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://app.aibase.com/zh

1、Gemini 3 Flash登場：免費、極速、智力反超Pro，谷歌AI全面進入“零延遲”時代

谷歌發佈新一代輕量級模型Gemini3Flash，其響應速度達到前代三倍、近乎‘零延遲’，並在多項高難度基準測試中反超同代旗艦Gemini3Pro，成爲史上首個在同期對比中‘小弟幹翻大哥’的Flash模型。

image.png

【AiBase提要:】

🧪 在代碼修復權威榜單SWE-bench上，Gemini3Flash以78%得分小幅領先Gemini3Pro（76.2%）

🧠 在博士級推理測試GPQA Diamond中拿下90.4%高分

⚡ 在極難綜合評估Humanity’s Last Exam中取得33.7%成績，顯著優於前代旗艦Gemini2.5Pro

2、火山引擎FORCE大會亮劍：豆包大模型1.8+Seedance 1.5 Pro發佈，日均50萬億Tokens登頂中國第一

火山引擎FORCE大會發布了豆包大模型1.8和視頻生成模型Seedance 1.5 Pro，並推出“AI節省計劃”，旨在降低企業使用大模型的成本門檻。豆包大模型1.8在多個關鍵維度有顯著提升，而Seedance 1.5 Pro則提升了視頻生成質量與一致性。此外，豆包大模型日均Tokens使用量已突破50萬億，穩居中國第一、全球第三，標誌着其從技術產品走向大規模產業應用。

image.png

【AiBase提要:】

🧠 豆包大模型1.8在推理、多語言、代碼生成與工具調用等關鍵維度實現顯著提升。

🎥 Seedance 1.5 Pro支持更長時長、更高幀率的可控視頻內容創作，爲短視頻、廣告、遊戲等領域提供工業化級視覺生成能力。

💰 “AI節省計劃”通過模型壓縮、推理優化、資源調度等技術手段，降低企業使用大模型的成本門檻。

3、蘋果開源 SHARP 模型:告別漫長等待，1秒讓平面照片躍升3D 空間

蘋果公司近日開源了名爲 SHARP 的新型 AI 模型，該模型能夠將一張普通的2D照片轉化爲具有真實物理比例的3D場景，僅需不到一秒鐘。SHARP的核心技術是“3D高斯潑濺”技術，它通過深度訓練掌握了通用的空間幾何規律，只需一次快速掃描就能預測出數百萬個帶有光影信息的“高斯球”位置。SHARP的成像質量領先於業內最強模型，支持真實的相機移動模擬。目前，蘋果已將SHARP的完整代碼及資源發佈在GitHub平臺供全球開發者下載。

【AiBase提要:】

⚡ 速度實現量級突破 : SHARP 模型將2D 轉3D 的處理速度提升了三個數量級，實現了不到一秒的近乎實時轉換體驗。

🌐 領先的3D 生成技術 :基於3D 高斯潑濺技術，模型通過單次神經網絡前饋即可預測數百萬個3D 點位，精準還原真實物理比例。

🔓 全面開源生態 :蘋果已在 GitHub 開源 SHARP 的代碼與資源，旨在加速全球開發者在空間計算和3D 內容領域的創新。

4、Meta發佈SAM Audio：全球首個支持“點擊分離聲音”的多模態音頻模型，一鍵提取吉他聲、人聲或狗叫

Meta發佈了SAM Audio，這是全球首個支持多模態音頻分離的模型，能夠通過文本、視覺和時間片段提示，一鍵提取目標聲音，如吉他聲、人聲或狗叫。該技術首次將人類自然感知聲音的方式復刻到AI系統中，具有革命性的意義。

111.jpg

【AiBase提要:】

🎧 文本提示：通過語義描述提取對應聲源。

👁️ 視覺提示：點擊視頻中的發聲物體分離音頻。

⏱️ 時間片段提示：標記時間區間自動處理同類聲音。

詳情鏈接:https://ai.meta.com/samaudio/ https://github.com/facebookresearch/sam-audio

5、MiniMax通過港交所上市聆訊，國產大模型“第一股”或將花落上海

MiniMax通過港交所上市聆訊，有望成爲首家登陸資本市場的國產大模型公司，其核心資產爲大語言模型與多模態生成技術，這標誌着資本市場對大模型商業化路徑的認可度提升，並可能爲後續AI公司IPO開闢通道。

【AiBase提要:】

🚀 MiniMax通過港交所上市聆訊，成爲首家登陸資本市場的國產大模型公司。

💼 其核心資產爲大語言模型與多模態生成技術，不同於傳統計算機視覺企業。

📈 若成功上市，將驗證資本市場對大模型商業化路徑的認可度，並可能爲後續AI公司IPO開闢通道。

6、OpenAI 正式官宣：開發者可向ChatGPT提交應用程序

OpenAI 向全球開發者開放 ChatGPT 應用提交權限，標誌着 ChatGPT 進階爲 AI 原生應用平臺。開發者可通過最新指南提交作品，通過審覈後將出現在 ChatGPT 應用目錄中，賦予 ChatGPT 實操能力。

image.png

【AiBase提要:】

🚀 生態大門開啓：OpenAI 開放應用提交，開發者可將功能整合進 ChatGPT 供全球用戶發現。

🛒 應用目錄上線：用戶可通過工具菜單或訪問 chatgpt.com/apps 搜索和瀏覽精選 AI 應用。

💰 盈利前景明確：支持鏈接外部網站交易實體商品，並計劃探索數字商品變現模式。

7、千問 App 接入高德：阿里 AI 走入現實世界

千問 App 接入高德地圖，標誌着其具備了物理世界的理解與行動能力，能夠處理複雜的現實場景需求，並計劃進一步接入更多核心場景，打造一個強大的超級入口。

image.png

【AiBase提要:】

🚀 千問 App 接入高德地圖，實現從回答問題到地理空間推理的跨越。

🧭 千問能生成可視化決策卡片，直接喚起導航或打車服務。

🛍️ 阿里計劃將千問打造爲能調用現實履約網絡的超級入口。

8、微軟開源 TRELLIS.2：一鍵將圖片轉爲高精度 3D 模型

微軟開源了TRELLIS.2，這是一款高效的圖像到3D模型生成工具，能夠快速生成高質量的3D模型，並且支持多種平臺使用。TRELLIS.2在NVIDIA H100顯卡的支持下表現出色，能夠在極短時間內完成高分辨率模型的生成。此外，它還提供了PBR四件套貼圖，非常適合電商場景的應用。

image.png

【AiBase提要:】

🌟 TRELLIS.2是一款微軟開源的圖像到3D模型生成工具，能迅速生成高質量3D模型。

⏱️ 該工具在NVIDIA H100顯卡上生成512³分辨率模型僅需3秒，效率極高。

🛒 附帶PBR四件套貼圖，方便電商用戶快速將產品轉爲3D展示。

詳情鏈接:https://huggingface.co/microsoft/TRELLIS.2-4B

9、xAI 推最快語音代理 API，支持中文實時搜索與情緒控制

xAI 發佈的 Grok 語音代理 API 在實時語音 AI 領域展現出卓越性能和極具競爭力的價格。該模型在音頻推理基準測試中表現優異，響應速度遠超競品，並支持多語言自動檢測、實時網頁搜索與情緒控制等功能，爲開發者提供了強大的工具。

【AiBase提要:】

🔥 Grok 語音代理 API 以每分鐘 0.05 美元的價格推出，性價比極高。

🌐 支持包括中文在內的多種語言自動檢測與自由切換，適應全球用戶需求。

🧠 深度集成實時網頁搜索與推理能力，確保回覆內容緊跟最新資訊。

10、豆包AI眼鏡明年上市！聯合潤欣科技、老鳳祥打造 2000 元內智能穿戴新品

豆包AI眼鏡即將在 2025 年初上市，由火山引擎提供技術支持，潤欣科技負責硬件設計，並與老鳳祥合作打造時尚外觀。該產品定價 2000 元以內，支持實時語音助手、環境感知等場景化功能，標誌着字節跳動以“大模型+硬件+渠道”策略搶佔下一代人機交互入口。

【AiBase提要:】

🧠 豆包AI眼鏡依託火山引擎的RTC技術，實現低延遲語音交互與雲端協同。

💼 聯合潤欣科技和老鳳祥，打造融合大模型能力的親民級AI眼鏡。

🛒 定價 2000 元以內，預計 2025 年初上市，推動智能穿戴走向生活剛需。