中兴通讯在上海世界移动通信大会推出 AI 智屏 2.0，搭载 4TOPS 算力 AI 芯片、云台摄像头及 433MHz 无线技术，采用电子相框一体化造型与 10.1 英寸全贴合屏幕，支持“小兴小兴”语音助手。通过 360° 红外和 433MHz 无线可语音控制电视、空调等传统家电，集成温湿度与光线传感器实现场景化控制。覆盖智能管家、康养伙伴（多模态 AI 识别）、伴学搭子（AI 家庭教师/扫描同传）、生活助手（智能订票/点外卖）、用网卫士五大场景。
乐奇Rokid在6月26日的Rokid Open Day 2026大会上宣布与微信合作，全球首发AI眼镜微信扫一扫功能。用户佩戴眼镜看向微信收款码，即可一句话完成微信支付。Rokid眼镜此前已支持支付宝AI付，成为唯一适配支付宝、微信支付双平台的AI眼镜品牌。此外，眼镜还支持导航信息显示、解锁共享单车、支付停车费等。同时与高德地图合作推出AI打车智能出行助手，支持一句话打车。
法国 AI 初创公司 Mistral AI 于本月 23 日发布文档内容识别模型 OCR 4，支持横跨 10 个语族的 170 种语言，在 OmniDocBench 上获 93.07 分，输出较 GPT 5.5 Pro、Gemini 3.1 Pro Preview 等更受人类青睐。该模型为小型聚焦模型，输出文本并提供边框、区域分类和置信度评分，支持 RAG 语义分块等下游工作负载。基础 API 定价每千页 4 美元，批处理享 50% 优惠；文档人工智能定价每千页 5 美元。
PixVerse@PixVerse_AI 评分6565Seedance 2.0 现已在 PixVerse 上支持原生 4K 难点不在于分辨率，而在于快速运动中保持细节清晰。 看看巨龙掠过海面时，鳞片和水花是如何保持清晰的。
Artificial Analysis@ArtificialAnlysAI 评分6868
Google AI Developers@googleaidevs精选AI 评分7373推荐理由：Computer Use 从浏览器扩展到移动和桌面，Google 正式把 agent 战场拉到全部界面。安全策略的加入说明不是 demo，而是认真考虑落地。
两位前 xAI 员工估计，Grok AI 超过一半流量用于色情图片、视频、角色扮演聊天等成人内容，甚至代码模型也频繁收到此类请求。xAI 正扩展 Grok 的图像和视频生成能力，填补 OpenAI、Anthropic、Google 回避的领域。据 SpaceX IPO 文件，2026 年第一季度 Grok 每月生成 100 亿张图片和 20 亿个视频。今年早些时候，X 用户持续数周生成真实人物色情图片，xAI 知情后仅在监管压力下才行动。此事令一些研究人员感到尴尬。目前所有联合创始人已离职，公司正将 GPU 资源出租给 Anthropic。
百度于6月22日开源 Unlimited OCR 模型，总参数量30亿，推理时仅激活5亿。模型延续 DeepSeek OCR 架构，编码端采用两级视觉编码并执行16倍 token 压缩，将1024×1024 PDF 图像压缩为256个视觉 token，缓解长文档解析越生成越慢问题。训练基于 DeepSeek OCR 检查点，冻结 DeepEncoder 后继续4000步，使用约200万份文档在8×16 A800 GPU上完成，单页与多页数据配比约9:1。在 OmniDocBench v1.5 上整体得分93.23（DeepSeek OCR 87.01，DeepSeek OCR 2 89.17），文本编辑距离0.038，公式 CDM 92.61，表格 TEDS 90.93，读序编辑距离0.045；v1.6 得分93.92。GitHub 已获 6.8K Star。
JoyAI APP 上线「欢乐足球季」主题活动，用户上传一张人像照片即可生成沉浸式赛场动态视频，支持肢体动作拟合、环境动态渲染与专业运镜。活动提供近 20 款视频模板，覆盖看台抓拍、进球庆祝、足球手势舞等玩法，并同步上线近 50 款足球主题聊球智能体。上线首周互动量日均增长率超 158%。
推荐理由：模板覆盖看台、进球、手势舞等场景，无需编辑技能即可产出氛围感短片，对丰富观赛社交内容有直接帮助。
百度推出Unlimited OCR，一个3B参数的MoE模型，推理时仅激活500M参数。其核心创新Reference Sliding Window Attention（R-SWA）将KV缓存大小固定为Lm + n（n默认128），内存和延迟不随输出长度增长。模型基于DeepSeek OCR继续训练4000步，支持32K最大长度，通过DeepEncoder实现16倍token压缩。在OmniDocBench v1.5上整体得分93.23，超出DeepSeek OCR基线6.22分；v1.6得分93.92为最高。Base模式下吞吐达5580 TPS，比DeepSeek OCR提升12.7%，6000 token输出时延迟低35%。适用于整本书转录等场景，代码与权重已在HuggingFace开源。
推荐理由：Baidu这个OCR模型用R-SWA把KV缓存压成常量，长文档解析终于不用越跑越慢了。MIT开源，3B总参但推理只消500M，做文档管线的可以直接接。
谷歌升级 Gemini 3.5 Flash 模型，原生引入“Computer Use”工具，并搭配 Chrome 149 浏览器增强 AI 交互。Chrome 新增“Select from screen”功能，用户可框选屏幕上的图片或文字，直接送入 Gemini 提示词，获得针对性 AI 交互，例如在鞋类网站选中多双运动鞋询问适合的跑步风格。该功能类似 Google Lens，但由对话式 AI 处理。Computer Use 工具使 AI 智能体能在网页、桌面、移动端执行访问网站、填写表单、点击按钮等复杂任务。
iOS 27 引入独立 Siri 应用，采用聊天机器人风格，用户可在文本框输入发起 AI 聊天，支持上传图片和文件附件、查看历史对话。该应用默认调用 Siri AI，用户需长按输入框并点击“Ask…”按钮，在弹出的选择窗口中手动切换至 ChatGPT。目前仅支持 Siri AI 和 ChatGPT 两个选项，且关闭并重新打开应用后选择会回到 Siri，设置中暂不支持永久将 ChatGPT 设为默认模型。
6月25日，交通运输部等五部门印发《“人工智能+交通运输”典型应用场景创新行动方案》。方案提出开展智能驾驶“端到端”大模型研发与测试，面向公路货运、园区运输等场景推进智能测评技术研发与虚实结合测试场建设。依托公路感知设施，利用多模态大模型提升路网全要素感知，开展交通流态势推演与疏导策略自动生成。鼓励采用视觉大模型、智能机器人实现基础设施智能巡检，推动智能列车与运行控制系统研发，探索公路自由流收费“无感通行”新模式。
人工智能芯片公司凌川科技近日完成数亿元A+轮融资，由啟赋资本领投，新国都、金浦投资、朝晖资本、百度风投等参与。该公司由快手集团与北京市人工智能基金联合发起，前身为快手异构计算与芯片事业部，自研SL200视频智能SOC芯片已在快手部署数万颗、服务7亿用户。其采用全国产3D堆叠技术的下一代芯片已于4月完成流片，针对散热、一致性、可靠性等关键问题做了设计，是韬（τ）定律面向互联网数据中心应用的具体呈现。
市场调查机构CounterPoint Research报告显示，2026年第一季度全球智能眼镜出货量同比增长83%。其中VR眼镜出货量同比下降17%，AR眼镜同比增长136%，无显示智能眼镜同比增长210%。AR眼镜领域，Birdbath/平面棱镜方案份额从82%降至58%，波导方案从18%升至42%。Birdbath市场中RayNeo以41%份额领先，VITURE以34%紧随其后。波导AR市场中Rokid以41%居首，Meta占38%。无显示智能眼镜方面，Meta全球份额升至接近84%。中国市场由小米（含米家）和阿里巴巴引领。
Gradium 发布两款实时语音翻译模型：stt-translate（语音转文本）和 s2s-translate（语音转语音）。两者覆盖英语、法语、德语、西班牙语、葡萄牙语共 5 种语言、20 个语言对，将转录和翻译合并为一步，传统 3 模型级联缩减为 2 模型。stt-translate 在 BLEU 和 MetricX 指标上领先 gemini-3.5-live-translate，BLEU 领先 gpt-realtime-translate，MetricX 可比。s2s-translate 平均延迟 3.0s，优于 gpt-realtime-translate（3.6s），略逊于 gemini-3.5-live-translate（2.9s）。支持从目录选择输出语音或克隆自己的声音，通过单条双工 WebSocket 传输。
Google DeepMind 宣布，computer use 现作为内置工具集成于 Gemini 3.5 Flash，开发者可构建跨浏览器、移动端和桌面的智能体，实现视觉感知、推理与操作。此前该功能仅以独立模型形式存在于 Gemini 2.5。3.5 Flash 已支持函数调用及 Search、Maps 等内置工具，新增的 computer use 可提升持续软件测试和跨专业应用知识工作等长周期企业自动化任务的性能。安全方面采用针对性对抗训练，并可选配两项企业防护系统：要求用户确认敏感操作，以及在检测到间接 prompt 注入时自动停止任务。可通过 Gemini API 和 Gemini Enterprise Agent Platform 使用。
推荐理由：把 computer use 能力塞进轻量级的 Flash 模型，意味着在浏览器里跑视觉 agent 的成本会大幅降低，做企业自动化的团队可以立即试起来，安全措施也给了落地信心。
Rohan Paul@rohanpaul_aiAI 评分6464🎨 Introducing Genspark Design The next-gen AI for design and creation, powered by Claude Opus 4.7. From rough idea to professional design, no design background needed. - One tool for everything you design. UI prototypes, videos, HTML animations, posters — all in one place and production-ready. - Stay on-brand with your own design system. Upload your Figma files or save your designs, reuse them across every project, and share them with your team. - Ship it, don't just mock it. Turn any app or website design into working code with one click, built on Genspark Code. Start building at our launch price 👉 https://www.genspark.ai/agents?type=design
Mistral AI 推出 OCR 4 模型，专用于从 PDF、Word 文件和 PowerPoint 演示文稿等文档中提取文本。据公司称，该模型在盲测中有 72% 的测试案例表现优于竞争对手。
OpenBMB@OpenBMB精选AI 评分6565📸 MiniCPM-V 4.6 —— 2B 参数以下最强的视觉模型之一 —— 现在通过 Apple Core AI 在 iPhone 17 Pro 上以约 51 tok/s 运行。 🤗 http://huggingface.co/mlboydaisuke/MiniCPM-V-4.6-CoreAI 🛠️ http://github.com/john-rocky/coreai-model-zoo
推荐理由：社区把 MiniCPM-V 4.6 搬上 iPhone 17 Pro，跑出 51 tok/s，还给了代码和模型，做端侧多模态的可以直接跑起来了。
Baidu Inc.@Baidu_IncAI 评分5959百度发布了 Unlimited-OCR，推荐通过这个演示体验。
Baidu just released Unlimited-OCR
6月23日，部分用户反馈 ChatGPT 网页版和 App 版上线了双向 AI 语音模型 Bidi 1，位于设置模型选择器中，与标准语音和高级语音并列。该模型支持边说话边监听，用户可在对话中途打断并发出新指令，例如要求从1数到10时中途喊停倒数，模型会立即切换执行。OpenAI 尚未官宣，预计本周启动更大范围测试。
推荐理由：Bidi 1 让 ChatGPT 语音从回合制变成双向并行，打断后能立即响应，这是语音交互真正的升维，普通人很快就能感受到对话自然感的质变。
火山引擎昨日发布豆包音频生成模型 1.0（Doubao-Seed-Audio 1.0），首次支持文本、音频等多模态参考生成，端到端输出目标音频，长时生成中保持多角色音色一致性。用户可通过单条 Prompt 编排角色对白、情绪语气、背景音乐、环境氛围，直接产出成片级音频。模型一次支持 2 分钟音频创作，可多次延长且保持音色统一；实现零样本多模态生成，支持音色与风格解耦控制。火山方舟已开启 API 邀测，个人用户可免费体验 30 分钟创作额度。该模型即将上线剪映、即梦、番茄等产品。
inclusionAI 在 HuggingFace 发布 SingGuard 系列模型，首个版本为 SingGuard-0.8b。该模型将安全策略作为运行时输入而非训练时固定分类，支持文本、图像、图文、多语言、查询侧和响应侧六类场景的安全评估。SingGuard 采用动态推理流程，支持快速首 token 路由输出即时安全信号，并在需要深度推理时继续生成更精确的判断。在涵盖多模态安全、图像安全、文本查询安全、文本响应安全、多语言查询安全和多语言响应安全的六类基准测试中，SingGuard 取得平均 SOTA 性能。模型原生兼容 Transformers 和 vLLM 的 chat 消息输入格式。
推荐理由：蚂蚁这个 SingGuard 把安全策略从固定的分类器变成运行时动态输入，对出海应用的合规审核有实际价值，尤其是多模态场景，我觉得能省掉很多重训成本。
豆包专业版基于豆包2.1系列大模型上线，面向复杂办公与生产力场景。办公任务模式接入可执行Agent任务的豆包2.1模型，支持操作本地电脑、浏览器、调用Skills技能、定时任务，内置Office办公套件，并可生成带后端数据库的在线应用。免费用户可体验豆包2.1 Turbo版办公任务模式，专业版接入豆包2.1 Pro模型。定价：标准套餐68元/月（连续包月），加强套餐200元/月，高级套餐500元/月。大学生认证后标准套餐38元/月，持续6个月。
推荐理由：豆包专业版不是简单的会员升级，而是把Agent能力装进办公场景，操作本地电脑、生成应用这些功能，让AI从对话工具变成了真正的生产力帮手。
Mistral AI 今日发布 OCR 4，支持 170 种语言，可单容器自托管部署。新版本除提取文本外，还返回边界框、块类型（标题/表格/方程等）和逐字置信度分数。独立标注者在 600+ 文档、12+ 语言的测试中平均胜率 72%。价格 $4/千页，批量 $2/千页，Document AI 模式 $5/千页。企业客户可自托管。Rogo 报告等效精度下成本低约 8 倍、延迟低 17 倍；Anaqua 测得每页快约 4 倍。OCR 4 同时作为 Mistral Search Toolkit（公开预览）的接入组件。
扎克伯格在访谈中表示，Meta 智能眼镜的难点不在堆砌 AI 功能，而在于做出人们愿意日常佩戴的产品，需在外观、舒适度和功能体验间取得平衡。本周二 Meta 推出全新系列智能眼镜，起售价 299 美元（约 2029 元），低于入门款雷朋智能眼镜，由依视路陆逊梯卡联合开发但不搭载其品牌标识。扎克伯格认为未来可穿戴设备必须与时尚融合，要让人戴出去有面子且佩戴舒适，并对比 Snap 新款 AI 眼镜因高价笨重遭吐槽。
Google Home 将从 6 月 23 日起更新面部识别功能：当人脸不清晰时，可通过“非生物识别信号（体型、衣服颜色等）”继续识别已在 Familiar Faces 库中标记的人。该库还将自动更新家庭成员的最新照片。AI 生成的事件描述新增识别特定声音（狗叫、警报、脚步声）的能力，即使声音来自摄像头外。同步发布的 Google Home 应用 4.20 版加入了 Nest 恒温器检测到的 HVAC 系统健康警报，并改进了 Matter 开关支持。
Datalab 推出 9B 参数开放权重视觉模型 lift，用于结构化提取。输入 JSON Schema，返回匹配的 JSON 对象，可直接读取 PDF 和图像，支持多页文档一次性处理并跨页取值。提供本地（HuggingFace）和远程（vLLM）两种推理模式，后者推荐用于生产。代码采用 Apache 2.0，权重使用修改版 OpenRAIL-M。在 225 份文档基准上 field accuracy 达 90.2%，中位延迟 9.5 秒/文档。核心机制为 schema-constrained decoding，逐 token 约束输出结构但不保证语义正确；每个字段允许 null 以实现模型放弃。不支持 enum、anyOf/oneOf、$ref、additionalProperties 等结构。
Mistral 发布 OCR 4，在提取文本外返回边界框、类型化块分类和逐词置信度分数，支持 170 种语言，可单容器自托管部署。
推荐理由：官方发布了 OCR 4 的结构化输出能力、基准结果与定价，读者可据此评估其在 RAG 和文档处理流程中的适用性。
Meta 首次以自有品牌推出三款智能眼镜：Adventurer、Fury 及与凯莉·詹娜合作的 Starfire。Adventurer 和 Fury 售价 299 美元，Starfire 售价 399 美元，均比去年雷朋 Meta Wayfarer 便宜 80 美元。眼镜由 Meta 设计、依视路陆逊梯卡生产，内置摄像头、扬声器，支持与 Meta AI 对话、翻译及拍摄，预装最新 AI 模型 Muse Spark。鼻托三档可调，提供多种配色与镜片选项。Meta 透露未来可能推出无摄像头版本，并计划最终进入 AR 眼镜市场。
Mistral AI@MistralAIAI 评分5454Meta推出全新Meta Glasses系列，首批包括Meta Fury、Meta Adventurer及与Kylie Jenner联名的Meta Glasses by Kylie三款镜框，共七种颜色。新品起售价$299，比Ray-Ban Meta Gen 2便宜约$80，内部规格与后者相同但电池续航稍长。眼镜由EssilorLuxottica设计制造，支持-12到+2.25处方镜片并配备可调节鼻托与镜腿。Meta可穿戴设备副总裁Alex Himel表示将很快推出直接针对隐私问题的更新。
字节跳动在火山引擎FORCE大会上发布五款新AI模型。核心产品Seedance 2.5可生成单次30秒视频片段（无需后期拼接），支持场景变化与节奏切换，并同时处理多达50个额外输入（参考图、音频等），后期编辑可保持原有视觉风格。Seedance 2.0升级原生4K与10bit色深。其他模型包括Doubao 2.1 Pro语言模型、Seedream 5.0 Pro图像模型和Seed-Audio 1.0音频模型。据称Doubao 2.1 Pro价格比Claude Opus 4.6低约80%。Seedance 2.5将于7月初上线。
Baidu Inc.@Baidu_IncAI 评分7171We’re open-sourcing Unlimited OCR — built to read long documents in one pass. With 3B total parameters and only 500M activated, Unlimited OCR sets new end-to-end SOTA results on OmniDocBench v1.5 and v1.6. The key innovation is Reference Sliding Window Attention (R-SWA), inspired by how humans transcribe books: keeping the source, recent context, and next words in focus, while softly forgetting what’s no longer needed. With constant KV Cache size and lower attention cost, Unlimited OCR can transcribe 40+ pages in a single forward pass — without losing context or slowing down. Explore the model👇: --GitHub: https://github.com/baidu/Unlimited-OCR --Hugging Face: https://huggingface.co/baidu/Unlimited-OCR
火山引擎Force大会上发布豆包Seed 2.1 Pro，重点提升Agent、GUI操作和编程能力：OSWorld 78.8接近GPT-5.5的78.7，Terminal Bench 2.1达71.0；多模态视觉理解进步显著（CharXiv-RQ 85.4等）。支持原生音视频、图片、文本混合理解，256K上下文，可切换快慢思考。实测六项真实工作流（旧项目UI修复与Debug、世界杯主题网站、点球大战小游戏、绘本插画描述、DeepResearch报告、PPT生成）均在不依赖Skill下稳定跑通。适合作为Agent执行层模型。
比亚迪腾势超级智能体“迪迪虾”基于整车智能体系，采用活人逻辑，支持根据用户需求操控车辆、理解和执行多步骤复杂指令，并打通手机生态。该智能体将登陆腾势N8L闪充版，该车今晚19:30发布上市，预售价35-40万元，标配第二代刀片电池，插混闪充版纯电续航430km（同级第一），自称“5分钟充好，9分钟充饱”“零下30度，只多3分钟”。新车全球首搭新一代AI智能座舱，配备天神之眼5.0辅助驾驶系统。
