WRITING / DAILY
通过工作流整理的每日 AI 观察。
今日AI日报涵盖模型能力突破、应用协作升级与安全政策动态。视频生成、OCR、语音克隆等模型密集发布，Agent与多模态交互走向实用化，同时五眼联盟警告网络威胁，开源许可证争议持续。 1. FastWan-QAD：单卡5090上1.8秒生成5秒视频 Sky Computing Lab 发布 FastWan-QAD 视频生成模型系列，基于 FastVideo 的量化感知蒸馏（QAD）方案训练。单张 NVIDIA GeForce RTX 5090 上端到端生成 5 秒 480P 视
今日AI领域模型密集发布、工具平台更新、基础设施革新，同时安全与伦理议题升温。本指南梳理关键动态，助你快速把握趋势。 1. PP-OCRv6 登陆 Hugging Face，支持 50 语言，参数 1.5M–34.5M PaddleOCR 最新一代模型族 PP-OCRv6 提供 tiny (1.5M)、small (7.7M)、medium (34.5M) 三级。medium 检测 Hmean 86.2%，识别准确率 83.2%，较 PP-OCRv5_server 分别提升
今日AI动态：美团国际版免费接入多款旗舰模型，三星大规模部署企业级AI，腾讯元宝父亲节活动温情上线，Anthropic内部使用率飙升，NSA披露惊人安全漏洞。 1. 美团tabbit国际版免费接入GPT-5.5/Claude Opus 4.8等旗舰模型 美团tabbit国际版免费集成GPT-5.5、Claude Opus 4.8、Gemini 3.5 Flash及国内Kimi-2.6、GLM-5.1、MiniMax-M3等模型，无需单独订阅。仅国际版含海外模型，目前处于免费推
今日AI领域亮点纷呈：模型创新降低成本，巨头动作频频，安全合规成焦点。 1. 撸猫撸出SOTA！3个00后2个月，造出史上最快流式音视频社交模型 速度快7倍，成本只有Veo 3的1/2000。量子位 ↗ 2. 2026年，1800个DeepSeek跟我一起守护艾泽拉斯 一个月只要340块。量子位 ↗ 3. 苹果发布Core AI框架：专为Apple Silicon优化的设备端生成式AI WWDC 26上，Apple推出Core AI框架，作为Core ML的正式继任者，允许开
今日AI日报覆盖人形机器人通用小脑突破、Agent安全与部署新进展、多款开源工具发布及重要人物动向，展现AI在通用智能与工程实践上的双重跃迁。 1. 全球首个人形机器人通用小脑，2万小时数据实现零样本泛化 基于全球最大规模2万小时人类动作数据训练的人形机器人通用小脑，实现零样本泛化，标志进入“GPT时代”。量子位 ↗ 2. Claude Code v2.1.183发布，增强自动模式安全性 Claude Code v2.1.183增强自动模式安全性，阻止未请求的破坏性命令；修复
今日AI日报涵盖模型能力突破、产品应用落地与政策安全动态。Grok TTS盲测登顶，豆包语音3.0上线，AI员工进驻Teams，多模态识图与健康问答显著升级，同时自动驾驶国标与AI消费政策出台。 1. Grok TTS 盲测人类感得分96登顶 xAI 的 Grok TTS 模型在 @Vapi_AI 的 Humanness Index 盲测中以 96 分（真人 100 分）位居榜首，听众盲评同声音同引文的克隆效果。X：xAI (@xai) ↗ 2. 火山引擎上线豆包实时语音模型
今日AI日报涵盖模型能力新突破、产品应用加速落地及开发工具链升级。Grok 4.3正式登陆云平台，多模态模型持续涌现；智能音箱、实时交互世界等消费级产品亮相；智能体框架与开源工具推动工程化进程。 1. Grok 4.3 在 Amazon Bedrock 正式可用 xAI宣布Grok 4.3在Amazon Bedrock全面可用，前沿模型中最低幻觉率，支持100万token上下文和可配置推理努力。在多项基准排名第一，定价输入1.25美元、输出2.50美元每百万token。xAI
今日AI领域聚焦具身智能、实时语音与成本优化三大方向。阿里发布Qwen-Robot系列统一机器人操作、导航与世界模型；Cartesia推出实时语音栈登顶榜单；字节跳动视频生成成本砍半。此外企业AI格局生变，Anthropic首超OpenAI。 1. Cartesia 发布 Sonic 3.5 与 Ink 2 实时语音模型 Cartesia 推出 Sonic 3.5（TTS）和 Ink 2（STT）组成的实时语音栈，Ink 2 在流式语音转文字排行榜第一，Sonic 3.5 在
今日AI领域聚焦模型开源加速、产品迭代与资本动态，多项技术突破推动产业落地。 1. MiniMax 开源 M3 模型权重及 MSA 技术论文 MiniMax 开源 428B 总参、23B 激活的 M3 模型，发布 MSA 技术论文降低长上下文成本。M3 是首个多模态交错预训练开源模型，在多个排行榜获开源第一，输出速度提升至约 80 TPS。公众号：MiniMax（稀宇科技） ↗ 2. 下一代投机解码：DFlash 与 Spec V2 Z Lab、Modal 与 SGLang
今日AI领域热点纷呈：开源工具创新、巨头战略调整与安全争议并存，为您梳理关键动态。 1. 乔木小说创作Skill开源发布 用户只需说“我想写小说”或指定风格，AI自动生成剧情梗概、人物设定等，可生成完整小说。安装命令：npx skills add joeseesun/qiaomu-novel-generator。X：Vista (@vista8) ↗ 2. AWS为ElastiCache for Valkey引入持久存储选项 新功能支持数据持久化，优先减少数据丢失或低写入延迟
今日AI圈模型开源、产品升级与资本动态密集。智谱最强模型全量开放，小成本HRM模型获顶级推荐，Suno音轨分离革新，同时Anthropic秘密IPO、Meta转型阵痛、OpenAI遭调查，监管与合规成为焦点。 1. 智谱GLM-5.2全量开放，支持1M上下文，即将开源 GLM-5.2是智谱迄今最强开源模型，支持真正可用的1M上下文，今晚面向GLM Coding Plan全量用户开放，API下周上线，模型下周MIT协议开源。公众号：智谱（GLM） ↗ 2. HuggingFac
今日AI领域模型开源持续活跃，Kimi与MiniMax分别发布代码模型和权重模型；产品端豆包上线任务模式，苹果健康App大改；开发工具方面Claude Code连发版本，Codex推出新功能。 1. Kimi 发布并开源代码模型 Kimi-K2.7-Code Kimi 发布并开源 K2.7-Code，相比 K2.6 在代码基准上提升显著（Kimi Code Bench v2 +21.8%），推理 token 用量降低 30%，即日起可通过 Kimi API 和 Kimi Co
今日AI领域多点开花：模型升级、应用落地与安全议题并行推进。Midjourney默认模型升级，Gemini视频任务达SOTA，Anthropic与DXC合作深化。同时，自主武器实战与AI决策风险引发关注。 1. Midjourney V8.1 升级为默认模型 Midjourney 将默认模型从 V7 升级至 V8.1，提升智能性、连贯性、提示遵循度和文本渲染，支持 HD 模式。Midjourney：Updates（RSS） ↗ 2. Gemini Omni Flash 在视频
今日 AI 动态集中在模型提速、智能体落地、开发基础设施完善，以及政策与安全边界变化。 1. Google DeepMind 开源 DiffusionGemma，文本生成提速 4 倍 Google DeepMind 发布开源实验模型 DiffusionGemma，采用文本扩散并行生成 256 个 token。该 26B MoE 模型推理仅激活 3.8B 参数，量化后可运行于 18GB 显存 GPU，在 H100 上达 1000+ tokens/s，并支持内联编辑、代码填充等本
今日 AI 动态集中在模型发布、编码智能体、企业应用和基础设施投入，显示能力竞争正与落地成本、治理责任同步推进。 1. Anthropic 发布 Claude Fable 5 与 Claude Mythos 5 Anthropic 推出 Claude Fable 5 和 Claude Mythos 5。Fable 5 面向通用安全场景，在软件工程、知识工作、视觉和科研等基准表现领先；Mythos 5 面向受限安全场景，在药物设计和分子生物学假说测试中表现突出。两者定价均为每百
今日 AI 动态集中在模型能力扩展、智能体产品落地、开发基础设施完善，以及安全与研究边界的再讨论。 1. OpenBMB 发布 VoxCPM2 语音生成模型技术报告 面壁智能 OpenBMB 发布 2B 参数语音生成模型 VoxCPM2 技术报告。模型基于超 200 万小时多语言语音数据训练，支持 30 种语言和 9 种中文方言，具备语音设计、可控语音克隆等能力，并以 Apache 2.0 开源权重、微调代码和推理工具。X：面壁智能 OpenBMB (@OpenBMB) ↗
今日AI领域聚焦智能体搜索、本地推理加速与超应用转型，多款模型与工具发布，平台生态加速演进。 1. Harness-1：基于强化学习训练的有状态搜索20B检索子智能体 UIUC与Chroma联合推出Harness-1（20B参数检索子智能体），基于强化学习在有状态搜索框架中训练，通过策略决定搜索、筛选、验证和停止。在8个基准上平均curated recall为0.730，比次优开源智能体高11.4%，仅落后Opus-4.6。模型与代码已开源。MarkTechPost（RSS）
今日AI领域模型迭代加速，Cohere、Anthropic相继推新；基础设施工具集中爆发，GitHub、OpenCV发布重要更新；安全事件频发引发关注；资本层面谷歌与xAI达成巨额算力合作。 1. Cohere发布首个编程模型BLS-Mini-Code-1.0早期权重 Cohere在Hugging Face发布30B总参、3B活跃参数的MoE编程模型，支持50万位置长度。Hugging Face ↗ 2. 消息称Anthropic新模型Claude Mythos 5在API中
今日AI日报聚焦模型能力升级、产品应用落地与基础设施革新。三大方向各有突破，从可控图像生成到移动端量化，开发工具链持续完善。 1. Riverflow 2.5：可控评分标准的图像模型 OpenRouter上线Riverflow 2.5，首个可自定义评分标准的图像模型，支持控制推理努力以平衡速度与质量。免费至6月9日。X：OpenRouter (@OpenRouter) ↗ 2. Google发布Gemma 4 QAT权重及移动端量化格式 Google DeepMind发布Ge
今日AI动态覆盖模型能力跃升、产品功能创新与基础设施演进，多厂商推进智能体与多模态技术，安全与治理议题同步升温。 1. NVIDIA Nemotron 3 Ultra：专为长时间运行 AI 智能体设计的更快推理模型 NVIDIA 发布 Nemotron 3 Ultra，优化多轮对话中保持上下文、调用工具和子智能体，提升推理速度并降低计算成本，使长期运行智能体任务更可行。NVIDIA Technical Blog（开发者技术博客 · RSS） ↗ 2. Nemotron 3.5