> OpenAI提档发布GPT-5.2正面硬刚谷歌Gemini 3，苹果推出STARFlow-V以归一化流技术挑战视频生成领域，腾讯混元2.0与美团LongCat-Image相继开源展示国产AI硬实力，微软与Perplexity则在语音交互与浏览安全上再进一步。



## OpenAI亮剑 GPT-5.2火线提档硬刚Gemini 3

OpenAI CEO山姆·奥特曼做出了一个激进的决定，将备受瞩目的GPT-5.2发布时间提前至12月9日。这一举动被广泛视为对谷歌Gemini 3强势崛起的直接回应，旨在重新夺回市场关注度的制高点。

此次更新并非简单的版本迭代，新模型在多项关键指标上实现了显著突破。推理速度提升了18%，这意味着用户将获得更流畅的交互体验；多模态效率提高了23%，处理图像与复杂任务的能力更强。此外，上下文长度扩展至32,768 tokens，能够处理更长篇幅的文档与对话，OpenAI此举无疑在年底的AI大战中投下了一枚重磅炸弹。

![image.png](https://static.downly.cn/images/f0f27796a29e941c2017399322033dc3.png)
<center>图源备注：图片由AI生成</center>

## 苹果视频生成黑科技 STARFlow-V打破扩散模型垄断

苹果公司正式入局视频生成赛道，推出了名为STARFlow-V的全新模型。与目前市面上主流的Sora等基于扩散模型的技术路线不同，苹果独辟蹊径采用了归一化流技术。

这一技术路线的核心优势在于直接学习数据分布，从而大幅提升了长视频生成的稳定性，并有效减少了画面错误的累积。STARFlow-V目前支持输出640×480像素、每秒16帧的视频，最长可达30秒。其视觉质量和生成速度不仅可与扩散模型媲美，更在画面连贯性上展现出了独特的竞争优势，为视频生成领域带来了全新的技术解题思路。

![image.png](https://static.downly.cn/images/ab041a42b719373c671de96f2df1a7e5.png)
<center>图源备注：图片由AI生成</center>

## 腾讯混元2.0炸场 406B参数巨无霸开启内测

国产大模型领域迎来重量级选手，腾讯正式发布混元2.0大模型。该模型采用先进的MoE（混合专家）架构，总参数量高达406B，展现了强大的算力储备与技术积累。

混元2.0包含推理增强版和指令遵循版，支持长达256K的上下文窗口，专注于解决复杂的推理任务。腾讯方面自信地宣称其推理性能已跻身国内第一梯队。目前，该模型已在腾讯云API上线并开启应用测试，为开发者和企业用户提供了更强大的本土化AI解决方案。

![image.png](https://static.downly.cn/images/7c53330f2f24c432cd1bb98f09b61afc.png)
<center>图源备注：图片由AI生成</center>

## 美团开源LongCat-Image 中文生图与编辑能力封神

美团LongCat团队为开源社区带来了一份厚礼，正式开源拥有6B参数的LongCat-Image图像生成模型。这款模型在文生图和图像编辑领域表现出色，尤其在处理中文文字生成这一长期困扰业界的难题上，达到了SOTA水平。

LongCat-Image的设计初衷在于平衡高性能与低门槛，它成功填补了顶级闭源模型与现有开源模型之间的技术空白，让更多个人开发者和中小企业能够以较低的成本使用高质量的图像生成技术。

![image.png](https://static.downly.cn/images/65cb37a4336255d63db0aacfac350c78.png)
<center>图源备注：图片由AI生成</center>

## 微软VibeVoice-Realtime 毫秒级响应重塑语音交互

微软在语音技术领域再进一步，推出了名为VibeVoice-Realtime-0.5B的轻量级实时文本转语音模型。该模型专为互动式应用打造，支持流式输入和长篇输出。

凭借连续语音标记和扩散模型的结合，VibeVoice能在约300毫秒内迅速开始语音生成，几乎实现了人类对话般的即时响应。这一特性使其极其适合各类AI代理应用和实时数据播报场景，为用户带来无缝衔接的听觉体验。

## Perplexity推出BrowseSafe 给AI浏览器穿上防弹衣

随着AI代理在互联网上的活动日益频繁，安全问题日益凸显。Perplexity AI适时推出了BrowseSafe新功能，旨在为AI浏览器代理提供一层坚固的安全保障。

该功能专注于确保用户在使用AI工具浏览互联网时的安全性，能够有效识别并拦截潜在的网络威胁，让AI代理在执行任务时更加可靠，为自动化浏览时代构建了必要的安全基础设施。

## 谷歌生态连发 Colab无缝衔接Kaggle与Gemini换新颜

谷歌近期对旗下两大核心产品进行了联动更新与优化。首先，Colab与KaggleHub实现了深度整合，推出了全新的数据探索器功能。用户现在可以在Colab笔记本中直接搜索并调用Kaggle的海量数据集、模型和竞赛资源，无需在不同网页间反复切换，极大地简化了科研与开发流程。

与此同时，Gemini网页版也迎来了界面升级。新增的“我的”文件夹功能方便用户管理内容，同时提供了浅蓝灰和全黑两种主题模式。全新设计的界面更加简约大气，显著提升了文本的可读性与用户的整体操作体验。

![image.png](https://static.downly.cn/images/706bff57362ffe3249ead062cdfe78bc.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1208：巨头混战升级！GPT-5.2突袭，苹果入局视频生成，腾讯美团开源新模型

> 导语
> 今日科技圈迎来多重重磅更新，腾讯与OpenAI相继推出新一代大模型，编程与多模态能力大幅跃升。与此同时，快手可灵与生数Vidu在音视频生成领域再造突破，高德与诺顿则将AI融入出行与安全浏览，更有日本政府探索AI在心理干预层面的社会价值。



## 腾讯混元2.0震撼发布 携手DeepSeek共建AI生态

腾讯正式对外发布了备受瞩目的自研大模型混元2.0。这一版本采用了先进的混合专家架构（MoE），参数规模巨大，旨在提供更强劲的逻辑推理与多任务处理能力。值得一提的是，腾讯同步宣布将DeepSeek V3.2深度接入其生态系统。目前，这两款强大的模型并在元宝、ima等腾讯旗下的AI应用中正式上线。与此同时，腾讯云也迅速跟进，向开发者和企业用户开放了相关的API服务，为产业智能化升级提供了新的强力引擎。

## OpenAI再推王炸 GPT-5.1-Codex-Max重新定义编程效率

OpenAI发布了其最新的编程专用模型——GPT-5.1-Codex-Max。该模型在性能上实现了显著飞跃，不仅具备更加智能的“代理式”编码能力，能够自主规划和执行复杂的编程任务，还支持超过一百万token的超长上下文窗口，轻松处理大型代码库。令人惊喜的是，其定价策略保持与GPT-5一致，极高的性价比使其一经发布便受到了全球开发者的广泛关注与热议。

## 英伟达联手港大推出Orchestrator模型 小参数大智慧

英伟达与香港大学合作，联合推出了一款拥有8亿参数的Orchestrator模型。虽然参数量不大，但该模型利用创新的ToolOrchestra强化学习框架，展现出了惊人的效能。它能够以更低的算力成本和更高的准确率，协调多种外部工具与大型语言模型协同工作，以解决复杂问题。此外，该模型还具备根据用户偏好智能选择最佳工具的能力，为AI代理的工具管理提供了新的思路。


![image.png](https://static.downly.cn/images/d912f372ced241a29811bfb8b7aad1db.png)

<center>图源备注：图片由AI生成</center>


## 快手可灵Avatar 2.0上线 一张照片实现唱跳自由

快手可灵AI发布了Avatar 2.0数字人模型，标志着AI内容创作从静态向动态叙事迈出了关键一步。新版本彻底告别了以往数字人常见的“面瘫”问题，用户现在仅需上传一张照片和一段音乐，即可生成长达五分钟的视频。在视频中，数字人不仅能根据音乐节奏自然地唱歌跳舞，还能展现出细腻丰富的面部表情和肢体动作，极大地降低了高质量视频内容的创作门槛。

## 生数科技Vidu Q2版本发布 免费解锁4K画质与局部重绘

生数科技发布了集参考生图、文生图与图像编辑功能于一体的Vidu Q2版本，被称为“生图全家桶”。该版本在图像生成的可控性上进行了大幅增强，用户可以精准控制画面的位置、动作和构图。Vidu Q2不仅支持输出影院级的4K超清画质，还新增了实用的局部重绘等编辑功能。凭借强大的功能和免费使用的策略，该版本上线首日使用量即突破五十万次，成为创意领域的新宠。

## 微软开源VibeVoice 300毫秒极速响应拟人语音

微软发布并开源了实时语音模型VibeVoice-Realtime-0.5B。该模型在语音合成技术上取得了突破性进展，能够将文本输入在平均300毫秒内转化为语音输出，几乎实现了零延迟的实时交互。不仅速度快，其输出的语音极其接近真人，即便是在长达90分钟的长音频合成中，也能保持流畅自然的呼吸感和语调，远超传统语音合成技术的表现。

## 火山引擎豆包语音2.0升级 复杂场景识别率显著提升

火山引擎发布了基于20亿参数音频编码器的豆包语音识别模型2.0。此次升级显著增强了模型在多语言环境、嘈杂复杂场景下的识别准确性。特别是在处理专有名词、人名、地名以及多音字等难点信息时，新模型的推理能力得到了质的飞跃。此外，该模型还新增了视觉信息识别功能，进一步拓宽了其在多模态交互场景中的应用潜力。

---
![image.png](https://static.downly.cn/images/73c5ddaf2726e7f389decc0e7f6a05be.png)

<center>图源备注：图片由AI生成</center>


## 高德地图上线AI停车雷达 分钟级预测车位状态

高德地图利用先进的AI视觉分析和空间智能感知技术，推出了实用的“AI停车雷达”功能。该功能实现了车位占用情况的分钟级动态可视化更新，帮助车主在导航过程中实时查看沿途及目的地的空闲车位情况。目前，该服务已率先在北京上线，覆盖数万个车位，有效缓解了城市停车难的问题，极大地拓展了导航应用的服务深度。

![image.png](https://static.downly.cn/images/8701e7b568393d4ef04b4cc2fec2902c.png)

<center>图源备注：图片由AI生成</center>

## 诺顿发布全球首款安全AI浏览器Norton Neo 守护在线隐私

网络安全巨头诺顿发布了全球首款免费的“安全AI原生浏览器”——Norton Neo。这款浏览器旨在利用AI技术的主动防御能力，应对日益复杂的在线安全威胁。它能够智能识别并拦截恶意网站、钓鱼链接及追踪脚本，为用户提供一个更加智能、清爽且可信赖的网页浏览体验，重新定义了浏览器安全标准。

## 阿里云析言XiYan-SQL登顶全球榜单 数据库诊断能力刷新纪录

阿里云飞天实验室研发的“析言XiYan-SQL”数据分析智能体，在全球权威的SQL诊断评测BIRD-CRITIC中一举夺魁。该智能体超越了国内外众多顶尖团队，刷新了该基准测试中所有开放榜单的纪录。这一成绩充分展现了阿里云在自动诊断和修复企业常见数据库报错方面的强大技术实力，为企业数据治理提供了强有力的工具支持。

## 日本政府拟启用AI技术 早期干预青少年心理危机

面对青少年自杀率上升的严峻社会问题，日本政府计划利用人工智能技术来早期识别具有自杀倾向的青少年，并及时提供必要的心理支持与干预。这一举措是在社会对AI风险广泛关注的背景下提出的，此前OpenAI曾因AI工具可能诱导不良情绪而引发争议。日本政府此举意在探索AI向善的可能性，将其应用于心理健康这一关键社会领域。

每日AI资讯1206：腾讯混元2.0重磅登场 OpenAI发布编码神器 快手可灵让数字人唱跳俱佳

> 导语：本期资讯我们要点聚焦：OpenAI发布针对软件工程优化的GPT-5.1新模型并与富士康达成硬件制造合作；谷歌阵营同样动作频频，不仅推出了基于Gemini 3技术的Nano Banana Pro图像模型，还在地图、反诈及内容识别领域全面植入AI能力。此外，Sora陷入商标侵权官司，复旦MOSS团队开源端到端语音模型也引发了业界的广泛关注。

## 谷歌Gemini 3首秀 Nano Banana Pro重新定义4K图像生成

谷歌正式发布了基于最新Gemini 3技术的图像生成模型——Nano Banana Pro。这款新工具在技术规格上实现了质的飞跃，不仅原生支持4K超高分辨率输出，还在保持人物与物体身份一致性方面取得了显著进步。

功能方面，Nano Banana Pro新增了实时联网搜索能力，允许模型在生成过程中获取最新信息辅助创作。同时，为了应对版权和伦理挑战，模型内置了双重水印技术及C2PA验证标准。不过，性能的提升也带来了成本的增加，其定价相较于前代产品大幅上涨了3至6倍。

![image.png](https://static.downly.cn/images/9862480574ef097830a87e4019a1f336.png)

## 编程能力天花板 GPT-5.1-Codex-Max强势登场

OpenAI再次刷新了AI编程辅助的高度，推出了专为复杂软件工程设计的GPT-5.1-Codex-Max模型。该模型最大的亮点在于引入了全新的“上下文压缩机制”，有效解决了长会话中信息丢失的痛点，同时大幅降低了令牌消耗。

在权威的SWE-bench测试中，GPT-5.1-Codex-Max的准确率飙升至77.9%，展现了其在处理超大代码上下文生成任务时的卓越能力。这标志着AI在辅助大型项目开发和复杂逻辑编写方面迈出了关键一步。

## Sora商标撞车 数字图书馆OverDrive正式起诉OpenAI

备受瞩目的视频生成工具Sora近期惹上了法律麻烦。知名数字图书馆OverDrive向法院提起诉讼，指控OpenAI的“Sora”在名称使用、图标设计以及配色方案上，与其2018年推出的同名学生阅读App存在极高的相似度。

OverDrive方面认为，OpenAI的行为已经涉嫌商标侵权及不正当竞争，目前已正式递交了索赔要求并申请了相关禁令。这一案件也再次引发了科技圈对于品牌命名与知识产权保护的讨论。

![image.png](https://static.downly.cn/images/d189d9f490c8d81fd768aacbd7622e33.png)
<center>图源备注：图片由AI生成</center>

## 谷歌Pixel 9化身反诈卫士 实时监测通话与屏幕共享风险

为了应对日益猖獗的金融诈骗，谷歌在印度市场率先推出了两项基于AI的防御功能。依托于Gemini Nano的端侧处理能力，Pixel 9及以上机型现已支持通话实时诈骗语音检测，能够在通话过程中识别潜在的诈骗话术。

此外，针对Android 11及以上版本的设备，谷歌还推出了屏幕共享联合警报功能。该技术旨在通过技术手段拦截如OTP（一次性密码）泄露等风险行为，为用户的财产安全构建起一道AI防火墙。

## 填空也能做设计 前谷歌团队打造Mixup创意修图应用

由前谷歌团队创立的Things公司发布了一款充满趣味的iOS端AI照片编辑器——Mixup。该应用目前采用限量邀请码制度，一经推出便引发关注。

Mixup的核心玩法在于其独特的“Recipe”（配方）功能，采用填空式的提示词引导。用户只需上传简单的照片或涂鸦，即可通过预设配方快速生成如“文艺复兴自画像”等风格独特的二次创作。同时，用户还可以将自己的创意配方分享至社区，形成互动循环。

![image.png](https://static.downly.cn/images/a35c38aa50aea2085a6a47527478fc45.png)
<center>图源备注：图片由AI生成</center>

## 算力基建再升级 OpenAI携手富士康打造美国AI制造中心

OpenAI正在进一步强化其供应链的自主可控能力，正式与制造巨头富士康达成战略合作。双方将共同在美国多地建立研发与制造中心，专注于生产高性能AI服务器机架以及配套的供电冷却系统。

根据协议，富士康将负责具体的生产制造环节，而OpenAI则提供关键的需求洞察并保留优先选购权。值得注意的是，此次合作中OpenAI并未做出强制采购承诺，显示出其在硬件布局上的灵活策略。

## 搜索体验大革新 Perplexity Comet浏览器登陆安卓平台

Perplexity公司宣布其备受好评的AI浏览器Comet正式推出Android版本。安卓版Comet完美继承了桌面端的核心优势，支持用户将其设置为系统默认搜索引擎，并能利用标签功能快速调用AI助手。

此次更新最大的亮点在于新增的语音模式。用户现在可以针对当前浏览的网页内容，直接通过语音发起交互式提问，无论是查询页面细节还是总结长文，都能获得即时响应，极大地提升了移动端的搜索效率。

![image.png](https://static.downly.cn/images/5eaa001ab129c1c052449661fb952bc7.png)
<center>图源备注：图片由AI生成</center>

## 告别文本中介 复旦MOSS团队开源端到端语音大模型

复旦大学MOSS团队在开源领域再下一城，正式开源了其端到端语音对话模型MOSS-Speech。该模型采用创新的“层拆分”架构，通过冻结文本模型参数并新增语音专用层的方式，成功打破了传统语音交互需要“语音转文本再转语音”的桎梏。

测试显示，MOSS-Speech在语音问答、情绪精准模仿以及自然笑声生成等方面表现优异，在特定任务评测中实现了极低的词错率和极高的情感识别准确率，为未来的人机交互提供了新的范式。

## 一眼识破AI造假 Gemini新增图片来源快速验证功能

面对网络上泛滥的AI生成内容，Google为Gemini用户增添了一双“火眼金睛”。新推出的图片识别功能允许用户直接向Gemini提问，以快速判断眼前的图片是否由Google自家的AI工具生成或编辑。

这项功能旨在提高数字内容的透明度。谷歌还透露，未来计划将这一验证能力扩展至视频和音频领域，并将其整合到更多的谷歌服务生态中，帮助用户在真假难辨的信息流中保持清醒。

## 谷歌地图注入Gemini灵魂 沉浸式导航与地标指引上线

谷歌地图迎来了Gemini模型的深度整合，旨在打造更直观的出行体验。新版本不仅能自动汇总目的地的评论和预订信息，为用户提供详尽的“行前须知”，还引入了更加智能的导航方式。

在AI的加持下，导航系统现在能够利用清晰可见的物理地标作为指引参照物，而非枯燥的街道名称。同时，针对电动车主，新功能还提供了更精准的充电桩预测服务，让行程规划变得更加轻松无忧。

每日AI资讯1121：GPT-5.1-Codex-Max震撼发布，谷歌Gemini 3与Nano Banana Pro强势回击

> AI领域的技术竞赛日新月异。谷歌通过推出Vibe Coding功能简化开发流程，而OpenAI则以其创新的Atlas浏览器挑战传统浏览模式。与此同时，Claude客户端的更新显著提升了跨平台操作效率，而国产模型Kimi K2在特定应用场景中表现出的卓越性能，更是引发了业界的广泛关注。

## 谷歌AI Studio发布Vibe Coding，让AI开发“人人可用”
![image.png](https://static.downly.cn/images/db748fa3615cf67c865d069ac7fd16ef.png)
谷歌AI Studio迎来重要更新，正式上线了Vibe Coding功能。此举旨在彻底改变AI应用的开发模式，通过简化的流程和直观的操作界面，让开发者、初创企业甚至没有技术背景的用户都能轻松构建自己的AI应用。新版本还强化了应用库的社区功能，用户不仅可以便捷地发布和展示自己的作品，还能与其他开发者交流协作，共同推动AI技术的普及与创新。

![image.png](https://static.downly.cn/images/edb1da0946bc4bf6fd2807da642581d3.png)
图源备注：图片由AI生成
 

## Claude客户端再升级，截图语音提升交互效率

<video src="https://static.downly.cn/images/e04675d7f0fa42fe57d08c597e7e88c9.mp4" title="6389672140624690934860744.mp4"></video>
Anthropic旗下的Claude桌面客户端近期迎来更新，进一步向强大的生产力工具迈进。新版本最引人注目的功能是“截图分享”，用户只需通过快捷键激活并拖拽选区，即可将屏幕上的任何内容发送给Claude进行即时分析，无论是图表、代码还是设计稿，AI都能迅速理解并回应。此外，新版还支持快捷键语音交流，并同步适配了移动端，实现了跨设备无缝操作，极大地提升了用户处理信息的效率。

![image.png](https://static.downly.cn/images/f98dcffe56021383b31cedd53ceafcd7.png)
图源备注：图片由AI生成
 

## OpenAI推出Atlas浏览器，Agent模式重塑浏览体验

<video src="https://static.downly.cn/images/9f47ca24efa2b69a38933965e85156fd.mp4" title="OpenAI浏览器Atlas.mp4"></video>
OpenAI正式发布了其颠覆性产品——ChatGPT Atlas浏览器，直接挑战谷歌Chrome的市场地位。这款浏览器以强大的ChatGPT为核心引擎，将智能对话与网页浏览深度融合。Atlas对所有用户免费开放，而付费订阅者更可享受独特的Agent模式，该模式能自主理解用户意图并执行复杂任务。此举被市场解读为OpenAI抢占AI应用入口的关键一步，引发了关于未来浏览器形态的激烈讨论，谷歌股价也因此受到影响。

![image.png](https://static.downly.cn/images/69aac75134e39a1144e51619609e928b.png)
图源备注：图片由AI生成
 

## 国产之光，Vercel CEO盛赞Kimi K2性能超越GPT-5

中国开源AI模型Kimi K2在国际上获得了高度认可。知名云平台Vercel的CEO在社交媒体上公开表示，Kimi K2在处理智能体（Agent）应用任务时，其准确率比GPT-5和Claude Sonnet 4.5高出50%，并且处理速度快了整整5倍。这一惊人的性能数据迅速在科技界引起轰动，不仅证明了Kimi K2在特定场景下的技术优势，也标志着中国AI技术力量正在崛起，获得了全球同行的关注与尊重。

![image.png](https://static.downly.cn/images/5c26c2dda3a7b760531eee9c8d1c77f7.png)
图源备注：图片由AI生成

每日AI资讯1022：谷歌与OpenAI竞逐AI应用新赛道，Kimi K2异军突起

> 导语 AI行业风起云涌，价格战的硝烟已弥漫至视频生成领域，可灵AI率先降价近三成。与此同时，微软携Copilot强势入局，AI浏览器赛道再添巨头。从OpenAI超4000亿美元的“星际之门”数据中心，到小红书、美图秀秀等应用纷纷内置AI助手，再到智元机器人开源具身智能模型，AI正以前所未有的速度渗透至各行各业，重塑未来格局。

**封面图提示词**
一张充满未来科技感的数字画卷，画面中数据流像星河一样璀璨，连接着巨大的服务器集群、创新的浏览器界面和动态的视频编辑窗口，中心有一个发光的AI大脑核心，象征着人工智能行业的激烈竞争、飞速创新与无限可能。

图源备注：图片由AI生成

---

## 可灵AI掀起价格风暴 视频生成模型降价近30%
视频大模型领域的“价格战”正式打响。可灵AI近日推出了其最新的可灵2.5Turbo视频生成模型，并宣布大幅降价近30%。此举使其成为市场焦点，其订阅费用根据会员等级从66元到266元不等，展现了厂商在激烈竞争中差异化的定价策略。
![image.png](https://static.downly.cn/images/eba431270554afc200d2004860fde5fe.png)

图源备注：图片由AI生成

## 微软Copilot入局 Edge浏览器迎来AI变革
继谷歌和Perplexity之后，微软也正式押注“代理浏览器”概念，通过Copilot模式加入了AI浏览器的激烈竞争。这与谷歌Gemini集成Chrome、Perplexity推出Comet AI浏览器等行业动态相呼应，共同证实了浏览器领域正在经历一场由AI驱动的革命。微软希望借此创新，在市场份额争夺战中占据有利位置。

![image.png](https://static.downly.cn/images/33e100395e97bc3cf486c4840ae43e03.png)
图源备注：图片由AI生成

## 史上最大投资 OpenAI联手甲骨文软银打造“星际之门”
OpenAI、甲骨文和软银三方强强联手，在美国启动了一个名为“星际之门”的宏大AI数据中心项目。该项目总投资超过4000亿美元，初期目标算力为7吉瓦，并计划最终增至10吉瓦，有望成为有史以来规模最大的AI数据中心。

![image.png](https://static.downly.cn/images/8165f6e8cbdd9dc64ced93e0c8a905ff.png)

图源备注：图片由AI生成

## 动作捕捉巨头诺亦腾入局 机器人数据迎来新玩家
面对机器人技术发展中的数据瓶颈，动作捕捉领域的巨头诺亦腾决定顺势而为，将其数据业务独立运营。在腾讯、字节等大厂的推动下，动作捕捉行业热度空前，诺亦腾联合创始人戴若犁精准抓住了国际市场对高质量机器人数据的迫切需求，开启了全新的商业模式，目标直指十亿级市场。

![image.png](https://static.downly.cn/images/9208d288de53ad6e2486f64fc08ba470.png)

图源备注：图片由AI生成

## 小红书办公软件大升级 全新AI助手“hibo”亮相
小红书对其内部办公应用“REDcity”进行了全面升级，并更名为“hi”，同时发布了全新的Logo。此次升级旨在优化工作流程，加强组织管理。最引人注目的是新推出的AI助手“hibo”，它能够自动生成摘要、进行联网搜索和深度思考，从而快速响应各种工作信息需求，助力高效协作。

![image.png](https://static.downly.cn/images/7942ca51dac0c3c2ba0898f928df72ff.png)

图源备注：图片由AI生成

## 智元机器人开源GO-1模型 推动具身智能普及
智元机器人宣布开源全球首个基于ViLLA架构的具身智能模型GO-1。该模型结合了视觉、语言与潜在动作三重能力，旨在大幅降低技术门槛。配合此前发布的AgiBot World百万级真机数据集，智元机器人希望吸引更多开发者共同参与，推动机器人环境理解和具身智能技术的快速发展。

**插图提示词**
一个智元机器人站在一个开放的平台上，向周围的开发者社区伸出机械手臂，手臂中释放出无数开源代码符号，这些符号汇聚成“GO-1”的字样，象征着技术的开放与共享。
![image.png](https://static.downly.cn/images/0a57b677f41a6ae516cffc385071e5d4.png)
图源备注：图片由AI生成

## 美图秀秀即将上线AI智能助手 影像交互迎新体验
美图秀秀计划于九月下旬正式上线其全新的AI智能助手。据悉，该助手将利用RoboNeo技术，实现应用交互的智能化全面升级。这标志着美图公司在AI深度融合战略上又迈出了重要一步，旨在彻底革新传统的影像交互体验。

![image.png](https://static.downly.cn/images/10db3b0ad93e8ba37a4e881bc07e393c.png)

图源备注：图片由AI生成

## “像素蛋糕”宣布核心功能永久免费 AI修图迎普惠时代
为了降低专业修图工具的使用门槛，AI修图软件“像素蛋糕”宣布了一项重大决定。自9月22日起，其基础调色和手动工具等核心功能将永久免费开放。用户只需更新至最新版本，即可无限使用这些功能，不再消耗付费张数。

![image.png](https://static.downly.cn/images/2844947138f197d525143819b53f7526.png)

图源备注：图片由AI生成

## 设计到代码全自动 TRAE Rules实现工作流革命
TRAE项目展示了如何利用Figma的最新功能，通过建立两套固定规则，实现从设计图到代码的端到端全自动化流程。该流程不仅能自动复原设计，还能分析并解决问题，甚至进行自我测试和部署，最终完美复刻项目并生成预览，极大地提升了开发效率。

![image.png](https://static.downly.cn/images/90c962836a41efd5be63214edadb7360.png)

图源备注：图片由AI生成

每日AI资讯0924：视频模型价格战打响，巨头押注AI浏览器与千亿级数据中心

> 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

> 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

# AI资讯周报：国产模型突破极限，AI浏览器开启新一轮入口争夺战

> AI界风起云涌，从国产多智能体系统在“人类最后考试”中取得历史性突破，到开源模型在跨模态推理上比肩人类专家，技术竞赛持续升温。与此同时，AI应用正加速渗透，OpenAI与Perplexity纷纷布局AI浏览器，意图抢占下一代互联网入口；行业巨头则通过巨额融资和开源新工具，积极构筑未来生态壁垒。

## 国产AI再创佳绩 X-Masters攻克“人类最后考试”

上海交通大学与深势科技团队合作开发的X-Masters多智能体工作流系统，在极具挑战性的“人类最后的考试”（AIBench-Eval）中取得了32.1分的成绩，首次突破30分大关。该系统通过模拟人类研究者的动态解题过程，并利用创新的“分散-堆叠式”智能体工作流，显著提升了AI在生物、医学等复杂领域的推理与解决问题的能力，标志着通用人工智能发展的重要一步。

![image.png](https://static.downly.cn/images/d803d07940df547259207170e2ce319e.png)

## 昆仑万维Skywork-R1V 3.0发布 跨模态能力媲美人类专家

昆仑万维最新推出的开源模型Skywork-R1V 3.0，在多模态推理能力上实现了巨大飞跃，其表现可与初级人类专家相媲美。该模型通过高质量的蒸馏数据与强化学习进行训练，在MMMU、物理、逻辑和数学等多个权威评测中，其性能超越了包括Claude-3.7-Sonnet和GPT-4.5在内的顶尖闭源模型，展示了强大的跨模态理解与推理实力。

![image.png](https://static.downly.cn/images/4ca7ea45f38d5b159a181ea2bdb97ad1.png)

## 法国AI新星Mistral寻求10亿美元融资 剑指欧洲AI霸主

法国AI初创公司Mistral正在寻求高达10亿美元的股权融资及数亿欧元的债务融资，以巩固其在欧洲市场的领导地位。此轮融资将用于加速其前沿模型的研发与市场拓展。同时，Mistral计划与MGX及英伟达合作，共同建设欧洲最大的AI数据中心园区，旨在提升欧洲AI产业的基础设施水平，确保其在全球AI竞赛中的战略主权。

![image.png](https://static.downly.cn/images/806e680175b9bed4f1fcf8948789a80b.png)

## Hugging Face推出3B参数小模型SmolLM3 高效AI新选择

Hugging Face最新发布了仅有3B参数的开源语言模型SmolLM3。尽管模型小巧，但其性能卓越，在多项基准测试中超越了同级别甚至4B参数的模型。SmolLM3支持双模式推理、长达128K的上下文窗口，并覆盖六种语言，专为边缘计算设备优化，为开发者和企业提供了一个高性价比的AI解决方案。

![image.png](https://static.downly.cn/images/ed639120f5ffdef16b1bfe4253ffd84b.png)

## Vidu Q1功能震撼升级 AI视频生成迈入多参考图时代
<video src="https://static.downly.cn/images/779d5a1303e08f57f65df80145429cda.mp4" title="30948198649-1-16.mp4"></video>
生数科技旗下的视频生成模型Vidu Q1迎来重大更新，推出“参考转视频”功能。新功能允许用户上传最多七张参考图像，并结合文本提示，生成视觉风格高度一致的1080p高清视频。这一突破有效解决了多场景和多主体连贯性的行业难题，极大地提升了内容创作者在复杂叙事和细节呈现上的创作自由度。

![image.png](https://static.downly.cn/images/565461c3ed685e8d8e89fd04aa40dfaa.png)

## NovelAI开放经典动漫模型权重 仅限非商业研究

知名AI内容创作平台NovelAI宣布，即将开放其已停用的Stable Diffusion 1.5动漫模型权重。该模型被命名为NovelAI Diffusion V2，虽然是旧版本，但其在动漫风格生成上仍有很高的参考价值。此次开放主要面向研究人员和爱好者，并规定仅可用于非商业目的。

![image.png](https://static.downly.cn/images/a83a9d01bdf573f1648822e039478611.png)

## AI开发者新宠 Hugging Face开源桌面机器人Reachy Mini

Hugging Face与Pollen Robotics合作，推出了一款面向AI开发者的开源桌面人形机器人Reachy Mini。这款机器人是进行人机交互、编程学习和AI实验的理想工具。它提供了299美元的Lite版和449美元的Wireless版，尽管功能仅限于旋转和头部移动，其在预售阶段仍获得了超过13万欧元的资金支持，显示出开发者社区的巨大热情。

![image.png](https://static.downly.cn/images/5cfa29b44dfc14f44bbc061c50db8c1c.png)

## 谷歌开源MCP数据库工具箱 赋能AI Agent数据操作能力

为了增强AI Agent的数据处理能力，谷歌最新开源了名为MCP Toolbox for Databases的工具集。该工具箱旨在帮助AI Agent轻松连接并操作各类数据库，它支持广泛的数据库类型和客户端接入方式，极大地扩展了AI在数据管理和分析领域的应用潜力，让AI能更深入地参与到企业的数据工作流中。

![image.png](https://static.downly.cn/images/a02429e55ac6b33d5ec1801feaf99832.png)

## AI浏览器争霸战打响 OpenAI与Perplexity入局

AI搜索领域的竞争正从聊天框延伸至浏览器本身。据报道，OpenAI计划在未来几周内发布一款AI浏览器，旨在通过深度集成AI功能重塑用户的网页浏览体验，将部分交互保留在ChatGPT生态内。与此同时，其竞争对手Perplexity也已正式推出AI驱动的网页浏览器Comet，初期面向月费200美元的Max计划订阅用户开放，意图通过提供更智能、更高效的信息获取方式，抢占下一代流量入口。

![image.png](https://static.downly.cn/images/9389050cfda508026cbea75d1f5cbde9.png)

## YouTube加强内容审核 打击AI生成的低质视频

随着AI生成内容的普及，对“AI垃圾内容”的担忧日益加剧。为此，YouTube正准备更新其平台政策，以打击那些“批量生产”和“重复性高”的视频。YouTube的创作者联络人表示，这次调整是现有政策的延续和强化，旨在维护平台内容的质量和原创性，确保观众获得有价值的观看体验。

![image.png](https://static.downly.cn/images/367f9f2f36a0fbf8bd2713f737883aac.png)

搜索结果: AI浏览器