ComfyUI

Stable Diffusion




> 导语
> 今日AI领域迎来多项重磅更新，国产模型展现强劲实力，智谱AI推出的清影2.0不仅能生成1080P高清视频还自带音效；设计与编程领域亦有大动作，OpenAI将ChatGPT植入Figma颠覆设计流程，而谷歌新编程工具Antigravity却在上线首日遭遇安全滑铁卢；此外，开源界Flux.2以高性价比挑战行业巨头，新工具YPrompt则致力于解决提示词编写难题。

## 智谱清影2.0强势登场 10秒1080P视频生成自带音效

![image.png](https://static.downly.cn/images/bf1fcf7ac9389ad7d245c645aebaae8f.png)

<center>图源备注：图片由AI生成</center>

智谱AI正式发布了基于自研CogVideoX模型的清影2.0版本。这一更新标志着国产视频生成模型的重要突破，它具备了直接生成最长10秒1080P高清视频的能力。

该模型在技术细节上表现出色，用户可以全面控制视频中的运动轨迹、镜头语言以及整体风格。其强大的中文理解能力使得生成的画面更加符合国内用户的语境需求，且生成速度优异。值得一提的是，清影2.0支持多视频同时生成及特定镜头指定，极大地提升了创作自由度。更具创新性的是，它集成了CogSound模块，实现了从文本到“视频+音频”的一站式高效创作，让AI生成的视频不再是“默片”。

## OpenAI携手Figma 对话框内直接生成设计草图引爆股价

![image.png](https://static.downly.cn/images/1814715b3283cff885e2b3a3b615801a.png)

<center>图源备注：图片由AI生成</center>

OpenAI宣布将ChatGPT深度集成至全球流行的界面设计工具Figma中，这一举措被视为设计工具进入AI驱动协同新阶段的里程碑。

通过这次整合，用户无需离开对话窗口，即可直接在ChatGPT中生成、修改和编辑Figma设计原型。这种交互方式大幅压缩了从创意构思到视觉呈现的时间，被形容为一场“闪电战”。市场对这一变革反应热烈，Figma的股价受此利好消息影响瞬间暴涨，显示出投资者对AI赋能设计流程的高度认可。

## 谷歌新代码工具Antigravity翻车 上线首日即曝严重后门漏洞

![image.png](https://static.downly.cn/images/4aa4f6d99a4c674da5f68a54951962e5.png)

<center>图源备注：图片由AI生成</center>

谷歌新推出的AI编程工具Antigravity在发布仅24小时后便遭遇了信任危机。安全研究人员在该工具中发现了严重的安全漏洞，这给急于尝鲜的开发者敲响了警钟。

据披露，攻击者可以利用该漏洞通过修改配置植入后门。一旦用户受诱导运行了相关程序，攻击者便能进而窃取敏感数据甚至发起勒索攻击。该安全隐患波及范围广泛，Windows和Mac系统用户均在受影响之列。这一事件再次凸显了AI开发工具在追求效率的同时，安全审核机制亟待加强。

## 开源模型Flux.2极速来袭 8秒生成高清图挑战行业定价

![image.png](https://static.downly.cn/images/8d78a61b76e0d43febcad74b51941b06.png)

<center>图源备注：图片由AI生成</center>

开源社区迎来强力挑战者，Flux.2模型宣布免费上线。该模型以极低的运营成本引发业界震动，其成本仅为谷歌同类方案的千分之一。

除了价格优势，Flux.2在性能上也毫不逊色。它能够在短短8秒内生成4MP的高清图片，并在专业版中对采样步数进行了深度优化。这种“高质低价”的策略直接挑战了现有的市场定价体系，让昂贵的商业模型（如谷歌的Nano Banana Pro）瞬间显得性价比不足，预计将推动AI图像生成领域的进一步普及与价格重塑。

## 提示词小白救星 YPrompt通过对话自动优化专业指令

![image.png](https://static.downly.cn/images/bae1e5e2148638e9d8a58700a30ef2c8.png)

<center>图源备注：图片由AI生成</center>

对于许多不擅长撰写复杂AI指令的用户来说，YPrompt提供了一个全新的解决方案。这是一款主打“聊天式”的提示词工程工具。

YPrompt不再要求用户具备专业的Prompt编写技巧，而是通过自然对话的方式引导用户挖掘真实需求。根据用户提供的应用场景、预期目标和所需格式等信息，该工具能自动、高效地生成结构严谨的专业提示词。这大大降低了使用高质量AI服务的门槛，帮助普通用户也能产出精准的AI创作内容。

每日AI资讯1128：智谱清影2.0定义视频生成新标准 Figma接入ChatGPT引爆设计圈



> **导语** 本期AI快讯聚焦行业最新动态。本地AI框架llama.cpp迎来多模态革命，或将改变现有竞争格局。办公协作平台ClickUp 4.0与电商巨头Shopify，凭借AI智能体与代理技术，分别在办公和电商领域取得突破性增长。谷歌与亚马逊则将AI的触角伸向太空与音乐两大场景，前者计划构建太空AI超算网络，后者通过AI助手显著提升用户听歌时长。此外，微软与谷歌也分别在AI图像生成和翻译工具上推陈出新，为用户带来更强大、更灵活的AI应用体验。

---

## 本地AI的“iPhone时刻” llama.cpp集成多模态，Ollama面临生存挑战

本地AI部署领域迎来重要变革。知名项目llama.cpp近日完成重大进化，全面集成了多模态能力，这意味着用户可以在个人设备上，直接运行能够理解和处理文本、图像、声音等多种信息的AI模型。这一升级不仅极大地增强了本地AI的实用性，也对Ollama等现有AI工具构成了强大的竞争压力，业界称这可能是一次“降维打击”，预示着本地AI多模态应用的革命已经到来。

![image.png](https://static.downly.cn/images/1ca928fda0a5483b43e71d1508a205c9.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## 终结办公软件“全家桶” ClickUp 4.0携双AI智能体登场

一体化办公平台ClickUp发布了其里程碑式的4.0版本。新版本对用户界面进行了彻底重构，并重磅推出了两款全新的AI智能体，深度融入任务管理、文档协作、即时沟通、日历和全局搜索等核心功能。ClickUp 4.0的目标是成为一个“All-in-One”的终极工作操作系统，旨在通过强大的整合能力与AI加持，取代Notion、Slack和Teams等分散的办公工具，让团队协作回归一站式平台。

![image.png](https://static.downly.cn/images/ac5ae44b9227698b541807df48c2d9d1.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## 谷歌的太空野心 “太阳捕手计划”欲将AI超算送上天

谷歌公布了一项名为“太阳捕手计划”的宏大构想。该计划旨在通过发射搭载自研TPU（张量处理单元）芯片的卫星，并在太空中利用太阳能为其供电，从而构建一个前所未有的AI超级计算网络。这个部署在太空中的AI基础设施，将把太空探索提升到新的高度，使其成为AI计算的新前沿。这不仅解决了地面能源消耗巨大的问题，也为未来的太空数据处理和AI应用开辟了无限可能。

![image.png](https://static.downly.cn/images/f389794c76ba329eb6abd4a0b9563da2.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## Alexa+变身音乐DJ 亚马逊用AI让用户“多听三倍”

亚马逊旗下AI助手Alexa+正式登陆Amazon Music音乐应用，为音乐发现和消费场景带来颠覆性体验。通过全新的AI对话式交互，用户可以更自然、更深入地探索音乐曲库，Alexa+能够精准理解用户意图并推荐歌曲，极大地提升了新歌发现率和推荐收听量。数据显示，AI的加持让用户的听歌时长实现了三倍增长，这标志着亚马逊正利用生成式AI，向Spotify等音乐流媒体巨头的核心腹地发起有力冲击。

![image.png](https://static.downly.cn/images/e04f2095b7a4c850f84650ceb3c9a5ed.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## AI代理引爆电商革命 Shopify流量与订单双双飙升

Shopify总裁在其第三季度财报中明确指出，AI是“自互联网诞生以来最大的技术变革”，并宣布公司将全力押注“AI代理商业”。这一战略决策背后，是AI工具带来的惊人回报：相关功能流量激增7倍，通过AI搜索完成的订单量更是飙升了11倍。凭借海量的商家数据与领先的AI技术整合能力，Shopify正在引领电商行业进入一个由AI驱动的智能化新时代。

![image.png](https://static.downly.cn/images/08987f35e28c3439b9b508ae6803e750.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## 翻译要快还是要准 谷歌翻译让你“二选一”

为了满足用户在不同场景下的翻译需求，谷歌翻译近日新增了一项实用的模式选择功能。用户现在可以在注重翻译效率和速度的“快速”模式，与追求更高准确度和上下文理解能力的“高级”模式之间自由切换。这一更新让谷歌翻译变得更加灵活和人性化，无论是日常的快速沟通还是专业的文本翻译，用户都能找到最适合的模式。

![image.png](https://static.downly.cn/images/eb94bcd77171dd7b19741de04f8274c9.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>

## 微软亮出“王牌” 自研AI绘画工具MAI-Image-1正式上线

微软正式发布了其首款自研的AI图像生成器MAI-Image-1。这款工具目前已集成在必应搜索和Copilot助手中，用户可以直接体验。据介绍，MAI-Image-1在生成逼真的食物和自然风景方面表现尤为出色，能够处理艺术性的光照效果和照片级的丰富细节。微软表示，该工具未来也将在欧盟市场上线，标志着微软在AIGC（AI生成内容）领域的布局正进一步深化。

![image.png](https://static.downly.cn/images/3b215a396b7e06d853fa53ca4b5a6eb2.png)
<p align="center">
图源备注：图片由AI生成
</p>
<br>



每日AI资讯1105：多模态成本地AI新战场，巨头抢滩AI应用新高地



> 今天的AI领域充满了变革性的突破。从Adobe Firefly Image 5将创意工作流推向“全栈式”时代，到Cartesia Sonic-3实现几乎无延迟的语音对话，再到IBM Granite 4.0 Nano让AI模型能够在笔记本电脑上本地运行，我们见证了AI在专业创作、人机交互和边缘计算等多个维度的飞速发展。同时，OpenAI与PayPal的合作预示着AI电商的兴起，而Mistral AI和英伟达则分别在企业级应用和全模态理解上取得了关键进展。

## Adobe Firefly Image 5发布 创作者的全能AI工具箱来了

Adobe公司近日发布了其专业级AI图像生成模型Firefly Image 5的重大更新，标志着AI创作工具从“够用”向“专业”的决定性转变。新版本支持高达400万像素的原生图像输出，并引入了分层提示编辑功能，让创作者可以像使用图层一样精细控制生成内容。更值得一提的是，它新增了自定义艺术风格模型和AI语音配乐功能，彻底打通了图像、视频及音频之间的创作壁垒，为用户提供了一个闭环式的全栈AI创作解决方案，重新定义了现代创意工作流程。

![image.png](https://static.downly.cn/images/85f275f72f1c0d26a72e51cbab2130d5.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 延迟低于100毫秒 Cartesia Sonic-3重新定义语音AI交互

Cartesia公司推出了一款名为Sonic-3的实时对话AI引擎，它凭借低于100毫秒的超低延迟，成为全球响应速度最快、交互最自然的语音AI之一。该模型采用了创新的状态空间模型架构，实现了近乎零延迟的流畅对话。Sonic-3不仅“说得快”，更能“说得好”，它能够精准模拟人类丰富的情感、多变的语气甚至是笑声，极大地增强了人机交流的真实感和沉浸感，为智能客服、虚拟助手等应用场景带来了革命性的体验。

![image.png](https://static.downly.cn/images/34aa26f0ae87cbcf453a80fc7e5fae1c.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## ChatGPT集成PayPal支付功能 AI对话即购物成为现实

OpenAI宣布与全球支付巨头PayPal达成合作，通过先进的ACP协议，将支付功能直接集成到ChatGPT中。这意味着用户未来可以在与ChatGPT的对话过程中，直接使用其PayPal账户完成商品购买或服务支付，无需跳转到其他应用或网站。这一举措标志着OpenAI正式跨入电子商务领域，并计划从2026年起，支持用户在对话中搜索并购买来自数千万商家的商品，开启“对话即商业”的全新模式。

![image.png](https://static.downly.cn/images/ed1f483e1a19b26961eddfd812f3ddba.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 无需云端支持 IBM Granite 4.0 Nano让AI在你的电脑上运行

IBM最新发布的Granite 4.0 Nano系列AI模型，旨在突破小型AI模型的性能极限。该系列模型的参数量从350万到15亿不等，其核心优势在于极致的效率和易用性。由于模型轻量化，Granite 4.0 Nano可以直接在用户的笔记本电脑甚至浏览器中本地运行，完全无需依赖强大的云计算资源。这一突破极大地降低了AI应用的开发和部署门槛，使开发者能够在普通硬件和边缘设备上轻松构建功能强大的AI应用，打破了行业长期以来对云服务的依赖。

![image.png](https://static.downly.cn/images/37ba386b29f5ddc0de54e6a566ae9ed0.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Mistral AI Studio问世 打造企业级AI的“工业化”引擎

欧洲AI领域的领军企业Mistral AI正式推出了其全栈式生产平台 Mistral AI Studio。该平台完全基于欧盟本土的基础设施构建，专为需要严格遵守数据主权和法规的跨国企业设计。它集成了模型部署、实时监控和持续优化等一整套功能，为企业提供了一个安全、透明且可规模化的AI解决方案。通过实现AI决策过程的完全可观测性，Mistral AI Studio为企业级AI应用的“工业化”生产提供了强大的新引擎。

![image.png](https://static.downly.cn/images/721270bef55345422f4edf11e05632d7.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 更少数据更强性能 英伟达开源OmniVinci全模态理解模型

英伟达在全模态AI领域取得重大突破，发布并开源了其OmniVinci模型。该模型最引人注目的特点是其卓越的训练效率，仅用业界同类模型六分之一的训练数据，便在视觉、音频和文本的统一理解能力上实现了性能的大幅超越。OmniVinci的发布旨在提升机器的多模态认知能力，使其能够更像人类一样，综合处理和理解来自不同感官维度的信息，为更智能、更通用的AI系统奠定了坚实基础。

![image.png](https://static.downly.cn/images/38d992dace8d72f6edca49d71a2d559b.png)
<p align="center">图源备注：图片由AI生成</p>
<br>


每日AI资讯1029：全栈创作、实时对话与端侧智能，AI技术迎来全面爆发



> 导语：今日AI界风起云涌，视频生成领域的技术竞赛进入白热化阶段。生数科技Vidu与火山引擎豆包纷纷亮剑，开放API并上线新功能，致力于提升视频内容的真实感与叙事性。与此同时，Runway将目光投向垂直行业，开放模型微调权限，推动AI在机器人与建筑业的深度应用。资本市场同样热闹非凡，LiblibAI创下国内AI应用单笔融资新高，而Snapchat则向全体用户免费开放AI图像生成功能，社交媒体的AI之战愈演愈烈。腾讯亦在3D重建技术上取得突破，发布混元世界模型1.1，大幅降低了3D内容创作的门槛。

---

## Vidu大模型API全面开放，开启“精工”视频时代
生数科技正式开放旗下Vidu Q2参考生视频大模型的API接口，此举标志着AI视频生成技术正从基础的“可用”阶段，迈向追求细节与质感的“精工”阶段。该模型凭借其卓越的画面一致性、细腻的情感表达能力以及强大的创意特效引擎，将在广告营销、电商商品展示、互动娱乐及动漫制作等领域发挥巨大潜力，有望显著提升内容的真实感与用户的转化率，为数字内容创作行业带来一场深刻的变革。

![image.png](https://static.downly.cn/images/0e00ec699801877681208fba11200e16.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 豆包视频模型精准叙事，首尾帧功能惊艳上线
火山引擎发布的豆包视频生成模型Seedance 1.0 pro，近期上线了一项创新的“首尾帧”能力。该功能通过在复杂场景中保持主体一致性、遵循物理规律以及进行精确的节奏推理，极大地增强了视频中主角的跟随效果。这使得AI生成的视频能够实现更精准的叙事和更强的沉浸感，为广大企业和个人创作者提供了一款强大的AI视频创作新工具。

![image.png](https://static.downly.cn/images/e2d72fee00a4b87866826f5265586b84.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Runway聚焦垂直应用，开放模型微调权限赋能行业革新
AI视频领域的先驱Runway推出了视频模型微调工具，将业务重心进一步拓展至行业应用。这项新功能旨在帮助机器人、建筑业和教育等垂直领域的合作伙伴，使用更少的数据和算力就能定制化AI模型。此举解决了通用大模型在专业领域表现力不足的痛点，简化了模型定制流程，标志着Runway正向着更深度的产业赋能方向发展。

![image.png](https://static.downly.cn/images/fbbdebbfac0d98645ad356a5b7f4aa03.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 资本风向标转向，LiblibAI斩获1.3亿美元巨额融资
国内AI应用公司LiblibAI近日宣布完成1.3亿美元的B轮融资，刷新了国内AI应用领域的单笔融资金额记录。本轮融资由红杉中国、CMC资本等多家知名机构联合投资，现有股东也超额增持。这一事件标志着资本市场的关注点正从AI的底层基础设施模型，逐渐转移到更具商业潜力和落地前景的应用层。

![image.png](https://static.downly.cn/images/d118232b6c0eb1d1a497c2fad69c2310.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Snapchat免费开放Imagine Lens，全民AI创作时代来临
为应对来自Meta AI和OpenAI在视频领域的激烈竞争，Snapchat宣布向所有用户免费开放其AI图像生成工具“Imagine Lens”。这一原先的付费功能，现在允许任何用户通过简单的文本提示来创作或编辑图片。此举旨在吸引年轻用户，将专业的AI创作能力普及化，让AI生成内容成为全民参与的社交新玩法。

![image.png](https://static.downly.cn/images/11898d4eeebe25c8caedba0272f4a2a2.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 腾讯混元世界模型1.1发布，秒级生成专业级3D场景
腾讯正式开源了混元世界模型1.1版本，该模型在3D重建技术上实现了重大突破。新版本增加了对多视图和视频输入的支持，并经过性能优化，可在单张显卡上高效部署。用户现在可以利用几张图片或一段短视频，在数秒内生成专业级别的3D场景。该模型的发布极大地降低了3D内容创作的技术门槛，让普通用户也能轻松进入3D世界。

![image.png](https://static.downly.cn/images/17bafc244e4fbc16b534ee735cb693fb.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1023：视频生成模型军备竞赛升级，AI应用层获资本青睐



> 导语：今日AI界风起云涌：谷歌Gemini凭借集成图像生成功能，在美国iOS免费榜上一举超越ChatGPT；OpenAI则发布了专为编程任务优化的GPT-5-Codex新模型。同时，百度文心、xAI也相继发布新模型，Anthropic与DeepMCPAgent则在AI代理开发领域提供新思路，而苹果和OpenAI的内部调整也预示着行业格局的深刻变化。

## 谷歌Gemini历史性超越 终结ChatGPT榜首神话

谷歌AI助手Gemini近日迎来里程碑式进展，其在美国iOS平台的下载量成功超越长期霸榜的ChatGPT，登顶免费应用榜首。此次逆转的关键在于Gemini最新集成了强大的NanoBanana图像生成模型，并向所有免费及付费用户开放。这一举措极大地降低了AI图像生成的使用门槛，吸引了大量用户，成功打破了ChatGPT在AI应用领域的垄断地位。

![image.png](https://static.downly.cn/images/1ae4a639f18f56031aa91d60a8b9e0d6.png)

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

## OpenAI再出重拳 发布编程专用模型GPT-5-Codex

OpenAI发布了专为Agent编程任务设计的全新模型GPT-5-Codex。该模型具备创新的动态计算能力，能够根据任务的复杂度实时调整其思考速度和资源分配，在多个编程基准测试中展现了卓越的性能，标志着AI在代码生成和理解能力上又迈出了重要一步。

![image.png](https://static.downly.cn/images/fd4b0e54f85828b732262d14f171e0e2.png)

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

## Anthropic发布指南 解锁LLM Agent新玩法

为了帮助开发者更好地构建大语言模型代理（LLM Agent），Anthropic公司发布了《编写高效工具指南》。该指南详细介绍了一套“原型-评估-协作”的三步迭代流程，并提出了五大核心设计原则。旨在指导开发者为Agent选择最匹配其上下文与策略的工具，从而规避开发过程中的常见误区，释放LLM Agent的真正力量。

![image.png](https://static.downly.cn/images/2a276e53c30a4e771d99e9109f27f769.png)

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

## 马斯克旗下xAI推新 Grok 4 Fast追求极致速度

马斯克创立的xAI公司推出了新模型Grok 4 Fast，其最大亮点在于速度提升了惊人的10倍。用户现在可以通过Grok网页版的早期访问模式切换体验。该模型的核心设计思路是优化快速响应能力，为此在处理复杂任务的精细度上做出了一定的妥协，旨在为用户提供更即时的交互体验。

![image.png](https://static.downly.cn/images/9da8e2c22c2f57e4d0bf7a5efec187b6.png)

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

## 百度文心新模型登顶 开源社区再添中国力量

百度文心大模型家族的最新成员ERNIE-4.5-21B-A3B-Thinking在Hugging Face文本生成模型排行榜上强势登顶。这款模型采用了先进的轻量级MoE（混合专家）架构，总参数为21B，但在推理时仅激活3B参数，实现了极高的效率。同时，它还支持高达128K的长上下文处理，是中国AI开源领域的又一重要进展。

![image.png](https://static.downly.cn/images/b894bf3b7cf87f4716f5cb25a1e42e32.png)

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

## 开源框架DeepMCPAgent亮相 助AI代理生产力暴增

一款名为DeepMCPAgent的开源框架引起了业界的广泛关注。该框架允许开发者利用LangChain和LangGraph，快速构建生产级别的AI代理。其核心优势在于即插即用的动态MCP工具发现功能，并且强调模型无关性，用户可以自由集成任何LLM模型，极大地简化了AI代理从原型到生产的流程，有望重塑AI代理的开发和应用生态。

![image.png](https://static.downly.cn/images/389f1d86785c9fc08ce6c7ba5316c7d8.png)

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

## OpenAI与微软关系生变 欲降收入分层比例

据报道，OpenAI正寻求修改与主要合作伙伴微软的财务协议。计划的核心是逐步降低微软的收入分成比例，目标是到2030年，将微软的分成从目前的近20%降至8%。此举旨在为OpenAI保留更多资金，以应对日益增长的巨大计算资源开销，预计将为公司带来超过500亿美元的额外收入。

![image.png](https://static.downly.cn/images/cfff2ff6e0edad22e8b2fc52f1aed657.png)

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

## 苹果AI转型遇挑战 Siri前负责人宣告离职

苹果公司在人工智能领域的转型之路再添变数。资深主管罗比·沃克宣布将于下月离职，他曾是Siri及公司AI与搜索业务的核心负责人。此次高层人事变动，引发了外界对于苹果AI战略发展前景以及其内部转型能力的担忧。

![image.png](https://static.downly.cn/images/de69b038560f79f302dc19b323c2de8d.png)

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

## Mercor转型AI训练师招聘 获亿元融资

初创公司Mercor宣布成功转型为一家专注于AI训练师的招聘平台，并已完成1亿元人民币的融资。该公司的目标是填补当前人工智能领域巨大的人才缺口，通过提供专业的培训和精准的岗位匹配，为AI产业持续输送合格的训练师人才。

![image.png](https://static.downly.cn/images/014557461160ef1d5e665afbc79258b3.png)

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



每日AI资讯0916：谷歌Gemini登顶iOS榜首，OpenAI发布编程新模型





> 导语：今日AI界动态纷呈，从底层模型的技术革新到上层应用的功能拓展，无不展示着人工智能发展的迅猛势头。不论是致力于提升模型效率与速度的阿里巴巴与蚂蚁集团，还是在图像生成、办公自动化等领域取得新突破的腾讯和Claude，亦或是关注AI可信度与开发流程优化的智谱和沃尔玛，科技巨头与初创企业正共同描绘一幅更加智能、高效的未来图景。

## 字节跳动USO模型问世 告别AI绘画的“风格分裂”

字节跳动UXO团队近期发布了其创新的USO模型，该模型在一个统一的框架内，首次成功解决了长期困扰AI图像生成领域的风格与主题难以调和的矛盾。通过构建一个包含约20万三元组（涵盖风格、内容参考及其他信息）的庞大数据集进行训练，USO模型能够精准理解并融合用户的风格偏好与内容主题，从而生成二者兼得的艺术作品，实现了风格与主题的和谐统一。

![image.png](https://static.downly.cn/images/850ecf3d12db2a3a84393fd1b1af5255.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 蚂蚁集团Ling-mini-2.0开源 轻巧身躯爆发强大能量

蚂蚁集团百灵团队正式开源了其Ling-mini-2.0模型，该模型在轻量化与高性能之间取得了卓越的平衡。它巧妙地运用了MoE（混合专家）架构和参数稀疏激活技术，虽然总参数量达到160亿，但在实际运行时每次仅需激活其中的14亿参数。这一设计不仅使其具备了处理长达128K上下文的能力，更带来了极高的生成速度，其综合性能足以媲美市面上主流的百亿级参数密集型模型以及更大规模的MoE模型。

![image.png](https://static.downly.cn/images/b89a54e1f10d89f267fbdaf1ad6a2b51.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 日本Sakana AI成新晋独角兽 师从自然探索“集体智能”

成立仅一年的日本AI初创企业Sakana AI，凭借其独特的创新理念迅速成长为行业独角兽。公司创始人，前谷歌大脑研究员David Ha及其同事Llion Jones，将研究重点放在了借鉴自然界智慧的“集体智能”上。他们致力于探索如何将多个现有及新兴的AI系统进行有效融合，而非单纯追求更大的数据和模型规模，旨在开辟一条更高效、更具协同效应的人工智能发展新路径。

![image.png](https://static.downly.cn/images/53217cafa2bf875fee2a634523703af8.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## Claude模型响应质量下滑 Anthropic官方回应并完成修复

针对近期用户反映的Claude系列模型回复质量下降的问题，人工智能公司Anthropic正式确认并作出回应。官方表示，问题的根源并非出于成本控制或需求激增，而是源于两次独立的技术故障。一次故障发生在8月5日至9月4日，影响了部分Claude Sonnet 4的请求；另一次则发生在8月26日至9月5日，波及了部分Claude Haiku 3.5和Claude Sonnet 4的请求。目前，公司技术团队已成功定位并修复了这些意外故障。

![image.png](https://static.downly.cn/images/22f5c272c1f1b8545b3c8c0f01252d3f.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 腾讯混元图像2.1开源 2K高清创作进入“秒速时代”

腾讯混元团队宣布正式开源其最新的文本到图像生成模型 HunyuanImage 2.1。该模型在AI设计领域实现了重大突破，原生支持高达2K分辨率的高清图像输出，并且生成速度与传统的1K分辨率图像生成相当。此外，新版本显著提升了对复杂文本提示的理解能力，能够更精准地控制多主体元素的生成，这将极大推动AI在专业设计、广告创意和内容创作等领域的应用效率。

![image.png](https://static.downly.cn/images/ae445774da5dcd24400cf369cc12b578.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 沃尔玛发布WIBEY平台 赋能开发者简化工作流程

零售巨头沃尔玛于2025年8月正式推出了其超级智能平台 WIBEY。该平台是沃尔玛智能框架的关键组成部分，其核心目标是彻底重塑开发者的工作流程。通过WIBEY，开发者可以快速地描述需求，平台能够自动生成可供测试的代码，从而极大地简化了从概念到部署的整个技术实现过程，提升开发效率。

![image.png](https://static.downly.cn/images/f587bcf30067f8192726a1f29c033505.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 智谱联手彩智科技推出“深知”服务 向大模型“幻觉”说不

为解决大语言模型在处理专业领域知识时容易出现信息不准确甚至“幻觉”的问题，智谱BigModel开放平台与彩智科技携手，共同推出了“DeepKnown深知可信知识服务”。该服务旨在为AI应用提供经过验证的、高准确性的知识源，尤其是在面对行业标准、法律法规等严肃内容时，确保AI能够提供可靠、可信的回答，帮助开发者构建值得信赖的智能体。

![image.png](https://static.downly.cn/images/05ae2083e07d38a1a5bcd69c97d74532.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## 阿里通义千问Qwen3-Next发布 以小博大实现10倍速度飞跃

阿里巴巴通义千问团队发布了其革命性的新模型 Qwen3-Next-80B-A3B-Instruct。这款模型颠覆了传统大模型的运作逻辑，它拥有80亿的总参数量，但在实际推理时，通过创新的架构仅需激活其中的3亿参数，便能达到全量参数的性能水平。这种“以小博大”的设计使其推理速度实现了惊人的10倍提升。目前，该模型已集成至Hugging Face的Transformers库中，向全球开发者开放。

![image.png](https://static.downly.cn/images/f6cd2f1400d7d46f4a8e888f145896ad.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

## Claude迎来重磅升级 办公文档一键生成

AI助手Claude近日进行了一项重大功能升级，极大地提升了其在办公场景的实用性。现在，用户可以直接要求Claude生成和编辑包括Excel、Word、PPT以及PDF在内的多种常用办公文件。无论是从零开始创建一份报告，还是基于现有数据进行清洗、分析和解读，Claude都能够快速响应指令，产出高质量的“现成品”文件。该功能已在官网和桌面应用上线，并逐步向不同层级的用户开放。

![image.png](https://static.downly.cn/images/25359d6652111b921268725b1456e9fb.png)
<div align="center">图源备注：图片由AI生成</div>
<br>

每日AI资讯0911：模型“瘦身”掀速度革命，实用功能全面爆发





> 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

## 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>
<br>

每日AI资讯0905：巨头亮剑！谷歌苹果OpenAI上演AI“三国杀”



> 导语：本期AI资讯看点纷呈，从Claude Opus 4.1的性能飞跃，到苹果、Mistral、腾讯等巨头纷纷亮出AI新利器，再到层次推理模型（HRM）等颠覆性技术的出现，AI领域的技术创新和商业应用正以前所未有的速度向前推进。模型性能的持续突破、应用场景的不断拓宽以及对安全隐私的日益重视，共同勾勒出当前人工智能发展的蓬勃图景。

---

## Claude Opus 4.1 横空出世，代码处理与安全性能再攀高峰

近日，备受瞩目的Claude Opus迎来了4.1版本的重大更新。新版本在多文件代码重构、推理稳定性以及安全性方面均实现了显著提升。尤其在权威的SWE-bench评估中，其验证率飙升至74.5%，这一成绩充分证明了它在处理复杂代码任务时的卓越能力和高度可靠性，进一步巩固了其在AI编程助手领域的领先地位。

![image.png](https://static.downly.cn/images/12771d17e05c515d9c5b18d4e2ed5083.png)

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

---

## Mistral 剑指企业市场，推出Le Chat Enterprise 与 Medium 3 模型

法国AI新锐Mistral公司正式发布其企业级AI助手平台——Le Chat Enterprise。该平台搭载了全新研发的、兼具高性能与低成本优势的Medium 3模型。Le Chat Enterprise致力于整合企业内部多应用数据，提供隐私优先的智能搜索等功能，旨在通过降低企业应用AI技术的门槛，全面提升员工的工作效率和创造力。

![image.png](https://static.downly.cn/images/92231b7c32b7bea782bfd2a108c36f2b.png)

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

---

## 苹果FastVLM亮相，开启85倍速本地化视觉AI新体验

苹果公司正式开源了其视觉语言模型FastVLM，让普通用户也能在搭载Apple Silicon芯片的Mac上轻松体验。基于创新的MLX框架，FastVLM实现了高达85倍的处理速度提升，同时模型体积缩小了三倍以上。这一突破不仅保证了用户数据的本地化处理，实现了“数据永不出设备”的安全承诺，还支持多平台和浏览器直接访问，极大地拓展了其应用场景。

![image.png](https://static.downly.cn/images/0436a982341f02e580024038385b18c7.png)

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

---

## AI推理迎来革命，HRM模型实现百倍速度提升

来自新加坡的初创公司Sapient Intelligence推出了一种颠覆性的AI架构——“层次推理模型”（HRM）。该模型模仿人类大脑的推理方式，在处理复杂的推理任务时，其表现不仅能与顶尖的大型语言模型相媲美，甚至在某些方面实现了超越。更重要的是，HRM显著降低了对训练数据的需求和模型本身的规模，为解决当前大模型依赖“链式思维”所带来的局限性提供了全新的解决方案。

![image.png](https://static.downly.cn/images/70129241c2838b76ea6e2cdf3895116f.png)

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

---

## 苹果再放“大招”，STARFlow技术挑战DALL-E与Midjourney

苹果在AI图像生成领域再掀波澜，推出了名为STARFlow的全新技术。该系统巧妙地结合了正则化流与自回归变换器，在生成高分辨率图像方面展现出了强大的竞争力。业界普遍认为，STARFlow的出现，将对目前主流的DALL-E和Midjourney等扩散模型构成有力挑战，图像生成市场的竞争格局或将因此改变。

![image.png](https://static.downly.cn/images/d086e730d8705391dd720d527c5977f4.png)

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

---

## DeepSeek全面推行AI内容标识，保障用户知情权

为积极响应并落实国家相关标准，深度求索（DeepSeek）平台宣布，已开始对所有由其AI生成的内容进行明确标识。此举旨在帮助公众清晰分辨人类创作与AI生成内容，减少潜在的混淆与误解，从而保障信息的真实性，并充分尊重广大用户的知情权。

![image.png](https://static.downly.cn/images/57ed60a9270e49db545986187f7840cc.png)

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

---

## Zoom会议新伴侣，AI Companion为迟到者“划重点”

视频会议巨头Zoom正式推出了其全新的AI助手——AI Companion。该产品由原有的Zoom IQ升级而来，并已向所有付费用户开放。AI Companion具备撰写聊天回复、总结会议要点、实时回答会议相关问题以及自动生成会后摘要等多项实用功能，旨在帮助用户，特别是迟到的参会者，快速跟上会议节奏，显著提升会议效率。

![image.png](https://static.downly.cn/images/14cecb14e2c1704b497ad1418a90e62c.png)

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

---

## 腾讯Hunyuan-MT-7B开源，登顶WMT2025成翻译新霸主

腾讯公司发布并开源了其最新的机器翻译大模型Hunyuan-MT-7B。该模型在权威的WMT2025评测大会上一鸣惊人，一举斩获了30个语言类别的冠军。其翻译能力不仅覆盖了中、英、法、德等主流语种，更在爱沙尼亚语、冰岛语、乌尔都语等小众语言上表现出色，全面展示了腾讯在自然语言处理领域深厚的技术积累和领先地位。

![image.png](https://static.downly.cn/images/79aa5e2d0bbd0bfc71cf379d3a6744fc.png)

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

---

## MiniCPM-V 4.5发布，8亿参数模型赋能移动端AI

开源AI社区近日发布了一款专为端侧设备设计的8亿参数多模态大语言模型——MiniCPM-V 4.5。该模型针对智能手机和平板电脑进行了深度优化，并已成功在iPhone 16 Pro Max上实现高效运行。它能够处理单图理解、多图推理乃至视频分析等多种复杂任务，并在OpenCompass综合评估中取得了77.2分的高分，展现了其在移动端的强大性能。

![image.png](https://static.downly.cn/images/668cb3405344dd7d100a0b9de145a3b1.png)

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

---

## 美团LongCat-Flash-Chat开源，560B参数刷新性能高度

美团正式开源了其AI大模型LongCat-Flash-Chat。该模型拥有高达560B的总参数，并采用了先进的MoE（混合专家）架构。通过创新的“零计算专家”机制和跨层通道设计，LongCat-Flash-Chat在H800硬件上仅用30天就完成了训练，并实现了单用户每秒处理100个token的高效性能，达到了算力与效果的完美平衡。

![image.png](https://static.downly.cn/images/5aa6a4dfef87044488200fa078c79cf0.png)

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

---

## Scale AI与Meta合作生变？高价投资开局不利

由马克·扎克伯格重金投入143亿美元的Scale AI项目，近期传出与Meta的合作出现动荡。据爆料，Meta从Scale AI高薪挖来的高管在上任仅两个月后便匆匆离职，同时，Meta方面也对Scale AI提供的数据质量提出了质疑。这场被寄予厚望的豪赌，似乎从一开始就遇到了不小的麻烦。

![image.png](https://static.downly.cn/images/36447a6b47d1332eb5e308fe17e32b95.png)

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

每日AI资讯0902：科技巨头竞相发布AI新成果，模型与应用齐飞

Midjourney官方推出的中文版AI图像生成工具

悠船

微软必应推出的基于DALL·E的AI图像生成工具

Bing Image Creator

LiblibAI推出的一站式AI图像生成平台

星流AI

Meta最新推出的在线AI图像生成器

Imagine with Meta

国内领先的AI图像生成平台，基于Stable Diffusion技术

LiblibAI·哩布哩布AI

Midjourney

在线设计工具Canva推出的AI图像生成工具

搜索结果: AI图像生成