NotebookLM上线短视频概览功能
NotebookLM 的“短视频概览”功能已正式在移动端和网页端面向所有英语用户上线。该功能支持用户快速浏览和理解短视频内容。官方表示将持续收集用户反馈,以优化现有功能并规划后续更新。
NotebookLM 的“短视频概览”功能已正式在移动端和网页端面向所有英语用户上线。该功能支持用户快速浏览和理解短视频内容。官方表示将持续收集用户反馈,以优化现有功能并规划后续更新。
苹果研究团队近日推出Weblica框架,旨在构建面向视觉网页智能体的可扩展、可复现训练环境。该框架通过HTTP级缓存保存网页稳定视觉状态并保留交互行为,结合大语言模型,基于真实网站与核心导航技能合成多样化训练环境。 Weblica将强化学习训练扩展至数千个不同网页环境与任务。其最佳模型Weblica 8B在多个网页导航基准测试中,性能超越同等规模开源模型,推理步骤更少,测试时计算扩展性良好,整体表现接近API调用类模型。 相关研究详情已公开:...
英伟达正式推出Vera CPU,定位为面向AI智能体(Agentic AI)时代的新型数据中心处理器。该CPU采用自研Olympus核心,指令每周期执行效率较Grace提升50%,并配备最高1.2TB/s LPDDR5X内存带宽与3.4TB/s核心间带宽,强调满载下的单核持续性能。 据测试,在代表智能体工作负载的场景中,Vera单核持续性能达主流x86服务器CPU的1.8倍;Perplexity实测其在代码工作流(克隆仓库+沙箱测试)中完成速...
Savi Security公司正式发布面向iPhone和Android用户的AI诈骗防护App,旨在识别并拦截利用生成式AI实施的高仿真诈骗,包括语音克隆、号码伪造及情境化勒索等手段。 该公司近期完成700万美元种子轮融资,由Acrew Capital领投,Magnify Ventures、TTCER和Resolute Ventures跟投。其技术核心为实时行为分析模型,可在用户接听可疑电话时启用“实时监听”功能,识别异常话术与语音特征。 此...
AI HOT 7月7日消息,Grok Imagine 功能完成更新,现已支持生成时长为 15 秒的视频。用户需将 Grok 应用更新至最新版本方可使用该功能。官方表示,新视频生成质量表现优异。
OfficeCLI 近日正式发布,作为全球首个专为 AI 智能体设计的开源 Office 套件,该工具以单二进制文件形式运行,无需安装 Microsoft Office 或额外依赖。 OfficeCLI 内置 HTML 渲染引擎,支持将 .docx、.xlsx、.pptx 文件转换为 HTML 或 PNG 格式,构建“渲染→查看→修复”的视觉闭环,使 AI 代理可自主创建、读取与修改文档。功能覆盖公式、图表、条件格式、RTL 布局、修订追踪、...
Gemini Spark 现已支持智能追踪特定话题并实时响应相关事件。用户可通过设置提示词,在特定场景(如支持的球队比赛结束后)自动获取定制化的赛事分析邮件。该功能目前已正式上线。
苹果在最新推送的 iOS 27 开发者测试版 Beta 3 中,正式开放了 Siri 语音的“语速(Pace)”与“表现力(Expressivity)”调节选项,该功能在早期测试版中曾显示为“即将推出”。 用户现可通过系统设置中的滑块,自定义 Siri 的说话速度及语音情感丰富度,并实时听取示例语句以预览效果。此次更新是苹果基于生成式 AI 重构 Siri 的重要一环,旨在提升语音交互的自然度与个性化体验。 除语音参数调节外,新版测试版还支持...
tokhub.me 网站于7月6日正式上线。该平台由开发者合作推出,专注于对各类API中转站进行真实场景下的模型调用监控,通过实际充值并调用API完成评测,区别于仅依赖响应速度的单一指标。 项目代码已完全开源,支持一键Docker部署,具备轻量级Token与网关管理能力,适用于企业内部API Key及Base URL的集中化运维。相关源码可通过项目GitHub页面获取。
Synthetic Sciences 近日推出开源(Apache 2.0 许可)AI 科研工作台 OpenScience,面向机器学习、生物学、物理学和化学研究。该工具支持从文献检索、假设生成、代码编写、实验设计到数据分析与论文撰写的完整科研流程。 OpenScience 具备模型无关特性,用户可按需切换调用 Claude、GPT、Gemini、GLM、Kimi、DeepSeek 等远程大模型,或接入本地微调模型。平台内置 250 余项可编辑...
JoyAI App 近日上线用户生成内容(UGC)数字人功能。用户上传一张照片即可生成专属虚拟数字分身,支持写实形象复刻或卡通风格重塑,并可绑定个人语音实现个性化交互。 该功能基于“万能博士”技术底座,集成 JoyAI 自研的语言、语音及数字人大模型,支持全双工对话,具备随时打断与自然接话能力。 生成的数字人兼具情绪陪伴与实用助手属性,可提供点外卖、金融咨询、英语学习、行程规划等生活服务。
Safari Technology Preview 247 正式推出 Safari MCP 服务器,基于 Model Context Protocol(MCP)标准,允许任意兼容 MCP 的客户端连接并控制 Safari 浏览器窗口。 该服务器支持 AI 智能体实时获取 DOM 结构、网络请求列表、控制台日志及页面截图等信息,并可执行 JavaScript 脚本,从而自主完成调试、性能分析与可访问性检查等任务。内置工具包括 browser c...
面壁智能正式发布全球首个完全由AI编写、无人类干预的生产级大模型预训练框架ForgeTrain。该框架可针对特定模型与硬件,从零自动生成专用训练代码。 基准测试显示,ForgeTrain在8小时内即可达到Megatron LM同等性能,并在1.5至2天内实现稳定反超;模型FLOPS利用率提升约8% 10%。该框架已验证支持MiniCPM4 0.5B/8B等模型,以及H100和昇腾NPU等异构硬件。 ForgeTrain采用四阶段Harness...
阿里通义万相(Wan Video)推出“音乐伴舞”新功能。用户可上传自定义角色并添加歌曲,系统将基于音频节奏自动生成同步舞蹈视频。目前支持街舞、踢踏舞、拉丁舞、K Pop及中国古典舞等多种舞种。该功能实现了从音频输入到角色舞蹈动作的端到端AI生成,用户可通过 wan.video 官网直接体验。
近日,开源项目 claude real video 发布,该工具旨在让大语言模型(LLM)能够基于视频画面而非仅依赖字幕进行理解。其工作原理是通过场景变化检测提取关键帧,结合滑动窗口去重与 Whisper 音频转录,生成结构化的本地文件夹供模型读取。该工具支持 YouTube 链接及本地视频文件,依赖 ffmpeg 和 Whisper,可通过 pip 安装。所有数据处理均在本地完成,无需上传云端。项目代码已托管于 GitHub。
阿里达摩院联合中国人民大学、中国科学院大学正式发布首个超导材料发现AI智能体Elements Claw。该智能体采用“专通融合”架构,基于1.25亿分子与晶体结构预训练的10亿参数原子基础模型Elements,超导性判别AUC达0.996,临界温度预测平均误差小于1K。 Elements Claw仅用28个GPU小时即完成240万稳定晶体结构筛选,产出6.8万个超导候选材料。其中Hf21Re25、Zr4VRe7、HfZrRe4、Zr3ScRe...
Meta 近日低调上线实验性 AI 应用 Pocket,允许用户通过文本提示生成并分享小型交互式游戏(称为“gizmos”)。该应用基于 Meta 今年早些时候收购的 vibe coded 游戏平台 Gizmo 团队技术开发。 Pocket 已于 6 月 29 日在 App Store 和 Google Play 上架,目前尚未获得官方正式发布声明。应用界面与原 Gizmo 应用高度相似,同样提供 AI 提示建模功能及可滚动浏览他人创作的发现...
browser use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源视频剪辑 Skill「video use」。该工具允许 LLM 通过 ElevenLabs Scribe 将音频转写为约 12KB 的结构化文本(含逐词时间戳、说话人分离与事件标记),并仅在关键决策点调用 timeline view.py 生成 PNG 帧图。 技术流水线涵盖转写、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3...
开源基准测试 Senior SWE Bench 正式发布,旨在评估 AI 智能体完成高级软件工程师级别任务的能力。该基准涵盖功能开发与 Bug 修复两类任务:功能任务基于自然语言指令,验证智能体自动生成行为测试的能力;Bug 任务则要求智能体结合日志、性能分析(profiling)等运行时信息进行深度诊断。 当前排行榜数据显示,Claude Opus 4.8 搭配 Mini SWE Agent(max effort)通过率为 24.0%,Cl...
Google Health API v4 新增开源命令行工具 ghealth,以单个 Go 二进制文件发布,采用 Apache 2.0 协议。 ghealth 支持从 Fitbit、Pixel Watch 及已连接的第三方设备获取健康数据,提供步数、心率、睡眠、体重、血氧饱和度、心率变异性等共 40 种已验证数据类型的结构化 JSON 输出。 该工具采用 Agent 优先架构,具备确定性退出码、 dry run 和 raw 参数,并附带两份...
TechCrunch 7月2日消息,印度连续创业者巴文·图拉希亚(Bhavin Turakhia)宣布个人出资3000万美元启动新企业Neo,目标是构建一款从底层设计即面向AI时代的办公平台,直接对标Microsoft Office与Google Workspace。 Neo于2026年4月起在图拉希亚旗下公司(包括银行软件公司Zeta)内部试用,整合项目管理、文档协作、文件存储与AI能力,强调AI作为工作流中的主动参与者,而非附加助手。该平...
昆仑万维正式发布天工3.2版本,推出Skywork Tags功能,支持将AI智能体以团队成员身份直接接入Slack、飞书、钉钉、Discord及Telegram等即时通讯工具。 用户可在现有工作群中直接@Skywork参与讨论,无需切换应用或迁移数据。该功能强调对既有工作流的零干扰,使AI在持续积累团队上下文过程中逐步提升响应能力。 据官方介绍,共享版Agent在吸收多样化团队上下文后,性能已超越经过单独调优的个人版,部分团队已全面转向使用共...
开发者 Emil Kowalski 将多年 UI 与动画设计经验提炼为三项可集成技能(Skills),旨在增强 Codex、Claude Code、Cursor 等 AI 编码智能体在 UI 动画方面的专业判断力。 三项核心技能包括:review animations(基于严格标准审查动画代码,输出 Before/After/Why 对照表);animation vocabulary(将“弹一下”等模糊自然语言描述映射为标准动效术语);以及一...
Google Cloud 正式发布 Workbench Notebooks 扩展,支持开发者在 VS Code 中直接连接可扩展的云端 Jupyter 环境。该扩展允许用户无需切换开发上下文,即可调用 Google Cloud 的高性能计算资源完成机器学习全流程开发。 该扩展已完全开源,开发者可通过 GitHub 和 VS Code Marketplace 免费获取与使用。
xAI 正式发布 Voice Agent Builder 平台,支持用户无需编程即可基于 Grok Voice 构建类人语音智能体。 该平台即日起开放使用,按使用时长计费,单价为 0.05 美元/分钟。 官方页面已上线:https://x.ai/voice。
Hugging Face 与 Cerebras 宣布合作,将 Gemma 4 31B 视觉语言模型集成至实时语音 AI 系统中。该方案采用开源、模块化的级联式语音到语音(Speech to Speech)架构,核心环节涵盖语音识别(NVIDIA Parakeet)、大语言模型推理(Gemma 4 运行于 Cerebras 硬件)及语音合成(阿里巴巴 Qwen3TTS)。 该架构显著降低了端到端延迟,尤其优化了 P95 尾部延迟表现,使 AI...
Cloudflare 面向所有网站所有者推出全新 AI 流量管理选项,支持区分搜索爬虫、AI 智能体爬虫与训练爬虫三类流量,替代此前统一屏蔽的粗放式策略。 新功能允许网站运营方按需配置不同爬虫类型的访问权限,提升内容分发与版权保护的灵活性。此外,该方案新增对广告变现页面的定向保护能力,有助于维护网站广告收益稳定性。
TechCrunch 7月1日消息,据彭博社报道,Meta正制定新业务计划,拟向外部客户出售其自建数据中心的富余AI算力及模型访问权限,正式切入云计算基础设施服务领域。此举将使Meta直接与亚马逊AWS、谷歌云和微软Azure等主流云服务商展开竞争。 该新业务暂定名为“Meta Compute”,由基础设施负责人Santosh Janardhan、超级智能实验室负责人Daniel Gross及总裁Dina Powell McCormick共同...
新加坡初创公司Acti近日发布一款集成AI智能体的手机键盘应用,底层接入Google Gemini模型,支持在各类App中直接执行用户指令。 该键盘核心功能名为Skills,允许用户通过自然语言自定义快捷操作,例如长按T键自动翻译选中消息、长按C键一键发送会议链接等。早期测试数据显示,用户在两周内已创建超1000个Skills。 产品采用本地优先架构,默认不读取私人消息内容。Acti目前已完成530万美元种子轮融资,由BITKRAFT Ven...
TechCrunch 6月30日消息,开源AI智能体项目OpenClaw已正式发布Android与iOS移动应用。用户可通过手机连接OpenClaw Gateway——一个用于路由请求至AI智能体及其所调用工具与技能的中间层,实现移动端任务调度。 该项目此前因MoltBook社交平台事件引发广泛关注,其核心开发者Peter Steinberger已于今年2月加入OpenAI。尽管MoltBook曾被证实部分由人类伪装智能体运营,但该事件客观推...