AI日報：崑崙萬維天工超級智能體發佈；OpenAI核心API支持MCP；百度飛槳PaddleOCR 3.0開源

歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我們爲你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。

新鮮AI產品點擊瞭解:https://top.aibase.com/

1、百度飛槳PaddleOCR3.0開源發佈 OCR精度躍升13%

百度飛槳團隊發佈了PaddleOCR3.0版本，提升了文字識別精度、多語種支持、手寫體識別及文檔解析能力，新增對國產硬件的支持，並推出PP-OCRv5、PP-StructureV3和PP-ChatOCRv4等核心功能。

【AiBase提要:】
🚀 全場景文字識別模型PP-OCRv5支持五種文字類型識別，整體精度提升13%，實現無縫部署。
📚 文檔解析方案PP-StructureV3強化版面檢測、表格識別等能力，在多場景高精度解析中表現卓越。
🤖 智能文檔理解方案PP-ChatOCRv4結合文心大模型，關鍵信息抽取精度提升15%，支持複雜文檔處理。
詳情鏈接:https://github.com/PaddlePaddle/PaddleOCR

2、崑崙萬維天工超級智能體發佈!AI Office革命來襲，Deep Research碾壓OpenAI，成本僅40%!

天工超級智能體是一款基於自研Deep Research技術的AI Office智能代理，以其強大的多模態內容生成能力和成本僅爲OpenAI40%的優勢，引發全球AI社區熱議。

【AiBase提要:】
✨ 天工超級智能體採用多智能體架構，包含5個專家智能體和1個通用智能體，支持一站式生成多種辦公內容。
🚀 其核心技術Deep Research模型成本低，效率高，在GAIA基準測試中以82.42分超越OpenAI Deep Research。
🌐 開源框架和低成本部署策略使天工成爲中小企業和個人開發者的理想選擇。
詳情鏈接:https://mcp.so/server/skywork-super-agents/Skywork-ai

3、OpenAI核心API支持MCP，簡化智能體開發流程

OpenAI的Responses API新增MCP支持，大幅降低AI模型與外部工具集成難度，同時推出多項功能升級，如圖像生成、代碼解釋器和優化的文件搜索功能。

【AiBase提要:】
✨ OpenAI Responses API支持MCP協議，開發者僅需少量代碼即可連接外部工具。
🌟 新增功能包括圖像生成、代碼解釋器及優化的文件搜索能力，提升開發效率。
🌐 MCP成爲AI智能體開發的事實標準，推動跨平臺協作與靈活性。

4、xAI 推出網頁搜索API:Live Search，賦能AI實時獲取內容

xAI正式推出了Live Search API，這項功能讓開發者可以利用Grok模型實時搜索來自多種數據源的信息，極大提升了AI應用的動態信息處理能力。此API目前處於免費公測階段，爲開發者提供了強大的工具來簡化搜索邏輯和數據整合。

【AiBase提要:】
🌟 Live Search API支持自主搜索決策，Grok能根據對話上下文自動判斷是否需要搜索，無需人工干預。
🌐 提供多樣化數據源，包括X平臺、網頁、新聞和RSS提要，確保信息全面且實時更新。
🔧 高度靈活且高效集成，支持多種SDK，開發者可輕鬆調整基礎URL和API密鑰實現快速接入。
詳情鏈接:https://docs.x.ai/docs/guides/live-search

5、谷歌Sparkify實驗產品上線，輸入問題秒變動畫短片，複雜知識秒懂

谷歌推出的Sparkify利用Gemini和Veo模型，將複雜知識點轉化爲直觀的動畫短視頻，適用於教育、科普和內容創作領域。

【AiBase提要:】
✨ 複雜知識點通過動畫短視頻直觀呈現，提升理解效率。
🎥 利用Gemini2.5和Veo2模型，快速生成高質量動畫視頻。
🌍 支持多語言擴展，未來將覆蓋更多地區和人羣。
詳情鏈接:https://sparkify.withgoogle.com/explore

6、Mistral 重返開源陣營:發佈超高效代碼 AI 模型 Devstral

Mistral AI 發佈了全新開源語言模型 Devstral，這款輕量級模型專爲代理 AI 軟件開發設計，性能優越且支持本地運行，展現了開源社區合作的力量。

【AiBase提要:】
Devstral 擁有2400萬參數，基於 Apache2.0許可證發佈，允許自由部署和商業化。
性能卓越，在 SWE-Bench 驗證中超越多數閉源模型，適用於本地和私有化應用場景。
作爲 Codestral 系列最新進展，Devstral 支持跨文件上下文理解，適合複雜軟件開發任務。

7、Video Ocean發佈2K/4K HDR視頻生成工具，性價比引爆全網

潞晨科技推出全新AI視頻生成工具Video Ocean，支持快速生成高質量大片，提供多種特效與功能，價格低廉且完全免費，掀起創作熱潮。

【AiBase提要:】
✨ 支持5-10秒內生成2K/4K HDR高質量視頻，適合各種場景創作。
🎥 提供海量模板與特效，如Laugh、Cakeify等，新手也能輕鬆製作專業級視頻。
💰 價格僅爲可靈2.0的1/10，完全免費，吸引多類用戶羣體好評。

8、谷歌推出新工具SynthID Detector ，助力識別AI生成內容

谷歌推出了名爲SynthID Detector的新工具，旨在幫助用戶檢測內容是否由其AI工具生成。該工具能識別AI生成的內容並突出顯示帶有SynthID水印的部分，目前正面向早期測試者推出。

【AiBase提要:】
🌟 SynthID Detector是一款新工具，用於識別AI生成的內容，支持圖像、文本、音頻和視頻。
🔍 該工具可自動掃描上傳內容，查找並突出顯示SynthID水印。
🚀 當前僅向早期測試者開放，未來將逐步推廣至更多用戶。
詳情鏈接:https://blog.google/technology/ai/google-synthid-ai-content-detector/

9、谷歌AI筆記工具NotebookLM的迅猛崛起

谷歌推出的AI輔助知識管理工具NotebookLM在過去半年內月訪問量增長56%，以其創新功能如‘音頻概覽’、多語言支持及多樣化應用場景受到廣泛關注。

【AiBase提要:】
🚀 NotebookLM月訪問量增長56%，成爲AI應用領域的黑馬。
🌐 支持50多種語言生成播客內容，打破語言障礙，提升用戶體驗。
📚 適用於學生、研究者及內容創作者，從學術到娛樂均能高效使用。

10、硅基流動升級DeepSeek-R1等推理模型API，支持128K上下文長度

硅基流動通過升級其推理模型API，顯著提升了最大上下文長度至128K，增強了模型的推理能力和輸出質量，同時引入獨立控制思維鏈與回覆內容長度的功能，使開發者能更靈活地調整模型性能。

【AiBase提要:】
🚀 支持128K最大上下文長度，大幅提升模型的思考深度與輸出完整性。
🔍 引入獨立控制思維鏈與回覆內容長度功能，增強開發者對模型行爲的精準調控。
⚠️ 當達到長度限制時，模型輸出會被截斷並標記原因，確保使用透明性。
詳情鏈接:https://docs.siliconflow.cn/cn/userguide/capabilities/reasoning

11、谷歌DeepMind發佈新AI音樂生成模型Lyria2，支持實時創作

Lyria2是谷歌DeepMind發佈的最新音樂生成模型，具備高保真音質、實時交互功能和多風格適配性，爲音樂創作帶來了革命性的變化。

【AiBase提要:】
🎶 高保真音質:能生成48kHz立體聲音頻，精準捕捉音樂細節，適用於專業音樂製作及商業項目。
⚡ 實時交互:Lyria RealTime功能讓用戶可即時調整音樂風格、節奏等，激發創作靈感。
🌐 多模態支持:整合到Music AI Sandbox工具集，支持文本、樂譜或音頻片段輸入，覆蓋多種音樂風格。
詳情鏈接:https://deepmind.google/models/lyria/

12、多模態大模型MMaDA:讓AI學會「跨次元思考」，文本圖像通吃的全能型選手來了!

我剛讀完關於MMaDA的文章，這個由多所頂尖高校和企業聯合研發的多模態大模型，以其獨特的統一擴散架構、混合長鏈式思考微調及統一強化學習算法，實現了文本、圖像等多模態間的無縫切換和深度推理，表現遠超GPT-4等現有模型。

【AiBase提要:】
🌟統一擴散架構:突破傳統多模態模型的壁壘，實現文本、圖像等數據類型的無縫處理。
📚混合長鏈式思考微調:通過跨模態推理對齊，讓AI具備深度思考能力。
🏆統一強化學習算法UniGRPO:兼顧推理與生成任務，全面提升AI性能。
詳情鏈接:https://github.com/Gen-Verse/MMaDA

13、微軟發佈Web智能體Magentic-UI，專門設計用於解決複雜的網頁任務

我非常欣賞Magentic-UI的設計理念，它以人爲本，強調透明性和可控性，讓我在使用AI助手時感到安心。這款工具不僅提升了工作效率，還爲開發者提供了強大的開源平臺。

【AiBase提要:】
🌐 Magentic-UI 是一款以人爲中心的AI智能體研究原型，通過網頁瀏覽器實時協助用戶完成複雜任務。
🔄 它引入協作規劃和行爲防護功能，確保用戶在自動化過程中保持主導權，同時保障安全性和靈活性。
💡 由多智能體協同工作，支持計劃學習，能從歷史任務中優化未來任務的自動化效率。
詳情鏈接:https://github.com/microsoft/Magentic-UI

14、Framer發佈全新AI功能，Wireframer秒建網站，Workshop生成交互組件，Vectors2.0與A/B測試引爆設計新熱潮!

Framer在I/O2025期間推出了全新AI功能套件，包括Wireframer、Workshop、Advanced Analytics和Vectors2.0，通過AI驅動的網站佈局生成、交互組件設計、矢量繪圖升級和高級分析工具，顯著降低了網站創建的成本和複雜度。