> 导语
> Adobe正式入驻ChatGPT实现对话修图，阿里Qwen3系列在语音与全模态领域迎来重大升级，谷歌发布FACTS基准揭示顶尖模型幻觉问题，Cloudflare与JetBrains重塑开发工具生态。

## Adobe全家桶入驻ChatGPT 对话即可修图改文档

Adobe与OpenAI达成了一项重磅合作，正式将旗下的核心生产力工具Photoshop、Express和Acrobat集成到了ChatGPT中。这意味着用户不再需要在不同的软件之间来回切换，只需通过ChatGPT的对话框输入自然语言指令，即可直接进行图片编辑、平面设计以及PDF文档处理。

这一整合标志着创意工作流程的重大变革，极大地降低了专业工具的使用门槛。无论是需要“一句话修图”，还是通过对话修改复杂的PDF合同，用户都能在同一个AI平台上高效完成。这不仅是Adobe“AI优先”战略的关键一步，也让ChatGPT从单纯的文本交互工具进化为更强大的多媒体生产力中心。

![image.png](https://static.downly.cn/images/7ec4d3f801779792ebe1601aacdf72c6.png)
<center>图源备注：图片由AI生成</center>

## 阿里Qwen3火力全开 49种音色TTS与全模态模型齐发

阿里巴巴通义千问团队近日动作频频，发布了多项重要更新。首先是免费开放的新一代语音合成模型Qwen3-TTS，该模型不仅词错误率极低，还一口气提供了49种多角色音色。它支持10种语言和10种中国方言，内置了诸如“撒娇搞怪茉兔”等极具拟人化的声音库，满足了开发者对多样化声音的迫切需求。

与此同时，全模态大模型Qwen3-Omni-Flash-2025-12-01也正式亮相。该模型支持文本、图像、音频和视频的无缝输入，并能实时流式输出高质量的文本及自然语音。其语音交互的自然度已逼近真人水平，并具备处理119种语言的能力。此外，团队还推出了新型强化学习方法SAPO，通过自适应调整更新幅度，有效解决了大模型训练中的不稳定性问题。

![image.png](https://static.downly.cn/images/61ff7af9c104c000824da86734325bb9.png)
<center>图源备注：图片由AI生成</center>

## 谷歌揭露AI事实墙 顶尖模型准确率集体不及格

谷歌与Kaggle联合发布了一项名为FACTS的基准测试套件，旨在填补生成式AI评估领域的空白。这项测试专注于考察模型输出内容的事实性与真实性，特别是针对图表信息的解读能力。测试结果令人咋舌，在面对法律、金融等关键行业的严谨需求时，目前市场上所有的顶尖AI模型准确率均未超过70%，揭示了一道难以逾越的“事实墙”。

此外，谷歌还对自身的AI搜索功能进行了升级。为了帮助用户更好地甄别信息，新功能在搜索结果中内嵌了来源链接和AI生成的说明，直观地展示了查询结果与原始链接之间的逻辑关系，试图在提升搜索体验的同时增加信息的可信度。

![image.png](https://static.downly.cn/images/dd0b0972e8ccd7c59da8e8d39cb40652.png)
<center>图源备注：图片由AI生成</center>

## 开发圈大地震 JetBrains转战Agentic IDE Cloudflare推出零代码神器

开发者工具领域正在经历一场洗牌。老牌IDE巨头JetBrains面对VS Code和Cursor的强力挑战，决定调整战略，放弃了Fleet项目，转而全力打造全新的Agentic IDE，试图在下一代AI编程工具的争夺战中通过高度智能化的Agent代理重夺王座。

另一边，Cloudflare则致力于降低开发门槛，推出了开源工具VibeSDK。这是一款不仅GitHub星标迅速破4k的热门工具，它允许用户仅通过自然语言描述，就能实现全栈应用的零成本生成、测试和部署。这一工具的出现，让普通人创建复杂的网站或应用变得像说话一样简单，极大地简化了软件开发流程。

![image.png](https://static.downly.cn/images/ad0fb4fd090e93134901b553d3747669.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1211：Adobe联手ChatGPT颠覆修图 阿里Qwen3全模态与语音大爆发

> 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

> 导语：本期AI资讯涵盖了OpenAI的GPT-6更名“GPT-6-7”引发的讨论，Lightricks发布LTX-2模型在AI视频生成领域的突破，谷歌将Gemini AI集成到Chrome Canary，美的推出新一代Home AI系统，Canva旗下Affinity软件免费开放挑战Adobe，以及月之暗面发布的Kimi Linear架构带来的技术革新。

## OpenAI的命名游戏 GPT-6更名“GPT-6-7”引热议

OpenAI首席执行官宣布，下一代模型GPT-6将更名为“GPT-6-7”。这一举动恰逢Dictionary.com将数字“67”选为2025年的年度词汇，引发了科技界的广泛关注和猜测。行业观察家们正在探讨此举背后的战略意图以及数字“67”可能蕴含的特殊文化或技术意义。

![image.png](https://static.downly.cn/images/b1e86fb6d4ae3c014c415eadfe1db00e.png)
图源备注：图片由AI生成
 

## AI视频创作新纪元 LTX-2实现一键生成高清叙事大片

Lightricks公司最新发布的LTX-2 AI模型，在AI视频生成领域取得了重大突破。该模型能够一次性生成长达20秒的4K高清叙事视频，并且创新地实现了音画同步，包括精准的口型匹配。这一技术解决了传统AI视频生成中普遍存在的无声或音画不同步问题，极大地提升了视频创作者的效率和作品质量。

![image.png](https://static.downly.cn/images/108eeec1e017ba73e708b3b06a8f62f8.png)
图源备注：图片由AI生成
 

## 浏览器迎来AI增强 谷歌Chrome集成Gemini功能

谷歌在其最新的Chrome Canary测试版中，正式引入了由Gemini AI驱动的新功能。其中，“Nano Banana”功能允许用户直接在浏览器搜索框内通过文本提示生成图像，而“深度搜索”功能则让用户可以在搜索框内直接进行深入的主题研究。这些更新使用户无需离开当前页面即可完成信息检索和内容创作，显著提升了浏览和工作效率。

![image.png](https://static.downly.cn/images/70374b3f667c9d81a275d2dd76c28f06.png)
图源备注：图片由AI生成
 

## 智能家居再进化 美的发布会思考的Home AI系统

在美的“远见者大会”上，新一代的Home AI系统正式亮相。该系统通过构建“连接—感知—推理—执行”的完整闭环，能够智能地联动家中所有设备。它不仅能执行指令，更能根据用户的日常习惯进行自主学习和优化，从而打造出一个“能思考”的智能家居中枢，提供前所未有的流畅人机交互体验。

![image.png](https://static.downly.cn/images/2736603e3a1a96d1fd19704e80b43c2f.png)
图源备注：图片由AI生成
 

## 设计软件市场巨变 Canva旗下Affinity宣布永久免费

设计软件开发商Canva宣布，其旗下的专业级设计套件Affinity将永久免费向所有用户开放。新版本的Affinity集成了矢量设计、图像编辑和桌面排版三大功能，并通过独特的“Persona”模式，让用户可以在同一个应用程序内无缝切换不同的工作流程。此举被视为对Adobe长期以来的订阅模式发起的直接挑战，旨在吸引更广泛的用户群体。

![image.png](https://static.downly.cn/images/bf21e074c955a10794af31b10656f742.png)
图源备注：图片由AI生成
 

## Attention机制的革命 月之暗面发布Kimi Linear架构

月之暗面公司发布了其创新的“Kimi Linear”混合线性注意力架构。该架构通过引入“Kimi Delta Attention”来优化门控机制，显著提升了RNN模型的记忆效率。根据官方数据，新技术将KV缓存减少了75%，同时将推理速度提升了6倍。这一颠覆性革新在处理长短距离依赖和强化学习任务中表现出色，有望在多个AI应用场景中实现性能的重大突破。

![image.png](https://static.downly.cn/images/5bca141535d788f5488e28b9a34b6787.png)
图源备注：图片由AI生成

每日AI资讯1101：GPT-6更名、AI视频革命与谷歌Gemini加持Chrome

> 科技巨头们正以前所未有的速度，将AI技术融入我们工作和生活的方方面面。从视频剪辑、应用开发到图片设计，AI正在掀起一场创造力革命，让原本复杂的技术变得触手可及。无论是谷歌、微软等公司的持续加码，还是TikTok、Adobe等应用层面的创新，都预示着一个更加智能、高效的未来。

## TikTok解放创造力 AI剪辑神器“Smart Split”让视频制作更简单

TikTok在美国创作者峰会上，为其庞大的创作者社群带来了一款名为“Smart Split”的AI剪辑工具。该工具旨在通过人工智能技术，智能分析视频素材，帮助创作者更高效地完成剪辑工作。同时，TikTok还推出了AI内容规划工具“AI Outline”，并更新了创作者分成政策，从技术赋能到收益优化，全方位提升创作者的制作效率与收入潜力。

![image.png](https://static.downly.cn/images/06f5409ba5cc4fc0e39d1665934570ad.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌母公司Alphabet财报亮眼 季度营收首破千亿 AI成未来核心增长点

谷歌母公司Alphabet公布了其最新季度财报，季度收入首次突破千亿美元大关，展现出强劲的增长势头。广告与云计算业务是此次增长的主要驱动力。财报会议上，公司高层明确表示将大幅增加资本支出，重点投向AI领域的基础设施建设，以满足未来业务扩张的需求。这一系列积极信号获得了投资者的广泛认可，公司股价随之上涨。

![image.png](https://static.downly.cn/images/836f83a1e8eb9d7ac36284454150b3b3.png)
<center>图源备注：图片由AI生成</center>
 

## YouTube电视体验大升级 AI画质优化加二维码购物 开启客厅新玩法

YouTube正致力于提升其在电视大屏上的观看体验。最新推出的功能允许观众通过扫描视频中嵌入的二维码直接进行购物，将内容与消费无缝连接。此外，YouTube还利用AI技术优化电视播放画质，并引入了更精准的搜索功能。这些更新不仅为观众带来了更丰富、便捷的客厅娱乐体验，也为内容创作者开辟了新的收入渠道。

![image.png](https://static.downly.cn/images/2036d38e4d32f4eef2cb422b798bced8.png)
<center>图源备注：图片由AI生成</center>
 

## 动动嘴就能做App 微软Copilot推出“应用构建器”

微软为其Microsoft 365 Copilot套件增添了两项强大功能 “应用构建器”和“自动化工作流”。这项创新使得没有任何技术背景的员工，也能通过简单的自然语言指令，在Word、Excel等常用办公软件内快速创建小型应用程序或自动化日常任务。例如，用户只需描述需求，即可生成一个项目仪表板，极大地提高了办公效率。

![image.png](https://static.downly.cn/images/40e7b6592672553789e2ddaada9111cf.png)
<center>图源备注：图片由AI生成</center>
 

## 为AI安全保驾护航 OpenAI发布两款全新开源安全推理模型

为了应对日益复杂的AI安全挑战，OpenAI宣布推出两款全新的开源安全推理模型 gpt-oss-safeguard-120b与20b。这两款模型的发布，旨在提升AI技术的可靠性与安全性，通过开源社区的力量，共同构建更安全的AI生态系统，为整个人工智能行业的健康发展提供了重要的技术保障。

![image.png](https://static.downly.cn/images/1e7abfe82e9b898d0b66d9900117273b.png)
<center>图源备注：图片由AI生成</center>
 

## 人人都是开发者 谷歌AI Studio推出“文本即应用”神器

谷歌在其AI Studio平台上发布了一项革命性工具，允许用户仅通过文本描述就能创建AI应用。这项“零代码”的创新，深度集成了强大的Gemini模型，用户无需编写任何代码，即可将自己的想法变为现实，甚至支持图像生成功能。这标志着AI开发的门槛被进一步降低，开启了“人人都是AI开发者”的时代。

![image.png](https://static.downly.cn/images/3e2fb97455bfd2cf67aa68e04771ec81.png)
<center>图源备注：图片由AI生成</center>
 

## 聊天就能P图 Photoshop与ChatGPT强强联手 设计门槛一降再降

Adobe公司宣布与OpenAI达成合作，将ChatGPT的强大自然语言处理能力深度集成到旗舰产品Photoshop及Adobe Express中。现在，用户可以直接通过聊天对话的方式，描述自己的创意想法，AI便能自动完成从图像生成、编辑调整到最终导出的全套设计流程。这项合作极大地简化了专业设计工作流，让创意表达变得前所未有的直观和便捷。

![image.png](https://static.downly.cn/images/c11ed0fde79133d273211fc1772c6fdf.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1030：科技巨头引领创造力革命，AI让应用开发与内容创作迈入新纪元

> 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成
 

## 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)
图源备注：图片由AI生成

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

> 今日AI界风起云涌，从企业级应用的深度定制到C端产品的全球化布局，技术创新与资本热潮并进。Adobe与IBM分别联手顶级技术，为企业AI服务提速；谷歌与Anthropic则在视频编辑和云端编程领域带来颠覆性工具；同时，医疗AI赛道再现巨额融资，字节跳动AI助手出海告捷，而DeepSeek在长文本处理技术上取得新突破，共同描绘出AI产业蓬勃发展的全景图。

---

## Adobe Firefly迎来企业定制版，AI模型也能“私人订制”

Adobe近期推出的AI Foundry服务，旨在为大型企业提供Firefly模型的深度定制化。通过这项服务，企业可以与Adobe合作，利用自有数据对Firefly模型进行重新训练，使其生成的内容更符合企业独特的品牌风格、产品设计和营销需求。这一举措打破了通用AI模型在特定商业场景下的局限性，支持多概念理解与多模态应用，极大地提升了AI在企业内容创作中的适用范围和灵活性，标志着AIGC技术正迈向更精准、更专业的企业级解决方案。

![image.png](https://static.downly.cn/images/5523ece8657466439525466ca999d659.png)
<center>图源备注：图片由AI生成</center>
 

## 医疗AI新贵OpenEvidence估值飙升，三个月融资2亿美金

医疗AI公司OpenEvidence再次成为资本市场的焦点，在短短三个月内完成了新一轮2亿美元的巨额融资，公司估值因此飙升至60亿美元。这充分彰显了投资者对AI在医疗领域应用前景的高度看好。OpenEvidence的核心产品是一款面向医护人员的AI“聊天机器人”，能够帮助他们快速、准确地获取和分析海量医疗知识与研究文献，从而辅助诊疗决策。资本的持续注入，将加速其技术研发和市场扩张，推动AI在临床实践中的深度应用。

![image.png](https://static.downly.cn/images/f0d4515dc0824ffd84c76d784b5d2013.png)
<center>图源备注：图片由AI生成</center>
 

## 字节跳动Cici火爆海外，AI双品牌战略初见成效

字节跳动旗下的AI助手应用Cici在海外市场取得了显著成功，尤其在墨西哥的Google Play商店中登顶下载榜，并在英国的App Store中跻身前十。Cici与字节跳动在国内推出的“豆包”同期上线，是其“双品牌”出海战略的重要组成部分。尽管应用并未直接标注开发者为字节跳动，但官方已证实其归属。这一成绩表明，字节跳动正凭借其强大的产品运营和本地化能力，在全球AI应用市场中占据一席之地。

![image.png](https://static.downly.cn/images/6f1eb5090a4410bbda373b4c966e3055.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌Veo实现“指哪改哪”，AI视频编辑进入新纪元

<video src="https://static.downly.cn/images/d8ec43862ff9b87476d3c6a28c3e53bf.mp4" title="6389663555317531324857884.mp4"></video>
谷歌DeepMind为其视频生成模型Veo增添了一项名为“精确编辑”的革命性功能。用户现在可以通过简单的文本指令，对已生成的视频内容进行精细化修改，例如轻松添加一只蝴蝶飞过草地，或无痕移除背景中的某个物体。该功能能够智能理解指令，并确保修改后的画面在光影、风格和动态上与原始视频保持高度的真实性与连贯性。这标志着AI视频编辑技术正从“生成”迈向“精修”，极大地赋能创作者，降低了专业级视频后期制作的门槛。

![image.png](https://static.downly.cn/images/d79692f13b1297ed58d3fb8f92c653c8.png)
<center>图源备注：图片由AI生成</center>
 

## IBM联手Groq，为企业级AI推理注入五倍速动力

IBM宣布与AI芯片初创公司Groq达成合作，计划将Groq的LPU（语言处理单元）推理技术整合至其watsonx企业级AI平台。Groq的LPU架构专为AI推理任务设计，相较于传统的GPU，能在特定场景下提供高达五倍的速度提升。此次合作旨在为企业提供更快速、更经济高效的AI解决方案，用户将能通过watsonx Orchestrate等服务直接调用GroqCloud的强大算力，加速AI在企业业务流程中的部署和应用。

![image.png](https://static.downly.cn/images/266ac5e3e5c4f4954c4185115c874157.png)
<center>图源备注：图片由AI生成</center>
 

## DeepSeek-OCR发布“视觉记忆压缩”，破解AI长文本处理瓶颈

AI初创公司DeepSeek发布了一款创新的光学字符识别（OCR）模型——DeepSeek-OCR。该模型引入了“视觉记忆压缩”机制，模仿人类视觉系统处理信息的方式，能够将冗长的文本内容高效压缩至图像中进行处理。这项技术有效解决了大语言模型（LLM）在处理超长文档时面临的计算量大、上下文丢失等核心难题，让AI能够像“看图阅读”一样高效解析长篇文档，在图像文档解析任务上展现出顶级性能，为AI的记忆和认知能力带来了新的突破。

![image.png](https://static.downly.cn/images/d3579f3a37f336c7ec977cb9a9f7f3a7.png)
<center>图源备注：图片由AI生成</center>
 

## Anthropic让编码无处不在，Claude Code推出网页版
![image.png](https://static.downly.cn/images/a45e1947357765a0541c22181eb3eff4.png)
知名AI公司Anthropic正式推出了其AI编程助手Claude Code的网页版。这一更新极大地简化了开发者的使用流程，用户不再需要进行复杂的本地环境配置或依赖命令行工具，可以直接在浏览器中访问并运行编码任务。此外，网页版还能直接与GitHub代码仓库连接，实现项目的无缝对接和管理。这意味着开发者可以随时随地、在任何设备上利用AI进行高效编程，进一步降低了AI辅助开发的门槛。
入口：https://claude.com/product/claude-code

![image.png](https://static.downly.cn/images/0956570231f723d0f61642f2f30f2233.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1021：企业级AI定制化加速，视频编辑与云端编程迎来新突破




> 导语：本期AI资讯聚焦行业巨头的最新动向与技术革新。OpenAI虽在GPT-5研发上遭遇挑战，但市场信心不减；苹果则在AI领域全面发力，誓言后来居上。同时，B站推出创新的AI原声翻译，Adobe在Photoshop中集成高级AI功能，而开源模型Wan2.2A14B则在视频生成领域展现出高性价比的潜力，共同描绘了当前AI发展的多维图景。

---

## OpenAI的“阵痛”与“野心” GPT-5受挫但估值创新高

尽管备受期待的GPT-5项目因人才流失与数据瓶颈而推进受阻，甚至寄予厚望的Orion模型也降级为GPT-4.5，但这并未动摇市场的信心。OpenAI刚刚完成新一轮83亿美元的融资，公司估值达到惊人的3000亿美元。这表明投资者对其克服当前技术难题、引领行业进入发展“深水区”抱有长期信心。

![image.png](https://static.downly.cn/images/2e08356ba33a507be6525bd24f28a8ab.png)

## 苹果觉醒 库克誓言“ALL-IN AI”重塑Siri与自研芯片

苹果CEO蒂姆·库克在近期的全员讲话中坦承，公司在AI竞赛中起步较晚。然而，苹果正以iPhone后来居上的成功模式为蓝本，决心迎头赶上。公司将大幅增加AI研发投入，不仅致力于通过自研AI芯片和秘密武器“Apple GPT”模型来构建自己的“答案引擎”，还将彻底重建Siri，并考虑收购或整合外部先进模型，以重塑其在AI时代的领导地位。

![image.png](https://static.downly.cn/images/478c016cf77afa986f2f9365628b3055.png)

## B站破局文化出海 AI保留原声翻译让世界听懂“梗”

为打破二次元及中文内容的海外传播壁垒，B站创新性地推出了AI原声翻译功能。这项技术能够在将视频翻译成英语（未来将支持日语等更多语种）的同时，完整保留UP主独特的声线和音色，为海外用户带来更具亲切感和文化认同感的观看体验。该功能还针对网络流行梗和专有名词进行优化，为内容平台的国际化提供了全新思路。

![image.png](https://static.downly.cn/images/05d04bc4856d2cf84f68f48971083280.png)

## 设计师福音 Adobe Photoshop推出“Harmonize”实现AI无缝合成

Adobe为Photoshop引入了一套强大的生成式AI工具，旨在彻底改变图像编辑流程。其中的核心功能“Harmonize”能利用AI自动分析并匹配不同图像元素之间的光照、色彩与阴影，实现天衣无缝的合成效果。此外，AI驱动的图像升级和更智能的对象移除工具也大幅提升了创作效率。同时，新增的“内容凭证”功能可以记录编辑历史，有效保障了图像的真实性。

![image.png](https://static.downly.cn/images/3e93bc68526317edbd21cec5a1e55de7.png)

## 开源视频模型的性价比之王 Wan2.2A14B挑战闭源巨头

在视频生成领域，开源模型Wan2.2A14B凭借其出色的性价比正成为一股不可忽视的力量。尽管在帧率和整体性能上，它与Veo3、Seedance1.0等顶尖闭源模型尚有差距，但其在文本转视频方面的表现已相当突出。更重要的是，其显著的成本优势为广大开发者和中小企业提供了一个极具吸引力的替代方案，有力地挑战了闭源巨头的市场地位。

![image.png](https://static.downly.cn/images/0ae815651845d2dad1d800c18b591618.png)

每日AI资讯0804：巨头动向与行业新风

> 今天的AI前沿资讯。从Adobe的实时视频生成，到NVIDIA的光影魔法，再到Hugging Face的亲民微调教程，今天的科技界可谓是精彩纷呈。无论是专业开发者还是普通爱好者，都能在今天的快讯中找到属于自己的惊喜。让我们一起来看看都有哪些不容错过的亮点吧！

---

## Adobe亮剑视频生成！Self Forcing模型实现4090显卡实时出片，人人都是特效师

> Adobe最新发布的Self Forcing模型，标志着实时视频生成技术的新突破。该模型基于Wang 2.1架构，实现了在单张RTX 4090消费级显卡上的流畅运行，并已开放线上试用，让更多创作者能够亲身体验其强大的功能。

### Self Forcing 核心技术解析

Adobe推出的Self Forcing模型，其技术核心是建立在先进的Wang 2.1架构之上。这一架构专为流式视频生成进行了优化，意味着模型能够一边接收输入指令，一边连续不断地生成视频帧，从而达到“实时”的效果。这与传统模型需要等待完整指令后才能开始渲染的方式截然不同，为即时互动和直播等场景提供了可能。

![image.png](https://static.downly.cn/images/047efc3d48e72798bdc15fd5ff06e0ff.png)

### 硬件亲民化的重要一步

以往，高质量的AI视频生成往往需要庞大的计算资源，通常是数据中心级别的服务器集群。而Self Forcing模型最大的亮点之一，就是它对硬件的优化。官方宣称，该模型可以在单张NVIDIA RTX 4090显卡上高效运行。这使得拥有高端PC的个人开发者、设计师和内容创作者，也能够接触并使用前沿的AI视频生成技术，极大地降低了技术门槛。

### 在线试用与未来展望

为了让更多用户感受Self Forcing的魅力，Adobe已经提供了在线试用入口。用户可以通过官方渠道访问并体验这一模型的实时生成能力。这一举措不仅展示了Adobe对自身技术的信心，也预示着AI视频生成工具将加速融入普通人的创作流程中，未来我们可能会看到更多由AI实时生成的短视频、直播背景甚至互动电影。
[试用地址](https://huggingface.co/spaces/multimodalart/self-forcing)

---

## 挑战Whisper霸主地位！Kyutai发布开源极速STT模型，实时语音转写新选择

> 法国AI初创公司Kyutai推出了一款名为Kyutai Speech-To-Text（STT）的开源模型，以其惊人的速度和超越Whisper Large v3的性能，为语音转文本领域带来了新的标杆。该模型特别优化了实时流式处理，并提供了针对不同需求的版本。

### 性能卓越 超越Whisper

Kyutai Speech-To-Text模型在发布之初就将目标对准了行业标杆OpenAI的Whisper。根据官方公布的数据，其纯英语的2.6B参数版本，在多项评测基准上表现优于Whisper Large v3。这不仅体现在转写的准确率上，更体现在其“极速”的特性上，无论是处理已有的音频文件（批量推理），还是进行实时的语音流转写（流式推理），都展现出了顶级的性能。

![image.png](https://static.downly.cn/images/99f96be5cb2ecec3b5f806a8ddda16bc.png)


### 两种模型版本 各有侧重

为了满足不同场景的需求，Kyutai贴心地推出了两个版本：
* **2.6B参数模型** 这是一个纯英语模型，性能强劲，是追求最高转写质量和速度的用户的首选。
* **1B参数模型** 这是一个更轻量级的双语模型，专为英语和法语的实时语音聊天场景优化。它在保持较低延迟的同时，实现了高效的双语识别，非常适合跨语言交流工具的开发。

### 开源精神与应用前景

Kyutai STT模型选择完全开源，开发者可以在其官方渠道（如Hugging Face）轻松获取模型和相关代码。这意味着任何开发者都可以自由地使用、修改和集成这个强大的工具。尽管目前模型暂不支持中文，但其出色的架构和性能为多语言语音识别领域注入了新的活力，未来有望通过社区的力量扩展到更多语种。

[官方链接](https://kyutai.org/next/stt)

---

## 后期制作的魔法！NVIDIA UniRelight一键重塑视频光影，废片变大片

> NVIDIA AI团队再次展示其技术实力，推出名为UniRelight的通用视频重照明技术。这项基于扩散模型的技术，能够仅凭单张参考图或一段视频，就对目标视频实现逼真、高质量的动态光影重塑，为影视后期和内容创作带来了革命性的工具。

### UniRelight 是什么

UniRelight是一项创新的“通用重照明”技术。简单来说，它允许创作者在视频拍摄完成之后，像编辑照片一样，任意改变视频中的光照效果。无论是想把白天变成黑夜，还是为场景添加一盏虚拟的、动态移动的灯光，UniRelight都能通过AI计算，生成符合物理规律的、自然的光影变化，极大地丰富了后期创作的可能性。



### 扩散模型的魔力

这项技术的核心驱动力是扩散模型（Diffusion Model）。模型通过学习海量数据，理解了光线与物体表面材质、场景深度之间的复杂关系。当用户提供一张参考图片（例如一张日落的照片）时，UniRelight就能“理解”其中的光照风格，并将其应用到目标视频的每一帧中，同时确保光影的连续性和真实感。

### 应用场景与开源计划

UniRelight的应用前景极为广阔。对于电影制作，它可以大幅降低现场布光的成本和难度；对于短视频创作者，它可以轻松为普通视频增添“电影感”；对于游戏开发，它可以用于生成更真实的环境光照。NVIDIA已经表示，该技术的代码即将开源，这意味着它将很快成为广大开发者和创作者可以使用的强大工具。目前，官方网站已展示了大量惊艳的效果案例供业界参考。

[官方链接](https://research.nvidia.com/labs/toronto-ai/UniRelight/)

---

## 一张图、一段话，AI帮你拍广告！HeyGen新功能让产品视频制作进入“傻瓜”模式

> AI视频生成平台HeyGen再次降低内容创作门槛，推出了全新的AI广告生成工具。现在，用户仅需三步——上传产品图、选择虚拟形象、输入文案，即可快速生成一段专业的带货或产品介绍视频，彻底改变了传统营销视频的制作模式。

### 三步搞定产品视频

HeyGen新推出的产品植入功能，主打的就是极致的简洁与高效。整个创作流程被简化为三个核心步骤：
1. **提供产品照片** 用户上传自己需要推广的产品的清晰图片。
2. **选择人物形象** 在HeyGen提供的多种虚拟形象中，选择一个符合品牌调性的“代言人”。
3. **输入文字脚本** 将产品介绍、广告语等文案输入系统。

完成这三步后，AI会自动将产品照片与虚拟形象融合，并根据脚本生成一段口型精准、动作自然的介绍视频。



### AI如何简化营销流程

这项功能背后，是成熟的AI虚拟人技术和图像处理技术的结合。AI不仅能让虚拟人自然地“说话”，还能智能地将静态的产品图片融入到动态的视频场景中，仿佛虚拟人真的手持产品在进行介绍。对于中小型企业、电商卖家或个人品牌来说，这意味着无需昂贵的拍摄团队、演员和场地，就能快速、低成本地批量生产高质量的营销视频。

### 为谁而生

这个工具的主要受益者是那些需要大量视频内容但预算有限的营销人员和商家。它极大地缩短了从创意到成品的周期，使得测试不同的广告文案、产品卖点和视觉风格变得轻而易举。可以说，HeyGen正在让专业的视频广告制作，变得像制作PPT一样简单。

<video src="https://static.downly.cn/images/d7f27be5bce5805ea5d8006fbee8299a.mp4" title="30591878914-1-16.mp4"></video>

---

## 10GB显存就能“炼丹”！Hugging Face发布FLUX.1-dev平民级微调教程

> 人人都能微调大模型不再是梦想。Hugging Face近日发布官方教程，手把手教你如何利用QLoRA技术，在仅有10GB显存的消费级显卡上，对强大的文生图模型FLUX.1-dev进行高效微调，极大地降低了AI模型定制化的门槛。

### 主角 FLUX.1-dev模型

FLUX.1-dev 是一个新兴的、强大的文本到图像生成模型。与之前的扩散模型不同，它采用了新的架构，旨在更深刻地理解文本提示的复杂性和细微差别，从而生成更贴合描述的图像。能够对这样的前沿模型进行微调，意味着用户可以训练出具有自己独特风格的“专属AI画家”。

### 核心技术 QLoRA

实现低门槛微调的关键在于QLoRA（Quantized Low-Rank Adaptation）技术。简单来说，它是一种“四两拨千斤”的训练方法。它通过量化和低秩适配技术，在不牺牲太多性能的前提下，大幅减少了模型微调过程中所需要的显存。Hugging Face的教程正是利用了QLoRA，将原本需要专业级硬件才能进行的任务，成功地运行在了仅有10GB显存的消费级显卡上，如RTX 3060 (12GB) 或 RTX 4060 Ti等。
![image.png](https://static.downly.cn/images/94de23f39bcfcf327cc018f38cf20cad.png)


### 教程详解与实践意义

Hugging Face发布的这篇[官方教程](https://huggingface.co/blog/flux-qlora)，详细介绍了整个微调过程的每一步，包括环境配置、加载模型、准备数据集，以及如何使用`diffusers`库来应用QLoRA进行训练。这篇教程的意义非凡，它为广大的AI爱好者、艺术家和独立开发者打开了一扇大门，让他们能够用得起的硬件，去定制和探索最先进的AI模型，从而催生出更多个性化、多样化的AI艺术作品和应用。

搜索结果: Adobe