苹果研究团队近日推出Weblica框架，旨在构建面向视觉网页智能体的可扩展、可复现训练环境。该框架通过HTTP级缓存保存网页稳定视觉状态并保留交互行为，结合大语言模型，基于真实网站与核心导航技能合成多样化训练环境。 Weblica将强化学习训练扩展至数千个不同网页环境与任务。其最佳模型Weblica 8B在多个网页导航基准测试中，性能超越同等规模开源模型，推理步骤更少，测试时计算扩展性良好，整体表现接近API调用类模型。 相关研究详情已公开：...
英伟达正式推出Vera CPU，定位为面向AI智能体（Agentic AI）时代的新型数据中心处理器。该CPU采用自研Olympus核心，指令每周期执行效率较Grace提升50%，并配备最高1.2TB/s LPDDR5X内存带宽与3.4TB/s核心间带宽，强调满载下的单核持续性能。 据测试，在代表智能体工作负载的场景中，Vera单核持续性能达主流x86服务器CPU的1.8倍；Perplexity实测其在代码工作流（克隆仓库+沙箱测试）中完成速...
Savi Security公司正式发布面向iPhone和Android用户的AI诈骗防护App，旨在识别并拦截利用生成式AI实施的高仿真诈骗，包括语音克隆、号码伪造及情境化勒索等手段。 该公司近期完成700万美元种子轮融资，由Acrew Capital领投，Magnify Ventures、TTCER和Resolute Ventures跟投。其技术核心为实时行为分析模型，可在用户接听可疑电话时启用“实时监听”功能，识别异常话术与语音特征。 此...
AI HOT 7月7日消息，Grok Imagine 功能完成更新，现已支持生成时长为 15 秒的视频。用户需将 Grok 应用更新至最新版本方可使用该功能。官方表示，新视频生成质量表现优异。
OfficeCLI 近日正式发布，作为全球首个专为 AI 智能体设计的开源 Office 套件，该工具以单二进制文件形式运行，无需安装 Microsoft Office 或额外依赖。 OfficeCLI 内置 HTML 渲染引擎，支持将 .docx、.xlsx、.pptx 文件转换为 HTML 或 PNG 格式，构建“渲染→查看→修复”的视觉闭环，使 AI 代理可自主创建、读取与修改文档。功能覆盖公式、图表、条件格式、RTL 布局、修订追踪、...
Gemini Spark 现已支持智能追踪特定话题并实时响应相关事件。用户可通过设置提示词，在特定场景（如支持的球队比赛结束后）自动获取定制化的赛事分析邮件。该功能目前已正式上线。
苹果在最新推送的 iOS 27 开发者测试版 Beta 3 中，正式开放了 Siri 语音的“语速（Pace）”与“表现力（Expressivity）”调节选项，该功能在早期测试版中曾显示为“即将推出”。 用户现可通过系统设置中的滑块，自定义 Siri 的说话速度及语音情感丰富度，并实时听取示例语句以预览效果。此次更新是苹果基于生成式 AI 重构 Siri 的重要一环，旨在提升语音交互的自然度与个性化体验。 除语音参数调节外，新版测试版还支持...
tokhub.me 网站于7月6日正式上线。该平台由开发者合作推出，专注于对各类API中转站进行真实场景下的模型调用监控，通过实际充值并调用API完成评测，区别于仅依赖响应速度的单一指标。 项目代码已完全开源，支持一键Docker部署，具备轻量级Token与网关管理能力，适用于企业内部API Key及Base URL的集中化运维。相关源码可通过项目GitHub页面获取。
Synthetic Sciences 近日推出开源（Apache 2.0 许可）AI 科研工作台 OpenScience，面向机器学习、生物学、物理学和化学研究。该工具支持从文献检索、假设生成、代码编写、实验设计到数据分析与论文撰写的完整科研流程。 OpenScience 具备模型无关特性，用户可按需切换调用 Claude、GPT、Gemini、GLM、Kimi、DeepSeek 等远程大模型，或接入本地微调模型。平台内置 250 余项可编辑...
JoyAI App 近日上线用户生成内容（UGC）数字人功能。用户上传一张照片即可生成专属虚拟数字分身，支持写实形象复刻或卡通风格重塑，并可绑定个人语音实现个性化交互。 该功能基于“万能博士”技术底座，集成 JoyAI 自研的语言、语音及数字人大模型，支持全双工对话，具备随时打断与自然接话能力。 生成的数字人兼具情绪陪伴与实用助手属性，可提供点外卖、金融咨询、英语学习、行程规划等生活服务。
Safari Technology Preview 247 正式推出 Safari MCP 服务器，基于 Model Context Protocol（MCP）标准，允许任意兼容 MCP 的客户端连接并控制 Safari 浏览器窗口。 该服务器支持 AI 智能体实时获取 DOM 结构、网络请求列表、控制台日志及页面截图等信息，并可执行 JavaScript 脚本，从而自主完成调试、性能分析与可访问性检查等任务。内置工具包括 browser c...
面壁智能正式发布全球首个完全由AI编写、无人类干预的生产级大模型预训练框架ForgeTrain。该框架可针对特定模型与硬件，从零自动生成专用训练代码。 基准测试显示，ForgeTrain在8小时内即可达到Megatron LM同等性能，并在1.5至2天内实现稳定反超；模型FLOPS利用率提升约8% 10%。该框架已验证支持MiniCPM4 0.5B/8B等模型，以及H100和昇腾NPU等异构硬件。 ForgeTrain采用四阶段Harness...
阿里通义万相（Wan Video）推出“音乐伴舞”新功能。用户可上传自定义角色并添加歌曲，系统将基于音频节奏自动生成同步舞蹈视频。目前支持街舞、踢踏舞、拉丁舞、K Pop及中国古典舞等多种舞种。该功能实现了从音频输入到角色舞蹈动作的端到端AI生成，用户可通过 wan.video 官网直接体验。
近日，开源项目 claude real video 发布，该工具旨在让大语言模型（LLM）能够基于视频画面而非仅依赖字幕进行理解。其工作原理是通过场景变化检测提取关键帧，结合滑动窗口去重与 Whisper 音频转录，生成结构化的本地文件夹供模型读取。该工具支持 YouTube 链接及本地视频文件，依赖 ffmpeg 和 Whisper，可通过 pip 安装。所有数据处理均在本地完成，无需上传云端。项目代码已托管于 GitHub。
阿里达摩院联合中国人民大学、中国科学院大学正式发布首个超导材料发现AI智能体Elements Claw。该智能体采用“专通融合”架构，基于1.25亿分子与晶体结构预训练的10亿参数原子基础模型Elements，超导性判别AUC达0.996，临界温度预测平均误差小于1K。 Elements Claw仅用28个GPU小时即完成240万稳定晶体结构筛选，产出6.8万个超导候选材料。其中Hf21Re25、Zr4VRe7、HfZrRe4、Zr3ScRe...
Meta 近日低调上线实验性 AI 应用 Pocket，允许用户通过文本提示生成并分享小型交互式游戏（称为“gizmos”）。该应用基于 Meta 今年早些时候收购的 vibe coded 游戏平台 Gizmo 团队技术开发。 Pocket 已于 6 月 29 日在 App Store 和 Google Play 上架，目前尚未获得官方正式发布声明。应用界面与原 Gizmo 应用高度相似，同样提供 AI 提示建模功能及可滚动浏览他人创作的发现...
browser use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源视频剪辑 Skill「video use」。该工具允许 LLM 通过 ElevenLabs Scribe 将音频转写为约 12KB 的结构化文本（含逐词时间戳、说话人分离与事件标记），并仅在关键决策点调用 timeline view.py 生成 PNG 帧图。 技术流水线涵盖转写、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3...
开源基准测试 Senior SWE Bench 正式发布，旨在评估 AI 智能体完成高级软件工程师级别任务的能力。该基准涵盖功能开发与 Bug 修复两类任务：功能任务基于自然语言指令，验证智能体自动生成行为测试的能力；Bug 任务则要求智能体结合日志、性能分析（profiling）等运行时信息进行深度诊断。 当前排行榜数据显示，Claude Opus 4.8 搭配 Mini SWE Agent（max effort）通过率为 24.0%，Cl...
Google Health API v4 新增开源命令行工具 ghealth，以单个 Go 二进制文件发布，采用 Apache 2.0 协议。 ghealth 支持从 Fitbit、Pixel Watch 及已连接的第三方设备获取健康数据，提供步数、心率、睡眠、体重、血氧饱和度、心率变异性等共 40 种已验证数据类型的结构化 JSON 输出。 该工具采用 Agent 优先架构，具备确定性退出码、 dry run 和 raw 参数，并附带两份...
TechCrunch 7月2日消息，印度连续创业者巴文·图拉希亚（Bhavin Turakhia）宣布个人出资3000万美元启动新企业Neo，目标是构建一款从底层设计即面向AI时代的办公平台，直接对标Microsoft Office与Google Workspace。 Neo于2026年4月起在图拉希亚旗下公司（包括银行软件公司Zeta）内部试用，整合项目管理、文档协作、文件存储与AI能力，强调AI作为工作流中的主动参与者，而非附加助手。该平...
昆仑万维正式发布天工3.2版本，推出Skywork Tags功能，支持将AI智能体以团队成员身份直接接入Slack、飞书、钉钉、Discord及Telegram等即时通讯工具。 用户可在现有工作群中直接@Skywork参与讨论，无需切换应用或迁移数据。该功能强调对既有工作流的零干扰，使AI在持续积累团队上下文过程中逐步提升响应能力。 据官方介绍，共享版Agent在吸收多样化团队上下文后，性能已超越经过单独调优的个人版，部分团队已全面转向使用共...
开发者 Emil Kowalski 将多年 UI 与动画设计经验提炼为三项可集成技能（Skills），旨在增强 Codex、Claude Code、Cursor 等 AI 编码智能体在 UI 动画方面的专业判断力。 三项核心技能包括：review animations（基于严格标准审查动画代码，输出 Before/After/Why 对照表）；animation vocabulary（将“弹一下”等模糊自然语言描述映射为标准动效术语）；以及一...
Google Cloud 正式发布 Workbench Notebooks 扩展，支持开发者在 VS Code 中直接连接可扩展的云端 Jupyter 环境。该扩展允许用户无需切换开发上下文，即可调用 Google Cloud 的高性能计算资源完成机器学习全流程开发。 该扩展已完全开源，开发者可通过 GitHub 和 VS Code Marketplace 免费获取与使用。
xAI 正式发布 Voice Agent Builder 平台，支持用户无需编程即可基于 Grok Voice 构建类人语音智能体。 该平台即日起开放使用，按使用时长计费，单价为 0.05 美元/分钟。 官方页面已上线：https://x.ai/voice。
Hugging Face 与 Cerebras 宣布合作，将 Gemma 4 31B 视觉语言模型集成至实时语音 AI 系统中。该方案采用开源、模块化的级联式语音到语音（Speech to Speech）架构，核心环节涵盖语音识别（NVIDIA Parakeet）、大语言模型推理（Gemma 4 运行于 Cerebras 硬件）及语音合成（阿里巴巴 Qwen3TTS）。 该架构显著降低了端到端延迟，尤其优化了 P95 尾部延迟表现，使 AI...
Cloudflare 面向所有网站所有者推出全新 AI 流量管理选项，支持区分搜索爬虫、AI 智能体爬虫与训练爬虫三类流量，替代此前统一屏蔽的粗放式策略。 新功能允许网站运营方按需配置不同爬虫类型的访问权限，提升内容分发与版权保护的灵活性。此外，该方案新增对广告变现页面的定向保护能力，有助于维护网站广告收益稳定性。
TechCrunch 7月1日消息，据彭博社报道，Meta正制定新业务计划，拟向外部客户出售其自建数据中心的富余AI算力及模型访问权限，正式切入云计算基础设施服务领域。此举将使Meta直接与亚马逊AWS、谷歌云和微软Azure等主流云服务商展开竞争。 该新业务暂定名为“Meta Compute”，由基础设施负责人Santosh Janardhan、超级智能实验室负责人Daniel Gross及总裁Dina Powell McCormick共同...
新加坡初创公司Acti近日发布一款集成AI智能体的手机键盘应用，底层接入Google Gemini模型，支持在各类App中直接执行用户指令。 该键盘核心功能名为Skills，允许用户通过自然语言自定义快捷操作，例如长按T键自动翻译选中消息、长按C键一键发送会议链接等。早期测试数据显示，用户在两周内已创建超1000个Skills。 产品采用本地优先架构，默认不读取私人消息内容。Acti目前已完成530万美元种子轮融资，由BITKRAFT Ven...
TechCrunch 6月30日消息，开源AI智能体项目OpenClaw已正式发布Android与iOS移动应用。用户可通过手机连接OpenClaw Gateway——一个用于路由请求至AI智能体及其所调用工具与技能的中间层，实现移动端任务调度。 该项目此前因MoltBook社交平台事件引发广泛关注，其核心开发者Peter Steinberger已于今年2月加入OpenAI。尽管MoltBook曾被证实部分由人类伪装智能体运营，但该事件客观推...
NotebookLM 正式面向 Web 端英文用户全量推出 Short Video Overviews（短视频概览）功能。该功能可利用 AI 将复杂文档或资料自动转化为约 60 秒的竖屏讲解视频。此前该功能仅面向 Google AI Ultra 和 Pro 订阅用户开放，官方表示免费用户版本即将上线。