真卷?。?jù)傳Claude 4.5和Gemini 3.0即將發(fā)布

導(dǎo)讀： 本文聚焦于近期人工智能領(lǐng)域的最新進(jìn)展，涵蓋了從語音合成、大模型能力突破，到AI在內(nèi)容創(chuàng)作、編程輔助、教育以及隱私保護(hù)等多個維度的創(chuàng)新應(yīng)用。小紅書、百度、谷歌、OpenAI、騰訊、阿里、Meta等行業(yè)巨頭及初創(chuàng)公司紛紛推出新模型、新平臺或優(yōu)化現(xiàn)有服務(wù)，展現(xiàn)了AI技術(shù)在提升效率、降低門檻、拓展應(yīng)用場景等方面的巨大潛力。同時，AI安全治理框架的更新也預(yù)示著行業(yè)正朝著更加規(guī)范和負(fù)責(zé)任的方向發(fā)展。

小紅書FireRedTTS-2：革新AI播客體驗(yàn)

小紅書的智創(chuàng)音頻團(tuán)隊(duì)近日發(fā)布了FireRedTTS-2，這是一款尖端的對話合成模型，其核心優(yōu)勢在于極大地增強(qiáng)了語音合成的自然度和逼真度。該模型具備強(qiáng)大的音色克隆能力，僅需少量語音樣本即可生成高度逼真的、包含多位說話者的對話。這一突破性進(jìn)展使得FireRedTTS-2在播客制作、配音等需要自然人聲交互的領(lǐng)域展現(xiàn)出巨大潛力。此外，模型支持多語言，并采用了低幀率離散語音編碼器，顯著優(yōu)化了合成速度和穩(wěn)定性，能夠靈活適應(yīng)各種音頻應(yīng)用的需求。

詳細(xì)信息可在GitHub上找到：https://github.com/FireRedTeam/FireRedTTS2。

百度文心ERNIE-4.5-21B：Hugging Face模型榜單新王者

百度文心大模型家族再添新成員，開源發(fā)布了ERNIE-4.5-21B-A3B-Thinking模型。這款模型巧妙地采用了Mixture-of-Experts（MoE）架構(gòu)，盡管總參數(shù)量高達(dá)21億，但每次推理實(shí)際激活的參數(shù)僅為3億，從而大幅削減了計(jì)算成本。其突出亮點(diǎn)在于支持高達(dá)128K的超長上下文窗口，在邏輯推理、數(shù)學(xué)問題解決以及多模態(tài)任務(wù)處理方面表現(xiàn)卓越。憑借這些優(yōu)勢，ERNIE-4.5-21B-A3B-Thinking迅速攀升至Hugging Face文本生成模型榜單的首位，有力證明了百度在全球人工智能領(lǐng)域的強(qiáng)大實(shí)力。

谷歌Gemini：iPhone應(yīng)用商店的免費(fèi)新寵

谷歌的Gemini應(yīng)用在美國App Store免費(fèi)應(yīng)用排行榜上迅速躍居榜首，贏得了廣大iPhone用戶的青睞。該應(yīng)用的核心競爭力在于其搭載的Nano Banana圖像編輯模型，該模型能夠精準(zhǔn)地保持人物面部特征的一致性，并生成高質(zhì)量的圖像，這使其在創(chuàng)意設(shè)計(jì)和內(nèi)容創(chuàng)作領(lǐng)域具有廣泛的應(yīng)用前景。Gemini的成功不僅彰顯了生成式AI在移動端的巨大潛力，也帶動了谷歌旗下其他應(yīng)用的排名顯著提升。

xAI戰(zhàn)略轉(zhuǎn)型：聚焦專業(yè)AI導(dǎo)師領(lǐng)域

xAI近期進(jìn)行了一系列戰(zhàn)略調(diào)整，其中一項(xiàng)重要舉措是裁減約500名員工，主要涉及數(shù)據(jù)標(biāo)注團(tuán)隊(duì)。此舉旨在將公司的發(fā)展方向從通用AI導(dǎo)師轉(zhuǎn)型為更加專注于專業(yè)AI導(dǎo)師領(lǐng)域。為此，xAI計(jì)劃大幅擴(kuò)展其專業(yè)AI導(dǎo)師團(tuán)隊(duì)，規(guī)模預(yù)計(jì)將增加十倍。這一戰(zhàn)略性轉(zhuǎn)變旨在提升公司在特定專業(yè)領(lǐng)域的AI應(yīng)用能力，優(yōu)化資源配置，并加速技術(shù)升級的步伐。

OpenAI與微軟：財務(wù)協(xié)議調(diào)整與收入增長

OpenAI正計(jì)劃與其合作伙伴微軟就財務(wù)協(xié)議進(jìn)行調(diào)整。目標(biāo)是將雙方的收入分成比例從當(dāng)前的近20%逐步降低，預(yù)計(jì)到2030年將達(dá)到8%。此舉旨在應(yīng)對日益高昂的AI模型訓(xùn)練計(jì)算成本。據(jù)估計(jì)，這一調(diào)整將為OpenAI帶來超過500億美元的額外收入，這筆資金將用于進(jìn)一步的模型研發(fā)和業(yè)務(wù)擴(kuò)張。作為回報，微軟將獲得OpenAI實(shí)體約三分之一的股份，但仍將保持OpenAI的運(yùn)營性，不參與董事會決策。

DeepMCPAgent開源：AI代理生產(chǎn)力飛躍

DeepMCPAgent作為一款新近開源的框架，為AI代理的開發(fā)帶來了性的提升。該框架支持動態(tài)的MCP（Multi-modal Conversational Programming）工具發(fā)現(xiàn)，并且能夠與LangChain和LangGraph等主流開發(fā)工具無縫集成，同時兼容多種主流大語言模型（LLM）。這使得開發(fā)者能夠更快速、更靈活地構(gòu)建生產(chǎn)級的AI代理，顯著加速了從原型設(shè)計(jì)到實(shí)際應(yīng)用的開發(fā)流程。DeepMCPAgent的應(yīng)用場景廣泛，尤其在自動化任務(wù)和數(shù)據(jù)處理方面能夠發(fā)揮巨大作用。更多詳情請?jiān)L問：https://github.com/cryxnet/deepmcpagent。

螞蟻集團(tuán)AI開源生態(tài)全景圖2.0：引領(lǐng)潮流

螞蟻集團(tuán)發(fā)布了其AI開源生態(tài)全景圖2.0報告。該報告通過OpenRank評價體系，精選了114個高價值的AI項(xiàng)目，覆蓋了22個關(guān)鍵技術(shù)領(lǐng)域，全面展示了全球AI開源領(lǐng)域的最新動態(tài)和發(fā)展趨勢。報告指出，美國和中國的開發(fā)者在AI創(chuàng)新方面占據(jù)著主導(dǎo)地位，AI技術(shù)已成為全球關(guān)注的焦點(diǎn)，并正在有力地推動學(xué)術(shù)研究和產(chǎn)業(yè)發(fā)展。

北京中小學(xué)引入AI通識課程

北京市教育部門在本學(xué)期啟動了一項(xiàng)重要舉措，為全市1400多所中小學(xué)引入了AI通識課程。該課程計(jì)劃每學(xué)年至少開設(shè)8個課時，覆蓋小學(xué)到高中各個學(xué)段。課程內(nèi)容不僅涵蓋AI的基礎(chǔ)知識和應(yīng)用技能，還強(qiáng)調(diào)AI倫理責(zé)任的培養(yǎng)。通過項(xiàng)目實(shí)踐，旨在提升學(xué)生的創(chuàng)新思維和解決問題的能力。這些課程既可以開設(shè)，也可以與現(xiàn)有學(xué)科進(jìn)行融合，有效避免了內(nèi)容上的重復(fù)。

騰訊混元3D 3.0：建模精度提升三倍

在2025全球數(shù)字生態(tài)大會上，騰訊發(fā)布了其最新的混元3D 3.0模型。該模型采用了先進(jìn)的3D-DiT分級雕刻技術(shù)，使得建模精度相較于以往提升了三倍，能夠生成更加逼真細(xì)膩的3D內(nèi)容。同時，騰訊還推出了混元3D Studio平臺，為專業(yè)創(chuàng)作者提供了一套高效的創(chuàng)作工具。未來，騰訊計(jì)劃將混元3D omni模型進(jìn)行開源，以期推動3D技術(shù)在游戲、影視等多個領(lǐng)域的廣泛應(yīng)用。

昆侖萬維Mureka Agent Studio：簡化音樂創(chuàng)作流程

昆侖萬維旗下的Mureka平臺推出了Agent Studio這一創(chuàng)新功能，極大地降低了音樂創(chuàng)作的門檻。用戶只需通過簡單的文字描述，AI即可自動生成歌詞和音樂。該功能支持專輯制作、熱點(diǎn)話題創(chuàng)作、情感表達(dá)等六大應(yīng)用場景，無論是專業(yè)的音樂人還是普通愛好者，都能輕松上手，享受音樂創(chuàng)作的樂趣。更多信息可訪問：https://www.mureka.ai/。

阿里Qoder推出付費(fèi)訂閱：Pro版每月20美元

阿里Qoder現(xiàn)已推出Pro（每月20美元）和Pro+兩種付費(fèi)訂閱計(jì)劃，為用戶提供無限代碼補(bǔ)全和高級模型調(diào)用等功能。這些新功能旨在優(yōu)化Credits的消耗機(jī)制，并提升智能體工具的并行性，從而顯著提高開發(fā)效率。此外，其工程檢索的準(zhǔn)確率也得到了提升，使得開發(fā)者在處理復(fù)雜項(xiàng)目時能夠?qū)崿F(xiàn)更高效的編程。訂閱服務(wù)可在https://qoder.com/上獲取。

VEED Fabric 1.0：圖片瞬間擁有生命

VEED Fabric 1.0是一款性的AI視頻生成工具，只需一張靜態(tài)圖片和一段語音輸入，即可快速生成高質(zhì)量的“會說話”視頻。該工具能夠?qū)崿F(xiàn)精準(zhǔn)的唇形同步和自然的表情，并且生成速度提升了7倍，成本則降低了60倍。Fabric 1.0支持多語言和自動字幕功能，非常適合教育、營銷等需要快速內(nèi)容生產(chǎn)的場景。了解更多請?jiān)L問：https://www.veed.io/ai/fabric-1-0。

OpenAI GPT-5-Codex：重塑AI編碼體驗(yàn)

OpenAI發(fā)布了GPT-5-Codex，引入了動態(tài)思考機(jī)制，能夠根據(jù)任務(wù)的復(fù)雜程度智能調(diào)整處理時間，從而顯著提升編碼效率。該模型支持IDE擴(kuò)展、Web界面以及GitHub代碼審查等多種集成方式，極大地縮短了開發(fā)周期，并有效減少了代碼錯誤。GPT-5-Codex的推出受到了廣大開發(fā)者的普遍好評。相關(guān)信息可在https://openai.com/index/introducing-upgrades-to-codex/查閱。

《AI安全治理框架》2.0版發(fā)布

2025年9月15日，《人工智能安全治理框架》2.0版正式發(fā)布。此次更新針對人工智能技術(shù)發(fā)展帶來的新挑戰(zhàn)，對風(fēng)險分類和防范措施進(jìn)行了優(yōu)化，并著重強(qiáng)調(diào)了全球合作的重要性。該框架旨在構(gòu)建一個安全、可信的人工智能生態(tài)系統(tǒng)，從而更好地保障技術(shù)的健康發(fā)展和用戶的合法權(quán)益。

詳情可參見：https://www.cac.gov.cn/2025-09/15/c_1759653448369123.htm。

OpenAI Evals：新增音頻評估功能

OpenAI的Evals工具近期新增了原生音頻輸入功能，這意味著開發(fā)者現(xiàn)在可以直接上傳音頻文件來評估語音識別和語音生成模型的性能，而無需進(jìn)行文本轉(zhuǎn)錄。這項(xiàng)新功能極大地提升了測試的效率，并為智能語音助手和音頻內(nèi)容生成等應(yīng)用提供了更精準(zhǔn)的支持。

Mini-o3模型：突破視覺推理新高度

字節(jié)跳動與香港大學(xué)合作研發(fā)的Mini-o3開源模型，在視覺推理能力上取得了重大突破，支持?jǐn)?shù)十輪的視覺推理，遠(yuǎn)超傳統(tǒng)模型1-2輪的限制。通過引入VisualProbe數(shù)據(jù)集和超輪次掩碼策略，該模型在處理復(fù)雜視覺問題時表現(xiàn)出色，尤其適合需要多輪對話和深度推理的應(yīng)用場景。

相關(guān)研究論文可在https://arxiv.org/pdf/2509.07969上查閱。

上海AI Lab Lumina-DiMOO：多模態(tài)融合新典范

上海人工智能實(shí)驗(yàn)室聯(lián)合多所高校推出了Lumina-DiMOO模型。該模型采用了全離散擴(kuò)散架構(gòu)，并通過對比學(xué)習(xí)有效整合了文本、圖像、音頻等多模態(tài)數(shù)據(jù)，從而顯著提升了生成內(nèi)容的質(zhì)量和效率。Lumina-DiMOO在圖像生成和多模態(tài)理解方面展現(xiàn)出卓越的性能，可廣泛應(yīng)用于教育、創(chuàng)意設(shè)計(jì)等領(lǐng)域。項(xiàng)目代碼可在https://github.com/Alpha-VLLM/Lumina-DiMOO獲取。

騰訊AI繪畫技術(shù)：美感大幅提升

騰訊通過引入“Direct-Align”和“語義相對偏好優(yōu)化”（SRPO）等先進(jìn)技術(shù)，對AI繪畫模型進(jìn)行了優(yōu)化。這些技術(shù)有效減少了梯度現(xiàn)象，使得生成圖像的真實(shí)感和美學(xué)評分均提升了300%。新的技術(shù)解決方案成功解決了獎勵作弊問題，并支持通過文本指令控制圖像風(fēng)格，為藝術(shù)創(chuàng)作帶來了新的可能性。相關(guān)研究成果可查閱：https://arxiv.org/pdf/2509.06942。

Meta AI MobileLLM-R1：輕量級模型賦能邊緣設(shè)備

Meta AI發(fā)布了MobileLLM-R1系列輕量級模型，其參數(shù)量范圍從140M到950M不等。這些模型專為邊緣設(shè)備設(shè)計(jì)，僅使用了11.7%的數(shù)據(jù)進(jìn)行訓(xùn)練，卻在多項(xiàng)任務(wù)上超越了多款大型模型，特別是在數(shù)學(xué)和編碼任務(wù)中表現(xiàn)尤為突出。MobileLLM-R1系列非常適合在功耗受限的場景下部署。模型可在Hugging Face上找到：https://huggingface.co/facebook/MobileLLM-R1-950M。

騰訊AI應(yīng)用繁榮計(jì)劃：賦能企業(yè)數(shù)字化轉(zhuǎn)型

騰訊啟動了AI應(yīng)用繁榮計(jì)劃，該計(jì)劃聚焦于垂直行業(yè)場景，通過AI共創(chuàng)營和百校行等活動，吸引了超過300家企業(yè)參與。騰訊為這些企業(yè)提供了技術(shù)和資源支持，旨在孵化智能體和大模型應(yīng)用。首屆活動吸引了近3000名參與者，充分展現(xiàn)了AI技術(shù)在產(chǎn)業(yè)化方面的巨大潛力。

谷歌DeepMind VaultGemma：保障數(shù)據(jù)隱私

谷歌DeepMind發(fā)布了VaultGemma，該模型基于Gemma2架構(gòu)，擁有10億參數(shù)。VaultGemma集成了差分隱私技術(shù)，通過添加隨機(jī)噪聲來保護(hù)用戶數(shù)據(jù)的安全，確保輸出結(jié)果的隱私性。該模型將在Hugging Face和Kaggle上開源，特別適合對數(shù)據(jù)隱私有嚴(yán)格要求的應(yīng)用場景。

豆包月活破1.57億：領(lǐng)跑中國AI應(yīng)用

QuestMobile的最新報告顯示，豆包應(yīng)用的月活躍用戶已達(dá)到1.57億，環(huán)比增長6.6%，成功超越DeepSeek，成為中國原生AI應(yīng)用中的佼佼者。騰訊元寶以22.4%的增速位列第三。報告還指出，在中國TOP50的AI應(yīng)用中，超過一半是In-App插件形式，豆包在PC和移動端的跨平臺表現(xiàn)尤為突出。