> 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

> 科技浪潮奔涌向前，AI领域风起云涌。本期资讯我们将聚焦多项重大突破：美团、阿里等巨头在模型技术上的新进展；从Perplexity推出革命性专利搜索工具，到苹果与谷歌在智能语音助手上的历史性合作；更有OpenAI的Sora 2视频工具向更多国家和地区开放。科技的每一次脉动，都在预示着一个更加智能、更加便捷的未来。

## 美团开源全能模型LongCat-Flash-Omni，实时交互定义AI新纪元

美团近日正式开源了其最新的LongCat-Flash-Omni模型，该模型凭借创新的ScMoE（稀疏混合专家）技术，成功实现了全模态的实时交互能力。这不仅仅是一次技术升级，更标志着多模态AI已经从理论走向现实，一个能够听、说、看、感的全能AI新时代正加速到来。

![image.png](https://static.downly.cn/images/2c9d0ea7f6c6517422a43028c3676c34.png)

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

## Perplexity推出专利搜索神器，自然语言解锁全球智慧宝库

您是否曾为繁琐复杂的专利搜索而头痛？现在，Perplexity公司推出的免费AI工具 Perplexity Patents 将彻底改变这一现状。该工具整合了多个平台的专利数据，用户只需通过简单的自然语言提问，就能快速、精准地找到所需的专利信息。虽然目前仍处于测试阶段，但它已向所有用户开放，预示着专利研究将变得前所未有的高效与便捷。

![image.png](https://static.downly.cn/images/4b56963eab7465790a84f9c1f07729cc.png)

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



## 阿里通义千问再进化，Qwen3-Max上线“深度思考”功能

阿里巴巴旗下的通义千问模型迎来了重磅升级。最新发布的Qwen3-Max模型，参数量已突破万亿级别，并在官网上线了创新的“深度思考”功能。该模式通过对复杂问题进行多步骤拆解和推理链分析，极大地提升了处理复杂任务的效率和准确性，尤其在代码生成和智能体（Agent）能力上取得了显著进步。

![image.png](https://static.downly.cn/images/e18f4de48fe71316f4c96c68b9c6b0e4.png)

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

## AI内容创作走向合规，Perplexity与Getty Images达成战略合作

在AI生成内容的版权争议声中，Perplexity AI迈出了关键一步。该公司已与全球知名的图片库Getty Images达成了一项多年的授权协议。未来，Perplexity的AI搜索工具将能够合法使用Getty海量的正版图片资源。此举不仅解决了内容抓取和抄袭的争议，也标志着AI行业正积极转向与内容创作者建立官方、合法的合作关系。

![image.png](https://static.downly.cn/images/34488bf3688621cc3768334c99f72e9e.png)

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

## 苹果Siri迎来史上最大升级，谷歌Gemini技术强势赋能

苹果正全力推进其“Apple Intelligence”项目，计划在明年3月推出迎来重大革新的新版Siri。据悉，这次升级将深度整合谷歌强大的Gemini技术，以提升Siri的智能水平和对话能力。同时，苹果还将发布配备扬声器和壁挂选项的新型智能家居显示屏，以及新款Apple TV和HomePod mini，这些设备将成为展示AI新功能的重要载体。

![image.png](https://static.downly.cn/images/cd42c0c348cb21cd95cd9e333776bfa0.png)

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

## OpenAI视频生成工具Sora 2扩大开放，亚洲市场首次接入

备受期待的OpenAI视频生成工具Sora 2，现已取消邀请码限制，正式向美国、加拿大、日本和韩国的用户开放。用户可以直接通过App Store下载并使用ChatGPT账号登录。这是该工具首次大规模扩展至亚洲市场。据悉，本次开放是一次限时测试，旨在评估服务器的承载能力并广泛收集用户反馈，为未来的全面推广做准备。

![image.png](https://static.downly.cn/images/5f228297599ba7cfb076ac229a6e11e3.png)

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

每日AI资讯1103：苹果谷歌强强联手，Sora 2震撼开放

> 科技浪潮奔涌向前，人工智能领域风起云涌。本期资讯我们将聚焦AI界的最新动态：OpenAI携开发者日重磅出击，不仅预告了GPT-5的编程能力飞跃，更将ChatGPT推向平台化，构建全新AI应用生态；国内AI力量同样不容小觑，首个羊产业大模型“苏武”横空出世，精准赋能传统行业；阿里与腾讯则在多模态与文生图领域持续发力，模型性能再攀新高；同时，AI在网络安全、视频互动乃至芯片散热等前沿领域的应用也取得了突破性进展。

## ChatGPT 不再只是聊天工具，OpenAI 开启应用平台时代
OpenAI在开发者日上投下重磅消息，宣布将通过Apps SDK将ChatGPT打造为第三方应用平台。此举意味着开发者将能直接在ChatGPT内部构建交互式应用和自主AI代理，这不仅将彻底改变用户与AI的互动方式，提升任务处理效率，更预示着一个全新AI应用生态的诞生。
![image.png](https://static.downly.cn/images/342208fbedf333db273c051ba87d1fc6.png)
图源备注：图片由AI生成

## AI “牧羊人” 上岗，首个羊产业大模型“苏武”发布
智慧农业再添新篇章。在第二十一届羊业发展大会上，西北农林科技大学陈玉林团队发布了全国首个羊产业垂直大模型 “苏武智慧养羊大模型V1.0”。该模型基于Qwen3架构自主研发，覆盖了羊产业的全品类与全链条，通过创新的算法架构，旨在以AI之力赋能传统养羊业，实现智慧养殖。
![image.png](https://static.downly.cn/images/63694706e775f4e1cc9dd38e4d99a802.png)
图源备注：图片由AI生成

## GPT-5 编程能力前瞻，OpenAI 推出 Codex Alpha 抢先体验
OpenAI已启动“Codex Alpha”抢先体验计划，正式邀请部分开发者在DevDay2025全面发布前，提前试用新一代的Codex模型及其强大功能。这标志着GPT-5在编程领域的巨大升级已近在眼前，开发者将有机会率先体验顶尖AI编程助手的未来形态。
![image.png](https://static.downly.cn/images/07d0fc9071997259df13c1b97e6a3f44.png)
图源备注：图片由AI生成

## 虚拟人不再“照本宣科”，Synthesia 3.0 推出可实时对话的视频代理
AI视频生成平台Synthesia发布了其3.0版本的重大升级，推出了革命性的“视频代理”功能。现在，平台生成的虚拟形象不再局限于播放预设脚本，而是能够与观众进行实时互动、对话、回答问题，甚至可以访问企业内部的专属信息库。这一突破极大地增强了虚拟人在企业培训和客户服务等场景中的真实感与实用性。
![image.png](https://static.downly.cn/images/51120bc6b562c43a95f0d507d8a35468.png)
图源备注：图片由AI生成

## 阿里多模态模型再进化，Qwen-VL-30B-A3B挑战GPT-5-Mini
阿里巴巴在多模态领域再添力作，推出了两款拥有30亿参数的新模型Qwen3-VL-30B-A3B。新模型在数学推理、图像识别和视频处理等多个维度上均表现出卓越性能，其实力足以与GPT-5-Mini等业界顶尖模型相媲美，展示了其强大的技术竞争力。
![image.png](https://static.downly.cn/images/eea0ab6601eda28b4855805be3849b93.png)
图源备注：图片由AI生成

## 全球用户票选第一，腾讯混元图像3.0文生图能力登顶
实力无需多言，用户的选择就是最好的证明。在全球文生图模型竞技场LMArena的最新榜单中，腾讯混元图像3.0大模型凭借真实用户的投票，超越了包括顶尖闭源模型在内的26个全球竞争者，成功登顶。这一成绩有力地证明了其在实际应用中的优越性与受欢迎程度。
![image.png](https://static.downly.cn/images/a67cad77fb87f112347022d6145cabaa.png)
图源备注：图片由AI生成

## AI 化身“安全卫士”，Claude 4.5 漏洞发现能力实现飞跃
Anthropic公司的最新大型语言模型Claude Sonnet 4.5正在成为网络安全领域的一股新锐力量。该模型在软件漏洞发现率上实现了显著飞跃，达到5%，远超前代模型的2%。在CyberGym的网络安全实战测试中，Claude Sonnet 4.5展现了高效增强网络防御的强大能力，预示着AI将在未来的网络攻防战中扮演关键角色。
![image.png](https://static.downly.cn/images/4aa8339528e4340655524e44e05d5793.png)
图源备注：图片由AI生成

## 挑战硬件边界，OpenAI 联手前苹果设计师打造颠覆性 AI 设备
OpenAI正与前苹果设计总监Jony Ive的工作室LoveFrom合作，共同打造一款颠覆性的AI硬件设备。据透露，该设备将具备主动学习能力，能像电影《她》中的AI伴侣一样，与用户进行流畅自然的对话，并无缝融入日常生活。尽管可能因计算瓶颈与隐私问题推迟发布，但其未来的产品形态可能包括无屏智能音箱、录音设备或可穿戴设备，远超现有智能音箱的体验。
![image.png](https://static.downly.cn/images/6c26c682b235dda1338e7dadc59b5e73.png)
图源备注：图片由AI生成

## 为AI芯片“降温”，微软测试微流控冷却技术
随着AI算力的飙升，数据中心的散热问题日益严峻。微软正在研发一种新型的微流控芯片冷却技术，旨在有效解决AI数据中心的散热难题。这项技术有望为AI基础设施的大规模部署扫清障碍，同时显著降低能源消耗，提高整体运行效率。
![image.png](https://static.downly.cn/images/aa11c879283e0a9c060a49d951879411.png)
图源备注：图片由AI生成

每日AI资讯1007：平台化浪潮与模型能力新高度

> 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

每日AI资讯0907：阿里万亿模型横空出世，OpenAI重组破解AI“幻觉”

> 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)

搜索结果: 科技浪潮