在人工智能领域，每一天都充满了创新与变革。今天的AI日报聚焦于几个备受瞩目的技术进展和产品发布，涵盖了从开源智能体平台到3D生成模型，再到AI助手和多语言音频处理等多个方面。这些进展不仅展示了AI技术的强大潜力，也预示着AI在未来生活和工作中将扮演越来越重要的角色。
Kortix-AI发布开源通用AI智能体平台Suna
Kortix-AI推出了一款名为Suna的开源通用AI智能体平台，旨在为开发者提供一个替代Manus的解决方案。Suna集成了浏览器自动化、文件管理和API集成等多种功能，允许用户通过自然语言对话来自动化处理复杂任务。这一平台的开源特性无疑降低了AI开发的门槛，使得更多的开发者能够参与到AI智能体的创新中来。Suna的模块化设计为用户提供了从数据处理到流程自动化的完整解决方案，适用于各种实际应用场景。其灵活的部署选项也使其成为企业和开发者的理想选择。
腾讯混元3D生成模型2.5版本发布
腾讯混元3D生成模型迎来了2.5版本的正式发布，标志着3D生成技术步入了一个新的超高清时代。新版本在建模精细度和用户体验上都实现了显著提升，大幅降低了3D内容创作的门槛。该版本支持4K高清纹理和细粒度bump贴图，极大地增强了模型的真实感和质感。更令人兴奋的是，免费生成额度也翻倍了，这将吸引更多的创作者加入到3D内容创作的行列中来。此外，混元3D生成API也已上线腾讯云，为企业级应用提供了强大的支持，进一步推动了3D内容创作的普及。
海螺推出图像人物参考功能
MiniMax旗下的Hailuo AI推出了Hailuo Image的全新功能——Character Reference，允许用户基于单张参考图像生成多角度、动态姿势的角色图像。这一功能引入了丰富的表情控制和电影化的光影效果，极大地提升了AI图像生成的创意表达和角色一致性。用户可以基于单张图像生成角色在不同视角与姿势的图像，同时保持角色特征的一致性。该功能还支持多样化的角色表情生成，确保情感表达自然生动，非常适合叙事和品牌内容创作。此外，它还提供专业的光影效果和优化构图，生成的结果堪比电影画面，增强了视觉冲击力。
百度上线“心响”App
百度近期推出了一款名为“心响”的App，这是一款专为移动端设计的多智能体协作应用。该应用旨在通过智能化手段解决用户在日常生活中遇到的复杂需求。心响App整合了地图类MCP功能，支持行程自动标注和出行打车推荐。用户只需用自然语言描述需求，系统就能快速规划出行方案。此外，该应用还在健康和法律领域引入了多智能体协作机制，提供更专业的咨询服务。在健康领域，系统通过调度多位“医生AI分身”进行联合会诊，提供全面的健康建议。而在法律服务方面，多个律师AI分身组成的“律师智囊团”协同为用户提供高质量的法律咨询。
Dia：颠覆性开源TTS模型
Nari Labs发布了其开源文本转语音模型Dia，该模型拥有16亿参数，旨在生成自然对话。与ElevenLabs和谷歌的产品相比，Dia在情感语调和非语言提示方面表现更为出色。该模型在零资金情况下开发，并且已经在Hugging Face和GitHub上开源，支持用户下载和本地部署。Dia是一个拥有16亿参数的开源文本转语音模型，旨在生成自然对话。它支持情绪语调和非语言音频提示，能够正确解读多种文本标签。目前，Dia的代码和权重已在Hugging Face和GitHub上开源，供用户下载和体验。
Grok迎来重大更新
Grok的最新更新为用户带来了显著的功能提升，特别是在视觉处理、多语言音频交互和实时搜索方面的突破。这些新功能不仅增强了Grok的智能化水平，还提升了用户的交互体验。通过视觉能力，用户可以上传图片进行分析，而多语言音频处理则支持145种语言的实时语音交互，极大地便利了跨语言沟通。新增的实时搜索功能使用户能够通过语音指令快速获取最新信息，提升了信息的时效性与可信度。Grok的视觉处理能力现已上线，用户可以通过上传图片分析复杂的视觉内容，从而提升应用价值。
Genspark AI幻灯片工具发布
Genspark推出了一款AI幻灯片工具，旨在通过自动化和智能整合来显著提升专业演示文稿的创作效率。该工具支持多种数据格式的处理，能够快速生成学术报告和商业演示，尤其适合学术研究和企业报告。用户反馈积极，认为其高效性和艺术风格化的功能为演示文稿创作带来了新的可能性，未来还将不断优化与扩展。该工具支持处理多种数据格式，自动提取关键信息，从而减少手动整理时间。它还能够利用自然语言处理快速生成包含引文和可视化图表的学术报告，非常适合学术场景。
Character.AI推出AvatarFX模型
Character.AI最近推出了一款名为AvatarFX的模型，这是一项革命性的技术，能够将静态图片转化为生动的可说话视频角色。通过先进的动态生成技术，AvatarFX不仅实现了图像中的人物动态表情和唇部同步，还提供多样的音频选择，增强了用户的沉浸感。此外，平台非常重视用户的安全体验，确保创作过程中的内容健康。AvatarFX利用基于扩散模型的动态生成技术，将静态图片转化为生动的视频角色，使其具备真实感的表情和动作。它还内置了多种音频功能，用户可以自由选择不同风格的声音，从而增强故事叙述的生动性和吸引力。
pad.ws：白板+代码编辑器组合工具
pad.ws是一款创新的在线工具，它将白板与代码编辑器完美结合，为开发者和设计师提供了全新的协作体验。该工具支持多种编程语言，并具备实时协作、无限画布等功能，可以满足远程团队和教育场景的多样化需求。用户反馈显示，pad.ws以其流畅的用户体验和开源特性受到了广泛欢迎，未来有望推出更多创新功能。用户可以在无限画布上绘制流程图和草图，支持多人实时协作，从而提升团队效率。它还内置了支持多种编程语言的代码编辑器，提供语法高亮和错误提示，实现了边画边码的流畅体验。
OpenBMB “卷姬” 入职
OpenBMB开源社区的新成员“卷姬”在长文本生成领域引起了广泛关注。通过信息熵和卷积算法，“卷姬”能够高效整合大量文献，生成高质量的综述报告。用户只需提供关键词，便可获得逻辑严谨、见解独到的内容。与其他模型的横向评测显示，“卷姬”在结构、内容及引用方面表现优异，展现出了强大的技术实力。“卷姬”利用信息熵和卷积算法，能够快速整合海量文献，生成高质量的综述。
腾讯混元大模型AI阅读助手——企鹅读伴正式上线
腾讯在世界读书日推出了一款名为“企鹅读伴”的创新AI阅读助手，旨在为中小学生提供丰富的阅读体验。该产品结合了AI技术与教育理念，能够根据学生的年级和兴趣进行个性化书籍推荐。通过角色扮演、情景生成等互动方式，学生不仅能深入理解经典作品，还能在游戏化的环境中提升阅读兴趣，最终实现阅读成果的量化和可追踪。AI技术支持个性化推荐，从而提升学生的阅读体验。
司法部或迫使谷歌出售 Chrome，OpenAI 表明收购意愿
在谷歌垄断案的救济措施审理阶段，OpenAI表示有意收购Chrome浏览器。美国司法部要求谷歌剥离该产品，法官已裁定谷歌在搜索领域垄断。OpenAI曾与谷歌洽谈合作，希望ChatGPT使用其搜索技术，但目前依赖必应。此举可能会影响谷歌的市场地位，同时也反映了科技巨头之间的竞争加剧。
字节跳动调整AI产品线
字节跳动近期对AI产品部门Flow进行了重要调整，旨在应对增长压力。猫箱更换负责人，星绘团队并入豆包App，资源集中于核心产品豆包，以期实现更快增长。字节在AI领域的策略更侧重于用户规模扩张，尽管面临激烈的市场竞争，这一调整能否带来新的增长值得关注。
