一群特殊的“AI老法师”ManuDrive正悄然改变传统制造业，在生物发酵、建筑设计、污水处理等领域替代蓝领工人。这是上海交通大学AIMS Lab的科研成果转化，由李金金教授创立的科技公司，将AI从文字、图像处理拓展至工业时序控制，推动制造业智能化转型。
OpenAI将实时语音与视觉功能整合进ChatGPT主界面，用户按住麦克风图标即可边说话边查看地图、图表等视觉内容，文字转录同步显示。更新亮点包括多模态同屏交互（语音提问时实时展示相关图像并自动滚动文字），以及连续对话无中断（语音回复同时更新画面，延迟低于300毫秒），无需跳转页面。
谷歌在英国推出AI搜索新模式，基于Gemini2.5模型支持复杂提问，可处理多部分问题。新功能采用查询扩展技术，将问题分解为子主题并行搜索，提供更精准回答。支持文字/语音/图像多种交互方式，用户可上传图片或语音提问。AI模式会评估回答可信度，低信度时转为传统搜索结果。该功能旨在提升搜索深度和效率，同时促进网站流量多元化。目前仍在优化中，谷歌鼓励用户反馈使用体验。
火山方舟平台推出豆包图像编辑模型SeedEdit3.0，主打"动嘴P图"功能。该模型基于Seedream3.0技术，支持千万像素高清图像处理，能精准修改发型、服装等细节而不影响背景。其亮点在于强大的自然语言理解能力，用户通过语音或文字指令即可完成复杂编辑，如文字替换、昼夜转换等。应用场景覆盖专业设计、电商运营等，支持去水印、老照片修复、艺术风格转换等功能，大幅降低图像编辑门槛，让创意实现更便捷。
在浏览器中实现图像或文字快速转3D模型，支持多格式导出。
GPT Image 2：免费AI图像生成器与在线照片编辑器，4K文字转图像。
免费AI图像生成器，无需注册，无限文字转图像，即时出图。
免费AI视频生成器，可将文字和图像转化为4K视频，无需编辑技能。
Alibaba
-
输入tokens/百万
输出tokens/百万
上下文长度
$1
$10
256
$2
$20
$3.9
$15.2
64
Bytedance
$0.8
$0.15
$1.5
128
Baidu
32
$8
$1.6
$4
Tencent
24
sivan22
一个用于希伯来语图像转文本的OCR模型，能够识别图像中的希伯来语文字。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
