AI速递0903-人工智能学院

作者: 信息来源: 发布时间: 2025-09-03

一、这次真不一样，谷歌Gemini解锁「详解网页」新技能

1. 谷歌Gemini API全面上线"URL Context"功能，使模型能深度访问并处理来自URL的内容，包括网页、PDF和图像等；

2. 该功能采用两步检索流程，可深度解析PDF中的表格、文本结构、脚注等，处理容量上限达34MB，单次请求最多处理20个URL；

3. URL Context被评价为"RAG的又一颗棺材钉"，无需提取、分块、矢量化和存储等繁琐流程，直接解析特斯拉50页PDF并精准提取数据。

二、混元世界模型上新，综合能力问鼎WorldScore排行榜

1. 腾讯发布混元3D世界模型系列最新成员HunyuanWorld-Voyager，业界首个支持原生3D重建的超长漫游世界模型；

2. 混元Voyager突破传统视频生成限制，能生成长距离、世界一致的漫游场景，支持将视频直接导出为3D格式，且与混元世界模型1.0高度适配；

3. 该模型在斯坦福大学李飞飞团队发布的WorldScore基准测试中位居综合能力首位，支持视频场景重建、3D物体纹理生成等多种应用。

三、 Runway跨界机器人领域，世界模型成模拟训练新引擎

1. 视觉生成AI公司Runway获英伟达、谷歌和General Atlantic等投资者超5亿美元融资，估值达30亿美元，正式跨界机器人领域；

2. Runway的AI世界模型可为机器人和自动驾驶汽车公司提供训练模拟，实现高效、低成本的虚拟测试环境；

3. 相比真实场景训练，Runway的模型能让用户更精细地控制特定变量测试，尤其适合评估不同操作在相同环境下的表现。

四、腾讯优图开源智能体框架Youtu-Agent，开箱即用！

1. 腾讯优图实验室开源Youtu-Agent智能体框架，具备开源友好、成本低、灵活架构和自动智能体生成等特点；

2. 该框架在WebWalkerQA基准上使用DeepSeek-V3.1达到71.47%准确率刷新开源效果SOTA，在GAIA文本子集达到72.8%，无需充值闭源模型；

3. 框架采用DITA原则，提供四个典型应用案例：本地文件管理、数据分析、论文分析和广域综述，支持一键生成配置和启动测试。

五、 flowith 团队发布了一款全新平行世界小游戏 flolife.me

1. flowith团队发布基于多模态画布和Nano Banana技术的AI人生模拟器flolife.me，玩家可捏造角色后由AI接管整个人生模拟；

2. 游戏流程简单：玩家输入角色名字、性别、出生地并分配属性，再设置人格描述，系统便自动生成完整人生线和分支选项；

3. flolife会为用户生成各种人生关键节点的不同可能性，展现离奇故事，还能从中挑选四个高光瞬间制作分享海报。

六、 Aivilization 深度体验： AI 社畜不睡觉不恋爱卷生卷死

1. 来自香港科技大学的Aivilization小镇项目可让用户创建自定义AI人物，设置MBTI性格与目标，再看它们在虚拟小镇生活成长；

2. 游戏评价体系单一，以金钱排名为唯一衡量标准，导致玩家优化策略趋向"剥夺人性"——不睡觉不休息只赚钱，打造冷血工具人；

3. 顶尖玩家发现，通过挖矿积累初始资金、升级房子后制造芯片，可实现每天67680金币的被动收入，远超读书、休闲等生活方式的收益。

七、 GLM-4.5工具调用超越Claude Opus 4.1，成本仅1.4%

1. 智谱开源的GLM-4.5在伯克利工具调用排行榜上超越Claude Opus 4.1，运行相同任务的成本仅为对手的1.4%；

2. 该模型使用MoE架构，在涵盖六大开发领域、52个实际编程任务的CC-Bench评测体系中表现强劲，尤其在任务完成效果和工具调用可靠性方面；

3. GLM-4.5不仅推理速度比Opus 4.1快3倍、比GPT-5快5倍，已接入Claude Code、Cline、Gemini CLI等多款主流编程工具，价格仅为Claude的1/7。