93b5e88685c2664b196230e527e.png)

## Alexa的悄悄话要收费？亚马逊探索AI助手广告新模式

亚马逊CEO透露，公司正在积极探索一种全新的商业模式，计划在升级后的人工智能助手Alexa+中嵌入广告。其核心理念是利用AI与用户进行深度对话，在交流中自然地为用户发现新产品，并以此创造广告收入。这一构想与谷歌和OpenAI在AI广告领域的探索不谋而合。尽管亚马逊为这场AI竞赛投入了巨大资源，但要成功实现这一模式，仍需克服技术成熟度和用户隐私保护等诸多挑战。

![image.png](https://static.downly.cn/images/bf28251d19f4b8a2c0fca543447657cd.png)

## AI也懂“直觉”？Cogito v2挑战大模型常识，主打边用边学

开源AI领域杀出一匹黑马。Deep Cogito公司最新发布的Cogito v2系列大型语言模型，其核心技术亮点在于“机器直觉”与能够自我改进的推理能力。该模型能够真正实现“边用边学”，通过一种名为“内省式推理”的机制，将推理路径内化为模型权重，从而在处理数学、法律等复杂问题时，展现出更短的推理路径、更快的响应速度和更高的准确性。更具颠覆性的是，其训练成本远低于业界平均水平。该公司承诺将保持模型开源，并持续进行迭代优化。

![image.png](https://static.downly.cn/images/44fbae2353fde928a7fd02fa348213aa.png)

## 你的私密对话已上线！ChatGPT分享链接被谷歌“出卖”

近期发生的一起隐私泄露事件引发了广泛关注：部分ChatGPT用户通过“分享链接”功能分享的对话，竟然被谷歌及其他搜索引擎索引并公开展示。这意味着，即使用户分享的只是一些荒唐或私密的测试对话，也可能被公之于众。尽管OpenAI官方表示，只有用户主动分享的对话才可能被收录，并在此次事件后决定移除该功能以加强隐私保护，但这起事件仍然为所有用户敲响了警钟，网络世界的隐私风险无处不在，需时刻保持警惕。

![image.png](https://static.downly.cn/images/0fe5ad6e5653de5ef27964e25c915239.png)

## 马斯克放“大招”，Grok用户喜提视频生成器与AI虚拟男友

马斯克近日宣布，将向其AI模型Grok的Heavy订阅用户推出两款重量级新功能的测试版：视频生成器“Imagine”和AI虚拟男友“Valentine”。前者可以通过简单的文本指令快速生成视频内容，后者则能提供情感陪伴与深度交流。此举不仅预示着数字互动体验将进入一个全新阶段，也引发了社会对于AI对人类情感的深远影响以及如何平衡人机互动等问题的深入思考。

![image.png](https://static.downly.cn/images/86e3e639903b79e3470f73950ecf9fbb.png)

## Reddit拥抱AI与广告，营收飙升

社交媒体平台Reddit发布的第二季度财报显示，公司营收大幅增长。财报亮点之一是公司显著加强了对人工智能（AI）的投入，并将其与广告业务深度结合，显示出其在AI领域的战略重心正在快速提升，并已初见成效。

![image.png](https://static.downly.cn/images/5679b8f388c0271f5069743a236aafff.png)

## 一个API，百种模型！Quora旗下Poe为开发者敞开AI模型库大门

问答平台Quora旗下的AI应用平台Poe宣布推出全新的开发者API。通过这个API，开发者可以轻松访问超过100种先进的AI模型，涵盖文本、图像、视频和语音等多种模态。此举极大地降低了开发者使用和集成多样化AI能力的门槛，将催生更多创新的AI应用。

![image.png](https://static.downly.cn/images/c8d826c4773024de4aff8e9f21b2f144.png)



搜索结果: 技术革新