> 今日AI圈迎来多维度爆发，视频生成领域战况升级，Runway与国产PixVerse竞相推出“导演级”更新，力求在叙事与画质上实现突破；模型层面，谷歌Gemini 3、DeepSeek V3.2与Liquid AI的新动作显示出从端侧到云端的全面内卷；英伟达则在自动驾驶与Agent调度上展现硬核实力，而OpenAI正探索“技术入股”的新商业模式。


---

## Runway Gen-4.5盲测夺冠 120人团队硬刚科技巨头

Runway再次证明了小团队的惊人爆发力。其最新发布的Gen-4.5视频生成模型，凭借自研的时空混合Transformer架构，在第三方盲测中一举超越了谷歌Veo3和OpenAI Sora2Pro。这一战绩不仅是技术上的胜利，更打破了“大厂垄断”的迷信，展示了专注研究与快速迭代的巨大价值。

新模型在视觉准确性与创意控制力上实现了显著飞跃。创作者现在仅需简短的文本提示，即可生成高清、场景复杂且角色生动的动态视频。基于Nvidia GPU的深度优化，Gen-4.5在处理光影变化和物体物理运动时显得尤为细腻，标志着AI视频生成正从“尝鲜”走向“专业创作”的深水区。

![image.png](https://static.downly.cn/images/9d2859df58601645903701e2d8d8a352.png)
<center>图源备注：图片由AI生成</center>

## 国产爱诗科技PixVerse V5.5 开启AI视频多镜头叙事时代

国内AI视频领域同样传来捷报。爱诗科技发布的PixVerse V5.5（拍我AI V5.5）被业界视为国内首个落地“导演级”能力的多镜头叙事视频大模型。基于自研的MVL架构，该模型彻底改变了以往AI视频“单镜头拼凑”的尴尬局面。

此次更新的核心亮点在于“多镜头+音画同步一键直出”。用户输入一句话，模型不仅能生成画面，还能自动完成脚本编写、分镜设计以及音效匹配。特别是其智能多镜头切换功能，支持在5至10秒内自然过渡远、中、近景，运镜流畅度大幅提升，让普通用户也能轻松制作出具有完整叙事逻辑的短片。

## 谷歌搜索大变革 Gemini 3携手Nano Banana Pro登陆全球

谷歌在搜索与多模态领域的反击势头迅猛。原生多模态大模型Gemini 3正式登场，涵盖Pro和Ultra版本，目前已向全球近120个国家地区的订阅用户开放。这不仅是一次模型升级，更是谷歌搜索体验的一次AI革命。

与此同时，谷歌还推出了专注于图像处理的Nano Banana Pro模型。该模型主打高分辨率输出与专业级控制，旨在满足设计与创意领域的精细化需求。这一系列动作表明，谷歌正加速将顶尖AI能力整合进其庞大的生态系统，试图在多模态竞争中重新确立领军地位。

![image.png](https://static.downly.cn/images/9ab3e1a0f2dccc98c373f6e27f8f9e76.png)
<center>图源备注：图片由AI生成</center>

## 深度求索DeepSeek-V3.2发布 性能比肩顶尖闭源模型

中国AI公司深度求索（DeepSeek）继续在开源领域刷新纪录。新发布的DeepSeek-V3.2系列模型引入了创新的稀疏注意力机制，这一架构上的优化直接击中了当前大模型应用的最大痛点——成本。

在大幅降低长文本处理计算成本的同时，V3.2版本的性能并未缩水，反而增强了Agent（智能体）的执行能力。官方数据显示，其综合能力已具备与GPT-5和Gemini 3.0 Pro等国际顶级闭源模型同台竞技的实力，为开发者提供了极具性价比的高性能替代方案。

## 英伟达自动驾驶新突破 让汽车拥有人类常识

英伟达在NeurIPS 2025上扔下了一枚重磅炸弹：L4级自动驾驶推理模型Alpamayo-R1。不同于传统的规则驱动或单一感知模型，Alpamayo-R1基于Cosmos-Reason系列，采用视觉、语言、动作三模态端到端统一架构。

该模型最大的特点是让车辆学会了“先思考，再行动”。它能够同步处理摄像头画面、激光雷达点云数据以及文本指令，通过多模态融合理解复杂的交通场景。这种具备“人类常识”的决策能力，有望解决自动驾驶在极端或长尾场景下的失效问题，让车辆的驾驶行为更加拟人和安全。

![image.png](https://static.downly.cn/images/a82a1ae940dea54a2d95b1ff65acc8ef.png)
<center>图源备注：图片由AI生成</center>

## Liquid AI推出LFM2 让端侧小模型拥有云端战力

MIT创企Liquid AI正在重塑“小模型”的定义。其发布的第二代设备端基础模型LFM2，采用了创新的“liquid”架构。这一架构在训练和推理效率上表现惊人，使得仅有350M、700M和1.2B参数的小模型，也能展现出媲美云端大模型的性能。LFM2的出现，为手机、IoT设备等边缘计算场景的智能化提供了强有力的技术支撑。

## NVIDIA发布Orchestrator-8B 打造AI系统的智能大脑

为了解决AI系统依赖单一模型可能产生的决策偏差，英伟达推出了一种名为ToolOrchestra的新方法。该方法的核心是一个基于强化学习训练的小型语言模型——Orchestrator-8B。

这个8B参数的模型就像AI系统的“指挥官”或“大脑”，能够智能地评估任务需求，从工具库中选择并组合最合适的工具或子模型来执行任务。这种灵活的调度机制，显著提升了复杂任务的处理效率和准确性。

## OpenAI开启技术换股权模式 联手Thrive Holdings布局商业闭环

OpenAI正在探索一种全新的商业合作范式。在与Thrive Holdings的最新交易中，OpenAI并未直接支付现金，而是通过提供技术资源和开放接口来换取对方的股权及投资收益。双方将聚焦于会计与IT服务领域的AI闭环改造，这表明OpenAI正试图将自身的底层技术优势转化为更深度的行业绑定，锁定长期商业价值。

## 自然语言编程成风潮 灵光App两周涌现330万应用

通用AI助手“灵光”App上线仅两周，便交出了一份惊人的成绩单：用户创建了超过330万个“闪应用”。这一现象级的数据揭示了大众对于AI工具的极度渴求。用户通过简单的自然语言描述，就能快速构建出满足互动娱乐、日常工具等碎片化需求的应用，预示着“人人都是开发者”的时代正在加速到来。

每日AI资讯1202：视频模型全面进化，英伟达谷歌OpenAI硬核混战

> 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：今日AI界风起云涌，科技巨头纷纷加码机器人领域，特斯拉与Meta竞相布局，力图抢占未来智能硬件高地。与此同时，从谷歌的通用视觉模型Veo3，到阿里云的安全护栏Qwen3Guard，再到快手与蚂蚁百灵推出的高效能模型，AI技术正以前所未有的速度迭代升级，展现出强大的应用潜力与商业价值。

## 特斯拉的“擎天柱”雄心：人形机器人将成核心产品

特斯拉正全力推进其人形机器人“擎天柱”的规模化生产。CEO埃隆·马斯克预测，该机器人未来可能成为公司最重要的产品，其战略地位日益凸显。自去年十月展示其多样化功能以来，“擎天柱”在技术和商业化潜力上均取得了显著进步，预示着一个由智能机器人深度参与社会生产的新时代即将来临。

![image.png](https://static.downly.cn/images/f6624ba47b5947a3c6d630fd8beb001d.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Veo3震撼发布：不止于视频生成，更能自主解谜

谷歌最新推出的Veo3视频生成模型实现了重大技术飞跃。该模型无需经过额外训练，便能自主完成寻找物体、修复图片甚至解决数独和迷宫等复杂的视觉任务。其强大的通用性被誉为视觉AI领域的“GPT-3时刻”，展示了AI在多模态理解与执行方面的惊人能力。

![image.png](https://static.downly.cn/images/029c4da135bf12b9a3501a0d95e427ea.png)
<center>图源备注：图片由AI生成</center>

## 苹果秘密武器Veritas曝光：加速Siri智能化升级

为应对日益激烈的AI市场竞争，苹果公司正在内部测试一款名为“Veritas”的新型聊天机器人。该工具旨在模仿ChatGPT和Gemini等先进AI模型，用于快速测试新功能，从而加速下一代Siri的开发进程，有望大幅提升Siri的用户体验和智能化水平。

![image.png](https://static.downly.cn/images/9e8fa83d6700876aa23a11078eee6187.png)
<center>图源备注：图片由AI生成</center>

## LiquidAI新突破：Liquid Nanos让边缘设备更智能

LiquidAI公司发布了专为树莓派等边缘计算设备优化的Liquid Nanos系列轻量级AI模型。该系列包含350M和1.2B两种参数版本，支持翻译、信息抽取、RAG、工具调用及数学推理等多种功能。此举旨在满足边缘设备在低功耗下实现高性能AI应用的需求，为开发者提供了灵活多样的解决方案。

![image.png](https://static.downly.cn/images/f70a113225dfd3cbc00d59eb2b2f420f.png)
<center>图源备注：图片由AI生成</center>

## Meta的机器人宏图：打造机器人界的“安卓”平台

Meta公司正投入巨资开发一个类似“安卓”系统的开放式人形机器人平台。该计划旨在利用其强大的大模型和海量数据资源，为机器人赋予更高的智能，从而重塑行业格局并巩固自身的核心技术优势。相关研究已于今年初全面启动，显示出Meta在机器人领域的巨大野心。

![image.png](https://static.downly.cn/images/fa3dc7f07f01952e73e58d5e57474b9c.png)
<center>图源备注：图片由AI生成</center>

## 阿里云通义新成员：Qwen3Guard为AI安全保驾护航

阿里云通义团队发布了其首款安全护栏模型Qwen3Guard。该模型基于Qwen3架构进行微调，专注于提升AI交互的安全性，能够精准识别并防护用户输入及AI生成内容中的潜在风险，为人工智能的健康发展提供了可靠的安全保障。

![image.png](https://static.downly.cn/images/e273d5ac61df5e9b21436527de0691c2.png)
<center>图源备注：图片由AI生成</center>

## 蚂蚁百灵开源新模型：大幅降低AI深度推理成本

蚂蚁百灵团队开源了两款高效思考模型——Ring-flash-linear-2.0和Ring-mini-linear-2.0，同时发布了FP8融合算子与线性Attention推理融合算子。这些创新旨在显著提升AI的深度推理效率，支持处理超长上下文，并通过架构与算子的协同优化，实现了性能的飞跃，有效降低了AI应用的推理成本。

![image.png](https://static.downly.cn/images/6e11b5f3c99c53106604b7dcb05a4a0f.png)
<center>图源备注：图片由AI生成</center>

## 快手KAT代码大模型发布：代码生成能力表现卓越

快手Kwaipilot团队正式发布了KAT-Dev-32B和KAT-Coder两款代码智能大模型。其中，开源的32亿参数模型KAT-Dev-32B在权威的SWE-Bench测试中，问题解决率高达62.4%，位列开源模型第五。该系列模型旨在提升开发者的编程效率，并推动代码智能技术在更多场景下的应用与发展。

![image.png](https://static.downly.cn/images/4356e5bdad5ddd919cc300e4edfdd7ad.png)
<center>图源备注：图片由AI生成</center>

## Moondream3.0惊艳登场：视觉推理超越GPT-5

新发布的Moondream 3.0预览版模型在多项基准测试中展现了卓越的性能。该模型采用高效的混合专家架构，仅激活2亿参数（总参数9亿），便在视觉推理能力上超越了GPT-5、Gemini和Claude4等顶尖模型，并支持高达32K的上下文处理，实现了视觉AI技术的重大突破。

![image.png](https://static.downly.cn/images/a08bd39fe0ddf40825c6fd82cc10daf3.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0929：巨头竞逐机器人赛道，多款AI模型迎来新突破

> 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领域精彩纷呈，从能够自主思考并执行复杂任务的ChatGPT Agent，到实时转换视频流的扩散模型MirageLSD，再到专为能源领域打造的朗新九功大模型，AI技术正以前所未有的速度渗透到各行各业。此外，Mistral AI与谷歌Veo3的更新也分别在聊天机器人和视频生成领域展现了新的可能性，共同描绘了一幅AI技术加速改变世界的画卷。

---

## OpenAI重磅出击 ChatGPT Agent将“思考”化为“行动”

OpenAI最新发布的ChatGPT Agent，标志着AI技术从被动的对话助手向能够主动执行复杂任务的智能体实现了重要跨越。这款Agent能够像人类一样，通过虚拟浏览器、代码终端和API接口进行网页浏览、在线购物、执行代码乃至制作PPT。用户仅需下达一次指令，Agent便能自主规划并完成一系列复杂步骤，极大地提升了工作效率。在多项基准测试中，ChatGPT Agent的性能已超越现有模型。OpenAI在强调其强大功能的同时，也注重安全性设计，确保用户拥有最终控制权。目前，该功能已向部分订阅用户开放，并计划逐步推广，它被视为通往更强大通用人工智能的关键基石。

![image.png](https://static.downly.cn/images/ccac3fcaf078a86d2291961eb9235eb3.png)

---

## 朗新科技发布AI能源大模型 电力交易迈入智能时代

朗新科技集团在第三届链博会上正式推出了其自主研发的“朗新九功AI能源大模型”。该模型创新性地结合了千亿级规模、预测准确率超过90%的“时序预测”引擎与具备动态数据融合、秒级响应能力的“AI智能体”引擎。目前，这一先进技术已在广东、山东、浙江等地的电力现货市场得到广泛应用。它的核心目标是显著提升电力交易的智能化水平和决策效率，为复杂的能源管理提供科学依据，有力推动电力市场的技术革创新发展。

![image.png](https://static.downly.cn/images/fcea672956f6a0d53b3e31ce9943bae0.png)

---

## 直播革命 MirageLSD模型实现实时视频场景变换

全球首个直播流扩散模型MirageLSD震撼发布，它凭借低于40毫秒的超低延迟，能够实时将任何视频流无缝转换为用户指定的场景。无论是改变直播背景、重塑游戏画面，还是实现虚拟换装，用户都能轻松操作。该技术甚至支持在30分钟内快速开发一款新游戏，为直播、游戏制作、动画创作等领域带来了颠覆性的变革，开启了实时内容创作的无限可能。

![image.png](https://static.downly.cn/images/824f6a8bf987d9333b62a3b13eaae6e1.png)

---

## Mistral AI Le Chat全面升级 语音交互与高级图像编辑成亮点

Mistral AI旗下的聊天机器人Le Chat迎来重磅更新，新增了五大核心功能，包括深度研究模式、语音输入、通过文本指令编辑图像以及项目管理工具。新版本整合了Voxtral和Magistral等先进模型，旨在全方位提升用户体验。此次更新使得Le Chat在信息整合、语音交互、图像处理和团队协作方面变得更加强大和高效，现已全面向用户开放，展现了其在多模态交互领域的雄心。

![image.png](https://static.downly.cn/images/81a1807a79f0af4b91bb6b1ba7e463d5.png)

---

## 谷歌开放旗舰视频模型Veo3 高成本下的专业级创作方案

谷歌现已通过Gemini API向开发者开放其顶级的视频生成模型Veo3。开发者可以通过简单的文本提示，即可创建高分辨率的视频，并能同步生成匹配的音频。尽管使用成本相对较高，但Veo3为视频制作、动画设计等专业领域提供了一个前所未有的高效解决方案。目前，已有Cartwheel和Volley等公司率先采用该模型，成功将其应用于2D动画到3D动画的转换以及游戏过场动画的制作中，展示了其巨大的商业应用潜力。

![image.png](https://static.downly.cn/images/2e2749ee98d91c6a439a163a7d2ab8c1.png)

---


每日AI资讯0718：自主智能体与实时视频生成引领AI新浪潮

> 谷歌最新发布的Veo 3迎来逆天升级，其核心功能已能将普通的静态照片直接转化成能开口讲话的“活人”视频，栩栩如生。这一突破性技术正迅速冲击广告和动漫制作行业，预示着一个全新的内容创作时代即将来临。

## Veo 3“活化”照片惊艳亮相

谷歌最新一代视频生成模型Veo 3近日迎来了一次颠覆性的功能升级，其核心亮点在于能够将一张普通的静态照片，通过AI技术瞬间“活化”成一段流畅、自然的视频，其中人物不仅能动起来，甚至能模拟开口讲话的动作和面部表情，达到以假乱真的效果。
<video src="https://static.downly.cn/images/0337ce2ce8c2af06e84359dec44e48eb.mp4" title="New Veo 3 Update ｜ Audio + Video from an Image.mp4"></video>
这项技术的强大之处在于，它超越了传统的图片动画或简单的面部表情合成，能够生成更具连贯性和真实感的动态视频内容，仿佛让照片中的人物真的“活了过来”。这一能力的展示，迅速在科技界和内容创作领域引起了广泛关注和热议。


## 技术突破：从静态到“开口说话”的质变

Veo 3能够实现“照片秒变活人开口讲话”的关键，在于其在深度学习和生成对抗网络（GAN）或扩散模型等技术上的显著进步。模型不仅能够精准地捕捉并理解人脸的细微特征和表情，还能根据预设的语音或文本，智能地生成与声音同步的嘴型、面部肌肉运动以及头部姿态。

这一技术不再局限于简单的2D平面动画，而是能够模拟3D空间中的运动和光影变化，使得生成的视频在视觉上更加自然流畅，避免了以往AI生成视频中常见的“僵硬感”或“恐怖谷效应”。这种质的飞跃，将极大地降低视频内容创作的门槛和成本。
![image.png](https://static.downly.cn/images/6325f8bc7237bc49cf3db57660dbb11c.png)

## 广告与动漫圈的“一夜沦陷”

Veo 3的这项能力，对广告和动漫行业而言，无异于一场革命。

在**广告行业**：
* **成本骤降**：企业无需再投入巨资聘请真人模特、拍摄团队、租用场地，甚至可以“复活”已故名人或创造虚拟代言人，极大降低广告制作成本。
* **效率提升**：从创意到产出视频广告的时间将大幅缩短，加速营销活动的迭代。
* **个性化定制**：可以根据不同的受众群体，快速生成定制化的广告视频，实现精准营销。想象一下，一个代言人可以用几十种不同的语言，以完全逼真的口型对着不同的消费者讲话。

在**动漫及虚拟人行业**：
* **角色活化**：可以直接将静态的动漫角色图片或虚拟人形象，赋予其说话、表达情感的能力，省去了大量的手绘动画和面部骨骼绑定工作。
* **内容生产加速**：动画师可以将更多精力投入到创意和故事叙述上，而非繁琐的动画制作细节。
* **虚拟偶像新纪元**：进一步推动虚拟偶像和数字分身的发展，让虚拟形象的互动性和表现力达到前所未有的高度。

业界普遍认为，Veo 3的出现，将彻底改变这两个行业的生产流程和商业模式，引发一轮全新的内容创作高潮。

![image.png](https://static.downly.cn/images/4772a84a47d7e6416fd024a8892e5147.png)

## 挑战与未来展望

尽管Veo 3展现出惊人的潜力，但其普及和应用仍面临一些挑战。例如，技术成熟度、伦理问题（如深度伪造）、以及如何平衡自动化与人类创意等。如何确保生成内容的真实性和可信度，将是未来需要重点关注的问题。

然而，不可否认的是，谷歌Veo 3的升级，为我们描绘了一个充满无限可能的未来。它预示着一个“每个人都能成为视频创作者”的时代即将到来，传统内容制作的壁垒将被打破，创意将成为更核心的竞争力。随着技术的进一步发展，我们有望看到更多颠覆性的应用，彻底改变我们获取和消费信息的方式。

![image.png](https://static.downly.cn/images/3f92522c5dde19229d2843798f784782.png)

谷歌Veo 3震撼升级：静态照片秒变开口说话活人，广告动漫界或被颠覆

> **导语** 本期AI资讯看点纷呈：从Stability AI将音频创作带入移动端，到字节跳动让单目视频秒变4D大片；从DeepSWE刷新AI编程代理新高度，到亚马逊机器人大军突破百万；同时，阿里、NVIDIA等公司在数字人、图像描述及编辑领域也推出了重磅开源模型。此外，我们还将关注谷歌视频模型Veo 3在游戏领域的巨大潜力，以及ChatGPT流量变化对新闻行业带来的深远影响。

---





## 手机秒变作曲家 Stability AI与Arm联手打造掌上音频创作神器

Stability AI 近期与 Arm 合作，开源了一款名为 Stable Audio Open Small 的轻量级文本到音频生成模型。该模型经过专门优化，能够直接在手机等移动设备的 Arm CPU 上本地运行，高效生成长达47秒的高质量立体声音频。这一进展标志着AI音频生成技术正从云端走向边缘计算和移动设备，为用户随时随地进行音乐创作提供了极大的便利。值得一提的是，该模型使用了免版税的数据进行训练，确保了其在商业和个人应用中的合规性。

![image.png](https://static.downly.cn/images/fa4f0ccf02d7644eb3bc9f85f71336bf.png)

---

## 字节跳动开源EX-4D 单视角视频一键生成自由视角4D大片

字节跳动PICO-MR团队近日开源了一项名为EX-4D的创新框架，它能够将单一视角的普通视频，转化为可以自由变换观看角度的高质量4D动态影像。该框架的核心技术是一种创新的动态高斯网格表示法（DW-Mesh），它有效解决了传统方法中因物体遮挡和数据稀疏导致的渲染难题。在多项性能指标测试中，EX-4D全面超越了现有的开源方法，并在用户主观评估中获得了高度评价，为未来沉浸式3D内容创作和复杂世界模型的构建提供了强有力的技术支持。


![image.png](https://static.downly.cn/images/7d80dfd56cf33f1c27c86ce4a739c547.png)


---

## AI程序员新王者诞生 DeepSWE登顶开源榜单

由 Together.ai 和 Agentica 联合发布的 AI Agent 框架 DeepSWE，正迅速成为软件工程领域的焦点。该框架基于阿里巴巴强大的 Qwen3-32B 模型，并通过强化学习进行了深度训练。在衡量AI代码能力的权威测试集 SWE-Bench-Verified 中，DeepSWE 以高达 59% 的准确率，成功登顶开源AI代理排行榜。这一成绩不仅展示了其在处理真实世界软件工程任务时的卓越能力，也预示着AI在自动化编程和软件开发领域巨大的应用潜力。

![image.png](https://static.downly.cn/images/4ffb051e17cf6be10cc0cedd56ea0e83.png)

---

## 亚马逊机器人大军突破百万 Deep Fleet AI模型加持物流新纪元

亚马逊近日宣布，其在全球部署的机器人数量已正式突破一百万大关。为了更高效地管理和调度这支庞大的机器人车队，亚马逊同时发布了一款全新的AI基础大模型 Deep Fleet。该模型旨在通过先进的AI算法，进一步优化包裹的分拣、搬运和配送流程，从而显著提升物流速度并降低整体运营成本。这一里程碑事件标志着亚马逊在其自动化物流网络建设上取得了重大突破。

![image.png](https://static.downly.cn/images/56e071229823efb738d96596c40b4943.png)

---

## 阿里再放大招 OmniAvatar让你的照片开口说话

![image.png](https://static.downly.cn/images/454330caa209ee65cca94f4de764d779.png)
阿里巴巴近日开源了一款名为 [OmniAvatar](https://omni-avatar.github.io/) 的音频驱动数字人模型。该模型基于先进的 Wan 2.1 技术，用户只需上传一张静态照片、一段音频和相应的文字脚本，即可快速生成一个口型精准匹配、动作表情自然的数字人播报视频。官方建议生成30秒以内的视频片段以获得最佳效果。尽管该模型对硬件有一定要求，需要至少36G显存才能流畅运行，但其在现有开源数字人模型中的表现已属顶尖水平，为个人和企业低成本创造虚拟形象提供了新的可能。
<video src="https://static.downly.cn/images/c795cc4b97f7f5b012c0ff72ad4f4bf5.mp4" title="30819483777-1-16.mp4"></video>


---

## 指哪说哪 NVIDIA发布DAM模型精准描述图像局部细节

![image.png](https://static.downly.cn/images/640f40bcf94b7e3371f29944b364eb90.png)
NVIDIA 最近推出了一款名为“描述一切模型”（Describe Anything Model, DAM）的多模态大语言模型，极大地提升了图像理解的精细度。用户可以通过在图片或视频上进行点击、画框、涂鸦甚至使用遮罩等多种直观方式，来指定自己感兴趣的任何区域，DAM模型便能针对该特定区域生成详尽而准确的文字描述。目前，该模型已经提供了在线演示版本，供用户体验其强大的“指哪说哪”功能。[官网地址](https://describe-anything.github.io/)，[体验地址](https://huggingface.co/spaces/nvidia/describe-anything-model-demo)

<video src="https://static.downly.cn/images/c7b71bb21d04a5515f08aed684cbfbc2.mp4" title="30819484438-1-16.mp4"></video>

---

## 开口即P图 开源对话式图像编辑器EasyEdit发布
![image.png](https://static.downly.cn/images/739df71a77f1beaa7f58b741c422a4ed.png)
一款名为 [EasyEdit](https://www.easyedit.io/) 的开源图像编辑器为图片修改带来了全新的交互方式。它采用了先进的 Flux KContext 模型，允许用户通过简单的自然语言对话来智能地编辑图片。无论是想“把天空换成蓝色”还是“让这个人笑起来”，都可以通过聊天的方式实现。目前，用户可以在网页端免登录使用其基础模型，而功能更强大的高级模型则需要提供API Key来调用，这为普通用户和开发者都提供了灵活的选择。
<video src="https://static.downly.cn/images/3c26012f9a587f56fbbc736cbffafb15.mp4" title="30819484073-1-16.mp4"></video>

---

## 游戏世界的下一场革命 谷歌Veo 3或将开启可玩世界模型

谷歌 DeepMind 的首席执行官 Demis Hassabis 近日在一个公开场合暗示，谷歌最新、最强大的视频生成模型 Veo 3，其技术潜力远不止于生成视频片段，未来很有可能被应用于视频游戏领域。这一表态引发了业界的广泛猜测，如果Veo 3的技术能够实时生成和渲染游戏世界，或将催生出真正的“可玩世界模型”，彻底改变现有游戏引擎的开发范式，为玩家带来前所未有的动态和开放世界体验。

![image.png](https://static.downly.cn/images/b6722e0ee4fca884585278d0ecdd1c15.png)

---

## 杯水车薪 ChatGPT推荐流量难解新闻网站搜索量下滑之渴

根据最新数据分析，尽管像ChatGPT这样的人工智能聊天工具为新闻网站带来的推荐流量呈现增长趋势，但这部分增长远不足以弥补因传统搜索引擎流量下滑所造成的巨大缺口。数据显示，自2024年中期达到峰值以来，许多新闻网站的自然搜索流量已大幅下降，总访问量从超过23亿次减少到如今的不足17亿次。这一严峻趋势表明，新闻行业正面临着由AI技术驱动的流量结构性变迁，如何适应新的信息分发渠道已成为一个紧迫的课题。

![image.png](https://static.downly.cn/images/42669ccb9e6199d29f2f3a31592cc967.png)

搜索结果: 谷歌Veo