




> 导语 本期AI资讯聚焦全球科技巨头的最新动态与垂直领域的创新应用。谷歌与OpenAI在图像生成和教育领域展开激烈竞争，分别升级Imagen 4并推出ChatGPT学习模式；微软则着眼未来，洽谈确保AGI时代后的技术使用权。与此同时，国产AI也硕果累累，WPS智能体让办公更高效，通义千问新模型实现性能飞跃，新型大模型将照片修复推向8K超清时代。从医疗到制造，人形机器人和专业妇科大模型的出现，标志着AI正深度融入各行各业，重塑未来生产与生活。

## WPS灵犀 您的原生Office办公智能体

WPS灵犀作为一款原生的Office办公智能体，正通过其强大的自然语言处理能力，重新定义我们的工作方式。它能够听懂人话，轻松处理文档、制作PPT、分析数据等多种办公任务。这款智能体极大地解放了用户在重复性、低价值工作上耗费的时间和精力，让人们可以更专注于需要创造性与深度思考的核心任务，成为我们高效工作不可或缺的伙伴。

![image.png](https://static.downly.cn/images/d5a548b5e6ee0e859fdbcb71ddf275d2.png)

## 新型图像复原大模型HYPIR实现8K超清修复

中国科学院深圳先进技术研究院推出了一款名为HYPIR的新型图像复原大模型，它能在短短1.7秒内将模糊的旧照片修复至惊人的8K超高清画质。该模型尤其擅长高保真地恢复图像中的文字等精细细节。经过三次迭代升级，HYPIR在修复的准确性和细节表现上已获得显著提升，未来有望在文化遗产保护、影视制作、科学研究及医疗影像等多个领域发挥重要作用。

![image.png](https://static.downly.cn/images/3fa1f11ce305b4773eea38c781507007.png)

## 谷歌升级Imagen 4 AI图像生成领域竞争加剧

谷歌近期悄然升级了其文本到图像生成模型——Imagen 4 Ultra。新版本在图像细节、真实感和处理复杂指令方面实现了性能飞跃，已跻身全球顶尖模型行列。更具看点的是，其每千张图像60美元的定价远低于竞争对手OpenAI的GPT-4o，展现出明显的性价比优势。配合其快速的生成速度和多平台接入能力，Imagen 4的升级标志着AI图像生成领域的竞争正变得日益激烈。

![image.png](https://static.downly.cn/images/da5132a93800f1fd5a06bbce2e2a9176.png)

## OpenAI推出ChatGPT Study 赋能个性化教育

OpenAI为ChatGPT推出了全新的学习模式“ChatGPT Study”，正式进军教育领域。该模式专为学生和教育工作者设计，集成了交互式提示、支架式回应、个性化辅导和知识点检查等多种功能，旨在提供一种更具互动性的个性化学习体验，帮助学生培养批判性思维，而不仅仅是提供现成答案。此举预示着AI将在教育领域扮演越来越重要的角色。

![image.png](https://static.downly.cn/images/5156462865f563f1818707ebef00ed4b.png)

## 通义千问开源新模型 3B参数媲美顶尖模型

阿里巴巴通义千问团队宣布开源Qwen3-30B-A3B-Instruct-2507新版本模型。该模型在通用能力、指令遵循、逻辑推理和长文本理解等方面均有显著提升。其最大亮点在于，在非思考模式下，仅需激活3B参数，其性能即可媲美Gemini 2.5-Flash和GPT-4o等顶尖的闭源模型，展示了极高的效率和性能。

![image.png](https://static.downly.cn/images/09edeceaf4a83b5d2d46a1d8e2cd5d4a.png)

## 乐聚机器人获大额融资 5G-A人形机器人将引领智能制造

乐聚机器人近期获得了新一轮重要融资，并计划在2025年前交付上千台人形机器人。公司正与华为云、深开鸿等伙伴紧密合作，借助先进的5G-A技术，将人形机器人应用于复杂的工业场景。此轮融资将有力推动人形机器人在智能制造领域的产业化进程，解决实际应用中的技术挑战。

![image.png](https://static.downly.cn/images/8fb9986dbb164d96e0d22ec243e69453.png)

## “豆蔻”妇科大模型通过国家级笔试 垂直医疗AI获突破

由壹生检康公司基于钉钉平台开发的“豆蔻妇科大模型”，近日成功通过了国家妇产科正高级职称的笔试，成为国内首个达到专业临床考试标准的、由创业公司在企业专属AI平台上训练的垂直医疗大模型。该模型的训练周期短、准确率高，为AI在医疗等专业领域的规范化应用提供了宝贵范本。

![image.png](https://static.downly.cn/images/70e3ff881e90cb8b7cb3d62b924582d4.png)

## 谷歌NotebookLM推出视频概览功能

谷歌为其AI笔记工具NotebookLM增加了一项新功能——视频概览。这项功能旨在通过更直观的可视化方式，帮助用户快速理解和掌握各类复杂的主题与概念，提升信息处理和学习的效率。

![image.png](https://static.downly.cn/images/87c5a7de6cc0e2b4ba08e8d3df7c12ca.png)

## Spotify暗示未来将推出更健谈的语音AI界面

音乐流媒体巨头Spotify暗示，公司未来计划推出一个更具对话性和互动性的语音AI界面。这意味着用户未来或许能与Spotify进行更自然的交流，获得更智能、更个性化的音乐推荐和播放体验，进一步提升用户粘性。

![image.png](https://static.downly.cn/images/3e3358731c8a4e045f61effe1c50118f.png)

## 谷歌AI搜索迎来Canvas等一系列重大更新

谷歌对其AI搜索模式进行了一系列重要升级。其中最引人注目的是新增了“画布”（Canvas）功能，它允许用户通过涂鸦、文字和图片等多种方式进行实时、直观的搜索。此外，实时搜索助手“Search Live”也得到了增强，为用户提供更加即时和智能的搜索体验。

![image.png](https://static.downly.cn/images/add2c9df72bb16b05db15ff3417c16ed.png)

## 微软洽谈新协议 确保AGI时代后仍可使用OpenAI技术

据报道，微软正在与OpenAI进行新的商业谈判，旨在确保即使在OpenAI实现通用人工智能（AGI）这一里程碑后，微软仍能继续获得其先进技术的使用权。这份新协议如果达成，将对两家公司的长期合作关系以及未来AI格局产生深远影响。

![image.png](https://static.downly.cn/images/12393e926bcdad405e92431d3b03eb6d.png)

每日AI资讯0730：谷歌微软OpenAI巨头激战，垂直领域AI应用全面开花



# 每日AI资讯

> 导语：今日AI界风起云涌，从ChatGPT在医疗领域的惊人突破，到地球观测迎来革命性工具EarthMind，再到B站、百度等巨头在内容创作工具上的新布局，技术创新与行业应用正加速融合。与此同时，腾讯开源新模型，而华为则陷入研发风波，展示了AI发展的光与影。




## 十年顽疾的“AI医生”：ChatGPT如何揭开罕见基因突变之谜

一名用户借助ChatGPT，成功识别出了医生长期未能诊断出的MTHFR基因突变，从而显著改善了自身的健康状况。这一案例揭示了当前医疗体系在面对罕见病时的挑战，如时间压力、信息孤岛等。AI通过整合海量信息并提供无偏见的分析，为患者开辟了新思路。当然，专家也提醒，任何AI提供的建议都需经专业医生确认，并注意个人健康信息的安全。

![image.png](https://static.downly.cn/images/9bc0398b625559be71987e9c8bd55a59.png)

## 地球的“读心术”：开源AI模型EarthMind洞察地球万象

由意大利和德国研究团队联合推出的开源多模态大模型EarthMind，正在革新地球观测数据分析的方式。该模型通过独特的空间注意力提示（SAP）模块，并融合光学、SAR等多种传感器数据，能够以前所未有的精度和效率理解复杂的地球数据。这为自然灾害监测、城市发展规划等领域提供了强大的决策支持。

![image.png](https://static.downly.cn/images/b3b549b57ebfd070772ebcf422371920.png)

## B站加码视频播客：AI创作工具“代号H”即将登场

据报道，B站正全力推进其视频播客业务，并计划推出一款代号为“H”的AI创作工具。此举旨在降低内容创作门槛，吸引更多播客创作者加入，并帮助他们顺利完成视频化转型。数据显示，视频播客业务已在B站展现出强劲的用户增长势头和消费时长，潜力巨大。

![image.png](https://static.downly.cn/images/410536c2e99142beb20e7278e9e8a66a.png)

## 腾讯亮出王牌：开源混合推理大模型Hunyuan-A13B开放试用

腾讯正式开源了其混合推理大模型Hunyuan-A13B。该模型采用先进的MOE（专家混合）架构，能够根据任务需求动态切换推理模式，在长文本理解、数学计算及作为智能体（Agent）执行任务方面表现卓越。目前，该模型已对外开放试用。

![image.png](https://static.downly.cn/images/f99a4f61b4b2e6797de90f54a1fd480d.png)

## 华为盘古大模型风波：内部员工发文揭露研发内幕

近日，华为诺亚方舟实验室盘古大模型团队的一名员工，在代码托管平台GitHub上发文，揭露了近期盘古模型被指抄袭事件背后的研发内幕。作者公开了相关细节，并表示其人身暂时安全，事件引发了业界的广泛关注。

![image.png](https://static.downly.cn/images/5819bc6871cba326dcfa602ff94bcc35.png)

## 光影魔术手：Kontext Relight LoRA实现一键专业级重照明
<video src="https://static.downly.cn/images/2e14dd4fe6848feb58e34d58bd3ede9c.mp4"  title="30892558778-1-16.mp4"></video>
一款名为[Kontext Relight](https://huggingface.co/spaces/kontext-community/kontext-relight)的LoRA新技术，让复杂的图片重照明变得异常简单。这项技术基于Flux Kontext微调，旨在为用户提供远超以往的重照明效果，只需一键即可为普通图片赋予专业级的光影质感。

![image.png](https://static.downly.cn/images/590348802ac29d8396b9a21e10b3d955.png)

## 告别逐帧上色：开源工具LongAnimation为线稿动画注入灵魂
<video src="https://static.downly.cn/images/b062dba6254e66f1dbd1bd6937a2a463.mp4"  title="30892557870-1-16.mp4"></video>
开源动画上色解决方案[LongAnimation](https://cn-makers.github.io/long_animation_web/)的出现，为动画制作者带来了福音。它能根据用户提供的提示词、参考图和线稿视频，智能生成色彩饱满且风格一致的动画。在色彩一致性的表现上，该模型显著优于其他同类模型。

![image.png](https://static.downly.cn/images/04f8114a209b5101bebedd15c0573d8d.png)

## 百度入局图生视频：MuseSteamer模型公测，生成1080P高清影像
<video src="https://static.downly.cn/images/0a3025a7ad62e0ecae2b21510369851f.mp4"  title="30892559234-1-16.mp4"></video>
百度[绘想平台](https://huixiang.baidu.com/)近日启动了其图生视频模型MuseSteamer的公开测试。该模型能够将静态图片转化为长达10秒的1080P高清视频。据了解，其Turbo版本或可免费使用。从初步效果看，画面尚可，但在动作流畅性上与行业顶尖的可灵等模型尚有差距，且模型暂未开源。

![image.png](https://static.downly.cn/images/bf3de3a7df74c8a3f396908d66b42387.png)

AI每日资讯0707

> 近日，谷歌的 Gemini 2.5 Pro 在长文本理解领域展现出惊人实力，在 Fiction.Live 基准测试中，以显著优势超越了 o3，一举成为长文本理解的新王者。这一成就不仅凸显了 Gemini 2.5 Pro 在处理超长上下文方面的卓越能力，也预示着大模型在复杂文本场景应用上的新突破。



在人工智能大模型领域，长文本理解能力一直是衡量其智能水平的关键指标之一。 谷歌的 **Gemini 2.5 Pro** 在这项核心能力上取得了里程碑式的进展，在备受关注的 Fiction.Live 基准测试中表现出色，成功超越了此前备受赞誉的 o3，一跃成为长文本理解领域的“新王者”。

![image.png](https://static.downly.cn/images/90b79d517c1e37ae1c18d0b68f6cf1d6.png)

Fiction.Live 是一个用户生成内容的平台，其特色在于拥有大量篇幅长、逻辑复杂且包含丰富细节的小说作品。 这使得该平台成为了评估 AI 模型在真实世界复杂长文本理解能力方面的一个理想基准。 模型需要准确地理解故事背景、人物关系、情节发展以及各种细微的语义，才能给出高质量的回答或进行有效的交互。

### 压倒性优势 超越 o3

根据测试结果，**Gemini 2.5 Pro** 在 Fiction.Live 基准测试中展现出了令人印象深刻的性能，其在多项指标上均显著优于 o3。

*   **上下文窗口的巨大优势** **Gemini 2.5 Pro** 最显著的特点之一是其高达 100 万上下文窗口（甚至可以扩展到 200 万），这使得它能够一次性处理极长的文本内容。 相比之下，o3 尽管也有着不俗的上下文处理能力，但在面对 Fiction.Live 上那种超长篇幅、细节密集的文本时，**Gemini 2.5 Pro** 的巨大上下文窗口使其能够“纵览全局”，避免因上下文截断而导致的信息丢失或理解偏差。
*   **深层语义理解能力** 仅仅拥有大上下文窗口是不够的，关键在于模型能否在庞大的信息流中精准捕获关键信息，并进行深层次的语义理解和逻辑推理。 **Gemini 2.5 Pro** 在 Fiction.Live 测试中的优异表现，证明了其不仅能“读懂”长文本，更能“理解透彻”，这对于需要把握复杂情节和人物弧光的文学作品至关重要。
*   **在特定场景的适应性** Fiction.Live 的测试场景，无疑是长文本理解能力最严苛的考验之一。 模型需要处理各种复杂的叙事结构、多线并行的情节以及大量口语化的表达，这要求模型具备极强的鲁棒性和泛化能力。 **Gemini 2.5 Pro** 在此脱颖而出，证明了其在特定垂直领域应用中的巨大潜力。

### 技术突破与影响几何

**Gemini 2.5 Pro** 的成功并非偶然，其背后是谷歌在 AI 架构和训练方法上的持续深耕。

*   **多模态融合的潜力** 尽管此次测试主要关注文本理解，但 Gemini 系列本身就具备强大的多模态能力。 在长文本场景下，如果能与图像、视频等信息结合，将进一步提升模型的理解深度和应用广度。
*   **对未来应用场景的启示** **Gemini 2.5 Pro** 在长文本理解上的突破，将对多个行业产生深远影响。
    *   **法律与医疗** 法律文本、医疗报告等往往篇幅巨大且专业性强，**Gemini 2.5 Pro** 有望大幅提升这些领域的信息检索、摘要和分析效率。
    *   **文学创作与辅助阅读** 对于作家而言，AI 助手将能更好地理解其作品，提供更精准的反馈和建议。 对于读者，AI 可以帮助他们更快地掌握故事情节，甚至进行个性化的内容推荐。
    *   **科研与金融** 大量文献、报告的分析和摘要，将变得更加高效。
*   **行业竞争格局** **Gemini 2.5 Pro** 的表现，无疑将加剧大模型领域的竞争。 o3 及其他玩家将面临更大的压力，促使他们进一步提升自身模型在长文本处理方面的能力。 这将推动整个 AI 行业在核心技术上不断突破。



### 大模型能力边界的持续拓展

**Gemini 2.5 Pro** 在 Fiction.Live 基准测试中的卓越表现，不仅仅是某项指标的领先，它更是大模型能力边界持续拓展的有力证明。 它表明，AI 不再仅仅擅长处理短小精悍的指令，而是正朝着更深层次、更广阔的“理解世界”的方向迈进。

未来，我们有理由期待更多能够处理超长上下文、进行复杂推理和深层语义理解的大模型涌现，它们将真正改变我们与信息交互的方式，并为各行各业带来革命性的变革。 随着这项能力的不断成熟，人工智能将在协助人类处理复杂信息、进行创造性工作方面扮演越来越重要的角色。



搜索结果: 长文本理解