每日 AI 日报
要闻
Google 推出面向开发者的 Gemini Omni 1.1 Flash。官方表示，该版本支持场景续写、首尾帧控制及 1080p 或 4K 输出，360p 预览最多快 60%，成本为标准 720p 的三分之一。
Google 已推出 Gemini Omni 1.1 Flash，并表示该版本已可用于生产环境，开发者现可通过 Google AI Studio 中的 Gemini API 或 Gemini Enterprise Agent Platform 使用。据官方说明，新版本续写场景时最多可分析此前 10 秒的上下文，此前模型仅参考最后 1 秒；视频可按每次 10 秒延长，累计最长 40 秒。开发者还可指定镜头的起始帧和结束帧，由模型生成两个关键帧之间的连续视频，用于相机环绕、变焦过渡或无缝循环。360p 轻量预览相较标准 720p，按系统吞吐计算的生成速度最多提高 60%，成本为三分之一；成片可输出 1080p 或 4K。
要闻
Codex 负责人 Tibo 表示，所有 ChatGPT Work 与 Codex 用户的用量额度均已重置，覆盖两项服务的全部用户；有用户同时要求取消此前的 5 小时使用限制。
Codex 负责人 Tibo 宣布，ChatGPT Work 和 Codex 的全部用户额度已完成重置，该次操作已经覆盖上述两项服务的所有用户。用户反馈则聚焦于此前存在的 5 小时使用限制：有用户表示，这一限制导致其无法在重置发生前消耗完剩余用量，因此希望平台移除该限制。Tibo 的公告确认的是额度重置已经完成，原文没有提到 5 小时限制是否会被取消，也没有提供相关调整时间。
要闻
OpenAI 向部分个人 ChatGPT Plus 和 Pro 账户开放 Luna Reserve。常规额度用尽后，它会提供独立计量且有上限的备用额度，仅可用于 GPT-5.6 Luna。
OpenAI 目前已在 Codex 和 ChatGPT Work 中为部分个人 ChatGPT Plus 和 Pro 账户引入 Luna Reserve 备用机制，该机制在账户的常规额度耗尽后提供额外使用额度。Luna Reserve 的额度与常规额度分开计算，并设有上限，且只能用于 GPT-5.6 Luna；它不会恢复已经耗尽的常规额度，也不会解锁更强的模型。该机制当前不面向 ChatGPT Business 与 Enterprise 工作区，也不适用于普通 Chat 和 API。
要闻
OpenAI 宣布为 ChatGPT 临时聊天增加控制选项，用户可在创建对话时启用个性化，调用现有记忆、自定义指令和插件，也可保存对话并将其转为遵循账户设置的常规聊天。
OpenAI 官方表示，ChatGPT 正在推出临时聊天控制功能，用户可在创建临时聊天时选择启用个性化或保存对话，保存后该对话会转换为遵循账户级别设置的常规聊天。启用个性化后，临时聊天可以调用账户中已有的记忆、自定义指令和插件，但不会在交互过程中生成新的记忆。个性化选项只能在创建临时聊天时设定，对话开始后无法更改。启用个性化的临时聊天在保存前不会显示在侧边栏和聊天历史中，执行保存操作后才会作为常规聊天出现。
要闻
OpenAI 联合 Anthropic、AWS、Google、Microsoft 和 Oracle 等公司发起网络防御集体行动呼吁，提出 3 项原则，并要求前沿 AI 公司确保 Agentic 身份可追溯、可问责。
OpenAI、Anthropic、AWS、Google、Microsoft、Oracle 等公司共同发布了强化网络防御的行动倡议，OpenAI 表示，应对 AI 驱动网络攻击的行动窗口有限。倡议列出 3 项原则，包括承认当前安全措施不足、用具备网络能力的 AI 为防御者赋能，以及推动全球集体响应。据 OpenAI 说明，相关行动建议面向各类组织、网络安全公司、政府和前沿 AI 公司；其中，前沿 AI 公司应保证 Agentic 身份可追溯、可问责，并向资源不足的关键基础设施防御者提供模型访问权限和资金支持。
要闻
Anthropic 向首批科研实验室和先进制造商开放 MHS 研究预览版。官方称，该规范使 AI Agent 可并行操作显微镜、液体处理器和机械臂，并将设备集成由数周或数月降至数小时或数分钟。
Anthropic 已将 Model Hardware Standard（MHS）的早期版本提供给科学、机器人、电子和制造领域的首批合作伙伴，用于测试 AI Agent 对物理设备的操作，并在开源前共同制定安全评估和最佳实践。MHS 最初由 Anthropic 与 HHMI Janelia Research Campus 合作开发，适用于任何带可编程接口的设备，且不绑定特定模型；Agent harness 可通过 Model Context Protocol 等标准协议接入。官方表示，它可让 Agent 并行控制显微镜、液体处理器和机械臂等设备，覆盖药物发现实验和量子计算机激光校准等任务，并将通常需要数周或数月的硬件集成压缩至数小时或数分钟。
MHS 以标准化 driver 统一不同设备接口，通过 read 和 write 等 primitives 读取或设置参数，并以统一格式发布设备信息，使设备和 Agent 无需定制 translator 即可跨网络发现和通信。用户可用自然语言 tags 补充重量、可测量项目、可调参数和安全限制等信息，driver 据此自动生成 reference file。设备可由 MCP、command line interface 和 code files（APIs）三种机制控制；Agent 能编排步骤、监控结果并实时调整参数，也可把长时或高速任务写入 code files。Anthropic 表示，测试中的 Claude 曾反复调整激光并通过相机观察结果，随后生成 deterministic script，以单条命令完成激光对准。
模型发布
蚂蚁百灵发布金融增强模型 Ling-3.0-flash-Fin，总参数量为 124B、激活参数为 5.1B。模型已通过两个平台限时免费开放，权重计划在发布后的下一周开源。
蚂蚁百灵已发布金融增强模型 Ling-3.0-flash-Fin，原文未注明具体发布日期。该模型基于 Ling-3.0-flash 开发，总参数量为 124B，每次激活 5.1B 参数。官方表示，该模型在多项金融基准测试中表现突出，通用能力评分也有所提升。模型目前已上线 Vercel AI Gateway 和 OpenRouter，其中 Vercel AI Gateway 的免费期截至原文所称的 9 月 25 日，原文未注明年份；OpenRouter 提供一个月免费体验。官方还表示，模型权重计划在发布后的下一周开源。
模型发布
fal 发布了基于 MiniMax H3 的后训练视频模型 H3 Max；官方称其不到 3 秒可生成 5 秒视频，吞吐量约为官方 H3 endpoint 的 35 倍，并在三项人工偏好评测中均排名第 1。
fal 现已通过其平台提供 H3 Max，这是一款由 fal Research 基于 open-weights MiniMax H3 开发、并由其 inference 团队优化的后训练视频模型。fal 表示，团队在 post-training 阶段加入新数据，重点改善 prompt adherence 与视觉质量，同时让模型开发和 inference stack 共同迭代；模型的训练与服务均使用 NVIDIA GB200 NVL72，单芯片性能最高可达此前所用上一代加速器的 2 倍。H3 Max 也使用 fal Serverless 训练。
fal 的质量评测以人工两两偏好比较为主，覆盖 overall quality、prompt understanding 和 aesthetics，并以带 95% confidence intervals 的 Bayesian Elo 汇总结果；参测的 12 款视频模型包括官方 MiniMax H3 endpoint、Gemini Omni Flash、Wan 3.0、Seedance 2.5、Kling 3 和 Veo 3.1。官方表示，H3 Max 在三个维度均排名第 1，对每个参测模型的多数两两比较获胜，Artificial Analysis 与 Design Arena 的独立榜单也将其排在第 1。据其说明，该模型生成 5 秒视频用时不到 3 秒，吞吐量约为官方 H3 endpoint 的 35 倍，平均比质量相当的模型快 15 倍。该模型可通过 Playground、fal Agent 和 API 使用，首周价格优惠 50%。
模型发布
Midjourney 已向所有用户开放首个 V8.2 image edit model 测试，并更新主站与 alpha 站 UI。官方正征集异常案例和界面反馈，后续将快速连续迭代。
Midjourney 的首个 V8.2 image edit model 现已进入面向所有用户的测试阶段，midjourney.com 和 alpha.midjourney.com 的 UI 也已更新。官方表示，alpha 端将围绕该模型的界面重构持续开展实验，测试中预计会出现未按预期工作的边缘案例。用户遇到图像效果不佳时，可点击 lightbox 右侧的 sad face emoji，或在图像仍于 lightbox 中打开时提交对应的 jobid 或 URL；界面改进意见和模型边缘案例可发送至 #ideas-and-features，使用成果可在 #edit-showcase 交流或展示。据其说明，后续将快速连续推出更新，本轮测试将由更大范围的社区参与。
模型发布
BreezeBlue 发布面向实时交互的开放权重语音模型 Breeze TTS 2；官方称其在 Artificial Analysis TTS 排行榜的开放权重模型中位列第 1，并支持 24 kHz 流式 PCM 输出。
BreezeBlue 已推出用于实时交互的开放权重 text-to-speech 模型 Breeze TTS 2。官方表示，该模型在 Artificial Analysis TTS leaderboard 的开放权重模型中排名第 1，并超过 frontier proprietary systems。它可通过自然语言 instruction 在没有参考音频时设计声音，也可结合参考音频控制说话者的语气、情绪、语速和表达；使用 --cfg-scale 4 可加强 instruction-following。克隆说话者时，参考音频应为背景噪声尽可能少的清晰语音，并附带准确 transcript。
Breeze TTS 2 的 CLI 与单并发 streaming API 默认使用 PyTorch eager streaming，并跳过 graph warmup；API 返回单声道 24 kHz signed 16-bit little-endian PCM，--fast-all 可为全部推理阶段启用最佳配置，但会增加 cold-start 时间。默认 Docker image 面向 H100/Hopper（sm90），另有 A100 构建方式，所需模型组件均包含在 checkpoint 中。source code 采用 Apache License 2.0，模型权重、checkpoint、adapter、衍生模型和 self-hosted 输出另受 BreezeBlue Research and Non-Commercial License 约束；商业使用须获得 RESONIA, INC. 书面授权，联系邮箱为 contact@breeze.blue。
模型发布
Cohere 已正式上线文档解析模型 Cohere Parse 5，可处理文本、表格、表单和图像；官方称其 ParseBench 得分为 79.2，价格为每千页 1.50 美元。
Cohere 正式发布并上线 Cohere Parse 5，模型面向 RAG 系统构建和自动化文档处理，可从文档中识别文本、表格、表单与图像，并生成带有边界框的机器可读文档。官方表示，该模型在 ParseBench 评测中取得 79.2 分，成绩高于 Mistral OCR 4 等竞品。Cohere 将服务定价为每千页 1.50 美元；据其说明，这一价格相比前沿大模型最高便宜 95%。
开发生态
Qoder 发布全新 Agent 工作台及桌面应用，提供 Coding 与通用双模式，国际版和中国版现已开放下载。其全球用户已超过 600 万，系统可接入超过 40 个连接器和 70 余个插件。
Qoder 现已上线新一代 Agent 工作台和桌面端，并同步开放国际版与中国版下载。该产品以 Coding 能力为底座，包含编程模式和通用模式；官方表示，系统内置全球顶尖模型与 Auto 智能调度引擎，并使用 Harness 技术支持复杂的长链路自治任务。据其说明，平台可通过超过 40 个连接器和 70 余个插件接入工作系统，同时新增语音唤起和主动提醒功能。Qoder 的全球累计用户已超过 600 万，官方还同步推出专属 Credits、模型折扣等限时福利。
开发生态
开发生态
产品应用
产品应用
产品应用
技术与洞察
行业动态
前瞻与传闻
前瞻与传闻
其他
