> 阶跃星辰推出的 Step3.5Flash 模型专为 Agent 场景设计，凭借 350TPS 的极致推理速度和稀疏 MoE 架构，在保持低成本的同时实现了比肩闭源大模型的性能，旨在成为开发者构建智能体的首选“大脑”。

## 为Agent而生的速度怪兽

阶跃星辰（Stepfun）近日正式发布了其最新一代开源基座模型——**Step3.5Flash**。这款模型的定位异常清晰：做一个更聪明、更稳定且成本可控的“Agent 大脑”。

在智能体（Agent）的应用场景中，响应速度往往决定了用户体验的生死。Step3.5Flash 在这方面交出了惊人的答卷：其推理速度最高可达 **350 TPS**（Tokens Per Second）。这意味着它能在眨眼间生成大段高质量文本，尤其在需要频繁交互的代码编写和即时问答任务中，这种低延迟带来的体验提升是质的飞跃。

![Google_AI_Studio_2026-02-02T03_04_31.656Z.png](https://static.downly.cn/images/a9cde5dd6c845b821608a83fd1b65294.png) <center>图源备注：图片由AI生成</center>

## 稀疏MoE架构与技术创新

Step3.5Flash 的高性能并非单纯堆砌算力，而是源于架构层面的创新。

* **稀疏 MoE 架构** 模型总参数量达到 1960 亿，但在每次推理时，通过混合专家（Mixture of Experts）技术，仅激活约 110 亿参数。这种设计在保证了千亿参数级模型“智商”的同时，大幅降低了计算负载。
* **MTP-3 技术** 引入了多 Token 预测技术，一次预测 3 个 Token，直接将生成效率翻倍。
* **长文本优化** 结合滑动窗口与全局注意力机制，模型支持 256K 超长上下文，能够精准捕捉复杂任务中的关键信息，非常适合处理长链条的逻辑任务。

## 多场景实测与部署

在实际应用中，Step3.5Flash 展现了强大的**端云协同**能力。它不仅能像“云端大脑”一样将模糊的用户需求拆解为具体的搜索与抓取任务，还能在不依赖外部工具的情况下，独立完成等差数列求和等复杂数学运算。在编程领域，它甚至能仅凭一段描述，自动编写出基于 WebGL 2.0 的可视化平台代码。

目前，该模型已在 GitHub、HuggingFace 和 OpenRouter 上线。为了方便开发者，阶跃星辰专门优化了其在 NVIDIA DGX 和 Apple M4 Max 等个人工作站上的运行性能，进一步降低了高性能 Agent 的开发门槛。与此同时，下一代 Step4 模型的训练也已启动。

阶跃星辰发布Step3.5Flash 打造350TPS极速智能体大脑

> **导语**
> xAI 最新财务数据显示，尽管季度营收翻倍，但净亏损扩大至 14.6 亿美元，前九个月现金支出累计达 78 亿美元。面对巨额亏损，马斯克不仅回击舆论质疑，更通过 200 亿美元的超额融资，全力加速 AI 代理与人形机器人的技术布局。

## 营收翻倍难掩亏损黑洞

根据最新披露的内部文件，埃隆·马斯克旗下的 xAI 正处于极速扩张带来的财务阵痛期。截至 2025 年 9 月 30 日的第三季度，公司净亏损达到 14.6 亿美元，较上一季度的 10 亿美元有显著扩大的趋势。虽然季度营收环比翻倍至 1.07 亿美元，显示出商业化落地的初步成效，但这在巨额的研发与基建投入面前仍显得杯水车薪。

2025 年前九个月，xAI 的现金支出总计高达 78 亿美元。这一数据不仅包含了顶尖 AI 人才的高昂薪酬，更主要源于对高性能计算硬件的无底洞式投入。对于外界关于财务状况的担忧，xAI 官方维持了一贯的强硬态度，简单回应称“传统媒体在撒谎”，试图平息市场杂音。

![Google_AI_Studio_2026-01-10T03_50_42.655Z.png](https://static.downly.cn/images/29be1af1c323640b34cc6acf2422492e.png)
 <center>图源备注：图片由AI生成</center>

## 融资输血支撑宏大愿景

尽管全年亏损额远超最初预期的 22 亿美元 EBITDA，资本市场对 xAI 的未来依然买单。公司近期的 E 轮融资最终超额筹集了 200 亿美元，远超原定 150 亿美元的目标。英伟达、思科等科技巨头的战略入股，不仅带来了资金，更在供应链层面为 xAI 提供了关键支持。

有了这笔巨额弹药，xAI 确立了更为激进的战略重心：快速构建 AI 代理（AI Agents）及配套软件生态。其终极蓝图是将这些智能体技术作为底层大脑，植入特斯拉的 Optimus 人形机器人中，实现从虚拟世界到物理世界的跨越。

## 舆论争议与战略定力

在 AI 军备竞赛的下半场，烧钱换增长已成为头部玩家的共识。xAI 的巨额亏损在某种程度上是其追赶 OpenAI 等先行者的必要代价。通过算力堆叠和数据中心的快速部署，xAI 正在用资本换取时间。

对于马斯克而言，短期的财务赤字似乎并不是首要考量。他在赌一个未来——当通用人工智能（AGI）与具身智能真正爆发时，如今投入的每一美元都将转化为不可逾越的技术壁垒。

季度亏损扩大至14亿美元 xAI高投入押注AI代理赛道

> 导语：英伟达周一宣布收购人工智能软件公司SchedMD，此举意在随着市场竞争加剧，加大对开源技术的投入并巩固其在AI生态系统中的核心地位。收购消息公布后，英伟达股价应声上涨1.35%，市场反应积极。

## 掌握数据中心的“交通指挥官”

被收购的SchedMD在业内扮演着关键角色，主要提供帮助调度大型计算任务的软件Slurm。这些任务通常会占用大量的数据中心服务器资源，对于高效利用算力至关重要。

Slurm技术作为开源软件，使得开发者和企业能够免费使用，已经成为行业的标准配置。SchedMD则通过提供工程和维护支持服务来盈利。英伟达明确表示，收购后将继续以开源的方式发布SchedMD的软件，这无疑给依赖该技术的广泛用户群体吃下了一颗定心丸。

## 英伟达的开源棋局

虽然英伟达以其高性能GPU芯片闻名，但它在AI软件领域的布局同样激进。公司提供多种涵盖物理模拟到自动驾驶的自有AI模型，并将其作为开源软件发布，供研究人员和企业使用。其CUDA软件更是早已成为开发者不可或缺的基石。

![Google_AI_Studio_2025-12-16T02_33_06.430Z.png](https://static.downly.cn/images/a5ac6e8ca06bcd54ca9fbd969caad50a.png)

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

## 巩固行业领先地位

此次收购SchedMD，是英伟达进一步强化开源AI生态系统布局的战略举措。通过掌握算力调度的核心软件，英伟达不仅优化了自身硬件的运行效率，更通过支持开源社区促进了技术的普及与创新。这种软硬结合的策略，将为英伟达在AI行业的持续领先提供强有力的支撑。

强化开源生态！英伟达收购SchedMD，Slurm技术将如何改变算力调度？

> 今日重点关注软银斥资65亿美元全资收购Ampere以强化其在AI芯片领域的硬实力，软件应用层面同样精彩纷呈，Adobe推出了革新性的节点式创意系统Project Graph，DeepMind通过发布专属系统指令显著提升了Gemini 3 Pro的规划推理能力。此外，微软Edge浏览器与Opera Neon均通过AI赋能大幅优化了用户的购物体验与办公效率，从底层算力到终端应用，人工智能正在全方位渗透。

## Adobe推出Project Graph 节点式编辑让创意如搭积木般自由

Adobe正式发布了专为专业设计师量身定制的Project Graph创意系统，这一新工具打破了传统线性操作的束缚。它采用先进的基于节点的编辑模式，让设计师能够以一种更加直观和模块化的方式工作。用户可以像搭积木一样，将Photoshop等经典工具的各种功能模块自由组合与连接。

这种设计不仅极大地增强了创作者对作品细节的控制力，还提供了前所未有的自定义能力。Project Graph的出现，有效解决了当前许多AI工具过度依赖文本提示词、导致结果随机性强且难以精确修改的局限性，为专业级创意工作流带来了更精准的解决方案。

![image.png](https://static.downly.cn/images/5edb94e8bd98a2c2e4d92e147b7d2f2d.png)
<center>图源备注：图片由AI生成</center>

## 微软Edge化身省钱管家 Copilot自动比价与折扣提醒一站搞定

微软Edge浏览器在电商购物体验上迎来重大升级，新增了强大的AI购物辅助功能。该功能深度集成了Copilot智能助手，能够在用户浏览商品时自动在后台运行，不仅能实时比较全网价格，还能展示商品的历史价格走势图，帮助用户判断当前是否为入手好时机。

此外，该工具还能提供最新的返现信息，并具备智能识别功能，当监测到商品降价或有更优惠的购买渠道时，会主动提醒用户。这一系列功能旨在通过智能数据分析，帮助用户在复杂的电商环境中做出最优的购买决策，真正实现浏览器内的一站式省钱体验。

![image.png](https://static.downly.cn/images/7651f9131bba9bbe41e4fe846daf3c9c.png)

<center>图源备注：图片由AI生成</center>

## 软银65亿美元全资收购Ampere 强势扩充AI芯片设计版图

软银集团宣布以65亿美元的全现金形式完成对芯片设计公司Ampere Computing的收购。交易完成后，Ampere将保留其原有品牌，并作为全资子公司并入软银的财务报表。此前的主要投资者凯雷集团和甲骨文公司已在此次交易中完全退出。

此次收购标志着软银在人工智能硬件领域的战略布局进一步深化。通过将Ampere的高能效处理器设计能力纳入麾下，软银旨在强化其在AI芯片市场的核心竞争力，为未来数据中心和高性能计算需求提供更强大的底层算力支持。

![image.png](https://static.downly.cn/images/a5b099405450ee951e0d5bba0dae177c.png)

<center>图源备注：图片由AI生成</center>

## DeepMind发布Gemini 3 Pro专属指令 强推理规划大幅提升任务成功率

Google DeepMind团队针对其最新的Gemini 3 Pro模型发布了一套专属的系统指令（System Instructions）。这套指令的核心逻辑是要求模型扮演一个“强推理规划者”的角色，在执行任何操作之前，必须先制定结构化的行动计划。

测试数据显示，这一工程化的指令优化带来了显著的效果。在三大主流智能体（Agent）基准测试中，模型的平均任务成功率提升了5%。特别是在处理复杂的多步骤工作流时，错误率降低了8%。这一进展标志着大模型的发展已经从单纯的模型参数竞赛，进入到了通过精细化指令工程来提升可靠性的新阶段。

![image.png](https://static.downly.cn/images/cc42ec3fdc7dc9a63f83b1401f8a26bf.png)

<center>图源备注：图片由AI生成</center>

## Opera Neon重磅升级 一分钟生成深度研报与多模型无缝切换

Opera Neon浏览器迎来了一次功能性的飞跃更新，全面集成了Gemini 3 Pro和Nano Banana Pro等先进模型。新版本最大的亮点在于支持对话过程中的实时模型切换，用户可以根据需求灵活选择不同的AI引擎。同时，新增的“Do”智能体允许用户直接通过自然语言指令编辑Google Docs文档，极大地简化了办公流程。

最为引人注目的是其核心的“1分钟深度研究”功能。该功能利用并行的AI线程技术，能够在极短的时间内搜集整理信息，并生成结构严谨的研究报告。尽管该服务定价为每月19.99美元，但其带来的效率革命对于专业研究人员和知识工作者来说极具吸引力。

![image.png](https://static.downly.cn/images/47148112dc3c38a69245e063f0a1e863.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1127：软银重金布局芯片，Adobe与DeepMind引领工具革命

> 今日AI界动态频出，从xAI发布Grok 4.1带来聊天体验革命，到蚂蚁集团推出“灵光”实现30秒应用生成，再到Poe开启200人AI群聊新范式，各大厂商在模型应用与协作领域展开激烈角逐。同时，资本市场也对AI基础设施和安全赛道持续看好，多家初创公司获得千万级融资，OceanBase等传统数据库厂商也积极拥抱AI，预示着数据与AI的结合将开启全新可能。

## Grok 4.1横空出世，马斯克AI聊天体验“秒回”时代来临
xAI最新发布的Grok 4.1模型，凭借其创新的Grok-4MoE架构，在聊天体验上实现了质的飞跃。该模型通过引入实时反馈层和个性化缓存机制，成功将响应延迟降低了42%，意图识别准确率提升18%，并显著优化了对话的连贯性，为用户带来了近乎“秒回”的流畅交互。目前，这项功能已向X Premium+用户无限量提供，API定价保持不变，同时在多项行业基准测试中刷新了纪录，展示了其强大的技术实力。

![image.png](https://static.downly.cn/images/90c7b866152eed2da828ab31aede20cf.png)

<center>图源备注：图片由AI生成</center>

## 30秒极速开发，蚂蚁集团“灵光”让应用生成触手可及
蚂蚁集团正式推出了其首个全代码生成的多模态AI助手“灵光”。这款应用能够深刻理解自然语言指令，在短短30秒内生成功能完整、可交互、可编辑的移动端小应用。它支持包括3D模型、音视频在内的全模态输出，极大地提升了创意表达和沟通的效率。“灵光”应用的上线，标志着普通用户也能通过简单的语言描述，快速将想法变为现实，现已登陆各大安卓与苹果应用商店。

![image.png](https://static.downly.cn/images/7c3721be8db28f3d31c3cb1823ee189e.png)

<center>图源备注：图片由AI生成</center>

## Poe开启AI社交新篇章，200人模型混搭群聊上线
Poe平台重磅推出“群聊”功能，彻底改变了多人协作与AI的互动方式。该功能支持多达200人同时在线，并能在一个聊天室内混合使用数百种不同的AI模型。无论是团队进行创意风暴，还是一群朋友共同规划旅行，用户都可以随时调用最适合的AI进行辅助，创造了前所未有的AI社交体验，让集体智慧与人工智能碰撞出新的火花。

![image.png](https://static.downly.cn/images/80dcc274fe52038236c274f43d3fc15a.png)

<center>图源备注：图片由AI生成</center>

## MCP安全赛道迎新贵，Runlayer携1100万美元融资高调亮相
专注于MCP（机器可读策略）安全赛道的初创公司Runlayer，在结束隐身模式后，成功宣布获得由Khosla Ventures与Felicis领投的1100万美元种子轮融资。该公司已与Gusto等八家知名企业签约，并邀请MCP规范的主要作者担任顾问。MCP协议作为AI代理开发的重要支持，已被OpenAI、微软等行业巨头采纳，Runlayer的入局为AI安全领域注入了新的独角兽级力量。

![image.png](https://static.downly.cn/images/6140edeb7c64189c1498dd70b1b71afc.png)

<center>图源备注：图片由AI生成</center>

## 前英特尔设计师创业，Luminal获530万美元融资优化GPU框架
由前英特尔芯片设计师创立的初创公司Luminal，近日宣布获得530万美元的种子轮融资，由Felicis Ventures领投。该公司的核心目标是解决当前计算资源优化，特别是GPU代码框架的效率问题，致力于通过创新的解决方案提升基础设施效率，并降低开发者使用高性能计算的软件门槛，释放硬件的全部潜力。

![image.png](https://static.downly.cn/images/15d7665926e93c333f4e8cc1165a0cad.png)
<center>图源备注：图片由AI生成</center>

## 谷歌AI旅行助手全球升级，一键规划行程覆盖200国
谷歌对其AI旅行工具进行了重大升级，让跨国旅行规划变得前所未有的简单。其Flight Deals（特价机票）功能现已覆盖全球200多个国家和60种语言。同时，桌面端新增的Canvas侧边栏功能，可以实时整合航班、酒店信息及用户评价，并自动生成行程草稿。美国用户甚至可以授权AI代理进行预订，未来还将支持机票和酒店的直接预订服务。

![image.png](https://static.downly.cn/images/81efa07587f2f97a213f432aaedf025e.png)

<center>图源备注：图片由AI生成</center>

## Gemini拥抱代币化资产，向欧盟客户推出零手续费股票交易
加密货币交易所Gemini宣布，正式面向欧盟用户提供零手续费的代币化股票交易服务。用户可以通过欧元或稳定币，轻松买卖超过30只美国股票以及标普500 ETF的代币化版本。这些代币基于Arbitrum区块链发行，与实物股票1:1锚定，支持24小时碎片化交易，极大地降低了欧洲投资者参与美股市场的门槛。

![image.png](https://static.downly.cn/images/2dac77fd05a4ae9fe3332ec187a34dbc.png)

<center>图源备注：图片由AI生成</center>

## OceanBase布局AI赛道，预告“数据xAI”新可能
国产数据库巨头OceanBase于11月17日悄然上线了其全新的AI域名oceanbase.ai，页面上仅有“AI…全新的可能，11.18见”的简短预告。这一举动明确预示了其“Data x AI”战略正在加速落地。通过强化AI品牌定位，OceanBase可能将在其年度发布会上推出AI原生的核心产品，旨在将海量数据转化为AI的优质“燃料”，为其在人工智能时代的发展奠定坚实基础。

![image.png](https://static.downly.cn/images/13b5f9d3d1ee8dc9394edd8b86832080.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1118：Grok 4.1升级聊天体验，蚂蚁“灵光”30秒生成应用

> 斯坦福大学的研究揭示了AI在企业新闻稿中的广泛应用，同时AMD与OpenAI签署了价值数百亿美元的芯片协议。AI新创公司Supermemory获得了260万美元的融资，致力于构建通用的AI记忆API。OpenAI宣布了其开发者日的重磅消息，ChatGPT将平台化。马斯克的xAI启动了1400亿的融资，谷歌发布了新的Gemini模型，Sora 2也已发布，杰夫·贝佐斯展望了太空数据中心的未来。

## AI写作无处不在？斯坦福报告称四分之一企业新闻稿为AI生成

根据斯坦福大学的一项最新研究，大型语言模型在企业新闻稿等正式书面沟通中的应用比我们想象的要广泛。研究人员通过先进的统计模型分析了大量英文新闻稿，发现其中许多文本都带有明显的人工智能生成痕迹。这一发现引发了关于信息真实性和内容原创性的广泛讨论。

![image.png](https://static.downly.cn/images/a645eadecc2489177a28fae6872b7c3c.png)
图源备注：图片由AI生成
 

## 强强联合 AMD与OpenAI签署数百亿美元芯片供应协议

AMD公司近日宣布，已与OpenAI签订了一项长达数年的芯片供应协议。根据协议，OpenAI将获得AMD多代Instinct GPU提供的6千兆瓦计算能力，首批交付的将是MI450 GPU。此举不仅将为AMD带来数百亿美元的收入，还将极大地提升其在人工智能领域的市场地位，为未来的AI发展提供强大的硬件支持。


![image.png](https://static.downly.cn/images/b36f8b6dc0127b9a2135aea1c26b95fa.png)
图源备注：图片由AI生成
 

## 记忆赋能AI Supermemory获260万美元融资打造通用记忆API

人工智能初创公司Supermemory近日宣布获得260万美元的种子轮融资。该公司致力于解决AI应用中的记忆难题，计划通过构建一个通用的记忆API来处理非结构化数据，并以此构建知识图谱，从而为用户提供更加个性化和上下文感知的服务。这一创新有望让人工智能变得更加“聪明”和“体贴”。

![image.png](https://static.downly.cn/images/07144c0026b32b3d472f8c280cf1911d.png)
图源备注：图片由AI生成
 

## 生态革命 OpenAI宣布ChatGPT平台化 推出自主AI代理

在备受瞩目的开发者日上，OpenAI公布了其雄心勃勃的计划：将ChatGPT转型为一个第三方应用平台。通过全新的Apps SDK，开发者将能够构建交互式的应用程序和自主的AI代理，这些应用将无缝集成到ChatGPT的聊天界面中，并支持全屏等功能。此举旨在彻底革新AI生态系统，大幅提升用户的任务执行效率。

![image.png](https://static.downly.cn/images/ff2a5e3f6efab36672b526d98450629d.png)
图源备注：图片由AI生成
 

## 马斯克xAI启动1400亿巨额融资 与英伟达GPU供应深度绑定

伊隆·马斯克旗下的人工智能公司xAI已启动一轮高达1400亿美元的融资活动。值得注意的是，此次融资与英伟达的GPU供应紧密挂钩，其中英伟达更是豪掷140亿美元参与投资。这一战略性的举动不仅显示了xAI对高性能计算领域的扩张野心，也凸显了其对关键硬件资源的迫切需求，预示着未来AI领域的激烈竞争。

![image.png](https://static.downly.cn/images/7ffc04ba72b6747b11abb88c0646e42c.png)
图源备注：图片由AI生成
 

## 版权风暴来袭 MiniMax在好莱坞的重压下如何求生

中国AI公司MiniMax正面临来自好莱坞的版权“风暴”。面对严峻的挑战，该公司需要运用智慧和策略来应对，并在逆境中寻找生存和发展的可能性。这起事件也引发了业界对于AI内容生成与知识产权保护的深刻思考。

![image.png](https://static.downly.cn/images/9f3acc2da26250130db45416945dbb75.png)
图源备注：图片由AI生成
 

## 谷歌发布Gemini 2.5新模型 专攻浏览器交互效率提升三倍

谷歌近日推出了其最新的Gemini 2.5 Computer Use模型。该模型专注于浏览器内的交互任务，能够执行包括表单填写在内的13种不同操作，据称其效率相较于前代模型提升了三倍。目前，开发者已经可以申请试用该模型，但暂不支持全系统级别的操作。

![image.png](https://static.downly.cn/images/03964521e4c350f607dfb0f9fe108fd3.png)
图源备注：图片由AI生成
 

## 「Sora 2」震撼发布 是创作工具还是行业颠覆者

备受期待的Sora 2终于发布，其惊人的视频生成能力再次引发了业界的广泛讨论。Sora 2的成功不仅归功于其领先的技术，还得益于其周密的市场推广和产品规划。人们不禁要问，这究竟是一个强大的创作工具，一个有趣的玩具，还是一个将彻底颠覆相关行业的“杀手”？

![image.png](https://static.downly.cn/images/14a521d2832b6256cf8b0fb597d6cce4.png)
图源备注：图片由AI生成
 

## 贝佐斯新愿景 未来一二十年内在太空建造千兆瓦级数据中心

亚马逊创始人杰夫·贝佐斯近日提出了一个大胆的预测：在未来的10到20年内，人类将有能力在太空中建造千兆瓦级别的数据中心。这些数据中心将利用全天候的太阳能运行，不受地球天气的影响，并且随着技术的进步，其建设成本将持续降低。这一设想为未来数据存储和处理描绘了一幅全新的蓝图。

![image.png](https://static.downly.cn/images/1d517141b87ef7c1de4ae0e37ab35ef1.png)
图源备注：图片由AI生成

每日AI资讯1008：AI写作检测、芯片巨头合作与通用记忆API

> 今日AI界风起云涌，英伟达再次上演“钞能力”，通过战略收购与投资，意在巩固其硬件霸主地位；与此同时，从小米到Mistral AI，开源力量持续壮大，接连发布创新模型；软件层面，谷歌、微软等巨头则加速将AI融入浏览器和操作系统，AI正以前所未有的深度和广度，重塑我们的数字生活。

## 英伟达的“钞能力”：豪掷9亿美金上演人才“打包”战

英伟达近日再次展现其在AI领域的雄心，斥资超过9亿美元，不仅收购了AI硬件初创公司Enfabrica，更是将其CEO及核心团队一并纳入麾下，同时获取了关键技术许可。此次收购的核心目标是强化英伟达的GPU互联技术，构建能够高效连接并协同运作十万块GPU的超级计算系统。此举效仿了Meta、谷歌等科技巨头高薪挖角和打包技术人才的策略，凸显了顶级AI人才在当前科技竞争中的核心价值。

![image.png](https://static.downly.cn/images/23a8dda4f346acaefaa49ce33dec3506.png)
图源备注：图片由AI生成

## 强强联合：英伟达注资50亿联手英特尔挑战AMD

在另一项重磅合作中，英伟达与英特尔达成战略联盟，宣布将共同开发多代x86处理器。这项合作将深度融合英伟达的NVLink技术与英特尔的CPU技术，旨在打造面向游戏PC及数据中心的高性能计算解决方案。为巩固合作关系，英伟达还将投资50亿美元，收购英特尔约5%的股份。这一举动标志着两大芯片巨头联手，意图在高性能计算市场挑战AMD的现有地位。

![image.png](https://static.downly.cn/images/b2f87fa293c78325e45a6818b1e41dc0.png)
图源备注：图片由AI生成

## 小米发力：首个原生端到端语音大模型惊艳亮相

小米公司在语音技术领域取得重大突破，正式开源其首个原生端到端语音大模型Xiaomi-MiMo-Audio。该模型基于上亿小时的海量数据和创新架构打造，首次在语音领域实现了In-Context Learning（ICL）的少样本泛化能力，并观察到了“涌现”行为。在多个行业评测基准上，其表现全面超越同参数级别的开源模型，甚至在音频理解任务上优于谷歌的Gemini-2.5-Flash。

![image.png](https://static.downly.cn/images/43eced9c761bb42216fc1341d0ff51d3.png)
图源备注：图片由AI生成

## 法国AI新星：Mistral推出更强大的开源推理模型

法国AI公司Mistral AI发布了其最新的开源模型Magistral Small 1.2。该模型拥有24B参数，具备处理128k长上下文的能力，并且支持多语言和视觉输入。一个显著的创新是引入了[THINK]特殊token，用于包裹模型的推理过程，旨在提升模型的表现力和应用的灵活性，为开发者提供了更强大的工具。

![image.png](https://static.downly.cn/images/746fa0f3947de5f388e549c883e5ce9f.png)
图源备注：图片由AI生成

## AI融入日常：微软为记事本免费添加AI写作助手

微软正将AI功能深度集成到Windows操作系统中。在最新的Copilot Plus电脑上，经典的记事本（Notepad）应用将迎来“摘要”、“写作”和“重写”等免费的AI新功能。该功能利用本地AI模型提供支持，旨在提升用户的写作效率，并且用户无需订阅Microsoft 365即可使用。目前，部分Windows Insider用户已可抢先体验。

![image.png](https://static.downly.cn/images/9d475c0dc678cc367a041debbd421629.png)
图源备注：图片由AI生成

## 谷歌的反击：Gemini让Chrome浏览器与定制助手更智能

谷歌正全面推动其Gemini AI模型在产品生态中的应用。首先，Chrome浏览器深度整合了Gemini，为美国市场的Mac、Windows及移动设备用户带来智能浏览新体验。AI助手能够帮助用户解释网页内容、整合多标签页信息，甚至恢复已关闭的网站。其次，谷歌推出了Gemini Gems共享功能，用户现在可以像分享Google Drive文件一样，将自己定制的AI助手（Gems）分享给他人，极大地简化了团队协作流程。

![image.png](https://static.downly.cn/images/7fb69b03309cd2ae2003c59fdb204939.png)
图源备注：图片由AI生成

## 视频生成新纪元：Luma AI发布支持专业级HDR的Ray3

视频生成领域迎来新的里程碑，Luma AI发布了其首个能够生成工作室级别HDR（高动态范围）视频的AI模型Ray3。该模型不仅支持生成16位高色深的视频，还能将其导出为专业的EXR格式，使其能无缝融入影视行业的专业制作流程。此外，Ray3还能将普通的SDR视频智能转换为效果震撼的HDR视频。

![image.png](https://static.downly.cn/images/0ed161b2586db143f30c005d304b1316.png)
图源备注：图片由AI生成

## AI浏览器新赛道：Comet与1Password联手保障安全

AI驱动的浏览器正成为新的热点。由Perplexity支持的AI浏览器Comet宣布与知名密码管理工具1Password达成合作。这次联手将先进的AI信息获取能力与顶级的凭证安全管理相结合，为用户在AI时代的网络浏览提供了自动填充、访问控制等安全保障，确保在享受智能体验的同时，个人账户信息安全无忧。

![image.png](https://static.downly.cn/images/5855c5d4c36b8122cb0a0f4d79fd802c.png)
图源备注：图片由AI生成

## 小模型大能量：多款轻量级推理模型集中发布

企业应用正向“小型AI”转型。Meta推出的MobileLLM-R1系列模型，通过提供140M、360M、950M等不同参数规模的选项，解决了企业在使用大型AI模型时面临的成本高、依赖云端和隐私控制难等痛点。与此同时，另一款名为Ring-mini-2.0的高性能MoE推理模型也震撼发布，它仅需激活1.4B参数，推理能力却能媲美10B以下的密集模型，尤其擅长逻辑、编程和数学，并支持128K长上下文，展现了小模型的巨大潜力。

![image.png](https://static.downly.cn/images/96954cb79768db881a52fafc8459ab85.png)
图源备注：图片由AI生成

每日AI资讯0919：从芯片到桌面，巨头与新锐齐发力，AI全面融入数字生活





> 导语：今日AI界风起云涌，从Manus AI推出百个Agent协同工作的“Wide Research”功能，到字节跳动Trae代码编辑器集成OpenAI o3模型，AI的应用边界正被以前所未有的速度拓宽。Poe平台全面开放API，Claude支持多格式文件上传，Creao AI获千万美元融资打造“Agent协同操作系统”，AI开发与协作的门槛持续降低。底层技术同样迎来突破，DeepSeek公布大模型部署新专利，清华大学开源MOSS-TTSD语音合成模型。此外，AI在机器人领域的应用也结出硕果，字节跳动助力清华大学夺得机器人足球世界杯冠军。与此同时，马斯克Grok推出的6秒AI视频生成功能也引发了新的社会讨论。



## Manus AI开启百“人”斩：一键启动百个Agent协同，复杂任务轻松搞定
Manus AI 近日推出了其上线以来最大的一次功能更新——“Wide Research”。该功能允许用户一键启动大规模并行的Agent协作，轻松处理过去难以想象的复杂调研任务，例如在短时间内对比分析上百款运动鞋或为一张海报寻找海量设计灵感。这一强大的功能将逐步向平台各层级用户开放，其核心是一种源于MapReduce范式的系统级并行计算机制，标志着AI协同工作进入了新纪元。

![image.png](https://static.downly.cn/images/9d26a1dcc9f126d00d1393849f8eb86b.png)

## 字节跳动Trae代码编辑器再进化，集成OpenAI o3模型解锁编程新范式
字节跳动旗下的AI代码编辑器Trae现已正式支持OpenAI最新发布的o3模型。得益于o3模型强大的推理能力和独特的“思考式”问题解决机制，Trae在代码生成、上下文感知调试以及多工具协同等方面的能力得到了巨大提升。这不仅显著提高了开发者的工作效率，更引领了AI辅助编程的新标杆。同时，Trae承诺将严格保障用户的隐私与数据安全，让开发者可以安心使用。

![image.png](https://static.downly.cn/images/2f3849c4ce35c4638567c8e80689a398.png)

## Poe平台开放API，订阅即享全能模型，开发者迎来新福音
AI聊天平台Poe近日宣布推出API功能，为其发展历程增添了重要里程碑。此举意味着所有订阅用户无需支付额外费用，即可通过API调用平台上的全部文本、图像、视频模型及机器人。更具吸引力的是，该API兼容OpenAI接口，极大地降低了开发者的使用和迁移门槛，为加速AI技术的集成与应用铺平了道路，标志着Poe正式向开发者工具平台转型。

![image.png](https://static.downly.cn/images/b036b68ea7f04574c88f1ff44c996fbf.png)

## DeepSeek公布大模型部署新专利，预填充与解码分离优化效率
DeepSeek的关联公司最近公开了一项关于大语言模型部署的创新专利。该技术的核心思想是将模型的预填充（pre-filling）和解码（decoding）两个阶段分别部署在不同的高性能计算设备上。这种创新的部署方式旨在优化计算资源利用率，有效降低延迟，同时提高系统的吞吐量、扩展性和容错性，有望推动AI技术的进一步发展，并加速各行各业的数字化转型进程。

![image.png](https://static.downly.cn/images/1b890839b38281832d3cf32cdc5bb251.png)

## Creao AI获千万美元融资，旨在打造下一代“Agent协同操作系统”
人工智能初创公司 Creao AI 近日宣布，已连续完成数百万美元的天使轮和数千万美元的Pre-A轮融资。公司的核心目标是开发一个以AI Agent为核心的下一代操作系统——Agentic OS（AOS）。该系统旨在通过一次简单的对话，就能自动生成并部署一个功能完整的全栈Agentic App，实现从应用生成到自我进化的一站式智能协作，有望重塑用户与智能系统的交互方式，甚至深刻改变整个软件产业。

![image.png](https://static.downly.cn/images/6d12b1677d721d33ead0531c539e9219.png)

## Claude“神器”再升级，支持多格式文件上传，实现数据与AI无缝协作
Claude的artifacts功能迎来重磅升级，现已支持用户上传PDF、图像、代码等多种格式的数据文件。用户可以将这些文件无缝集成到AI驱动的应用中，极大地提升了数据处理和AI应用开发的灵活性与效率。无论是分析复杂的文档，还是从图像中提取信息，这项升级都为用户解决实际问题提供了前所未有的强大工具。该功能背后由Claude4、Claude 3.7 Sonnet和Claude 3.5 Sonnet等先进AI模型提供技术支持。

![image.png](https://static.downly.cn/images/f7ff74154f943a65c7373803864c9d0b.png)

## 清华大学开源MOSS-TTSD，百万小时训练打造双语AI播客新标杆
由清华大学等机构联合研发的MOSS-TTSD模型现已震撼开源。这是一款在对话场景下实现中英双语高表现力语音合成的AI模型，通过创新的XY-Tokenizer技术，支持超长语音生成、零样本音色克隆以及声音事件控制。该模型特别适用于AI播客、有声小说和影视配音等长篇内容的创作。尽管在语气和节奏感上略逊于商业产品，但其开源免费的特性和在中文客观指标上的优异表现，使其拥有巨大的应用潜力。

![image.png](https://static.downly.cn/images/23768e07b7e717e427d6d4555a8e476f.png)

## 字节跳动与清华大学联手，AI算法助力中国队首夺机器人足球世界杯冠军
在刚刚结束的2025 RoboCup机器人世界杯人形组比赛中，清华大学火神队历史性夺冠，这是中国队首次在该项目上获得胜利。此次胜利的背后，离不开字节跳动Seed团队与清华大学联合研发的“HumanoidKick”算法。该算法通过先进的视觉深度强化学习技术，成功解决了机器人足球在感知与执行层面的核心难题，展现出卓越的实时响应和自主决策能力，成为推动机器人技术发展与应用的一次成功范例。

![image.png](https://static.downly.cn/images/d3d4f0e01d9eacbed79752fe46ba9d2b.png)

## 马斯克的Grok进军视频生成，新功能可创作6秒AI短片
马斯克旗下的xAI公司为其AI聊天机器人Grok推出了一项名为“Imagine”的新功能，允许用户根据文本提示生成带有声音的6秒钟视频片段。该功能计划于今年十月正式上线。然而，这一功能也引发了公众对于深度伪造、内容剥削以及潜在偏见（如反犹太主义）等问题的广泛担忧，尤其是在其先前已推出性别化AI伴侣的背景下，相关的争议和社会讨论正在升温。

![image.png](https://static.downly.cn/images/ea761655b9761807e236d17cc131e6f7.png)

搜索结果: 高性能计算