搜索全球AI产品动态

Aider Leaderboard最新测试显示，Moonshot AI开源模型Kimi K2编程能力表现亮眼，与Qwen3-235B-A22B相当，接近o3-mini-high和Claude-3.7-Sonnet水平。该模型采用1万亿参数MoE架构，支持128k上下文，在SWE-bench等测试中表现优异，单次尝试准确率达65.8%。凭借0.14美元/百万token的低成本优势，成为终端编码Agent理想选择。支持网页生成、自动化工作流等场景，通过vLLM和Hugging Face部署，MIT协议开源特性推动社区采用，展现中国AI企业在开源生态的领先地位。

谷歌开放Veo3视频生成API，支持文本转视频及同步音频生成，但成本较高。该模型能通过单提示生成高清视频，720p含音频视频每秒0.75美元，5分钟需225美元。目前主要应用于专业领域，如游戏过场动画和3D角色制作。谷歌还推出更快的"Veo3Fast"模式，但暂未开放API。开发者可通过Gemini API集成该功能，需使用Google Cloud付费套餐。

Kimi K2模型在创意写作领域表现突出，在短篇小说创作评估中超越o3-Pro夺冠。该开源模型由阿里支持的Moonshot团队开发，在文学压缩、隐喻创新等方面表现优异，部分作品接近出版水平。其低成本优势（每百万输入令牌0.15美元）吸引众多开发者，指令遵循能力使其能精准捕捉创作意图。用户反馈其文本更具人性化，逻辑连贯性优于其他模型，但在情感深度和多语言表现上仍有提升空间。这一突破为AI创意写作树立新标杆，或将影响行业开源计划。

国内AI公司MiniMax完成近3亿美元融资，投后估值超40亿美元。本轮引入上海国资等新股东，历时半年完成，使其成为国内仅有的两家估值达300亿元的大模型公司之一。公司由前商汤高管创立，此前获阿里、腾讯等知名机构投资。据传已在筹备赴港上市。公司未对融资消息置评。

NVIDIA推出DiffusionRenderer技术突破视频生成瓶颈，实现3D场景的可控编辑。该技术采用双神经渲染器架构：逆渲染器提取场景几何材质数据，前向渲染器结合光照生成逼真视频。通过15万合成视频和1万真实视频数据集训练，模型在光影效果和材质还原上表现优异。支持动态光照调整、材质修改和对象插入等操作，大幅提升创作自由度。这项技术标志着AI视频生成从单纯创作迈向可编辑的新阶段。

谷歌为Veo3AI视频生成器新增图像转视频功能，该功能已整合进Gemini应用和Flow工具，覆盖150多国。目前仅限AI Ultra/Pro用户使用，每日限3次创作。用户可上传图片并添加音频描述生成视频，支持下载分享。数据显示7周内用户已创建超4000万视频。所有生成视频均带有可见"Veo"水印和不可见SynthID数字水印，谷歌还提供专用检测工具识别AI内容。

Hugging Face推出3B参数开源模型SmolLM3，性能媲美4B参数模型。该模型采用GQA和NoPE技术优化，支持128K长上下文和六种语言处理，在多项基准测试中表现优异。创新性地提供"思考"与"非思考"双推理模式，复杂任务性能提升显著。完全开源训练数据与代码，适合边缘设备部署，为教育、客服等场景提供高性价比解决方案。其开源特性将推动AI生态发展，展现小模型的巨大潜力。

谷歌AI视频工具Veo3迎来重大升级：用户上传单张静态照片即可生成高质量音视频内容。新功能支持保持角色多镜头一致性，提供推镜头等专业运镜选项，无需文本提示也能生成自然动画。用户可在Flow平台选择不同质量模式（Fast模式20积分，Quality模式100积分），测试显示生成效果生动自然。这一突破性技术展现了AI在视频创作领域的巨大潜力，引发广泛关注。

Hugging Face发布开源小模型SmolLM3，30亿参数性能超越同类产品。该模型支持128k上下文窗口和多语言处理，提供深度/非深度两种推理模式。采用改进的transformer架构，经三阶段混合训练（网络/数学/代码数据）优化性能。完全公开架构细节和训练流程，促进开发者研究。模型具备高效推理能力，为AI应用提供新可能。

7月7日，腾讯混元3D团队宣布推出业界首个美术级3D生成大模型Hunyuan3D-PolyGen，通过自研高压缩率表征BPT技术与自回归网格生成框架，实现了上万面复杂几何模型的精准生成。该模型突破性解决了3D资产生成中布线质量差、面数过高、后期编辑难等核心痛点，将美术师建模效率提升超70%，相关能力已上线腾讯混元3D AI创作引擎并集成至多款游戏管线。 传统3D生成算法虽能快速构建几何模型，但生成的网格面数过高（常达数十万面）、布线杂乱无章，导致模型美观度不足且难以直接应用于游戏开发。腾讯混元3D-PolyGen采用“网格序列化-自回归建模-序列解码”三步框架，将网格顶点和面片转化为离散Token序列进行空间推理，

腾讯推出业内首款美术级3D生成大模型Hunyuan3D-PolyGen，采用自研BPT技术解决3D建模中的布线质量和复杂物体建模难题。该工具可生成高精度几何模型，支持多种面类型，已在腾讯游戏制作管线中应用，建模效率提升超70%。这一创新将帮助美术师专注创意，推动3D建模行业技术进步。

Anthropic正在测试代号"Claude Neptune v3"的新AI模型，引发行业关注。该模型目前处于内部安全测试阶段，重点评估宪法AI系统的稳健性。社交媒体反馈显示其数学推理能力突出，可能媲美OpenAI和Google的顶级模型。关于其定位存在两种猜测：可能是Claude4.5的预备版本，也可能是重大突破版本。在AI领域竞争加剧的背景下，Anthropic此举意在抢占市场先机，预计将优化上下文窗口和工具使用能力。虽然具体细节尚未公布，但已引发广泛讨论。

B站开源动漫视频生成模型AniSora升级至V3版本，显著提升视频质量和流畅度，支持多种动漫风格生成。基于CogVideoX-5B和Wan2.1-14B模型，结合RLHF技术优化时空掩码模块，处理复杂动画任务更出色。新增华为Ascend910B NPU支持，推理速度提升20%，4秒视频仅需2-3分钟生成。扩展1000万高质量动漫片段数据集，增强多任务处理能力，支持单帧转视频、关键帧插值等功能。在角色一致性和动作流畅度方面达到顶尖水平，为动漫创作者提供强大工具支持。

谷歌宣布正式在全球范围内推出其最新的视频生成模型 Veo3。此次发布的消息令广大用户期待已久，Veo3现已向超过159个国家的 Gemini 用户开放，提供全新的视频创作体验。Veo3视频生成模型的特点在于其能够让用户通过简单的文本提示生成最多八秒钟的视频。根据谷歌的介绍，这项技术专为追求创意的用户设计，尤其是对短视频内容需求日益增加的社交媒体用户来说，Veo3将大大简化视频创作过程。不过，值得注意的是，Veo3目前仅对谷歌的 AI Pro 计划付费用户开放，且每日生成视频的数量限制

谷歌在全球范围内宣布其最新一代AI文生视频模型 Veo3 正式向 Google AI Pro 和 Ultra 会员开放。这款由 Google DeepMind 研发的视频生成模型，以其卓越的高清画质、音画同步能力以及多模态创作功能，迅速成为AI视频生成领域的焦点。Veo3:重新定义AI视频生成在2025年 Google I/O 开发者大会上首次亮相的 Veo3，被誉为谷歌在AI视频生成领域的里程碑式产品。相比前代模型，Veo3在以下方面实现了显著突破:高清画质与物理真实感:Veo3支持生成 1080p 高清视频，内部测试甚至可达 4K 分辨率。其视频画面不仅细节

字节跳动宣布开源VINCIE-3B，一款支持上下文连续图像编辑的3亿参数模型，基于其内部MM-DiT架构开发。这款模型突破了传统图像编辑的局限，首次实现从单一视频数据中学习上下文感知的图像编辑能力，无需依赖复杂的分割或修复模型生成训练数据。VINCIE-3B的发布为创意设计、影视后期及内容生成领域带来了全新的可能性。AIbase深入剖析其技术亮点、应用场景及行业影响。技术突破:从视频到上下文编辑传统图像编辑模型通常依赖任务特定的数据管道，需通过专家模型（如分割、修复）生成

Bilibili（B站）宣布其开源动漫视频生成模型AniSora迎来重大更新，正式发布AniSora V3。作为Index-AniSora项目的一部分，V3版本在原有基础上进一步优化了生成质量、动作流畅度和风格多样性，为动漫、漫画及VTuber内容创作者提供了更强大的工具。AIbase深入解读AniSora V3的技术突破、应用场景及行业影响。技术升级:更高质量与精准控制AniSora V3基于Bilibili此前开源的CogVideoX-5B和Wan2.1-14B模型，结合强化学习与人类反馈（RLHF）框架，显著提升了生成视频的视觉质量和动作一致性。其支持一键

在人工智能领域，又一重磅消息传来。今天凌晨，知名大模型训练平台 Together.ai 与 Agentica 联合推出了开源 AI Agent框架 DeepSWE。这一创新系统是基于阿里最新开源的 Qwen3-32B 模型，完全通过强化学习进行训练。DeepSWE 的开源信息可在 Hugging Face 上获取，除了模型权重外，训练方法、日志和数据集等所有相关内容也一并公开，旨在帮助开发者更深入地学习和改进这一代理系统。根据 SWE-Bench-Verified 测试结果，DeepSWE 在64k 的最大上下文长度和100的最大环境步骤下评估，经过16次运行，Pass@1准确率达

近日，北京人工智能研究院推出了全新的开源系统 ——OmniGen2。这一系统专注于文本到图像的生成、图像编辑和上下文图像创作。与2024年发布的第一代 OmniGen 相比，OmniGen2采用了两条独立的解码路径:一条用于文本生成，另一条用于图像生成，且各自拥有独立的参数和解耦的图像标记器。这种设计让模型在保持文本生成能力的同时，有效地提升了多模态语言模型的表现。OmniGen2的核心是一个基于 Qwen2.5-VL-3B 变换器的大型多模态语言模型（MLLM）。在图像生成方面，该系统使用了一种自定义的扩

OpenAI于2025年6月26日宣布推出两款全新的 Deep Research API模型:o3-deep-research-2025-06-26和 o4-mini-deep-research-2025-06-26，标志着其在自动化研究与复杂任务处理领域的重大突破。这两款模型专为高阶分析和深度信息合成设计，支持开发者通过API实现自动化的网页搜索、数据分析、代码执行等功能，为企业、研究人员和开发者提供了强大的工具。o3与o4-mini:性能与效率的平衡o3-deep-research 是OpenAI目前最强大的深度研究模型，推论能力达到最高等级（5/5），专为需要复杂推理和精准分析的任务打造，例如金