> 导语：今日AI界风起云涌，从微软与OpenAI联手自研芯片，到谷歌推出革命性的隐私计算系统，硬件与安全的革新正重塑行业格局。与此同时，模型能力持续飞跃，OpenAI发布的GPT-5.1不仅更智能，更首次引入“情商”与“人格”，而可灵、百度、微博等也纷纷亮出看家本领，推动AI在视频生成、多模态理解和低成本应用上迈向新高度。

## 微软联手OpenAI，自研AI芯片剑指英伟达

微软正通过深度整合OpenAI的AI芯片研发技术，为其自研AI芯片项目注入强大动力。微软CEO萨提亚·纳德拉透露，此项合作旨在打破对英伟达等外部供应商的依赖，构建从硬件到软件的完整AI基础设施。微软奉行“先落地再超越”的务实创新策略，希望通过这次“弯道超车”，在未来的AI竞赛中占据更有利的位置。

![image.png](https://static.downly.cn/images/763fd536e1135c4c9dacd598853d48be.png)

图源备注：图片由AI生成

## 谷歌发布“私有AI计算”，数据隐私迎革命性突破

谷歌推出了一项名为“私有AI计算”的云端系统，旨在解决AI时代用户最关心的数据隐私问题。该系统利用先进的TPU技术，在完全隔离的环境中执行AI任务，确保用户数据处于绝对安全的状态。其核心亮点在于，即便是谷歌自己的员工也无法访问这些数据，实现了真正的“零访问”，为AI数据处理的隐私保护树立了新的标杆。

![image.png](https://static.downly.cn/images/6602e02ee994e2dd00b7e9cb14154160.png)

图源备注：图片由AI生成

## 可灵模型再升级，首尾帧功能让视频创作更自由

快手旗下的可灵AI视频模型迎来了2.5 Turbo版本的重大更新，其中最引人瞩目的便是新增的“首尾帧”功能。用户可以通过设定视频的起始和结束画面，让AI自动生成连贯、稳定的中间过程。这一功能极大地增强了视频生成的可控性和一致性，同时新版本在动态效果、风格保持和美学表现上也有显著提升，为专业内容创作者提供了更强大的工具。

![image.png](https://static.downly.cn/images/eadd7eb8babd956f294550d4ed35b8ee.png)

图源备注：图片由AI生成

## GPT-5.1横空出世，AI首次拥有“情商”与“人格”

OpenAI正式发布了GPT-5.1，标志着AI进入了“情商融合”的新纪元。新模型不仅在速度和准确性上大幅提升，更核心的突破在于其具备了更强的“人情味”。GPT-5.1引入了六种不同的人格风格和自适应对话能力，能够进行更温暖、更具共情能力的互动，甚至首次将情感依赖纳入安全评估范畴。通过创新的Instant和Thinking双模型架构，它既能快速响应，又能进行深度思考，致力于成为更懂你的个性化AI助理。

![image.png](https://static.downly.cn/images/09e6502f98d5ea02b0fb2eabe81a48bd.png)

图源备注：图片由AI生成

## 百度ERNIE-4.5精准识图，细节洞察力超群

百度发布了其最新的多模态AI模型 ERNIE-4.5-VL-28B-A3B-Thinking。该模型在图像细节的精确定位和复杂问题解决能力上表现卓越，通过深度融合图像与推理能力，在多项权威测试中超越了谷歌的Gemini 2.5 Pro等竞争对手。值得一提的是，该模型虽然总参数量高达280亿，但借助高效的路由架构，在实际推理时仅需激活30亿参数，实现了性能与效率的完美平衡。

![image.png](https://static.downly.cn/images/e34647a23724cc27126af1d04d6343ad.png)

图源备注：图片由AI生成

## 微博开源VibeThinker，小模型撬动大未来

微博AI部门推出了一款名为VibeThinker-1.5B的轻量级开源大模型，向业界展示了低成本AI模型的巨大潜力。该模型基于阿里巴巴的Qwen2.5-Math-1.5B进行优化，仅用15亿参数就在数学和代码等专业领域取得了突出表现。目前，VibeThinker-1.5B已在Hugging Face等主流平台免费开源，并开放商业使用授权，旨在推动AI技术在更广泛场景中的应用与创新。

![image.png](https://static.downly.cn/images/3aa5c7339145a6a86f89e74cadb5ea4a.png)

图源备注：图片由AI生成

每日AI资讯1113：巨头逐鹿AI“芯”赛道，模型更具“人情味”

> 科技巨头在AI领域的竞赛持续升温，谷歌接连推出文件检测与搜索工具，Hume AI在语音克隆技术上取得新突破，科大讯飞则发布了支持多语言的深度推理大模型。与此同时，Meta将AI短视频推向欧洲市场，而OpenAI与AWS的巨额合作则预示着AI基础设施建设进入新阶段。

## 谷歌AI文件识别利器Magika 1.0发布，核心引擎全面升级

谷歌近日正式发布了其AI文件检测工具Magika的1.0版本，并宣布该项目的核心引擎已完全采用Rust语言重写。这一重大升级显著提升了工具的处理速度和内存安全性，使其在性能与安全方面实现了质的飞跃。Magika自去年开源以来，凭借其高效精准的文件类型识别能力，月均下载量已超百万次，新版本的发布将进一步巩固其在开发者社区中的地位。

![image.png](https://static.downly.cn/images/78e3181dc2000205f943ee9ce46d160a.png)
图源备注：图片由AI生成

## 私有数据检索新纪元，谷歌Gemini API推出文件搜索工具

为了简化开发者的私有数据集成流程，谷歌推出了一款名为“文件搜索工具”的全新Gemini API功能。该工具是一个全托管的RAG（检索增强生成）系统，允许用户直接上传私有文件，系统会自动完成索引和检索的全部流程。这意味着开发者无需再自行搭建和维护复杂的向量数据库，即可轻松将私有文件转化为可供AI模型查询的知识库，极大地降低了技术门槛。

![image.png](https://static.downly.cn/images/f6fda800041e315c16b12c84bef7bd0d.png)
图源备注：图片由AI生成

## 一次录音复刻灵魂之声，Hume AI语音转换功能惊艳上线

Hume AI公司推出的“语音转换”功能为个性化语音合成带来了革命性突破。用户仅需提供一次录音，系统便能精准捕捉并复刻原声的独特节奏、发音习惯和语调，并将其无缝移植到目标声音上。这项技术标志着语音AI正从过去机械的文本朗读，向能够传递真实情感与个性的新阶段迈进。该功能现已登陆其创作工作室和API平台，为内容创作、虚拟助手等领域开启了无限的创意空间。

![image.png](https://static.downly.cn/images/2664fa7735f97016c3b119b3518f9486.png)
图源备注：图片由AI生成

## Meta AI短视频“Vibes”登陆欧洲，是内容创新还是“AI泔水”引热议

Meta旗下的全AI生成短视频产品“Vibes”正式进军欧洲市场，并已集成至Meta AI应用中。用户可以通过简单的文字提示，或对他人作品进行“Remix”再创作，即可由AI生成独特的短视频内容。尽管Meta旨在通过此举构建一个社交化、协作式的AI创作生态，但完全由AI生成的内容质量和其对内容生态的潜在影响，也引发了部分用户关于其是“AI版TikTok”还是“AI泔水”的激烈讨论。

![image.png](https://static.downly.cn/images/ab264c8a7bc6cefc92426576babdad67.png)
图源备注：图片由AI生成

## 科大讯飞发布讯飞星火X1.5，深度推理能力再进化

在国内的世界声博会上，科大讯飞发布了其最新的深度推理大模型“讯飞星火X1.5”以及一系列相关AI产品。该模型在国内算力平台上完成了高效训练，其强大的多语言处理能力是本次升级的一大亮点，现已支持多达130种语言。科大讯飞强调，此次发布旨在通过先进的AI技术赋能各行各业，解决实际问题，彰显了其在人工智能领域的深厚技术积累和持续创新能力。

![image.png](https://static.downly.cn/images/0e046db589c524ce11c1db4cfa34b894.png)
图源备注：图片由AI生成

## 380亿美元豪赌，OpenAI与AWS联手构建AI基础设施新格局

OpenAI与亚马逊云服务（AWS）达成了一项为期七年、总额高达380亿美元的重磅合作协议。根据协议，OpenAI将获得数十万台英伟达GPU的计算资源，并将其托管于亚马逊遍布全球的数据中心。这次合作远超传统的云服务租赁模式，旨在为OpenAI构建更强大、更稳固的AI基础设施，以支持其未来更大规模模型的研发和训练，此举将对全球AI技术的发展格局产生深远影响。

![image.png](https://static.downly.cn/images/a84bc99a4fec836bab456f672c1b65ad.png)
图源备注：图片由AI生成

每日AI资讯1108：谷歌连发AI工具，OpenAI与Meta等巨头竞相布局

> 今日AI界风起云涌：月之暗面发布Kimi Linear模型，长文本处理效率实现革命性突破；音乐创作领域，MiniMax Music 2.0以其“会唱歌的制作人”般的实力惊艳亮相；一则尘封的猛料揭示，OpenAI在内部动荡期曾考虑与对手Anthropic合并；电商巨头eBay与ChatGPT强强联手，旨在重塑智能购物体验；而微软则为人机交互的流畅性，悄然调整了Copilot的免责声明策略。

---

## Kimi模型再进化 长文本处理速度飙升近三倍
月之暗面团队近期发布了其最新的Kimi Linear模型，该模型采用了创新的混合线性注意力架构，在处理长上下文任务时，其处理和解码速度实现了惊人的飞跃，相较于传统注意力机制，速度提高了近2.9倍。这一技术突破不仅显著提升了AIGC领域的技术水平，尤其在长文本处理和强化学习方面展现出卓越性能，为处理复杂和海量信息的AI应用开辟了新的可能性。

![image.png](https://static.downly.cn/images/c14ba487aa8adad0680e0feeaef25839.png)
图源备注：图片由AI生成

## AI变身“会唱歌的制作人” MiniMax发布Music 2.0
MiniMax公司正式发布了其新一代音乐生成模型 Music 2.0。这一新模型在理解和表达人声情绪及乐器动态方面取得了显著进步，能够生成情感丰富、细节饱满的音乐作品，被誉为“会唱歌的制作人”。Music 2.0的问世，标志着AI在音乐创作领域的又一重大里程碑，预示着未来的音乐创作流程将迎来深刻变革，人人皆可成为创作者的时代正加速到来。

![image.png](https://static.downly.cn/images/6fa7b0a549ed330c62a652eac27fd1a0.png)
图源备注：图片由AI生成

## 硅谷秘闻 OpenAI动荡期曾密谋与劲敌Anthropic合并
根据法庭文件披露的惊人内幕，OpenAI联合创始人伊利亚·苏茨克沃证实，在公司CEO奥特曼遭遇罢免的动荡时期，OpenAI曾秘密接触其最大的竞争对手Anthropic，商讨合并事宜。这一“B计划”揭示了这家AI巨头在高层变动期间内部不为人知的权力博弈和战略考量，也反映了AI行业头部公司之间激烈竞争与潜在合作并存的复杂关系。

![image.png](https://static.downly.cn/images/7c75c5da03254f6dad2d290e64488ae9.png)
图源备注：图片由AI生成

## 智能电商新篇章 eBay与ChatGPT携手革新购物体验
电商巨头eBay宣布与ChatGPT进行深度合作，双方将整合各自强大的AI技术，共同打造一个统一的智能体电商平台。通过利用eBay平台的海量商品数据和用户行为数据，结合ChatGPT领先的自然语言处理能力，该合作旨在全面优化用户的购物体验，提供更加个性化、精准和便捷的商品推荐与客户服务，开启智能电商的新时代。

![image.png](https://static.downly.cn/images/36df3c341055ca9d4bd9541424706745.png)
图源备注：图片由AI生成

## 提升用户体验 微软悄然移除Copilot默认免责声明
为了提升企业用户的产品体验，微软近期对其Microsoft 365 Copilot进行了一项细微但重要的调整。官方已取消了原先在聊天窗口底部默认显示的AI内容免责声明，并将其自动隐藏。微软表示，此举是为了避免不必要的文字信息分散用户的注意力，从而创造一个更简洁、更专注的人机交互界面，让用户能够更流畅地与AI助手协作。

![image.png](https://static.downly.cn/images/3e6ecb53dceea206e1d4d9440ae00347.png)
图源备注：图片由AI生成

每日AI资讯1104：Kimi模型提速近3倍，OpenAI曾密谋与Anthropic合并

> 导语：今日AI界风起云涌，从Cognition发布革命性的编码模型SWE-1.5，到Cursor 2.0开启AI代码代理新范式，再到马斯克对未来手机形态的大胆预言，无不预示着人工智能正在深刻重塑我们的技术生态与未来生活。

## Cognition AI再出重拳 全新编码模型SWE-1.5发布

继备受瞩目的Devin智能体之后，Cognition公司再次推出其最新力作——高速AI编码模型SWE-1.5。这款新模型的发布，标志着AI在软件工程领域的探索又迈出了坚实的一步，旨在进一步提升代码生成与处理的效率和能力，延续其在AI编码领域的创新势头。

![image.png](https://static.downly.cn/images/138a9fccff772344cf3e925c6c4626d9.png)
图源备注：图片由AI生成
 

## 编程范式革新 Cursor 2.0引领AI代码代理新时代

一种全新的编程范式正悄然兴起。随着Cursor 2.0的发布，开发者与代码的交互方式正在被重新定义。新模式不再强调开发者逐行编写或审查代码，而是通过向智能代码代理下达精准的指令，让AI自动完成绝大部分的代码生成与执行任务。这预示着一个由AI主导、人类监督的软件开发新纪元或将来临。

![image.png](https://static.downly.cn/images/71f56c5f73640f6da0e66fb245d60446.png)
图源备注：图片由AI生成
 

## 马斯克大胆预言 五年后传统手机与App将不复存在

伊隆·马斯克再次以其前瞻性的观点震惊科技界。他预测，在未来的五到六年内，随着AI生成内容成为主流，智能手机将彻底进化。届时的手机将不再需要传统的操作系统或应用程序，而是转变为一个专注于显示和播放功能、深度集成AI能力的“边缘推理节点”，成为纯粹的人工智能交互终端。

![image.png](https://static.downly.cn/images/ec1b2a3e6cbade61d8551a2583e55d4a.png)
图源备注：图片由AI生成

每日AI资讯1102：AI编码迎革命性突破，马斯克预言手机终结

> 科技巨头在AI领域持续发力，从英伟达千亿投资OpenAI建设超级数据中心，到谷歌Gemini登陆智能电视，AI正加速融入硬件与生活。同时，百度、DeepSeek、阿里巴巴等公司纷纷推出或开源新模型，不断刷新AI的理解、生成与推理能力，而微软和Cursor等工具的更新，则让AI的应用门槛进一步降低。

---

## 英伟达豪掷千亿，联手OpenAI打造超级AI数据中心

英伟达与OpenAI达成重磅战略合作，计划投资高达1000亿美元，为OpenAI建设一个算力高达10吉瓦的大型AI数据中心。该项目预计需要约400至500万个GPU，将分阶段实施。首个1吉瓦的系统预计于2026年下半年上线，显示了双方在AI基础设施领域的巨大决心。

![image.png](https://static.downly.cn/images/cdb020b299e6ca1059ea559985734fcc.png)

 图源备注：图片由AI生成

 

## Gemini登陆Google TV，你的电视不仅能看片还能辅导功课

谷歌宣布，其AI助手Gemini将集成至Google TV平台，覆盖全球超过3亿台设备。未来，用户可以通过自然语言与电视互动，不仅能获得个性化的影视内容推荐，解决“看什么”的难题，还能在家庭生活方面获得辅助，例如辅导孩子功课，让电视成为更智能的家庭中心。

![image.png](https://static.downly.cn/images/109fa91cad01005d96d1fae56d7e88b6.png)

 图源备注：图片由AI生成

 

## 百度千帆视觉理解模型发布，多尺寸满足多样化需求

百度智能云千帆团队最新推出了开源视觉理解模型Qianfan-VL。为了满足不同企业在多模态应用中的场景需求，该模型提供了3B、8B、70B三种不同的规模。经过深度优化后，Qianfan-VL在光学字符识别（OCR）和教育等特定场景中表现出色，具备了超强的视觉理解能力。

![image.png](https://static.downly.cn/images/2eb95601e84313444a19690cbdedf3ce.png)

 图源备注：图片由AI生成

 

## DeepSeek-V3.1发布，深度推理与编程能力再获突破

DeepSeek公司发布了其最新的开源模型DeepSeek-V3.1-Terminus。新版本在语言一致性方面得到显著提升，有效消除了异常字符的产生。同时，其编程和搜索智能体的能力也得到了增强，在多个非智能体类的任务基准测试中展现了卓越的性能。

![image.png](https://static.downly.cn/images/d87f1035e7216bb7303c64f28f4f5e81.png)

 图源备注：图片由AI生成

 

## 一图生成动画，阿里开源Wan-Animate引爆AI视频创作

阿里巴巴Wan团队开源了其最新的Wan-Animate模型，为AI视频创作领域带来了革命性突破。该模型支持单图或视频输入，能够精准地迁移角色的表情和动作，并与环境无缝融合，从而实现高质量的动画生成与角色替换。此举极大地降低了视频创作的技术门槛，模型权重和代码已向公众免费开放。

![image.png](https://static.downly.cn/images/29641a271dab337c9b4082616516a76f.png)

 图源备注：图片由AI生成

 

## AI登陆任务栏，Windows 11迎来“Taskbar Companion”新助手

微软正在Windows 11的任务栏中测试名为“Taskbar Companion”和“Composer”的AI助手新功能。这一举措旨在优化用户与智能体的互动体验，让AI更加便捷地融入日常操作系统中。相关实验性功能信息的曝光，已经引发了用户的广泛关注和期待。

![image.png](https://static.downly.cn/images/afc531fddcb33e9e9cc98846a212f10d.png)

 图源备注：图片由AI生成

 

## AI编程助手Cursor推出官方文档，上手更轻松

广受欢迎的AI编程工具Cursor正式推出了全新的官方文档中心。新文档中心旨在为所有用户提供一个更系统、更便捷的学习资源平台，无论是新手入门还是资深开发者，都能通过它快速查找信息、掌握工具的使用方法，从而更高效地利用Cursor进行开发工作。

![image.png](https://static.downly.cn/images/c8e029d0b2164317968787ed732727bc.png)

 图源备注：图片由AI生成

 

## 美团发布实用主义AI，LongCat模型让AI更懂生活

美团发布了其全新的推理模型LongCat-Flash-Thinking，重新定义了“实用主义AI”。该模型的核心目标是将技术性能有效转化为解决实际生活场景问题的能力，例如更智能的外卖推荐、更高效的路线规划等。目前，该模型已进入实测体验阶段，力求让AI技术更贴近大众的日常生活。

![image.png](https://static.downly.cn/images/fe5ba4709eb2d13e00b05ab02e1d2d8a.png)

 图源备注：图片由AI生成

每日AI资讯0923：巨头千亿布局数据中心，AI模型加速融入生活

> 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 今日AI界风起云涌，从腾讯开源企业级文档框架WeKnora，到面壁智能发布堪比“手机GPT-4V”的MiniCPM-V 4.0模型，端侧AI正迎来革命性突破。硬件巨头AMD与高通宣布支持开放模型gpt-oss，为边缘计算注入强心剂。同时，微软将AI游戏教练引入Windows 11，MiniMax的语音模型实现跨语种音色复刻，谷歌的AI编程助手Jules正式上线，而一场AI国际象棋赛更是上演了Grok-4爆冷击败Gemini 2.5 Pro的精彩对决。

---

## “手机上的GPT-4V”诞生 MiniCPM-V 4.0开源挑战端侧极限

面壁智能（OpenBMB）团队与魔搭ModelScope社区联手，正式开源了新一代多模态大模型MiniCPM-V 4.0。该模型以其仅4.1B的参数量，在图像、多图乃至视频理解等多个权威评测中展现出卓越性能，甚至超越了GPT-4.1-mini等更大规模的模型，被誉为“手机上的GPT-4V”。特别值得一提的是，MiniCPM-V 4.0针对iPhone 16 Pro Max等移动设备进行了深度优化，实现了极快的响应速度和良好的发热控制，让用户在手机上也能流畅体验强大的多模态AI功能。此次开源还配套提供了详尽的部署工具与教程，极大地推动了端侧多模态AI的应用与普及。

![image.png](https://static.downly.cn/images/770f68d16321bfbf73c22bc7bd8a7bef.png)

## 腾讯亮出企业级AI利器 开源文档理解框架WeKnora

腾讯正式开源了其专为复杂异构文档设计的智能问答框架——WeKnora（维娜拉）。该框架提供了一套从文档处理、知识建模、语义检索到推理生成的完整流水线。它基于强大的大语言模型，并融合了多模态预处理、向量索引等先进技术。WeKnora支持模块化的RAG（检索增强生成）设计，允许用户轻松切换主流模型并进行私有化部署，为企业知识管理、科研文献分析等场景提供了高效、易用的解决方案，并配备了便捷的Web界面及微信生态部署能力。

![image.png](https://static.downly.cn/images/093bdc8395d84febf08d0effd70c0e20.png)

## 硬件巨头拥抱开放AI AMD与高通支持gpt-oss模型

AI的运行不再仅限于云端，AMD与高通两大硬件巨头宣布，旗下硬件将全面支持OpenAI的gpt-oss系列开放推理模型，标志着边缘AI计算迈出了关键一步。AMD的锐龙AI Max+ 395处理器成为首款支持gpt-oss-120b模型的消费级AI PC处理器，展示了在终端设备上运行百亿级模型的强大能力。与此同时，高通骁龙平台也能高效运行gpt-oss-20b模型，展现出色的推理性能。这一合作预示着未来的智能设备将拥有更强的本地AI处理能力，AI应用场景将变得更加灵活和普及。

![image.png](https://static.downly.cn/images/04a5ae79547e4b36b5de5d7ab00bea20.png)

## AI声音魔术师 MiniMax Speech 2.5实现跨语言音色复刻

MiniMax公司推出了其新一代语音生成模型Speech 2.5，在多语言处理和音色模拟方面取得了重大突破。该模型支持多达40种语言，最引人注目的是其强大的跨语言音色复刻能力，能够保留说话人的口音细节，即便切换语种也能保持音色的一致性。相较于前代产品，Speech 2.5在发音准确度、自然度和性价比上均有显著提升，为内容创作、在线教育、智能客服等领域带来了前所未有的效率与创新机遇。

![image.png](https://static.downly.cn/images/6a8f1e91250c1cb92077f66829ce98af.png)

## 你的专属游戏教练 微软Xbox Copilot登陆Windows 11

微软正将强大的AI助手Xbox Copilot深度集成至Windows 11的游戏栏中，旨在为PC玩家打造一位全天候的智能游戏伙伴。这位“AI教练”能够理解玩家的游戏进程和Xbox活动，提供高度个性化的帮助。无论是需要游戏攻略、战术策略，还是通过游戏截图提问，Copilot都能给出精准解答。它还支持语音交互，让玩家无需中断游戏即可获得帮助。目前该功能已向Insiders成员开放英文预览版，未来将逐步推广。

![image.png](https://static.downly.cn/images/d5013674c550765f26934c405c0097c3.png)

## AI棋坛大爆冷 Grok-4横扫Gemini 2.5 Pro晋级决赛

在由谷歌DeepMind与Kaggle联合举办的首届AI国际象棋对抗赛半决赛中，上演了惊人的一幕。来自xAI的Grok-4模型出人意料地以4:0的绝对优势横扫了赛前被广泛看好的谷歌Gemini 2.5 Pro。另一场半决赛中，OpenAI的O3则稳定发挥，以4:0击败同门师弟O4-mini。这场爆冷大胜让Grok-4一战成名，它将与O3在决赛中争夺首届AI国际象棋赛的冠军宝座。

![image.png](https://static.downly.cn/images/3c1ff46d27b2980fcf4487c4b66ad27f.png)

## 谷歌AI编程助手Jules正式亮相 可自主修复和更新代码

谷歌宣布其AI编码助手Jules已结束beta测试，正式上线。Jules是一款基于强大的Gemini 2.5 Pro模型的异步编程代理工具，它能够深度集成于GitHub。开发者可以将代码库克隆到Google Cloud虚拟机中，然后授权Jules自主执行任务，例如修复bug或更新代码。这种基于代理的工作模式允许Jules在后台独立完成复杂的编码工作，从而让开发者能够解放出来，专注于更具创造性的任务。

![image.png](https://static.downly.cn/images/62c962ac9501f412465ef9b76e04aff5.png)



搜索结果: 革命性突破