赛博·新闻

1、MiniMax连发多款AI新品

• Day 1/5：MiniMax-M1，全球首个开源大规模混合架构的推理模型

MiniMax推出的M1模型是全球首个开源的大规模混合架构推理模型，其在面向生产力的复杂场景（如软件工程、长上下文理解与工具使用）中表现卓越，能力超过国内闭源模型并接近海外领先模型，同时具备业内最高性价比。该模型支持高达100万Token的上下文输入（与Google Gemini 2.5 Pro持平）和8万Token的输出，核心创新包括独创的闪电注意力机制混合架构和CISPO强化学习算法（后者比DAPO等算法收敛速度快一倍），显著提升训练和推理效率（例如强化学习仅用512块H800三周，成本53.74万美金，算力消耗仅为DeepSeek R1的30%）。在17个评测集上，M1在长上下文任务中全球排名第二仅次于Gemini 2.5 Pro，在工具使用基准中超越Gemini 2.5 Pro，并在软件工程任务（如SWE-bench达到56.0%）中领先开源模型；模型权重开源（Hugging Face/GitHub），并在MiniMax平台提供不限量免费使用及业界最低价API（如输入0.8元/百万Token），践行普惠AI理念。

• Day 2/5：Hailuo 02，打破全球视频模型效果成本纪录

MiniMax推出的Hailuo 02视频模型通过创新的Noise-aware Compute Redistribution (NCR) 架构，在效果、成本和效率上实现了重大突破。该架构在同等参数量级下将训练和推理效率提升了2.5倍，使得模型能采用3倍于前代的参数量并利用4倍于前代的高质量多样化数据进行训练，从而在复杂指令遵循（如体操等高难度场景）和复杂物理表现（如极限运动效果）上达到当前全球最佳水平（SOTA），成为目前唯一能可靠生成此类内容的模型。得益于NCR架构的效率优势，Hailuo 02能在生成原生1080p视频的同时，提供业内最具竞争力的价格，显著降低了高质量AI视频创作的门槛和成本，真正践行了“Intelligence with Everyone”的普惠理念。该模型已在海螺视频平台全面上线，提供不同分辨率和时长的版本，并计划在生成速度、稳定性（抽卡率）、高阶功能等方面持续快速迭代，探索技术与艺术结合的上限。

• Day 3/5：MiniMax Agent，最大的智慧是“靠谱”

MiniMax推出的MiniMax Agent是一个旨在处理长程复杂任务（Long Horizon）的通用智能体，其核心优势在于如同“靠谱的人”一样能多步规划专家级解决方案、灵活拆解任务需求并可靠执行多个子任务以交付最终结果。该Agent已在公司内部广泛使用近两个月，覆盖超过50%员工日常需求，并展示了处理多种复杂场景的强大能力，例如生成带讨论材料或音频的教程、制作游戏、开发前端动画、甚至完成包含图文音视频的完整营销方案。为实现“靠谱”的标准，Agent强调编程能力（处理复杂逻辑、无Bug交付、重视UI/UX）、多模态理解与生成（支持长文本及音视频，内置生图、生音、生视频能力）、以及MCP扩展能力（集成常用工具如GitHub、Slack、Figma，增强上下文处理与任务覆盖）。

• Day 4/5：Hailuo Video Agent，Vibe Videoing 零门槛，成片直出

海螺视频推出Hailuo Video Agent视频创作智能体，旨在通过AI技术大幅降低高质量视频制作门槛，让创意普惠化。该智能体计划分三阶段发展：第一阶段提供基于模板的一键生成功能（当前开放的Beta版），用户仅需输入文字或图片描述（如景点名称、情侣照片、梦境描述或品牌名等），即可自动完成创意构思、分镜设计、素材生成、剪辑配音全流程，输出如名胜介绍片、恋爱纪录片、品牌广告等专业短片；第二阶段将支持半自定义编辑；第三阶段实现完全端到端的视频生成。为实现创意自由度与质量的平衡，其核心技术在于：摒弃传统节点式工具，利用LLM语言模型的工具调用能力，允许用户通过自然语言指令构建完整视频；整合涵盖构思、制作、剪辑、配音的全流程工具集，由Agent模型自动调度；严格筛选优质工具保障输出水准，并通过可视化Agent思维链让用户实时追踪创作过程，为后续自定义功能预留接口。该工具已能直出多种创意视频（如输入食物名生成餐厅主题短片、输入座驾名生成第一视角飙车视频），并计划于今夏开放第二阶段功能，目标是赋能所有人轻松创作优质视觉内容。

• Day 5/5：Voice Design，万般声韵，因你而生

MiniMax推出Voice Design音色设计功能，基于全球领先的Speech-02语音模型（Artificial Analysis榜单持续第一），实现通过自然语言描述精准定制个性化音色。该技术突破传统音色库通用性不足与复刻音色高门槛（需高质量素材且存版权风险）的限制，允许用户以文本指令自由组合“任意语言×任意口音×任意音色”，精准控制音频质量、发声方式、情感基调及人物画像等多维度参数，生成世界上不存在的独特音色（如严厉AI助手、悬疑播音员、哥布林嗓音等）。用户仅需输入描述（如“低沉带气声的女性ASMR主播”或“义正言辞的古代侠客”），模型即自动解析并生成对应音色编码，支持“音色抽卡”式多次尝试以获取理想效果，且可存储专属音色供后续创作。该功能已落地超30国，累计生成1.5亿小时语音，显著降低语音合成门槛，使细分场景音色定制与跨语言创作（含西班牙语、日语等）实现“所需即所得”，持续推动AI语音技术普惠化。

2、Kimi-Researcher 深度研究开启内测

6月20日晚，月之暗面开始内测Kimi-Researcher（深度研究），Kimi-Researcher（深度研究）是一款基于端到端自主强化学习（end-to-end agentic RL）技术训练的新型Agent模型，旨在通过零结构设计（无需预设流程或复杂提示词）实现深度研究任务的自主解决。其核心能力包括：自主规划任务流程（平均23步推理）、主动搜索高质量信息（筛选3.2%有效内容）、调用工具处理数据，最终交付万字可溯源报告及交互式可视化分析。在专业评测中表现领先（Humanity's Last Exam准确率26.9%，xbench通过率69%），超越Claude 4 Opus等竞品。该Agent可应用于多领域深度研究，如算法评估（调研高价值benchmark）、行业分析（自动核查数据冲突并生成时间轴）、法律合规（快速汇总多国隐私法规）、教学备课（生成结构化课件）等，通过结果驱动的强化学习机制自主习得复杂任务处理能力（如信息验证、工具切换），并以开源模型推动Agent技术发展。目前开放内测，目标是为用户提供可独立解决深度研究问题的智能助手，降低专业研究门槛。

3、豆包正式上线AI播客功能

6月17日，豆包上线AI播客功能，通过上传文档或链接即可一键生成由AI双人自然对话构成的播客音频，其核心优势在于显著超越Google等竞品的高度自然音色与互动感（如自然连接词、表达观点、引导对话），甚至能将晦涩英文论文转化为流畅中文播客。字节跳动如此重视音频领域（包括此功能及此前的实时语音通话），源于其战略判断：音频交互（特别是对话形式）是提升用户粘性与渗透率的关键。一方面，播客的双人聊天模式比单人陈述更具吸引力与互动感（NotebookLM访问量激增案例可证），契合用户偏好；另一方面，语音是“人类最直接的交互形式”，豆包的实时语音功能已成功打入下沉市场（如中老年用户语音提问、博物馆实时讲解），并成为抖音热门内容。豆包押注音频不仅限于AI播客，更整合了其强大的语音技术（如端到端模型降低延迟、提升表现力），覆盖有声书制作、虚拟陪伴等多场景，日均处理量达150亿次，旨在通过打造自然、情感化的语音交互体验，将豆包塑造为更接近人类伙伴的智能体，并推动其从工具向社区生态演进（当前限制下载功能也体现此意图），最终在人与AI的情感连接层面寻求突破。

4、Midjourney正式公布视频生成模型V1

近期，Midjourney发布首个视频模型V1，延续其标志性美学风格，专注于氛围营造与视觉审美而非分辨率竞争，用户可通过“Animate”按钮将静态图像转化为动态视频（单次默认生成4段5秒视频，可扩展至21秒）。该模型支持手动输入提示词或自动生成动态效果，提供低/高运动模式以适应不同场景需求，订阅用户（10美元/月）可直接使用，但当前版本存在显著限制：仅480p分辨率、无音效支持、缺乏时间轴编辑与片段过渡功能，且未开放API。技术亮点在于精准调色、流畅运动轨迹与复杂光影处理（如多重曝光、雪夜飙车等场景），实测中成功呈现超现实坠落、空间扭曲、动态模糊等高难度效果，部分成果被用户评价“超预期”。作为构建“世界模型”战略的第二步，Midjourney计划后续推出3D模型与实时系统，最终整合图像生成、动画控制、空间导航与实时渲染能力，实现交互式内容生产体系。尽管功能仍处早期阶段，其差异化美学路线和性价比（GPU耗时约为图像生成的8倍）已形成独特竞争力。

赛博·洞见

1、从技术落地到哲学思辨，AI Agent发展的关键议题

AI Agent已从工具演变为具备自主决策、多轮迭代和工具调用能力的“团队成员”，其发展面临技术瓶颈（如指令遵循不精准、缺乏人类“暗信息”处理能力）、产品设计挑战（需深耕行业know-how与用户体验）及商业落地难题（重构企业生产关系）。用户期待Agent实现价值观对齐后自主完成任务，而非逐步审核；搭建者则通过多Agent协作、垂直场景渗透和用户反馈数据积累构建护城河（如“默契型”行业定制）。商业层面，初创公司需在数据壁垒（生成高质量新数据）、工程能力与全链路服务上突破，避免与通用大模型正面竞争，转而解决垂直领域的“脏活累活”。哲学思考指出：人类的核心价值在于创造性洞察、差异化观点碰撞及终极价值判断权，未来需构建“AI原生”环境（如适配AI的交互接口）并警惕中心化垄断，倡导个人可迁移的专属Agent。同时，多Agent社会可能涌现新型组织冲突，亟待建立治理框架以平衡人机协作关系，其本质是通过技术解放人力，推动人类向“AI管理者”角色跃迁。

2、六小龙留不住字节大神

随着AI大模型竞争焦点从应用开发与商业化重新转向核心技术突破（特别是受到DeepSeek崛起和融资环境恶化的双重压力），曾被高薪挖角至“AI四小强”（智谱AI、MiniMax、月之暗面、阶跃星辰）的字节系产品高管正遭遇集体“退货”或边缘化（如张心皓改任顾问、张前川淡出事务、明超平离职创业），这些擅长打造C端应用的字节人才因公司战略回调（放弃模型与应用“双轮驱动”，转向“技术优先”）而失去用武之地。这一现象折射出大模型创业生态的剧变：四小强为应对大厂（字节、阿里、腾讯）饱和式投入的竞争以及OpenAI、DeepSeek持续的技术迭代压力，不得不收缩战线，将资源重新聚焦于基座模型研发以证明自身技术竞争力（如MiniMax推出M1模型），而曾象征“六小龙”荣光的应用拓展与用户增长策略被迫让位，字节系人才成了此轮战略调整的牺牲品。同时，行业格局从“六小龙”缩水为“四小强”，它们正全力准备夏季模型更新（阶跃星辰、月之暗面、智谱AI）以迎接与OpenAI GPT-5、DeepSeek V4的“性能大战”，力求在技术牌桌上保住席位。

3、AI4Science 图谱，如何颠覆10年 x 20亿美金成本的药物研发模式

AI大模型与自动化系统正颠覆传统药物研发模式，通过将生命科学与数字技术深度结合，突破生物学复杂系统的认知与设计瓶颈。核心路径包括：基础模型（如AlphaFold 3、ESM3）实现跨尺度生物结构的精准预测与生成；多智能体系统（如Future House的AI Scientist）将实验流程转化为可编排的软件流水线；全栈AI平台（如Xaira、Generate）驱动复杂疗法开发；垂直方案（如Tahoe的数据工厂、Healx的药物重定位）优化关键环节效率。这些技术将传统依赖人工试错、耗时十年耗资二十亿美元的研发流程，重构为以“算力-数据-算法”驱动的计算密集型范式，使分子设计、靶点发现和临床验证速度提升数十倍，最终推动药物研发从劳动密集型向智能密集型的历史性转型。

4、a16z：To C AI 产品根本没有 moat，速度决定一切

在快速迭代的 To C AI 赛道，传统静态护城河已不复存在，速度成为唯一可持续的竞争优势。产品发布、抢占用户心智和持续高速迭代的速度决定了成败。由于底层模型普及和竞争白热化，传统分发渠道失效，创业者必须采用新型增长策略：通过公开 Hackathon 表演制造病毒传播、打造工具联盟形成生态入口、吸引垂直领域核心创作者背书、用产品演示视频取代传统营销、任命“构建型增长负责人”制作病毒内容、公开运营数据构建用户参与感。这些策略共同指向“速度即壁垒”的本质——唯有持续高速创新并高效分发，才能在动态竞争中保持领先地位。

5、AK 爆火演讲全文：未来的十年，是智能体的十年

LLM 驱动的软件 3.0 范式正在颠覆传统编程，以自然语言为代码的智能体将成为未来十年技术演进的核心。当前 LLM 类似 1960 年代的大型机——集中云端、分时共享、缺乏个人化，其本质是具备超强记忆与知识广度但存在幻觉、健忘等认知缺陷的“人类灵魂模拟器”。开发者需聚焦构建“部分自主”的人机协作产品：通过定制 GUI 实现高效审计，设计“自主程度滑块”渐进式增强智能（如 Cursor 的渐进式代码修改），并为智能体重构数字基础设施（如 LLM 友好的 Markdown 文档、执行协议）。真正的突破不在于激进的全自动 Agent，而在于通过约束 AI 行为、优化人机验证循环，使钢铁侠战衣式的增强工具逐步取代人工操作，最终推动智能体从辅助工具演进为数字世界的核心操作者。

赛博·工具

1、Thiings

一个搜索下载 3D 图标的网站，现有近3000个图标。

2、AI 头像生成器

在线创建最佳 AI 头像。

赛博·资源

1、中美AI应用访问量分析报告（2025H1）

该报告核心分析了2025年中美AI应用网页端访问量的显著差异与背后动因。美国在图像生成、虚拟角色（含NSFW内容）、AI检测、音乐、会议总结、开发者工具及PPT等工具类赛道占据绝对优势，用户付费意愿强且依赖SEO、Twitter及TikTok获客；中国则在整合APP数据的Chatbot、教育（如拍照搜题）以及通用化Agent、Agent编排领域表现突出，主要依托手机端生态（如抖音）推广。技术层面，中国团队在图像视频和Agent工程能力上有优势，但美国凭借API生态（如Zapier）构建壁垒。产品出海方面，效率工具可直接迁移UI，而音乐、招聘等强文化依赖领域需深度本土化，语言数据库差异构成关键瓶颈。市场机会上，会议总结、PDF处理等工具在美国存在付费套利空间，编程助手与图像生成赛道仍有增长潜力。整体而言，美国AI渗透率更高且工具类付费成熟，中国则依托超级APP生态推动场景化落地，双方在技术路径、用户习惯与商业化模式上呈现结构性分化。

2、Will’s GenAI网页产品数据 2025年5月

2025年5月生成式AI产品数据榜单显示全球AI应用呈现爆发式增长，头部产品竞争格局分化显著。通用写作领域Tailor by Threads以2.19亿月访问量登顶全球总榜，环比激增558%，越南市场贡献14.48%流量成新增长极；Deepmind凭借内容聚合模式以163%环比增速领跑出海榜单，美国市场占比超22%。国内赛道腾讯混元系列双线发力，3D建模平台访问量达92万（环比+176%），AI聊天机器人占据3,956万月活，阿里通义千问以93.06%国内用户占比巩固领先地位。值得关注的是早期项目爆发潜力，Fellou AI浏览器以1604%环比增速登顶早期增速榜，Summarist摘要工具、Smol Developer自动化Agent分别实现463%、434%增长，展现细分领域创新活力。技术应用场景持续扩展，图生视频（Higgsfield AI）、编程助手（GitHub Copilot）、会议总结（Otter.ai）等垂直领域头部产品形成稳定竞争壁垒，而国内厂商在虚拟角色、PPT生成等新兴赛道加速布局，腾讯、阿里系产品占据超半数TOP10席位，中美主导的全球化竞争格局进一步强化。