AI 行业大事记 2507

AI 行业大事记 2507 🧭 AI 行业大事记 2507 Modified August 18, 2025 🔍官方介绍 【音频】快手可灵 ● Kling Foley 多模态视频音效生成模型，高同步性立体声生成 Kling Foley 是快手可灵团队推出的多模态视频转音频（Video to Audio）生成模型，专注于解决 AI 视频音效不同步的痛点。该模型以视频和文本提示为输入，自动生成与画面语义、动作节奏高度同步的高质量音频，涵盖音效及背景音乐。 其核心突破在于支持任意时长音频生成，并首创立体声渲染技术，通过声源空间定向建模显著提升沉浸感。 为支撑模型训练，团队构建了包含超 1 亿 样本的多模态数据集，同时开源了业界首个双模态音效评估基准 Kling Audio Eval。 使用入口：开源；前往 HugingFace 获取 Benchmark（huggingface.co/datasets/klingfoley/Kling Audio Eval）；前往 Github 获取代码（github.com/klingfoley/Kling Foley）；前往 可灵 官网体验（app.klingai.com）。 ➖ 可以预见，下一个版本的可灵将会和 Veo3 一样，可以直出带声音的视频了 👏 https://klingfoley.github.io/Kling Foley | 🔍媒体报道 【应用】小米 ● AI 眼镜，集相机、耳机与 AI 交互于一体的智能设备 小米正式推出首款AI眼镜，将第一人称视角拍摄、开放式音频体验与智能交互功能融为一体。而且内置了超级小爱提供的多模态智能交互能力，用户可通过语音指令即可完成拍照、翻译、百科问答等操作，未来还将接入支付宝扫码支付。 此外，为满足个性化需求，小米同步推出电致变色版本，支持四档透光度调节，其中彩色版更提供四种可变镜片颜色。价格方面，标准版售价1999 元，单色电致变色版2699 元，彩色电致变色版2999 元。 ➖ 主要功能还是摄像和耳机，AI 功能还远未成熟 👓 🔍官方介绍 【应用】Google Labs ● Doppl AI 虚拟试衣应用，动态展示穿搭效果 Doppl 是 Google Labs 推出的实验性虚拟试衣应用，基于 Google Shopping 的虚拟试穿技术升级而来。其核心功能是通过 AI 将静态图像转化为动态试穿视频：用户上传个人或服装照片后，系统会自动生成身着该服装的动画版试穿效果，帮助用户更直观地评估穿搭风格。 该技术突破了传统虚拟试衣的静态展示局限，以动态形式还原服装的垂坠感和移动效果，为在线购物体验提供了创新解决方案。 使用入口：前往 Google Labs 官网查看详情（labs.google/doppl）。 ➖ 原理应该就是虚拟穿衣+视频生成 🧐 https://blog.google/technology/google labs/doppl 【应用】Google Labs ● 搜索结果支持音频概览（Audio Overviews），用听的方式获取信息 Google Labs 平台推出了音频概览（Audio Overviews）新功能，基于最新的 Gemini 模型，为用户的某些搜索查询生成一段简短、对话式的音频摘要，帮助用户在不熟悉的领域快速建立初步认知。 使用入口：前往 Google Labs 官网体验（labs.google.com/search/experiment/30）。 ➖ 对于搜索这类快速响应的场景，语音信息的速度会不会有点太慢了呢 🤔 https://blog.google/products/search/audio overviews search labs 【融资】OpenAI ● 整合电商 AI 推荐初创公司 Crossing Minds 团队 OpenAI 宣布整合 AI 个性化推荐初创公司 Crossing Minds 的团队，意在吸收后者在个性化、用户理解和实时机器学习方面的深厚积累。 Crossing Minds 成立于八年前，专注于通过 AI 深度理解用户的长期偏好和真实意图，而非仅仅预测短期行为。该团队在个性化、检索增强生成（RAG）和实时机器学习领域拥有深厚的技术积累。 https://www.crossingminds.com 【融资】Suno ● 收购 AI 数字音频工作站 WavTool Suno 宣布收购 WavTool。收购完成后，WavTool 核心团队将并入 Suno，担任产品与工程的领导岗位，共同为用户提供更精细和强大的创作工具。 WavTool 是一款专业的在线数字音频工作站（DAW），并率先在浏览器内集成了专业级制作功能与 AI 辅助能力，如音源分离、AI 生成 MIDI 等。 ➖ Suno 应该是想往专业音乐创作的方向去发力了，而不仅仅是一个玩具 🎵 https://www.prnewswire.com/news releases/suno acquires wavtool to level up capabilities for professional songwriters producers 302491932.html 6 月 30 日 【模型】百度 ● 文心 4.5 系列模型，包含 10 款 MoE 及稠密模型（开源） 🔍官方介绍 🔍媒体报道 🔍官方介绍 🔍官方介绍 🔍官方介绍 【音频】快手可灵 ● Kling Foley 多模态视频音效生成模型，高同步性立体声生成 Kling Foley 是快手可灵团队推出的多模态视频转音频（Video to Audio）生成模型，专注于解决 AI 视频音效不同步的痛点。该模型以视频和文本提示为输入，自动生成与画面语义、动作节奏高度同步的高质量音频，涵盖音效及背景音乐。 其核心突破在于支持任意时长音频生成，并首创立体声渲染技术，通过声源空间定向建模显著提升沉浸感。 为支撑模型训练，团队构建了包含超 1 亿 样本的多模态数据集，同时开源了业界首个双模态音效评估基准 Kling Audio Eval。 使用入口：开源；前往 HugingFace 获取 Benchmark（huggingface.co/datasets/klingfoley/Kling Audio Eval）；前往 Github 获取代码（github.com/klingfoley/Kling Foley）；前往 可灵 官网体验（app.klingai.com）。 ➖ 可以预见，下一个版本的可灵将会和 Veo3 一样，可以直出带声音的视频了 👏 可以预见，下一个版本的可灵将会和 Veo3 一样，可以直出带声音的视频了 👏 https://klingfoley.github.io/Kling Foley | 🔍媒体报道 🔍媒体报道 【应用】小米 ● AI 眼镜，集相机、耳机与 AI 交互于一体的智能设备 小米正式推出首款AI眼镜，将第一人称视角拍摄、开放式音频体验与智能交互功能融为一体。而且内置了超级小爱提供的多模态智能交互能力，用户可通过语音指令即可完成拍照、翻译、百科问答等操作，未来还将接入支付宝扫码支付。 此外，为满足个性化需求，小米同步推出电致变色版本，支持四档透光度调节，其中彩色版更提供四种可变镜片颜色。价格方面，标准版售价1999 元，单色电致变色版2699 元，彩色电致变色版2999 元。 ➖ 主要功能还是摄像和耳机，AI 功能还远未成熟 👓 主要功能还是摄像和耳机，AI 功能还远未成熟 👓 🔍官方介绍 🔍官方介绍 【应用】Google Labs ● Doppl AI 虚拟试衣应用，动态展示穿搭效果 Doppl 是 Google Labs 推出的实验性虚拟试衣应用，基于 Google Shopping 的虚拟试穿技术升级而来。其核心功能是通过 AI 将静态图像转化为动态试穿视频：用户上传个人或服装照片后，系统会自动生成身着该服装的动画版试穿效果，帮助用户更直观地评估穿搭风格。 该技术突破了传统虚拟试衣的静态展示局限，以动态形式还原服装的垂坠感和移动效果，为在线购物体验提供了创新解决方案。 使用入口：前往 Google Labs 官网查看详情（labs.google/doppl）。 ➖ 原理应该就是虚拟穿衣+视频生成 🧐 原理应该就是虚拟穿衣+视频生成 🧐 https://blog.google/technology/google labs/doppl 【应用】Google Labs ● 搜索结果支持音频概览（Audio Overviews），用听的方式获取信息 Google Labs 平台推出了音频概览（Audio Overviews）新功能，基于最新的 Gemini 模型，为用户的某些搜索查询生成一段简短、对话式的音频摘要，帮助用户在不熟悉的领域快速建立初步认知。 使用入口：前往 Google Labs 官网体验（labs.google.com/search/experiment/30）。 ➖ 对于搜索这类快速响应的场景，语音信息的速度会不会有点太慢了呢 🤔 对于搜索这类快速响应的场景，语音信息的速度会不会有点太慢了呢 🤔 https://blog.google/products/search/audio overviews search labs 【融资】OpenAI ● 整合电商 AI 推荐初创公司 Crossing Minds 团队 OpenAI 宣布整合 AI 个性化推荐初创公司 Crossing Minds 的团队，意在吸收后者在个性化、用户理解和实时机器学习方面的深厚积累。 Crossing Minds 成立于八年前，专注于通过 AI 深度理解用户的长期偏好和真实意图，而非仅仅预测短期行为。该团队在个性化、检索增强生成（RAG）和实时机器学习领域拥有深厚的技术积累。 https://www.crossingminds.com 【融资】Suno ● 收购 AI 数字音频工作站 WavTool Suno 宣布收购 WavTool。收购完成后，WavTool 核心团队将并入 Suno，担任产品与工程的领导岗位，共同为用户提供更精细和强大的创作工具。 WavTool 是一款专业的在线数字音频工作站（DAW），并率先在浏览器内集成了专业级制作功能与 AI 辅助能力，如音源分离、AI 生成 MIDI 等。 ➖ Suno 应该是想往专业音乐创作的方向去发力了，而不仅仅是一个玩具 🎵 Suno 应该是想往专业音乐创作的方向去发力了，而不仅仅是一个玩具 🎵 https://www.prnewswire.com/news releases/suno acquires wavtool to level up capabilities for professional songwriters producers 302491932.html 6 月 30 日 【模型】百度 ● 文心 4.5 系列模型，包含 10 款 MoE 及稠密模型（开源） https://yiyan.baidu.com/blog/ernie4.5 | 🔍官方介绍 🔍官方介绍 【模型】华为 ● 盘古 7B && 72B MoE 模型，基于昇腾硬件深度优化（开源） 华为宣布开源盘古 7B 稠密模型和盘古 Pro MoE 72B 混合专家模型，以及基于昇腾的模型推理技术。 盘古 7B 采用双系统推理框架，通过「快思考」与「慢思考」模式动态适配任务复杂度，实现智能算力分配。盘古 Pro MoE 72B 创新性引入分组混合专家架构（MoGE），显著改善专家负载均衡问题，结合昇腾硬件优化后，单卡推理速度突破 1528 Tokens/s，在性能与效率层面达到行业领先水平。 使用入口：开源；前往 Github 获取（gitcode.com/ascend tribe）。 ➖ （无论模型如何🍉）能够快速高效的适配华为的显卡，也算是一大特色 🚀 （无论模型如何🍉）能够快速高效的适配华为的显卡，也算是一大特色 🚀 https://www.huawei.com/cn/news/2025/7/pangu opensource | 🔍官方介绍 🔍官方介绍 【应用】字节跳动 ● 豆包「深入研究」功能，支持报告与网页两种呈现样式 豆包正式上线深入研究功能，能帮助用户快速、全面地处理高难度复杂任务，比如旅行攻略、购物决策、行业分析等。 研究完成后，豆包支持以两种形式呈现结果：用户可选择结构清晰的「专业报告文档」，便于存档与深度阅读；或选择交互友好的「可视化网页」，适合快速浏览与分享。 使用入口：前往 豆包 官网体验（Doubao.com）或者下载移动端应用。 ➖ Deep Research 已经成为各个 C 端产品标配 🔍 Deep Research 已经成为各个 C 端产品标配 🔍 🔍官方介绍 🔍官方介绍 【应用】Anysphere（Cursor）● 网页与移动端智能体，随时随地处理编程任务 Cursor 智能体现已扩展至网页和移动端，开发者可通过浏览器在任意设备上调用其编程能力。 该应用实现了远程任务管理功能，用户可随时发起后台任务（如缺陷修复或功能开发），待系统自动处理后，返回编辑器查看代码差异与拉取请求即可。此外，它还与 Slack 进行了深度集成，用户只需在对话中 @Cursor 触发指令，任务完成通知便会自动推送至频道，真正实现了开发流程的跨平台无缝衔接。 使用入口：前往 Cursor 官网体验（cursor.com/agents）。 ➖ Cursor 已经不再满足只是一个 IDE，正在往直接交付结果的 Agent产品发展 👏 Cursor 已经不再满足只是一个 IDE，正在往直接交付结果的 Agent产品发展 👏 https://cursor.com/en/blog/agent web 【新闻】Meta ● 重金投资 Scale AI 与成立 Meta Superintelligence Labs （超级智能实验室）事件始末 LLaMa 4 模型训练失败导致核心团队动荡，为扭转局面，Mark Zuckerberg 决定重组团队并迅速行动。他先是重金投资 Scale AI 并挖走了 CEO，随后高调挖角 OpenAI、Google 多名核心顶级人才，成立了 Meta Superintelligence Labs。 6月初：Meta AI Llama 核心团队最初 14 位主要作者中，有 11 位已经离职，其中 5 人选择加入了法国初创公司 Mistral AI。 6月初：Meta 宣布以约 143 148 亿美元投资数据标注公司 Scale AI，旨在通过投资获取高质量训练数据，并引入其 CEO Alexandr Wang。 6月12日：Alexandr Wang 发布全员信，确认离职加入 Meta，部分员工随他一同转投。Scale AI 则由 Jason Droege 接任临时 CEO。Meta 强调 Scale AI 保持独立运营。 6月中旬：OpenAI 和 Google 宣布逐步终止与 Scale AI 合作，转向其他数据供应商。Microsoft 和 xAI 决定启动对 Scale AI 合作的全面审查，暂停部分项目。 6月下旬：Meta 大规模挖角 OpenAI、Google DeepMind、Anthropic 等团队的顶级 AI 研究员，部分签约金高达 1 亿美元。OpenAI 宣布全员休假一周应对人才流失，调整薪酬体系；Sam Altman 公开批评 Meta 挖角行为。 6月30日：Mark Zuckerberg 正式宣布成立 Meta Superintelligence Labs（MSL），由 Alexandr Wang 领导，整合 Meta 所有 AI 团队。 ➖ Meta的大手笔让整个AI行业有点「通货膨胀」💰💰💰 Meta的大手笔让整个AI行业有点「通货膨胀」💰💰💰 https://techcrunch.com/2025/06/30/meta restructures its ai unit under superintelligence labs 🔗原文链接：https://mp.weixin.qq.com/s/25 t7aHi9oMwCIOlHqEUrA 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 6 月 AI 行业大事 106 件 🔗原文链接：https://mp.weixin.qq.com/s/25 t7aHi9oMwCIOlHqEUrA 📝联合出品：Jomy X 南乔 X 大聪明 🍺本期收录：2025 年 6 月 AI 行业大事 106 件 ➖ 说明： ① 分类中的【模型】均指代语言模型。 ② 分类中的【融资】 包含了融资、收购、团队成员吸收等多种方式。 说明： ① 分类中的【模型】均指代语言模型。 ② 分类中的【融资】 包含了融资、收购、团队成员吸收等多种方式。 ✦ ✦ ✦ 👀 趋势观察 1. 模型 ✦ 这个月顶尖海外模型发布只有 o3 Pro，给了国产模型一个窗口期，迎头赶上。例如字节的多模态推理模型 Seed 1.6，从功能上已经不输任何海外模型。 ✦ 模型在垂直领域峥蓬勃发展，比较热门的是工具调用（Agent）和 Coding，刚好也代表了应用层面的两大热门板块。夸克的高考模型和网易的数学模型也让人眼前一亮，正如我上个月所说，垂直领域的模型还有很多的机会。 2. 图像 ✦ Seededit 3.0、OminiGen2 和 Qwen VLo 的出现，代表着 GPT Image 1 的秘密仅过了 3 个月就已被中国公司完全破解。目前效果上的差异主要来源于训练数据的不同，因此，在图像编辑领域，国产模型的全面超越仅是时间问题。 ✦ 从功能的角度来看，图像模型领域的所有拼图已经完备，未来不同厂商的模型，应该就是审美和商业策略的竞争了。 3. 视频 ✦ 字节和 Minimax 在视频上继续发力，都推出了新的模型，效果继续小幅度提升，与可灵相比各有千秋。OpenAI 应该想不到，最早由 Sora 开拓的视频领域，现今已是中国人的天下。 ✦ 除了 Veo3，目前尚未出现其他能够直接生成有声视频的模型，但可灵已经取得相关的研究进展，估计很快就会面市。 ✦ 视频的 Agent 产品开始陆续出现，通过 Agent 去自动拼接和剪辑视频，这可能才是突破视频模型生成时长限制的最优解决方案。 4. 音频 ✦ 配音领域，比较亮眼的是字节的语音播客模型，能够生成极为生动的双人对话。可以预见，音频模型在自动化分析情感方面仍然有进一步发展的空间。 ✦ 音乐领域，腾讯的开源模型效果已经堪比 Suno 早期的版本，可以预见，Vibe Music 领域很快也会被开源模型拿下。 5. 3D ✦ 这个月只有腾讯继续在 3D 领域进行更新，生成的模型质量又有了一些提高，不愧是游戏行业的领头羊。 6. 机器人 ✦ 机器人的大脑（模型）还未成熟，所有研究都在早期阶段。 ✦ 两家头部的机器人公司恰好都在这个月完成了大额的融资，预计是在为较长的研发周期做好准备。 7. 应用 ✦ Coding 领域竞争激烈，任何一家推出新功能，很快便会被所有竞争对手效仿。几乎所有大厂都推出了自己的 AI Coding 产品，不由得让人联想到当年模型大战的情形。最终受益的还是用户，编程会变得越来越简单。 ✦ Agent 领域开始分化。一边分化到了垂直领域，例如专注于信息搜索或多媒体创作的 Agent；另一边分化到了浏览器，因为相比网页，浏览器有更广泛的本地权限可供使用。 ✦ 随着端侧模型的发展，端侧应用开始有些起色。首先是苹果在新系统上开放了端侧 AI 的接口，开发者会更加容易开发出 AI 应用。另外，AI 眼镜逐渐成为各厂商常见的数码产品，这会为 AI 应用带来一个巨大的新入口。 8. 新闻/融资 ✦ 这个月没有看到任何模型公司获得融资，反而是拿到大额融资的应用公司开始推出自己的模型。未来，模型公司开发应用，而应用公司开发模型将会变得相当普遍。从今往后，可能不必再区分一家公司是从事应用还是模型，只是起点不同，最终殊途同归。 ✦ 美国 AI 行业的资本市场已经有些疯狂，过亿美金的跳槽费，20 亿美金的种子轮，百亿美金的投资，这背后有不少都是 Meta 的手笔。这到底是 FOMO 的泡沫，还是 AI 真的可以带来万亿美金的市场？在 25 年中这个节点，这个问题似乎还没有明确的答案。 ✦ ✦ ✦ 🧭 时光机 ➖ 6 月 1 日 | 新闻 | AGI Bar 开业 ● 北京中关村迎来「泡沫最大」的 AI 主题酒吧 | 应用 | 阿里巴巴 ● 通义灵码 AI IDE 上线，辅助完成复杂编程任务 6 月 2 日 | 视频 | Luma AI ● Modify Video 视频后期工具，保留动态的同时一键改风格、换场景 | 应用 | Character.AI ● 从文本聊天向多模态世界演进，打造沉浸式角色体验 | 融资 | IBM ● 收购数据分析初创公司 Seek AI 6 月 3 日 | 模型 | 蚂蚁集团 X 清华大学 ● AReaL boba² 全异步强化学习训练系统，RL 训练提速 2.77 倍（开源） | 音频 | Fish Audio ● OpenAudio S1 & S1 Mini 高可控多语言 TTS 模型（Mini 版开源） | 视频 | TikTok ● Symphony Creative Studio 创意视频生成工具，一键生成 TikTok 广告 | 机器人 | Hugging Face ● SmolVLA 机器人模型，消费级设备本地流畅运行（开源） | 新闻 | Anthropic 中断合作 ● Windsurf 平台紧急调整 Claude 模型服务 6 月 4 日 | 应用 | Mistral AI ● Mistral Code 智能编程客户端，支持私有化微调 | 融资 | AMD ● 收购 AI 软件优化团队 Brium，并整合芯片公司 Untether AI 工程团队 6 月 5 日 | 模型 | 阿里巴巴 ● WebDancer 自主多跳推理智能体，从零训练一个 DeepResearch 类智能体 | 模型 | EleutherAI ● The Common Pile v0.1 语料库（8TB）&& Comma 模型（开源） | 应用 | Anysphere（Cursor）● 1.0 版本重要更新，支持代码审查与多任务后台处理 6 月 6 日 | 模型 | 面壁智能 ● MiniCPM 4.0 端侧稀疏大模型，7 倍速长文本处理 | 模型 | 阿里巴巴 ● Qwen3 Embedding & Reranker 文本嵌入与排序模型（开源） | 模型 | 小红书 ● dots.llm1 文本大模型（开源） | 图像 | 字节跳动 ● SeedEdit 3.0 通用图像编辑模型，准确遵循编辑指令 | 音频 | ElevenLabs ● Eleven v3 文本转语音模型，最具表现力的 TTS 模型 | 视频 | Higgsfield AI ● Higgsfield Speak 数字人视频生成工具，快速制作说话视频 | 应用 | 爱诗科技 AIsphere ● 拍我 AI 视频生成应用，国内版终于上线 | 应用 | 智谱 ● AMiner 沉思学术搜索工具，5 分钟生成万字研究报告 6 月 7 日（无） 6 月 8 日（无） 6 月 9 日 | 模型 | 智源研究院 悟界 ● Emu3 原生多模态世界模型，统一多模态的理解与生成（开源） | 模型 | 智源研究院 悟界 ● OpenComplex 2 全原子微观生命模型（开源） | 图像 | 智源研究院 悟界 ● OmniGen2 统一图像生成模型（开源） | 模型 | 智源研究院 悟界 ● Video XL 2 轻量级长视频理解模型（开源） | 机器人 | 智源研究院 悟界 ● RoboOS 2.0 && RoboBrain 2.0 新一代具身智能系统（开源） | 应用 | 智谱 ● CoCo 企业级智能助手，安全接入内部资源赋能业务 | 应用 | 商汤小浣熊 ● AI 数据分析助手与任务规划助手上线，交互式分解复杂任务 | 融资 | 硅基流动 ● 完成数亿元人民币 A 轮融资 6 月 1 日 | 新闻 | AGI Bar 开业 ● 北京中关村迎来「泡沫最大」的 AI 主题酒吧 | 应用 | 阿里巴巴 ● 通义灵码 AI IDE 上线，辅助完成复杂编程任务 6 月 2 日 | 视频 | Luma AI ● Modify Video 视频后期工具，保留动态的同时一键改风格、换场景 | 应用 | Character.AI ● 从文本聊天向多模态世界演进，打造沉浸式角色体验 | 融资 | IBM ● 收购数据分析初创公司 Seek AI 6 月 3 日 | 模型 | 蚂蚁集团 X 清华大学 ● AReaL boba² 全异步强化学习训练系统，RL 训练提速 2.77 倍（开源） | 音频 | Fish Audio ● OpenAudio S1 & S1 Mini 高可控多语言 TTS 模型（Mini 版开源） | 视频 | TikTok ● Symphony Creative Studio 创意视频生成工具，一键生成 TikTok 广告 | 机器人 | Hugging Face ● SmolVLA 机器人模型，消费级设备本地流畅运行（开源） | 新闻 | Anthropic 中断合作 ● Windsurf 平台紧急调整 Claude 模型服务 6 月 4 日 | 应用 | Mistral AI ● Mistral Code 智能编程客户端，支持私有化微调 | 融资 | AMD ● 收购 AI 软件优化团队 Brium，并整合芯片公司 Untether AI 工程团队 6 月 5 日 | 模型 | 阿里巴巴 ● WebDancer 自主多跳推理智能体，从零训练一个 DeepResearch 类智能体 | 模型 | EleutherAI ● The Common Pile v0.1 语料库（8TB）&& Comma 模型（开源） | 应用 | Anysphere（Cursor）● 1.0 版本重要更新，支持代码审查与多任务后台处理 6 月 6 日 | 模型 | 面壁智能 ● MiniCPM 4.0 端侧稀疏大模型，7 倍速长文本处理 | 模型 | 阿里巴巴 ● Qwen3 Embedding & Reranker 文本嵌入与排序模型（开源） | 模型 | 小红书 ● dots.llm1 文本大模型（开源） | 图像 | 字节跳动 ● SeedEdit 3.0 通用图像编辑模型，准确遵循编辑指令 | 音频 | ElevenLabs ● Eleven v3 文本转语音模型，最具表现力的 TTS 模型 | 视频 | Higgsfield AI ● Higgsfield Speak 数字人视频生成工具，快速制作说话视频 | 应用 | 爱诗科技 AIsphere ● 拍我 AI 视频生成应用，国内版终于上线 | 应用 | 智谱 ● AMiner 沉思学术搜索工具，5 分钟生成万字研究报告 6 月 7 日（无） 6 月 8 日（无） 6 月 9 日 | 模型 | 智源研究院 悟界 ● Emu3 原生多模态世界模型，统一多模态的理解与生成（开源） | 模型 | 智源研究院 悟界 ● OpenComplex 2 全原子微观生命模型（开源） | 图像 | 智源研究院 悟界 ● OmniGen2 统一图像生成模型（开源） | 模型 | 智源研究院 悟界 ● Video XL 2 轻量级长视频理解模型（开源） | 机器人 | 智源研究院 悟界 ● RoboOS 2.0 && RoboBrain 2.0 新一代具身智能系统（开源） | 应用 | 智谱 ● CoCo 企业级智能助手，安全接入内部资源赋能业务 | 应用 | 商汤小浣熊 ● AI 数据分析助手与任务规划助手上线，交互式分解复杂任务 | 融资 | 硅基流动 ● 完成数亿元人民币 A 轮融资 6 月 10 日 | 模型 | Mistral AI ● Magistral 多模态推理模型系列 | 图像 | KREA AI ● Krea 1 图像生成模型，解决 AI 感并支持风格参考 | 应用 | Apple ● WWDC 2025 发布重磅更新，Apple Intelligence 进展缓慢 | 应用 | 美团 ● NoCode AI 页面生成工具，聊天式完成应用开发 6 月 11 日 | 模型 | 字节跳动 ● Seed1.6 多模态通用模型，推理能力达到全球第一梯队 | 模型 | OpenAI ● o3 pro 旗舰推理模型，深度思考，高可靠，低成本 | 音频 | 字节跳动 ● 豆包·语音播客模型，秒级生成双人对话式播客 | 视频 | 字节跳动 ● Seedance 1.0 pro 视频生成基础模型，支持多镜头叙事 | 应用 | Windsurf ● Planning Mode 规划模式，高效处理长周期任务 | 应用 | Genspark ● Genspark AI 浏览器，内置超级 AI 与 700+ 工具扩展 | 应用 | The Browser Company ● Dia AI 浏览器，以 AI 为核心重塑浏览体验 6 月 12 日 | 模型 | 阿里巴巴 ● 夸克基于高考志愿大模型，精准推荐院校与专业 | 机器人 | Meta ● V JEPA 2 自监督世界模型，实现零样本机器人控制 | 应用 | 字节跳动 ● PromptPilot 智能提示词优化平台 | 应用 | 360 ● 纳米 AI 超级搜索智能体，打破信息壁垒交付答案 | 应用 | Windsurf ● Windsurf 浏览器，与编辑器无缝集成的 AI 浏览器 6 月 13 日 | 应用 | 腾讯 ● 元宝高考志愿咨询功能上线，可生成专属志愿报告 | 应用 | 小红书 ● 问一问 站内 AI 搜索功能上线 | 融资 | Scale AI ● 获得 Meta 重大投资，估值超过 290 亿美元，首席执行官 Alexandr Wang 离职 6 月 14 日 | 应用 | 百度 ● 百度地图推出「小度想想」司机智能体，导航进入全语音自由交互时代 | 3 D | 腾讯 ● 混元 3D 2.1 生成模型，纹理光影升级，支持多材质工业级建模（开源） 6 月 15 日 | 视频 | 百度 ● 罗永浩数字人直播首秀，GMV 破 5500 万的拟真互动突破 6 月 16 日 | 模型 | 月之暗面 ● Kimi Dev 72B 代码模型，刷新开源代码生成榜单纪录（开源） | 音频 | 腾讯 ● SongGeneration 音乐生成大模型，高音质、强音乐性、极速生成（开源） 6 月 17 日 | 模型 | Minimax ● MiniMax M1 混合架构推理模型，支持百万级长上下文（开源） | 应用 | 腾讯 ● 元宝 AI 编程模式，支持在线运行多种语言 6 月 18 日 | 视频 | Minimax ● Hailuo 02 视频生成模型，兼具顶尖效果与成本效益 | 应用 | Ling 灵宇宙 ● AI 学伴「小方机」，多模态交互式儿童学习终端 | 图像 | Higgsfield AI ● Higgsfield Canvas 图像编辑工具，实现像素级产品植入 | 融资 | Glean ● 完成 1.5 亿美元 F 轮融资，估值达到 72 亿美元 | 融资 | Wix ● 以 8000 万美元现金收购 Base44 6 月 19 日 | 视频 | Midjourney ● V1 视频生成模型，图像一键生成视频并支持动态调节 | 视频 | Niji ● Niji Video 二次元视频生成模型，图像一键生成动漫风格视频 | 应用 | Minimax ● MiniMax Agent 通用智能体，具备专家级多步规划能力 | 应用 | 智象未来 HiDream ● vivago 2.0 全能型创作助手 | 融资 | 宇树科技 ● 完成 C 轮融资交割，投前估值超 100 亿元 | 新闻 | 筑梦岛 ● 因诱导未成年人产生不良内容被政府约谈 6 月 20 日 | 模型 | 月之暗面 ● Kimi Researcher 深度研究智能体，具备自主解决复杂问题能力 | 应用 | Minimax ● Hailuo Video Agent 视频创作智能体，输入想法即可生成完整短片 | 应用 | Meta X Oakley ● Oakley Meta HSTN 智能运动眼镜，内置 Meta AI 助手 | 融资 | Thinking Machines Lab ● 完成 20 亿美元种子轮融资，估值达到 100 亿美元 6 月 21 日（无） 6 月 22 日（无） 6 月 23 日 | 模型 | 网易 ● Confucius3 Math 数学教育模型，能在消费级 GPU 高效运行（开源） | 音频 | Minimax ● Voice Design 音色设计功能，通过自然语言描述定制音色 | 应用 | 百度 ● 文心快码 Comate AI IDE，支持设计稿一键转代码 | 融资 | 银河通用 ● 完成新一轮 11 亿融资 | 融资 | Harvey ● 完成 3 亿美元 E 轮融资，估值达到 50 亿美元 6 月 24 日 | 机器人 | Google ● Gemini Robotics On Device 端侧 VLA 模型，支持微调，本地运行 | 音频 | ElevenLabs ● 11.ai 语音助理，语音驱动的工作流引擎 | 融资 | Wispr Flow ● 完成 3000 万美元 A 轮融资 6 月 25 日 | 音频 | ElevenLabs ● Voice Design v3 角色配音设计工具，通过文本提示生成任意 AI 声音 | 应用 | Google ● Gemini CLI 命令行工具，强大的 AI 智能体终端 | 应用 | Fellou ● Windows 版正式上线，Your First AI Browser on Windows | 应用 | 商汤 ● 咔皮记账 AI 财务助手，自动记账与消费复盘 6 月 26 日 | 模型 | Jina AI ● Embeddings V4 多模态向量模型，为高级搜索而生（开源） | 图像 | Black Forest Labs ● FLUX.1 Kontext [dev] 图像编辑模型，性能媲美专有模型（开源） | 视频 | HeyGen ● HeyGen Video Agent 视频创作助手，一句话生成完整视频 | 应用 | 蚂蚁集团 X 支付宝 ● AQ 健康应用，内置名医 AI 分身 | 图像 | Higgsfield AI ● Higgsfield Soul 高美学时尚大片生成工具 | 融资 | OpenRouter ● 完成 4000 万美元（种子轮+A 轮）融资 6 月 27 日 | 模型 | Google ● Gemma 3n 端侧多模态大模型，2B 内存占用实现卓越性能（开源） | 模型 | 快手 ● Kwai Keye VL 多模态模型，高考数学 140 分（开源） | 模型 | Zilliz ● VDBBench 1.0 向量数据库测试基准，更贴近真实生产场景（开源） | 模型 | 腾讯 ● 混元 A13B 混合推理模型，256K 长文处理与强化 Agent 能力（开源） | 图像 | 阿里巴巴 ● Qwen VLo 多模态统一理解与生成模型，精准理解并支持开放指令编辑 | 音频 | 快手可灵 ● Kling Foley 多模态视频音效生成模型，高同步性立体声生成 | 应用 | 小米 ● AI 眼镜，集相机