AI 资讯

阿里通义实验室推出实时语音交互模型 Qwen-Audio-3.0-Realtime（原 Fun-Realtime-AudioChat），支持语境动态调整语气情感、音色克隆、声纹级背景过滤与多模态双工对话，在 Artificial Analysis 语音推理子项中综合排名第一，超越 GPT-Realtime-2。

端侧大模型独角兽面壁智能完成新一轮融资，2026年上半年累计融资超50亿元，估值突破200亿元，成为中国端侧智能领域估值最高的独角兽。公司孵化自清华大学NLP实验室，核心产品为MiniCPM系列端侧模型，5月开源MiniCPM5-1B。公司商业化已进入汽车、手机、PC等领域，长安、上汽、吉利等车型已量产搭载。

OpenAI 联合外设厂商 Work Louder 正式推出 Codex 首款硬件 Codex Micro，售价 230 美元（约 1556 元），现已开启预购。硬件专为 Codex 设计，通过 RGB 灯光实时映射 AI Agent 的工作状态，让用户无需切换窗口可掌握任务进度。旋钮可动态调节 AI 推理强度，配合摇杆与实体按键，分别用于派发工作流和执行高频决策。

马斯克旗下 xAI 宣布开源 AI 编程智能体工具 Grok Build，并将源代码发布至 GitHub。Grok Build 是整合 Grok 模型的终端 CLI 工具，覆盖规划、搜索、编码、测试到 Git 提交的全流程开发。本次开源涵盖智能体链路、代码工具、终端 UI 及扩展系统，支持完全本地优先运行与自定义推理。

小米开源 Xiaomi-Robotics-U0，380亿参数多模态自回归具身生成基础模型。模型是具身领域首个统一覆盖场景生成、轨迹迁移、交互视频及通用图像编辑四类任务的生成模型。模型通过五维解耦结构化控制实现精准可控生成，搭载 FlashAR+ 推理加速方案，效率提升近83倍。

高德推出通用世界模型工坊 ABot-World Studio。产品首次将交互式视频生成与 3DGS 场景生成统一，用户输入文字或图片可创建可实时交互、任意分享的 AI 世界。ABot-World Studio 支持单张 5090 本地部署，单次连续推理可稳定运行超 1 小时，内置时空任意门实现跨场景跃迁。

支付宝与OPPO宣布达成智能体跨端互联合作，支付宝AI智能体「阿宝」正式接入OPPO AI助手「小布」。即日起，OPPO用户无需打开App，仅通过语音对话可让小布调用阿宝完成充话费、购票、查询公积金等近 200 项 生活服务，实现一句话办事。

阿里通义万相开源音乐驱动人像舞蹈视频生成模型 Wan-Dancer。用户上传人物照片与音乐，可生成节拍精准、动作流畅的舞蹈视频。模型突破分钟级时序瓶颈，支持 15 秒至 3 分钟 720p 高清连贯输出，覆盖多种舞蹈风格。Wan-Dancer采用全局关键帧规划与局部时序细化的分层架构，有效解决长序列动作漂移难题。

哩布哩布AI旗下LibTV正式推出LibTV Agent，定位全球首个专业视频创作智能体。产品围绕成片能力构建，推出高基线全能视频Agent、全球最大专业视频Skill Hub、双视图创作与Agent驱动剪辑四大核心能力。首批上线超百个导演级Video Skill，覆盖影视广告、短剧、自媒体等领域，3分钟以内视频成功率超80%。

Looki（光智时空）完成数亿元A1轮融资，元生资本领投，BAI资本等老股东加注。公司定位个人智能可穿戴赛道，通过PIE主动式AI引擎2.0实现从”被动响应”到”主动预测”的升级，结合场景理解与长期记忆预判用户下一步需求。其首款可穿戴多模态AI硬件Looki L1出货量预计达10万台。 Park

爱诗科技亮相联合国AI for Good全球峰会，联合创始人谢旭璋展示实时视频、世界模型与AI互动娱乐最新探索，发布首个实时视频游戏引擎PixVerse Game。引擎将完整游戏体验构建在实时互动视频流之上，创作者仅需定义规则与玩法，角色场景可实时生成。 AIsphere

阶跃星辰推出首款AI智能体手机STEPX Neo，搭载自研智能体原生操作系统Step AOS，内置系统级个人智能体Amoo。用户可通过自然语言指令实现跨应用自主调度。系统具备长期记忆、端云协同能力，支持”能端则端、需云则云”的灵活任务路由。首批生态合作伙伴包括支付宝、美团、高德、滴滴、京东、百度等主流应用。

爱诗科技宣布完成整体C轮融资，累计金额29.8亿元，C+轮由阿里巴巴领投，十余家国内外机构参投。资金将用于视频生成基础模型、实时世界模型研发及全球化产品增长。公司旗下PixVerse全球用户超1.5亿，年初推出全球首个支持1080P的通用实时世界模型PixVerse R1，并与芒果传媒、阿里巴巴等产业伙伴达成战略合作。 AIsphere

Agnes AI推出新一代文本模型Agnes-2.5-Flash，Coding能力跻身全球第一梯队。同步上线Agnes Code桌面端，支持本地项目开发。实测中，模型3分钟定位修复隐藏Bug，可独立完成复杂网页应用，还能跨十几个文件联动改造大型项目。

OpenAI Codex工程负责人Thibault Sottiaux宣布，Codex和ChatGPT Work已暂时取消Plus、Business及Pro订阅的5小时使用限制。同时，GPT-5.6 Sol模型将优化效率以减少用量消耗，使用用户在同等额度下能完成更多任务。

腾讯混元开源 HyOCR-1.5，业界首个训推全开源的端到端 OCR 专家大模型。模型引入 DFlash 投机解码，Transformers 下推理提速 6.37 倍，vLLM 下提速 2.14 倍；OmniDocBench v1.6 以 94.74 分登顶端到端第一。HyOCR-1.5 支持文档解析、古文字识别、图表解析、多页问答等 8 类任务，覆盖 331 种语言。

商汤正式开源日日新SenseNova-Vision理解生成统一视觉大模型，将检测、分割、深度预测、3D重建等经典视觉任务原生融入大模型体系。依托数据反哺与思维赋能的双向增益，模型在零样本泛化、超稠密分割及镜面反射理解等复杂场景展现强悍能力。

阶跃星辰推出端侧模型全家桶 Step Edge，包含基础模型、Audio、GUI、Gen 四个方向，面向手机、汽车等终端场景。该系列支持 0.1 秒 超低本地延迟，实现全模态隐私保护，采用原生端云协同架构。在 29 项核心评测中，Step Edge 覆盖文本视觉、音频、GUI、图像生成等方向均取得第一。

快手KwaiKAT正式推出旗舰级Agentic Coding模型 KAT-Coder-Pro V2.5，在长程工程能力、通用Agentic能力及大规模强化学习三方面实现突破。通过AutoBuilder自动化流水线构建超10万个可运行仓库环境，采用多框架RL训练与多专家融合（MOPD）技术，模型在SWE-Bench Pro、PinchBench等评测中取得领先成绩。

蚂蚁灵波科技推出行业首个具身原生世界动作模型 LingBot-VA 2.0。模型基于自回归架构从零预训练，采用语义视觉-动作分词器、因果预训练范式、MoE 架构及异步推理机制四大核心设计，实现单卡 150Hz 实时推理，让机器人具备边推演、边行动的通用控制能力。

OpenAI推出全新ChatGPT Work智能体。产品由Codex与GPT-5.6驱动，定位为可承担长时间、多步骤任务的智能体，支持跨网页、移动设备和桌面平台完成实际工作。用户只需通过单一指令描述目标，可让AI接管整个工作流程，利用应用和文件上下文创建文档、幻灯片、分析、网站和报告。

Meta正式向开发者开放Muse Spark AI模型API，并发布升级版Muse Spark 1.1，标志着模型正式加入AI模型商业化竞争。模型是Meta迄今在编程与智能体任务上最强的模型，支持代码编写、工具调用及多模态理解。

OpenAI正式推出GPT-5.6系列模型，包含旗舰Sol、均衡Terra和性价比Luna三款，API价格梯度覆盖$1-$30/百万token。在Agents’ Last Exam评测中，Sol以53.6分超越Claude Fable 5达13.1分，编程智能体指数更创80分新高，且成本与耗时均大幅降低。

Mistral AI推出具身智能导航模型Robostral Navigate，单RGB摄像头可让机器人在复杂环境自主导航。模型参数8B，在R2R-CE未知环境测试中成功率达76.6%，超越多传感器方案。模型采用指向预测目标位置策略，结合前缀缓存技术将训练周期从数月缩至数天，通过在线强化学习持续自我改进。