歡迎來到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的熱點内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鮮AI産品點擊了解：https://app.aibase.com/zh

1、階躍發布端到端語音大模型Step-Audio 2 mini

階躍星辰發布了最強开源端到端語音大模型Step-Audio2mini，其在多個國際基准測試中取得SOTA成績，表現出卓越的音頻理解、語音識別、跨語種翻譯和對話能力。該模型采用創新架構設計，突破傳統ASR+LLM+TTS三級結構，實現原始音頻輸入到語音響應輸出的直接轉換，並引入鏈式思維推理與強化學習聯合優化，提升對副語言信息的理解和自然回應能力。

【AiBase提要:】

? Step-Audio2mini在多个国际基准测试中取得SOTA成绩，性能超越Qwen-Omni、Kimi-Audio等开源模型。

? 模型采用真端到端多模态架构，突破传统ASR+LLM+TTS三级结构，实现更简洁、低时延的音频处理。

? 引入链式思维推理与强化学习联合优化，提升对情绪、语调、音乐等副语言信息的理解和自然回应能力。

詳情鏈接:https://github.com/stepfun-ai/Step-Audio2

2、9月1日AI內容新規正式生效！不標識就違法

《人工智能生成合成內容標識辦法》于9月1日起強制實施，標志著中國AI內容治理進入制度化、規範化的新階段。新規要求所有AI生成內容必須進行顯式和隱式標識，以提升信息透明度並防止虛假信息傳播。

【AiBase提要:】

? 显式标识要求AI生成内容在文本、图片、视频和音频中明确标注，打破AI内容的隐身术。

? 隐式标识通过数字指纹技术嵌入元数据，实现内容溯源和监管能力提升。

?? 违规后果严重，包括限流、整改、下架及法律风险，推动AI产业规范发展。

3、美團推出開源大模型LongCat:旨在賦能開發者，加速AI應用落地

美團推出的開源大模型LongCat具有強大的技術實力，通過創新的混合專家架構實現了高效的計算性能，並在多個基准測試中表現出色，爲開發者提供了強大的工具。

【AiBase提要:】

? LongCat-Flash拥有560亿参数，采用混合专家（MoE）架构，动态激活部分参数以优化计算效率。

? 支持超过100个标记每秒的推理处理能力，具备低延迟和高扩展性。

? 在MMLU、数学推理禑嵛务中表现优异，展示了其在实际应用中的潜力。

詳情鏈接:https://longcat.chat/

4、上海AI实验室发布多模态大模型书生·万象 InternVL3.5

上海AI實驗室發布了多模態大模型InternVL3.5，通過創新的級聯式強化學習、動態視覺分辨率路由與解耦部署架構，實現了推理能力、部署效率與通用能力的全面升級。該模型在多個基准測試中表現優異，超越了GPT-5和Claude-3.7-Sonnet等主流模型。

【AiBase提要:】

? InternVL3.5采用级联式强化学习框架，显著提升了推理性能。

?? 模型支持多种视觉分辨率，并优化了响应速度。

? 提供多种参数规模模型，满足不同资源需求场景。

詳情鏈接:https://github.com/OpenGVLab/InternVL

5、腾讯ARC开源音频模型 AudioStory：用大语言模型生成长音频

騰訊ARC團隊推出的AudioStory模型，結合了大語言模型和音頻生成技術，能夠生成結構化且具有時間一致性的長篇敘事音頻。該模型在指令跟隨能力和音頻質量方面表現出色，適用于視頻配音和長音頻生成等多種場景。

【AiBase提要:】

? AudioStory 是一款基于大语言模型的长篇叙事音频生成模型，能够处理多种音频任务。

? 模型具备强大的指令跟随能力，可生成连贯的音频叙事，提升用户体验。

?? 团队已发布推理代码，并展示多个应用案例，展现其在视频配音和长音频生成上的优势。

詳情鏈接:https://github.com/TencentARC/AudioStory

6、OpenAI震撼發布GPT-realtime！語音AI革命來了，人機對話真假難辨

OpenAI推出的GPT-realtime語音模型在自然流暢度和情感表達方面實現了重大突破，能夠精准模擬人類語調、情感波動和語速變化。該模型不僅具備多模態處理能力，還能實時調整語音風格以適應不同場景需求，爲AI語音交互帶來了革命性的變化。

【AiBase提要:】

? GPT-realtime实现了前所未有的自然语音交互体验，精准还原人类语音细节。

? 模型具备多模态处理能力，结合图像与语音信息进行综合分析和响应。

? 支持多种语音风格切换，满足不同场景下的个性化语音交互需求。

7、Meta 与 UCSD 推出 DeepConf：AI 推理准确率达 99.9%，计算成本降低 85%

Meta與加州大學聖地亞哥分校（UCSD）合作推出的DeepConf技術，在高難度推理任務中實現了99.9%的准確率，並將計算資源消耗降低了84.7%。該技術通過引入“置信度”機制，使AI能夠動態調整解題策略，從而提高推理效率和准確性。

【AiBase提要:】

? DeepConf 技术在高难度推理任务中实现了99.9% 的准确率。

? 计算资源消耗减少了84.7%，大幅降低了运算成本。

? 通过 “置信度” 机制，AI 能够动态调整解题策略，提升推理效率。

詳情鏈接:https://arxiv.org/abs/2508.15260

8、马斯克承认xAI代码库遭窃，前员工转投 OpenAI！

马斯克承认xAI代码库遭窃，前员工Xuechen Li被指控窃取商业机密并转投OpenAI，事件引发科技界广泛关注。

【AiBase提要:】

? 前员工Xuechen Li被指控窃取xAI的商业机密并转投OpenAI。

? xAI要求法院禁止Li在OpenAI工作，并归还被盗数据。

? Li离职前套现近700万美元，可能为OpenAI节省数十亿美元研发费用。

9、阿里巴巴 Qwen 团队发布下一代 GUI 自动化框架 Mobile-Agent-v3 和 GUI-Owl

阿里巴巴 Qwen 团队推出了两款革命性的产品 ——Mobile-Agent-v3 和 GUI-Owl，旨在解决图形用户界面（GUI）自动化中的挑战。这些工具通过多模态模型和多代理协作，提升了任务理解和执行的能力，展现出强大的跨平台任务完成能力，标志着阿里巴巴在通用 GUI 自动化领域的重大进展。

【AiBase提要:】

? GUI-Owl 是阿里巴巴推出的多模态代理模型，集成感知、推理和执行能力，适应复杂 GUI 环境。

? Mobile-Agent-v3 框架实现多代理协作，通过动态更新计划提升任务执行效率。

? 这两款产品在 GUI 自动化基准测试中表现出色，标志着阿里巴巴在自动化领域的重要突破。

詳情鏈接:https://arxiv.org/abs/2508.15144

10、微软推出Copilot Labs，首个实验性工具“Copilot音频表达”上线

微软推出了全新的实验性AI中心Copilot Labs，旨在邀请用户参与AI的创新与发展。其首个工具是“Copilot音频表达”，能够将书面文本转化为自然流畅的语音旁白，并支持情感和故事模式，让用户拥有高度控制权。

【AiBase提要:】

? Copilot Labs是一个邀请用户参与AI创新的平台，标志着微软在AI领域的进一步探索。

? “Copilot音频表达”是首个实验性工具，可将文本转换为自然语音，并支持情感和故事模式。

? 该工具在全球范围内免费开放，但部分功能需要登录Microsoft账户并拥有Copilot Pro订阅。

詳情鏈接:https://copilot.microsoft.com/labs/experiments/audio-expression

11、小紅書自動化神器xiaohongshu-mcp上線！AI助力內容創作，解放你的雙手！

xiaohongshu-mcp這一基于MCP協議的開源工具，能夠實現小紅書平台的自動化登錄、內容發布和數據獲取功能。該工具通過與AI客戶端集成，簡化了操作流程，並具備良好的擴展性，適合內容創作者和開發者使用。

【AiBase提要:】

? 智能登录，持久化体验：首次掃碼登錄後，後續操作無需重複登錄。

?? 图文发布领跑，未来功能可期：目前支持图文内容自动化发布，未来计划扩展视频发布和数据分析功能。

?? 开发者友好，生态开放：基于Go语言开发，代码结构清晰，易于二次开发，支持GitHub克隆部署。

詳情鏈接:https://github.com/xpzouying/xiaohongshu-mcp

（舉報）