AITOP日报

Midjourney、Google、字节跳动、快手、智谱AI、腾讯等多家公司在H1 2026推出了新一代图像与视频生成模型。Midjourney旗舰模型在图像质量和风格控制上进一步提升。Google的Veo系列在长视频生成和物理一致性上取得突破。字节跳动的MagicVideo系列在生成速度和分辨率上优化。快手可灵支持了更长的视频输出并改善了运动连贯性。智谱AI的GLM-4V实现了图像与视频的多模态深度融合。

新基准DiscoBench指出，AI搜索代理在多步研究中的真正短板不是搜索能力，而是当查询模糊时不会向用户追问澄清。测试显示，反复搜索但不追问的模型准确率仅51.9%，甚至低于直接猜测。表现最好的模型整体准确率也仅为43%。当移除查询中的歧义后，模型准确率最高可提升40个百分点。

百度发布了Unlimited OCR模型，一次性可处理数十页文档，而以往系统最多处理约10页。该模型通过改进注意力机制，使内存使用量不随页数增加而增长。Unlimited OCR目前在最重要的OCR基准测试中排名第一。

美团发布LongCat-2.0，总参数量1.6万亿，每个token激活约480亿参数。模型原生支持100万token上下文，采用LongCat稀疏注意力机制。训练与推理均在国内AI ASIC超算集群上完成。该模型开源，API已开放访问。

LlamaIndex 发布 legal-kb，一个基于 Index v2 的公共参考应用，赋予智能体类似文件系统的文档知识库访问能力。它公开了 retrieve（混合语义搜索）、find、read 和 grep 四个工具，并支持自动版本管理和可视化引用。技术栈采用 TanStack Start、AI SDK 6（ToolLoopAgent）、Prisma 和 WorkOS。

谷歌DeepMind开发者用Claude Code和Fable 5将2003年RTS游戏《命令与征服：将军绝命时刻》移植到iPhone和iPad。首次构建耗时40分钟，整个移植过程仅花费数小时。完整源代码已在GitHub上开源。

Cloudflare开源Agentic Inbox项目，是一个自托管邮件客户端，集成AI agent自动回复邮件。该项目使用Cloudflare Email Routing接收邮件、Email Sending发送、Durable Objects和D1存储、R2静态文件，并内置Workers AI和Agents SDK。项目已在GitHub上3个月未更新，存在大量未处理issue。适合在Cloudflare托管多个域名的用户，可替代Zoho企业邮箱。

Meta 悄悄推出了社交 AI 应用 Pocket，用户仅用自然语言就能创建小程序或小游戏，无需编写任何代码。例如，用户可以直接用相册中的花朵照片生成花朵笔刷，或要求 AI 生成一个复古游戏机小程序。生成的内容可以保存在“播放列表”中，分享给他人使用，也能在 App 首页探索其他人创作的作品。该应用源自 Meta 今年收购的 Atma Sciences 公司及其此前开发的 Gizmo 应用技术。

乐道品牌针对OrinX纯视觉车型推出Coconut 3.1.0智驾版本，已开启第一轮小范围测试。该版本覆盖自2024年发布以来的所有纯视觉车型，计划7月内向16万OrinX新老用户推送。升级内容包括智能座舱、智能底盘和智能辅助驾驶，其中端到端模型全面迭代，城区和高快领航辅助体验大幅提升。还新增人机共驾、泊车位置个性化选择等功能，宣称达到同级领先水平。

康宁于6月24日推出面向AI数据中心的玻璃基光互连技术Glass Bridge，基于玻璃波导实现光纤与PIC直接光学连接。摩根士丹利判断该技术既支持CPO也支持NPO架构，对光模块企业影响有限。中际旭创回应称Glass Bridge是CPO内部光耦合组件新方案，并非光模块替代。天孚通信有源光器件营收29.98亿元同比增长81.11%，有效对冲FAU替代风险。京东方A投资9.93亿元建设玻璃基封装载板试验线，计划2026年上半年通线，已开发出20层大尺寸样品。

韩国KAIST教授金正浩指出，AI计算中GPU利用率仅为10%-30%，瓶颈在于内存数据传输。他认为AI正从训练转向推理时代，内存能力将直接决定性能。他预测HBF（高带宽闪存）技术将在10年后取代HBM成为主流，市场需求超过HBM。远期还将出现基于SRAM的HBS，读写速度比DRAM快1000倍，容量可达1600GB。未来AI计算机将形成HBM、HBF、HBS三层堆叠的100层3D架构。

谷歌2025年环境报告显示，因快速扩展AI基础设施，公司用电量同比增长37%，创历史新高。但通过提升能源效率和扩大可再生能源使用，运营碳排放同比下降2%。谷歌数据中心能源利用效率约为行业平均水平的1.83倍，2025年新增签署超12GW可再生能源采购协议，累计签订超240份绿电合同、总装机约35GW。公司称凭借优化方案，2025年避免约5800万吨二氧化碳排放，且连续九年实现100%可再生能源电力匹配。

北京信息光电子芯片平台在北京经开区正式通线投产，新增一条自主可控的高速光芯片专业量产产线。平台由华毅瀛飞运营，已具备大功率分布反馈激光器、高速电吸收调制激光器等核心产品，关键性能对标国际一线水平。产线从2025年12月破土动工到投产仅用时六个月，填补国内高速光互联制造环节关键短板。华毅瀛飞已完成近2亿元Pre-A轮融资，并已做好批量交付准备。

由清华大学车辆学院校友创立的广xiang科技（Guangxiang Technology）完成数亿元天使轮融资。该公司专注于为汽车制造业开发物理原生具身AI模型，其技术直接基于物理模拟而非传统视觉数据训练。融资由多家机构联合投资，资金将用于模型研发和落地应用。

哈佛商学院和欧洲工商管理学院最新论文研究了2020年至2024年间Y Combinator初创企业及同期美国风投支持初创企业。论文定义“AI原生初创企业”为内部全面引入AI或产品嵌入AI的公司。数据显示，AI原生初创企业团队规模比非AI原生企业小25%，工程师占比高约13%，初级员工和管理人员比例分别低约15%。同时，资深员工比例高出20%，表明对专家级人才需求更大。

清华博士Gu Yuxian（近5000引用）加入DeepSeek，将参与即将发布的V4版本。Gu Yuxian曾获清华特等奖学金，其研究在高引论文领域有影响力。DeepSeek V4计划于2026年7月中旬推出，目前团队正进行最终准备。

Meta 宣布将于 2026 年 7 月 6 日正式下线 Llama API 公共预览版，该服务自发布以来一直处于公开预览阶段。下线后所有 API 请求将返回停用提示和重定向指引。Llama 模型本身不受影响，用户仍可通过 Meta 官方页面下载。Meta 建议用户迁移至支持 Llama 模型的第三方提供商，并计划未来提供使用 Meta AI 模型开发的新途径。

2026年，多数企业数据仍存储在PDF、扫描件和幻灯片中。开源文档提取模型可在本地硬件上将它们转为结构化JSON。但“PDF转JSON”涵盖两种不同问题：架构驱动提取和通用提取。选择合适的模型取决于目标格式和文档类型。

X平台用户@yangyi在推文(ID 2073621278356086856)中表示AI需要上下文信息。该推文获得92次浏览。他认为所有信息交互方式都能传递上下文，只是模态需要转化，该推文有0条回复和0次转发。

丰田计划在2028年前建成覆盖全链路的一体化系统，将各部门4.5万个专业术语精简整合为5000套通用标准，涉及企划、生产、营销、销售等环节。此举可削减约30%的中间流程（195道工序），每年节省员工31万小时的术语转译劳动。系统还将开放给供应商，用于自动核算零部件需求量，避免供应商每项核算耗时720小时。项目名为OMUSVI，始于2021年，2024年获丰田社长公开支持。