> 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

> 导语 本日AI快讯涵盖了从尖端医疗到多模态大模型的最新突破 蚂蚁集团与上海AI实验室分别推出专为医疗领域设计的MedResearcher-R1和性能卓越的InternVL 3.5。美团也以其高效的LongCat模型加入开源行列。市场方面 谷歌Gemini正奋力追赶ChatGPT 同时xAI面临内部代码失窃的挑战。此外 创新的AI听诊器预示着传统医疗的变革 而Meta则在激烈的竞争中调整战略 或寻求与昔日对手的合作。

## 蚂蚁集团发布医疗AI新星 MedResearcher-R1 知识图谱驱动智能诊疗

蚂蚁集团近日开源了其专为医疗领域打造的知识驱动轨迹合成框架 MedResearcher-R1。该框架通过其创新的知识图谱构建模块 能够高效地将庞杂的领域知识转化为高质量的问答对 并利用自动推理技术生成完整的知识图谱。MedResearcher-R1旨在解决特定领域AI在推理方面遇到的挑战 为医疗研究提供智能化的数据生成与合成支持 其交互式可视化功能也为研究人员提供了极大便利。

![image.png](https://static.downly.cn/images/4bdbf546935b8d89ea83298621b599ad.png)

图源备注：图片由AI生成

## 书生·万象InternVL 3.5横空出世 多项指标超越GPT-4V

上海人工智能实验室震撼发布了其最新的多模态大模型 书生·万象InternVL 3.5。该模型通过级联式强化学习等先进技术实现了性能的全面飞跃。InternVL 3.5系列提供了从1B到241B不同参数规模的版本 以满足不同场景的需求。其旗舰模型241B-A28B在MMMU、MMStar、OCRBench等多项权威基准测试中刷新了开源模型的性能记录 在多个关键指标上甚至超越了GPT-4V 成为当前开源多模态大模型领域的领跑者。

![image.png](https://static.downly.cn/images/63ac0983a0747c882dab1e9fffd5f0a3.png)

图源备注：图片由AI生成

## 美团亮剑开源大模型“龙猫” 高效推理赋能AI应用

美团公司正式发布了其最新的开源大语言模型 LongCat（龙猫）。其核心版本LongCat-Flash拥有560亿参数 并采用了创新的混合专家（MoE）架构 能根据上下文动态激活约270亿参数 从而在保证性能的同时 极大地提升了计算效率。据悉 该模型的推理速度超过每秒100个标记。美团此举旨在为广大研究人员和开发者提供一个强大的新工具 加速AI技术的发展与实际应用落地。

![image.png](https://static.downly.cn/images/789801dde071276f5d84d49fe21af178.png)

图源备注：图片由AI生成

## AI应用市场风云再起 谷歌Gemini紧追ChatGPT

根据a16z发布的最新报告 AI应用市场正经历着动态变化。在网络和移动端 谷歌的Gemini正在逐步缩小与行业领导者ChatGPT的差距。然而 报告也指出 在移动应用市场 中国公司展现出强大的主导力量。整体来看 网络AI应用的新增用户增速正在放缓并趋于稳定 而移动端AI应用在监管趋严的环境下 新增数量反而有所增加。

![image.png](https://static.downly.cn/images/901870f9aec717addb8a970ee5bcd677.png)

图源备注：图片由AI生成

## 马斯克旗下xAI遭遇“家贼” 前员工被指窃取代码投奔OpenAI

伊隆·马斯克创立的xAI公司近日提起诉讼 指控其前员工Xuechen Li窃取公司核心商业机密后跳槽至竞争对手OpenAI。诉讼文件称 Li的行为严重违反了保密协议 构成了商业秘密侵犯、违反计算机数据法规及欺诈。xAI公司要求法院发布禁令 并强制Li归还所有被盗数据。

![image.png](https://static.downly.cn/images/80fe3d0a56d6431b74a7a93423c5f83f.png)

图源备注：图片由AI生成

## 网站迎接AI时代 Firecrawl即将开源AI就绪检查器

为了帮助网站在AI搜索时代获得更好的可见性 Firecrawl公司宣布将于下周开源其AI就绪检查器。这款工具能够对网站进行全面的AI就绪度审计 评估其LLMs.txt文件的合规性、AI可读内容的质量以及站点地图的结构合理性等关键指标 旨在提升网站内容对AI的友好度与优化能力。

![image.png](https://static.downly.cn/images/255968e476366b0dc4b3fd8be1f95699.png)

图源备注：图片由AI生成

## Meta联手UCSD发布DeepConf AI推理准确率与效率双突破

Meta与加州大学圣地亚哥分校（UCSD）合作开发了一项名为DeepConf的新技术 在高难度AI推理任务上取得了准确率与计算成本的双重突破。当DeepConf与GPT-OSS-120B模型结合时 在AIME2025竞赛级别的难题上实现了高达99.9%的惊人准确率 同时将计算成本降低了85% 有效解决了AI在进行复杂推理时面临的准确性与资源消耗难题。

![image.png](https://static.downly.cn/images/92c0bbf0559da6dec0035a90509edf96.png)
图源备注：图片由AI生成

## 传统听诊器焕发新生 AI加持15秒识别心脏病

一项在欧洲心脏病学会年会上公布的突破性研究成果展示了人工智能如何变革传统医疗器械。一款搭载了“AI大脑”的智能听诊器 能够仅用15秒时间就准确识别出心力衰竭、心房颤动和心脏瓣膜病这三种主要的心脏疾病。这项技术目前已在英国超过200家诊所投入应用 预示着未来心脏疾病诊断效率的显著提升和传统诊疗模式的根本性变革。

![image.png](https://static.downly.cn/images/ca48de814006400d0e88681d1211396d.png)

图源备注：图片由AI生成

## AI“天团”光环褪色 Meta或将联手Google与OpenAI

曾经备受瞩目的Meta“AI天团”正面临前所未有的发展困境。据报道 其发展势头已经从昔日的如日中天跌落至可能“崩溃”的边缘。面对激烈的市场竞争和内部挑战 Meta可能正在考虑调整其AI战略 甚至与曾经的竞争对手Google、OpenAI进行合作 以寻求新的突破口。

![image.png](https://static.downly.cn/images/9c116f8e23c88e0804d3028170605752.png)

图源备注：图片由AI生成

每日AI资讯0901：未来科技浪潮，AI创新与巨头博弈的缩影




> **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

> AI界风起云涌：谷歌推出命令行AI助手Gemini CLI，旨在成为开发者的“全能代理”；腾讯开源轻量级混元大模型，单卡即可部署，大幅降低AI应用门槛；可灵AI则在音视频多模态领域取得新突破，推出“视频生音效”功能；与此同时，AI巨头Anthropic陷入舆论漩涡，因训练模型销毁百万书籍引发版权争议，并同时启动项目以应对AI对就业市场的潜在冲击。

封面图提示词：一张充满未来科技感的数字艺术作品，融合了代码流、声波图形和大脑神经元网络等多种元素，中央有一个发光的AI核心标志，整体色调为深蓝和紫色，呈现出创新、变革与思考的动态感。

## 谷歌Gemini CLI上线引热议 是“换皮”还是“全能AI代理”

谷歌近日发布了一款名为Gemini CLI的全新开源工具，它是一个可以通过自然语言交互的命令行AI助手。  与市面上专注于代码生成的工具不同，Gemini CLI的定位更侧重于成为一个灵活的“AI代理”，能够处理文本、文件、网页乃至本地工具等多种任务，旨在将AI更无缝地融入开发者的日常工作流中。  尽管该产品发布初期遭遇了一些登录和Bug问题，但其开放的设计和覆盖多应用场景的巨大潜力，被认为标志着AI正从单一功能工具向全能工作助手的方向演进。 

![image.png](https://static.downly.cn/images/2bece80c9208e28cc1bfa2cf6bd75be4.png)

## 腾讯开源混元新模型 单张入门显卡即可驱动

腾讯正式发布并开源了其混元大模型家族的新成员——混元-A13B。  该模型基于先进的专家混合（MoE）架构，虽然总参数规模达到800亿，但激活参数仅为130亿，从而显著降低了运行成本。  最引人注目的是，该模型在极端条件下仅需一张中低端GPU卡即可完成部署，极大地降低了个人开发者和中小企业使用前沿AI技术的门槛。  在性能方面，混元-A13B在数学、科学及逻辑推理等任务上表现出色，同时支持快、慢两种思考模式，以兼顾效率与深度。  为促进开源生态，腾讯还同步开源了两个分别用于代码和Agent场景评估的新数据集。 

![image.png](https://static.downly.cn/images/3e275dafd50b39ef86090624fc4c0669.png)

## 可灵AI推出“视频音效”新功能 实现音画同步新体验

视频生成模型可灵AI（Kling）近日宣布其全系列视频模型已正式上线“视频音效”功能，让用户在生成视频时能够同步获得立体声音效。  与此同时，平台还升级了“音效生成”功能，新增“视频生音效”模块，用户可以上传自己的无声视频或调用历史作品，一键匹配音效。  这项功能的核心是可灵自研的多模态视频生音效模型Kling-Foley，它能确保音效与视频画面实现帧级别的精准对齐，创造出“所见即所听”的沉浸式视听体验。  目前，这项创新功能已向所有用户限时免费开放。 

![image.png](https://static.downly.cn/images/0054d9babb8ed2a0d11316622d025a60.png)

## AI训练与版权冲突升级 Anthropic销毁百万书籍引争议

AI公司Anthropic最近在一场版权纠纷中被揭露，其为了训练语言模型Claude，曾购入数百万本实体书籍，在将其数字化扫描后进行了物理销毁。  尽管法官裁定，这种先毁后用的数字化处理方式构成了“合理使用”，但这一行为依然引发了巨大争议。  批评者担忧，即便AI生成了独特内容，其在训练过程中仍有可能逐字复制受版权保护的材料。  值得注意的是，虽然Anthropic在此次判决中部分胜诉，但它因依赖盗版图书库训练模型，仍需在12月面临版权审判，这给生成式AI行业的未来发展蒙上了一层阴影。 

![image.png](https://static.downly.cn/images/87a19da0e6379ea4094b816601f435b2.png)

## AI引发失业担忧 Anthropic启动经济影响追踪计划

在全社会对人工智能可能取代数百万工作岗位的警告日益增多之际，AI公司Anthropic于周五宣布启动其“经济未来计划”。  这是一项旨在支持和推动相关研究与政策制定的新举措，以应对AI技术可能带来的广泛经济影响。  该计划的启动，表明头部AI公司也开始正视其技术可能带来的社会经济后果，并试图主动参与到解决方案的探索中。 

![image.png](https://static.downly.cn/images/087f3a4a1775969789a7c0c4acf970e4.png)

搜索结果: 未来科技