JoyAI App上线UGC数字人功能，一张照片即可“捏”出专属虚拟玩伴
JoyAI App正式上线UGC数字人功能，用户上传一张照片即可生成高度还原的写实数字分身，或搭配模板重塑为卡通形象，并支持复刻音色。该功能复用“万能博士”技术底座，实现全双工对话能力，可随时打断、自然接话，同时提供点外卖、金融咨询等生活服务。
推荐理由：照片生成数字人并不新鲜，但把全双工对话和京东生活服务（点外卖、金融咨询）集成进一个虚拟玩伴，让陪伴型智能体有了更直接的服务抓手。
#多模态
公众号：京东JoyAI精选AI 评分6565 IT之家·人工智能AI 评分5454 Claude Fable 5 在 RLI 基准测试中达成 16.1% 自动化率，刷新纪录
AI 安全中心（CAIS）于 7 月 1 日更新远程劳动指数（RLI），Claude Fable 5 模型自动化率达 16.1%，创下新高。此前最高为 Opus 4.6（基于 Claude Cowork 框架）的 4.17%。RLI 自 2025 年 10 月底上线时的 2.5% 起步，8 个月内跃升至 16.1%。测试涵盖 3D/CAD、平面设计、视频动画、音频制作等真实远程自由职业项目，由人工评审员对照人类专业标准评判。Fable 5 在珠宝设计、2D 动画广告、建筑平面图等项目上有所改善，但与人工产品仍有差距。
IT之家·人工智能AI 评分4848 三星首款 AI 眼镜 Galaxy Glasses 爆料：1200 万摄像头、光致变色镜片
三星首款 AI 眼镜 Galaxy Glasses 渲染视频曝光，外观接近 Meta Ray-Ban，采用简约镜框与厚镜腿设计。该眼镜运行谷歌 Android XR 系统，深度集成 Gemini AI，核心功能包括免提拍照、录像、语音问答、实时翻译、音乐播放和导航。硬件规格方面，预计搭载一颗 12MP 摄像头、内置麦克风与扬声器，并支持触控操作；光致变色镜片可随环境光线自动调节，兼顾不同使用场景。
MarkTechPostAI 评分6363 RAG-Anything 教程：在 Colab 中构建文本、表格、公式和图像的多模态检索管道
本教程使用 RAG-Anything 搭建多模态检索工作流，可检索文本、表格、公式和图像。首先在 Colab 中安装依赖并修复 Pillow 版本，通过 OpenAI API key 配置对话、视觉和嵌入函数。接着生成包含图表和 PDF 的合成多模态报告，将其转为 content_list 格式并插入检索系统。最后配置并测试 naive、local、global 和 hybrid 四种检索模式。环境变量包括 CHUNK_SIZE=900、CHUNK_OVERLAP_SIZE=120，便于在笔记本中复现。
TechCrunch：AIAI 评分6161 Meta悄然推出vibe-coded游戏应用Pocket
Meta推出新应用Pocket，用户可通过AI提示词生成小型互动游戏和应用。该应用源自Meta今年早些时候收购的vibe-coding游戏平台Gizmo团队，界面与Gizmo原有应用高度相似，并提供可浏览他人作品的发现信息流。Pocket于6月29日上线App Store和Google Play，目前处于初期实验阶段，Meta尚未正式宣布。其前身Gizmo在iOS和Google Play累计安装63.5万次，正面评价占比98%。
Apple Machine Learning Research精选AI 评分6262 RL微调VLM的鲁棒性与思维链一致性研究
强化学习（RL）微调被扩展至视觉语言模型（VLM）。研究发现，简单的文本扰动——误导性标题或错误思维链（CoT）——会显著降低模型鲁棒性和置信度，且开源模型衰退更明显。闭源模型呈现类似失败模式，但鲁棒性和推理一致性更强。进一步分析揭示准确性与忠实性的权衡：微调提升基准准确率，但同时侵蚀CoT的可靠性及对上下文变化的鲁棒性；对抗性增强可改善鲁棒性，却无法阻止忠实性漂移。引入忠实性感知奖励能恢复答案与推理的对齐，但与增强结合时训练易崩溃到捷径策略。这些发现强调需联合关注正确性、鲁棒性与视觉推理的忠实性。
推荐理由：RL微调让VLM基准分变好看，却可能让它的推理链变得靠不住，这个反直觉的诊断对正在用RL打磨多模态模型的团队是个警醒。
公众号：可灵AIAI 评分4949 可灵AI广告斩获戛纳金狮：两部作品获1银2铜
戛纳国际创意节今年首设AI Craft子赛道，两部使用可灵AI生成的广告获奖：《L'Ultimo Uomo Reale》获Classic单元Film银奖及Craft单元Film铜奖，《Lorem Ipsum》获Classic单元Film铜奖。前者为二手奢侈品平台The RealReal的愚人节广告，几乎全由AI生成，仅手提包为实拍，展现人物一致性和复杂视觉奇观；后者由Purga Films制作，全片角色用拉丁文假文对话，风格迥异但情绪推进精准。两部作品标志可灵已产出商业交付级广告，获全球最高级别广告创意殿堂认可。
公众号：可灵AI精选AI 评分7171 戛纳金狮首设AI子赛道：可灵制作斩获1银2铜，它们为何打动评委？
戛纳国际创意节今年首次设立AI Craft子赛道，两部使用可灵AI生成的广告作品获奖：《L'Ultimo Uomo Reale》拿下Classic单元Film银奖及Craft单元Film Craft铜奖，《Lorem Ipsum》获得Classic单元Film铜奖。
推荐理由：《L’Ultimo Uomo Reale》和《Lorem Ipsum》用可灵完成从人物表演到视觉奇观的全部画面，戛纳金狮的认可使AI视频生成进入商业交付级评价体系，广告公司的「技术已就绪」主张因此有了第三方权威参考。
公众号：昆仑万维AI 评分5656 天工AI业务ARR突破8亿美元，向中国首个非BAT 10亿美元ARR的AI公司迈进
昆仑万维宣布，旗下天工AI在2026年第二季度实现AI Native模型与产品业务年度经常性收入（ARR）超过8亿美元，其中AI短剧平台业务ARR超7亿美元，AI工具业务ARR突破1亿美元。短剧平台DramaWave完成AI原生化转型，超80%新增发布内容由AI生成。天工AI核心业务连续多个季度保持双位数QoQ增长，有望率先实现中国AI产业首个“BAT之外10亿美元ARR”里程碑。
IT之家·人工智能AI 评分4242 华为联合上海电信落地 5G-A×AI 大上行样板点：实测峰值速率 1Gbps，中心城区年底实现 20Mbps 上行连续覆盖
华为与上海电信在上海西岸美术馆打造5G‑A×AI大上行样板点，依托全国首张5G‑A×AI大上行商用网络，实测上行峰值1Gbps、下行近4Gbps。当前核心城区热门商圈已实现泛在20Mbps上行连续覆盖，预计年底覆盖整个中心城区。现场以AI眼镜等终端演示多模态交互，2.1GHz 8T8R网络较1.8GHz 4T4R响应更快无卡顿，上行覆盖提升3‑5dB，容量翻倍。GSMA于2026年3月发布“大上行网络倡议”，提出泛在20Mbps、峰值1Gbps等核心指标。
Google Blog：AIAI 评分4343 Google 2026年6月AI更新汇总
Google在6月发布多项AI更新：推出Gemini 3.5 Live Translate实时语音翻译；
Runway：NewsAI 评分4848 Runway 宣布与 Bertelsmann 达成创意合作
Runway 宣布与 Bertelsmann 建立创意合作伙伴关系。双方将在创意内容领域展开合作，具体合作细节尚未披露。
MiniMax (official)@MiniMax_AIAI 评分4545引用Olive Song@olive_jy_songBackstage and onstage with @Thom_Wolf and @swyx . I really enjoyed the fireside chat! Thanks for having me back at @aiDotEngineer! And always proud to be part of these conversations to share our work on sparse attention and native multimodality trained from the start, and why we believe open weights matter.
The Verge：AIAI 评分5050 Google NotebookLM 新增 TikTok 风格竖屏视频摘要功能
Google NotebookLM 近日为 AI Ultra 和 Pro 订阅用户推出新功能：可基于用户上传的源文件自动生成 60 秒竖屏 AI 视频，并配上 AI 生成图像和旁白。官方示例以纸片剪贴画风格回顾澳大利亚对鸸鹋的战争。用户可在 NotebookLM 网页或 App 的 Studio 栏中选择“Video”→“Short”，指定或自定义主题后点击生成。此前 NotebookLM 已支持 AI 播客、电影风格视频和视觉解释器。该功能目前仅支持英语，免费用户将很快可用。
Artificial Analysis@ArtificialAnlysAI 评分6868
The Decoder：AI NewsAI 评分5959 Google 发布 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google 推出两款新生成式 AI 模型。Nano Banana 2 Lite 可在 4 秒内生成图像，每张成本 0.034 美元（1K 分辨率），API 名称为 `gemini-3.1-flash-lite-image`。Gemini Omni Flash 允许开发者通过文本提示在 API 中生成和编辑最长 10 秒的视频，每秒输出价格 0.10 美元。Google 推荐将两个模型链式使用：先用 Nano Banana 2 Lite 生成图像，再传递给 Gemini Omni Flash 转化为视频。两者均使用 SynthID 水印，已通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 提供。
Rohan Paul@rohanpaul_aiAI 评分7272引用Logan Kilpatrick@OfficialLoganKIntroducing Nano Banana 2 Lite 🍌 and Gemini Omni Flash 🔮, our new generative media models in the Gemini API and AI Studio! Nano Banana 2 Lite is extremely fast (<4s image) & cheap ($0.034 / 1K image). Omni Flash is SOTA at video editing at $0.10 / sec, same as Veo 3.1 Fast!
- MiniMax (official)@MiniMax_AIAI 评分6565引用Zach Mueller@TheZachMueller
New model card up, @MiniMax_AI M3! (Working through the Colorado backlog) At 400B+ parameters, using the unquantized weights ends up needing a full HGX B200 (and I don't believe we can run the MXFP4 on hopper) Nice addition (on top of performance) is the multi-modality 😍
Google AI Developers@googleaidevsAI 评分6161
Google DeepMind：Blog精选AI 评分7070 Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为 Nano Banana 系列速度最快、成本最低的图像模型，文本到图像输出仅需 4 秒，每 1K 分辨率图像成本 $0.034，已上线 Google AI Studio、Gemini API 及消费者产品（AI Mode in Search、Gemini app 等）。同时推出 Gemini Omni Flash（gemini-omni-flash-preview），支持高画质视频生成与对话式编辑，视频输出定价 $0.10/秒，面向开发者开放 API。
推荐理由：Nano Banana 2 Lite 把图像生成拉到 4 秒延迟和 0.034 美元单价，很适合高频草稿流，Omni Flash 首次对开发者开放视频生成和对话编辑，两个模型串起来的快速迭代工作流是这次最实用的更新。
IT之家·人工智能AI 评分4444 华为“博观文旅大模型”在西安规模应用
2026年6月29日，华为与陕文投联合开发的全球首个商用多模态文旅大模型“博观文旅大模型”在西安实现规模化应用。截至今年3月，其AI伴游智能体已覆盖超400万用户，非遗数字IP衍生产品销售额超200万元。该模型依托昇腾算力底座及超1.2PB数据集（含3100万张文旅图片等），支持高精度多模态历史内容生成，实现文物活化与非遗IP开发。同期，中国电信陕西公司与华为在大唐不夜城部署5G-A网络，上下行峰值速率分别达600Mbps和3.5Gbps，五一假期支持约2.3万用户同时接入。
ByteByteGoAI 评分4343 Thinking Machines 提出“交互模型”概念，突破单线程对话架构
Thinking Machines 认为当前基于单线程大语言模型的实时对话架构存在天花板，模型只能在用户输入完成后感知，生成时感知冻结。该实验室提出“交互模型”概念，主张让模型能感知语音语调、面部表情和实时打断等连续协作信号，旨在将 AI 从“提示-等待”模式转向更接近人类间实时、可中断的协作。
TechCrunch：AIAI 评分4444 Riverside 推出新闻通讯功能，支持 AI 转换播客视频为内容
视频与播客录制工具 Riverside 新增新闻通讯发布功能，用户可通过 AI 助手将已有视频和播客内容自动转换为新闻通讯，也可在应用内从头创建并直接发送。Riverside 同时更新录制套件，支持多机位录制和远程嘉宾添加。新版 AI 功能还包括自动生成录制初稿、为社交媒体创建钩子与内容，以及基于对话视频播客训练的 AI 视频增强功能，可改善光线、深度和锐度。Riverside 已累计融资超 6000 万美元。
TechCrunch：AIAI 评分4040 Proton 旗下隐私优先 AI 聊天机器人 Lumo 迎来升级
Lumo 2.0 新增图像识别和图像生成能力，用户可上传图片进行分析或编辑。Projects 功能新增用户控制的持久记忆，可跨对话保留偏好。响应速度比上一代提升 76%，并引入思考模式处理复杂问题。采用零访问加密架构，数据端到端加密，服务器不记录会话日志，不使用用户数据训练或与第三方共享。即日起可用，提供免费版及 Plus、Professional 付费方案。
OpenBMB@OpenBMBAI 评分5454引用Hugging Models@HuggingModelsImagine a lightweight AI that can read images AND chat with you. That's MiniCPM-V-4.6. It's a multimodal model that understands both text and visuals, perfect for on-device use. No heavy cloud needed.
TechCrunch：AIAI 评分6363 Gemini 个性化 AI 图片生成功能对美国用户免费开放
Google 宣布，Gemini 应用的 Nano Banana 驱动个性化图片生成功能向所有符合条件的美国用户免费开放，此前仅限 Plus、Pro 和 Ultra 订阅用户。该功能基于 Gemini 对用户喜好的理解生成图片，无需在提示词中指定具体内容，并可从 Google Photos 提取用户照片。数据来自 Gmail、Google Photos、YouTube 和 Search 等 Google 账户连接。Personal Intelligence 为可选功能，默认用于每个提示，用户可在 Tools 菜单中关闭。上个月 Google 预告了 Gemini 应用的后续更新，包括 Daily Brief、改版界面、AI 视频模型 Gemini Omni 和个人 AI 智能体 Gemini Spark。Gemini 月活跃用户已超 7.5 亿。
The Verge：AIAI 评分5353 Tidal 不会支付AI生成音乐的版税，但并未完全禁止
流媒体平台 Tidal 今日公布 AI 音乐新政策：即日起，被识别为 100% AI 生成的曲目不再获得版税收入；7 月 15 日起，这些曲目将被加上专用图标标注。Tidal 表示未来计划对“实质性 AI 生成”的上传也加注标签，并要求内容分发商自行标注 AI 音乐。同时，7 月中旬起，Tidal 将移除或阻止与欺诈活动关联的 AI 音乐，包括欺骗听众、干扰真实艺术家、高批量上传或异常流媒体行为的作品。竞争对手 Spotify 和 Deezer 此前已推出类似方案。
Google Research：Blog精选AI 评分6161 Google Research 将建筑屋顶反射率数据集扩展至全球 50+ 城市
Google Research 发布扩展的建筑屋顶反射率数据集，覆盖全球 50 多个城市，旨在帮助城市规划者优先部署冷屋顶方案以缓解极端高温。该数据集融合 Sentinel-2 卫星数据与 30 厘米分辨率的 Airbus Pléiades Neo 卫星图像生成，可通过新的高分辨率 Heat Resilience Earth Engine App 开放获取。相关方法论发表于《Nature Communications》。此前 2024 年的试点已覆盖 14 个城市，其数据曾指导制定冷屋顶条例与适应计划。
推荐理由：谷歌把屋顶反照率数据的精度做到30厘米，覆盖50+城市，还给了免费App，城市防暑从模糊规划变成可量化的工程，做气候韧性的人可以直接拿这个数据做方案，虽然只是特定领域应用，但AI落地真实场景的路径值得参考。
AI at Meta@AIatMeta精选AI 评分7979
推荐理由：Meta把非侵入脑解码从字符级推到语义级，Nature论文背书，我认真觉得这比任何benchmark刷分都有意义，给失语人群的希望比聊天机器人更值得关注。
IT之家·人工智能AI 评分5555 创作者自制 AI 动画被搬运至优酷收费观看，相关剧集已下架
据《正在新闻》报道，舒先生制作的 AI 动画被搬运至优酷平台，剧集《小企鹅咕嘎冒险记》更新至29集，最新一集来自舒先生5月1日发布的作品。前4集免费，后续需VIP。舒先生称动画由AI生成并剪辑，未在任何平台备案，也不清楚备案号来源。优酷客服表示该剧是站内官方少儿节目，非私人上传，但无法查询备案号，侵权问题需通过知识产权投诉平台处理。目前该剧集已无法在优酷搜索到，从搜索引擎进入会提示“版权受限暂无可播源”。
IT之家·人工智能AI 评分5555 抖音反诈工具“验证助手”新增识图与语音功能，方便老年用户鉴别诈骗
抖音反诈工具“验证助手”今日升级，新增语音输入和图片文本提取功能。验证框由多分类统一为单一输入框，系统通过意图识别模型自动判断信息类型并完成验证。老年人可上传可疑截图圈选文字区域，或语音描述短信、电话等内容，系统自动识别填入。截至目前，验证助手已累计服务超2800万人次，日均帮助约4万名用户鉴别风险。
IT之家·人工智能AI 评分6262 做视频不花钱、一句话搞定大纲分镜，Agnes AI推全新免费视频创作平台Pavo
新加坡公司Sapiens AI旗下Agnes AI推出免费视频创作平台Pavo。用户提供一句话初始需求，平台自动生成需求、大纲、角色场景道具设计、分镜、关键帧及分镜视频，用户逐环节微调确认即可成片。Pavo免费使用Agnes自研模型，包括文本模型Agnes-2.0-Flash、图片模型Agnes-Image-2.1-Flash、视频模型Agnes-Video-2.0。即将上线的Agnes-Video-2.5-Preview在动作、角色、相机移动和场景连贯性上接近Veo 3。
The Verge：AIAI 评分6161 Suno推出Spark孵化器项目，为AI模型喂养独立艺术家
Suno近日推出Spark孵化器项目，面向未签约的独立歌手、词曲作者和制作人，提供资助、导师指导和营销支持。参与艺术家需同意将作品在Suno上开放remix，授予Suno广泛许可（含创作衍生作品），同时放弃陪审团审判和集体诉讼权利，并给予Suno有限独家权。项目还包含“Good Vibes Only”保密及不贬损条款，要求参与者推广Suno，不得发表任何负面言论，否则将被移除资格。目前Suno正面临独立艺术家提起的集体诉讼。
Meta AI：Blog精选AI 评分7070 Brain2Qwerty v2：Meta 发布无需手术的脑波解码文本新方法
Meta 发布 Brain2Qwerty v2，一种无需手术植入即可从非侵入性脑记录中实时解码句子的端到端 AI 管线，词准确率达 61%，最佳参与者达 78%，远超其他非侵入方法 8% 的水平。研究基于 9 名志愿者各 10 小时的 MEG 数据训练，Meta 已开源 v1 和 v2 完整训练代码，合作方 BCBL 发布 v1 数据集。
推荐理由：Meta 的 Brain2Qwerty 展示了不用开颅就能把脑电波转成文字，对渐冻症患者和未来人机交互来说是个重要信号，但离产品化还有距离。
PixVerse@PixVerse_AI 评分5858从基本的灰色3D座舱模型到全速电影级圈速。 Seedance 2.0 使用3D通道锁定运动和相机移动，无需依赖文本提示即可提供精确、一致的结果。
IT之家·人工智能AI 评分5959 苹果 iOS 27 Beta 2 固件曝光：百度视觉搜索组件现身
iOS 27 Beta 2 固件代码显示新增 SearchPartnerInferenceProvider 组件，其本地化字符串明确提及“Baidu Visual Search”。该组件为第三方视觉搜索及 AI 服务商的基础设施，目前唯一指名的合作方为百度，未来可能按地区提供不同合作伙伴。本次更新还新增 SystemVoiceAssistant 应用，将 Polaris 音频框架独立为守护进程 polarisd，并新增 bluetoothaudiod 进程。固件包含超 4200 个 dylibs 更新、732 个 Mach-O 可执行文件更新及近 300 个 Kernel Extension 更新。
Google Gemini@GeminiAppAI 评分4747从用语音实时创建图像，到支持小企业的新方式，以下是本月 Gemini Drops 的内容 🧵
IT之家·人工智能AI 评分4848 Rokid AR 眼镜亮相：首搭骁龙至尊空间计算协处理器，空间 + AI 双摄
6月26日，Rokid在Rokid Open Day 2026上发布AR眼镜新品，采用空间+AI双摄设计，支持电致变色、6DoF自由度和58° FoV视野。搭载恒玄6nm旗舰芯片、5麦克风拾音及DSP数字音效引擎，首次配备高通骁龙至尊空间计算协处理器（3nm），算力远超Rokid AR Studio、Meta Quest Pro、Pico4等。官方还提及4D高斯泼溅能力，目标两三年内实现空间感知、空间重建与空间理解。