Sky Computing Lab 发布 FastWan-QAD 视频生成模型系列，基于 FastVideo 的量化感知蒸馏（QAD）方案训练。在单张 NVIDIA GeForce RTX 5090 上，端到端生成一段 5 秒 480P 视频仅需 1.8 秒。模型、代码及博客已开源。
来源： X：Sky Computing Lab (@haoailab)
京东近日开源全球首个全栈交互模型 JoyAI-VL-Interaction，获 vLLM-Omni 原生支持。该模型能持续观察视频流、主动判断关键事件并实时响应，支持将复杂任务委托后台 Agent 处理。在 58 个真人盲评中，对比豆包视频通话助手胜率 77.6%，对比 Gemini 视频通话助手胜率 87.9%，监控预警场景达 100% 胜率。开源内容包括模型权重、交互数据集、训练方案及完整可部署系统，支持摄像头、直播流等视频输入及语音交互、长期记忆、vLLM 部署，适用于安防监控、老人看护、直播讲解等实时场景。
来源： 公众号：京东 JoyAI
网易有道推出“子曰 4.0”TTS 引擎 Confucius4-TTS，声称是业内首个支持 14 种语言跨语种无口音、且无需参考文本即可完成语音克隆的开源模型。用户仅需 3 秒音频即可实现零样本音色克隆，克隆音色与原声相似度超 85%，任务准确度达 97%。模型支持中文、英语等 14 种语言，首创音频 Prompt 情感克隆迁移。底层采用 GPT 式语义大模型、SSL 预训练特征与 ECAPA-TDNN 说话人编码器、Flow Matching 框架。已全量开源（Apache 协议），提供 54GB 资源包供本地部署。
来源： IT 之家（RSS）
我们的技术报告已发布。 深入解析创建 Krea 2 所用的数据、架构及训练技巧。 https://www.krea.ai/blog/krea-2-technical-report
来源： X：Krea AI (@krea_ai)
火山引擎正式发布豆包音频生成模型 1.0（Doubao-Seed-Audio 1.0），支持文本与音频参考生成，端到端输出目标音频。单条 Prompt 可编排多角色对白、情绪语气、背景音乐及环境氛围，长时生成中保持多角色音色一致性，无需后期多轨混音。模型支持 0 样本多模态输入，无需额外训练即可生成；实现音色与风格解耦控制及“一声多角”能力。一次支持 2 分钟音频创作，多次延长保持音色统一。已开启火山方舟 API 邀测，个人用户享 30 分钟创作额度，即将上线剪映、即梦、番茄等产品。
来源： 公众号：火山引擎
Mistral AI 发布 OCR 4，新增边界框、块分类（标题、表格、方程式、签名等）及逐页逐词置信度分数。支持 170 种语言、10 个语系，可单容器全自托管部署。在 OlmOCRBench 上得分 85.20，独立标注者偏好率平均 72%。定价每 1000 页 $4，Batch API 享 50% 折扣。可通过 API 或 Mistral Studio 的 Document AI 调用。
来源： Mistral AI：News（网页）
字节 Seed 发布 Seed2.1 系列，面向真实生产力场景的智能体，强化通用 Agent 能力、代码工程交付与多模态理解。Seed2.1 Pro 在 GDPval 基准获最高分，Agents' Last Exam 位列参评模型第一梯队；MobileWorld 手机 GUI 任务最高分，CreativeWork 多环境任务表现突出。多模态在 CharXiv-RQ 等多项基准取得 SOTA。代码能力上，Seed2.1 Pro 在 NL2Repo-Bench 表现良好，开发者评测相比 Claude Opus 4.6 获 59.1% 胜率。模型已在豆包、TRAE 上线，API 通过火山方舟提供。
来源： 字节 Seed：Research Feed（网页内嵌数据）
IBM 开源了 CUGA（Configurable Generalist Agent），一个处理规划、执行循环、工具调用和状态管理的轻量级智能体框架。开发者只需提供工具列表和提示词即可构建 CugaAgent。内置计划-执行-反思循环，在 AppWorld（2025 年 7 月–2026 年 2 月）和 WebArena（2025 年 2 月–9 月）基准上排名第一。支持 Fast / Balanced / Accurate 三种推理模式，代码执行可在本地、Docker 或 E2B 沙箱中运行。可互换工具支持 OpenAPI、MCP 和 LangChain 函数，通过环境变量一键切换 OpenAI、watsonx、Ollama 等提供商。随框架发布二十…
来源： Hugging Face：Blog（RSS）
Seedance 4K。Seedance Mini。Kling 3.0 Turbo。现已推出。 全球最佳模型，汇聚一处。 使用优惠码 30RUNWAY，前三个月可享七折优惠。 通过下方链接开始使用。
来源： X：Runway (@runwayml)
Unlimited OCR 是一个托管在 GitHub 的项目，实现单次长时域解析（One-Shot Long-Horizon Parsing），旨在一次性处理长时间跨度的 OCR 任务。
来源： Hacker News 热门（buzzing.cc 中文翻译）
友松实验室发布国内首个高考志愿 AI 能力测评报告，测试千问高考志愿填报 Agent 四大模块。与 53 位平均从业 4.6 年的人类咨询师对照，千问表现更稳定精确：44 道事实题全对；模拟 10 个志愿中 6 个可录取；100 场匿名对比中专家 58 次倾向千问回答。使用千问辅助后，人类咨询师正确率提升，耗时减少约 27%。该 Agent 基于千问高考志愿大模型和夸克 8 年高考数据，覆盖约 3000 所院校、2000 多个专业。
来源： 公众号：千问 APP（阿里）
Anthropic 推出 Claude Tag，一种在 Slack 频道中通过 @Claude 委托任务的新协作方式。Claude 可记住频道上下文，支持多用户交互，经授权后可自动学习其他频道和数据源。开启“环境”行为后，能主动更新未解决的线程或任务。支持异步工作，可自主推进项目数小时或数天。即日起面向 Claude Enterprise 和 Team 客户提供 beta 版。管理员可精细控制工具和渠道访问权限、设置 token 消耗限额，并查看所有操作日志。
来源： Anthropic：Newsroom（网页）
Claude Code v2.1.187 新增 sandbox.credentials 设置，可阻止沙箱化命令读取凭证和秘密环境变量；模型选择器及相关参数现已支持组织配置的模型限制，选中受限模型时显示“受组织设置限制”提示。全屏模式下选择菜单支持鼠标点击。修复多项问题：--resume 在 -p 无模型回合时失败、--json-schema 和工作流智能体结构化输出循环、远程 MCP 工具调用 5 分钟无响应后阻塞、Remote 会话启动延迟约 2.7 秒、韩文/中日韩文本粘贴乱码、子智能体深度追踪不准确、被杀智能体工作树注册残留未清理等。
来源： Claude Code：GitHub Releases（RSS）
Oracle 在截至 5 月 31 日的财年裁员 21000 人，员工总数降至 141,000 人，降幅 12.9%。公司称 AI 技术的采用导致劳动力缩减，同时重组成本达 18 亿美元，同比增长 481%。Oracle 计划 2026 年通过债务和股权筹集 450 至 500 亿美元，扩建 Oracle Cloud Infrastructure，服务 OpenAI、xAI、AMD、Nvidia、Meta 等客户。公司债务超 1200 亿美元。分析人士指出裁员有助于改善现金流，但 Oracle 也承认大规模裁员可能带来生产力下降、人才短缺和员工士气受损等风险。
来源： Ars Technica：AI（RSS）
2026 年 6 月 22 日，五眼联盟（美、英、加、澳、新）网络安全部门联合警告，即将到来的 AI 模型（如 OpenAI 的 GPT-5.5-Cyber、Anthropic 的 Mythos）将降低编写复杂攻击代码的门槛。自动化智能体可全天候扫描互联网漏洞，大幅缩短安全窗口期。AI 驱动的超个性化钓鱼诈骗已在亚太蔓延，印度 2026 年初勒索软件事件激增 165%。五眼联盟建议企业部署自动化防御 AI，个人用户开启多因素认证、删除闲置账户。
来源： Artificial Intelligence News（RSS）
GitHub 联合 Black Forest Labs、Hugging Face 与 Mozilla Corporation 组成开源联盟，呼吁对加州 AI 透明度法案（SB 942，拟由 SB 1000 修正）进行针对性修改。当前草案要求开发者在下游用户未履行义务时撤销开源许可证，这与开源许可证永久不可撤销的性质冲突。联盟认为该要求非必要，已有直接监管和执法机制，并建议参考欧盟 AI 法案的透明度实践规范，以向下游用户通知最佳实践文档的方式替代撤销条款。GitHub 支持这些修正，以在保持透明度目标的同时兼容开源开发模式。
来源： GitHub Blog
OpenAI 通过 Appia Foundation 支持制定先进 AI 的共享标准，涵盖评估框架、安全实践与全球合作。
来源： OpenAI：官网动态（RSS · 排除企业/客户案例）
Omio 利用 OpenAI 技术打造对话式旅行体验，加速产品开发进程，并推动自身向 AI 原生公司转型。
来源： OpenAI：官网动态（RSS · 排除企业/客户案例）
一项覆盖 340 万人、400 万份申请、150 家雇主和 1700 个职位的大规模实地研究发现，AI 招聘筛选工具存在显著的种族歧视：26% 的黑人申请者和 15% 的亚裔申请者遭遇算法对其族群的系统性排斥；若 AI 按推荐率最高群体（通常为白人）标准执行，将有 4 万份额外申请进入下一轮。多数雇主依赖同一第三方供应商算法，形成“算法单一文化”，导致 10% 提交 4 份申请者被所有职位拒绝。对比同期未用 AI 的招聘数据（8.3 万份申请、108 家财富 500 强企业），未发现此类模式。研究呼吁对算法招聘进行独立监管。
来源： Hacker News 热门（buzzing.cc 中文翻译）
苹果机器学习研究团队发现，LLM-as-a-judge 面板因模型间高度相关而严重受限。对 7 个模型家族的 9 个前沿大语言模型在 3 个自然语言推理数据集上的测试表明，9 位评委实际仅提供约 2 个独立投票的信息量，面板准确率比独立投票理想值低 8–22 个百分点，最佳单一模型的表现已匹敌或超越整个面板。增加评委数量或改进聚合算法收效甚微，即使允许算法获取正确答案也仅能缩小至多 11% 的差距。该结论在多种提示变体、温度设置及偏好任务中均得到验证，瓶颈在于评委间的相关性而非聚合算法。
来源： Apple Machine Learning Research（RSS）
在 ChaosNLI 数据集（每项 100 个标注）上微调 NLI 模型，发现所需标注人数因评估指标而异：熵相关（识别分歧项）需约 20-50 个标注者收敛，KL 散度（分布匹配）约 10 个标注者即饱和（达全量效果的 87%-95%）。软标签的熵相关 r=0.643（p<0.001），优于五种标签平滑强度下的 r≈0.45-0.49，因平滑无法区分模糊样本与明确样本。该优势在 DeBERTa、RoBERTa、非 NLI 预训练基线及内容安全跨域评估中均成立。结论：标注预算应依据目标评估指标制定。
来源： Apple Machine Learning Research（RSS）
Hugging Face 将 huggingface_hub 的发布周期从每 4‑6 周缩短至每周，全部由单个 GitHub Actions 工作流自动完成。流程依赖开源工具和开权重模型（当前为 Z.ai 的 GLM‑5.2）来起草发布说明和 Slack 公告，但保留人类在最终审核环节的决定权。自动步骤包括版本号更新、提交标签推送、PyPI 发布、下游测试分支创建、发布说明草稿、Slack 公告草稿、归档、后置版本提升以及对合入 PR 的评论。所有组件均基于开源生态构建，任何维护者都可直接复制使用。
来源： Hugging Face：Blog（RSS）
Transformers.js 在浏览器中运行 AI 模型时，不同来源的 Web 应用会重复下载并缓存相同的模型资源（如 Xenova/whisper-tiny.en）和 Wasm 运行时文件（如 4,733 kB 的 ort-wasm-simd-threaded.asyncify.wasm），即使资源 URL 相同，浏览器因 Network Isolation Key 隔离缓存，单次 demo 就产生 177 MB 冗余下载和存储。Cross-Origin Storage API 是一项早期提案，旨在让跨来源应用共享缓存的模型和运行时资源。目前该 API 尚未在浏览器原生实现，但可通过 Chrome 扩展注入 polyfill 进…
来源： Hugging Face：Blog（RSS）
Meta 工程团队为 Ray-Ban Meta 等智能眼镜开发了宽度仅 7mm 的钢壳电池。传统软包电池难以塑形且空间利用率低，Meta 改用叠片式电极结构以降低阻抗、避免多任务时电压骤降，并将公差控制在约 100 微米以释放更多体积。Gen2 电池容量从 160 mAh 提升至 210 mAh，但续航翻倍主要来自软硬件系统级效率优化。Oakley Meta Vanguards 双电池面临交叉充电与启动关机时序难题，而 Meta Ray-Ban Display 则搭载了最大的 248 mAh 钢壳电池以支持屏幕持续供电。该超窄方案正推广至其他硬件形态。
来源： Meta Engineering Blog（RSS）
Claude Tag 推出 agent identity（智能体身份）访问模型，让 Claude 在共享频道中以独立身份工作，而非模拟某个用户。管理员在工作区级配置连接器、仓库访问、技能插件和固定指令等权限，每个频道可覆盖继承的基线设置。私有频道拥有独立身份，记忆和访问不跨频道流转；公共频道共享工作区级身份。该模型为自主多玩家 AI 场景设计，允许频道成员通过 Claude 访问已授权工具和数据，同时通过按身份撤销简化权限管理。
来源： Claude：Blog（网页）
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解决了一个长达三年的免疫学谜团，揭示了 T 细胞行为的新见解。这一突破可能为癌症和自身免疫疾病研究提供支持。
来源： OpenAI：官网动态（RSS · 排除企业/客户案例）
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。