AI日报：腾讯开源3D世界模型；即梦AI系列模型开放API；通义推智能体开发框架AgentScope 1.0 AI日报 9月2日?AIbase1、腾讯开源具备原生3D重建能力的超长程世界模型：HunyuanWorld-Voyager 2、通义实验室推出新一代智能体开发框架AgentScope 1.0 3、即梦AI系列模型开放API，为开发者提供一站式图像与视频生成服务 4、腾讯开源翻译巨头 Hunyuan-MT-7B：斩获 WMT2025 三十项冠军，翻译界的新霸主！ 5、苹果推出 STARFlow：全新 AI 图像生成技术想力压 DALL-E 与 Midjourney 6、苹果 FastVLM 上线:5分钟体验85倍速视觉 AI，数据永不出设备 7、新模型 CoMPaSS-FLUX.1：提升Flux文本到图像生成的空间理解能力 8、Cherry Studio 与硅基流动深度合作，免费提供 Qwen38B 模型 9、谷歌推全新Gemini API URL Context 功能 可详解网页内容 10、Youtu-Agent 智能体框架正式开源，引领 AI 发展新潮流 1.腾讯开源具备原生3D重建能力的超长程世界模型：HunyuanWorld-Voyager 腾讯发布的HunyuanWorld-Voyager是一种创新的视频扩散框架，能够基于单张输入图像生成具有世界一致性的3D点云，并支持沉浸式探索。该模型在视频生成质量和场景重建效果上表现出色，展现了其在AI驱动的VR、游戏和仿真空间智能领域的潜力。 亮点提要： ?? HunyuanWorld-Voyager能基于单张输入图像生成具有世界一致性的3D点云，支持用户沉浸式探索。 ?? 模型同时生成精确对齐的深度信息和RGB视频，适用于高质量三维重建。 ?? 在多个测试中，HunyuanWorld-Voyager在视频生成质量和场景重建效果上均优于其他模型。 2.通义实验室推出新一代智能体开发框架AgentScope 1.0 通义实验室推出的AgentScope 1.0是一个专注于多智能体开发的开源框架，提供全生命周期解决方案，包括开发、部署和监控。其三层技术架构（核心框架、Runtime和Studio）支持独立使用，具备实时介入控制、智能上下文管理和高效工具调用三大能力，确保了智能体的安全性和运行效率。 亮点提要： ?? AgentScope 1.0是新一代智能体开发框架，专注于多智能体的开发，提供全生命周期解决方案。 ?? 具备实时介入控制、智能上下文管理和高效工具调用三大能力，提高智能体的开发和运行效率。 ?? AgentScope Runtime 提供安全的工具沙箱和高效的部署运行引擎，确保智能体的安全与稳定。 详情入口： ?? https://github.com/agentscope-ai/agentscope 3.即梦AI系列模型开放API，为开发者提供一站式图像与视频生成服务 即梦AI与火山引擎全面开放API服务，为企业提供强大的图像和视频生成能力，助力创意转化为现实。 亮点提要： ?? 文生图3.0、文生图3.1等模型开放API服务，助力企业高效生成图像和视频内容。 ?? 视频生成3.0pro与动作模仿DreamActor M1等模型支持多样化的创作需求。 ?? 即梦AI通过火山引擎赋能企业级市场，推动商业应用的创新发展。 4.腾讯开源翻译巨头 Hunyuan-MT-7B：斩获 WMT2025 三十项冠军，翻译界的新霸主！ 腾讯推出的 Hunyuan-MT-7B 在 WMT2025 中表现卓越，成为翻译领域的佼佼者，展现了其在多语言处理上的强大实力，并通过开源方式推动技术的广泛应用和发展。 亮点提要： ?? Hunyuan-MT-7B 在 WMT2025 中斩获 30 个语种的第一名，展现强大的翻译能力。 ?? 支持 31 种语言，包括多种小众语言，体现腾讯在自然语言处理领域的技术积累。 ?? 开源模式推动技术发展，助力全球交流与合作。 5.苹果推出 STARFlow：全新 AI 图像生成技术想力压 DALL-E 与 Midjourney 苹果公司推出的 STARFlow AI 图像生成系统在技术上实现了突破，结合了正则化流和自回归变换器，提高了高分辨率图像生成的效率和质量。该系统通过深浅设计和潜在空间操作优化模型性能，并且与学术机构合作推动 AI 技术的发展。 亮点提要： ?? STARFlow 结合正则化流和自回归变换器，提升图像生成效率。 ?? 通过深浅设计和潜在空间操作优化模型表现。 ?? 苹果与学术机构合作推动 AI 技术发展，未来应用前景广阔。 详情入口： ?? https://arxiv.org/pdf/2506.06276 6.苹果 FastVLM 上线:5分钟体验85倍速视觉 AI，数据永不出设备 苹果推出的 FastVLM 视觉语言模型现已向公众开放，基于 Apple Silicon 芯片的 Mac 可直接体验。FastVLM 在视频字幕处理速度上提升了85倍，同时体积缩小了3倍以上，支持在浏览器中加载轻量级版本，无需复杂安装过程。其本地化运行设计确保数据永不离开设备，为隐私保护提供了理想解决方案。 亮点提要： ?? FastVLM 提供近乎即时高分辨率图像处理能力，提升视频字幕处理速度85倍。 ?? 支持在浏览器中加载轻量级版本，无需复杂安装即可体验强大功能。 ?? 数据完全在本地运行，确保隐私安全且支持离线使用。 7.新模型 CoMPaSS-FLUX.1：提升Flux文本到图像生成的空间理解能力 CoMPaSS-FLUX.1是一种基于 FLUX.1 文本到图像扩散模型的 LoRA 适配器，旨在显著提升生成图像时对物体空间关系的理解能力。该模型在多个基准测试中表现出色，特别是在处理物体之间的空间关系方面取得了显著进展。 亮点提要： ?? CoMPaSS-FLUX.1提升了文本到图像生成的空间理解能力，尤其在处理物体之间关系上表现突出。 ?? 性能评估显示该模型在多个基准测试中都有明显提升，同时保持了高质量的生成效果。 ?? 模型训练使用了严格筛选的数据集，确保生成图像在视觉上具有良好的空间关系和清晰度。 详情入口： ?? https://huggingface.co/blurgy/CoMPaSS-FLUX.1 8.Cherry Studio 与硅基流动深度合作，免费提供 Qwen38B 模型 Cherry Studio 与硅基流动深度合作，为用户提供免费的 Qwen38B 模型，进一步丰富其多模型支持能力，提升 AI 交互体验。 亮点提要： ?? Cherry Studio 与硅基流动合作，免费提供 Qwen38B 模型，提升 AI 交互体验。 ?? 支持多平台及多种主流大语言模型，简化用户使用流程。 ?? 提供跨行业智能助手，增强生产力和个性化功能。 9.谷歌推全新Gemini API URL Context 功能 可详解网页内容 谷歌推出的 Gemini API URL Context 功能，让 AI 能够精准解析和理解网页内容，极大简化了开发者的流程，提高了信息提取效率。 亮点提要： ?? 专为开发者设计的 API，可解析和理解网页中的所有内容，包括 PDF、图片等多种格式。 ?? 支持处理高达34MB 的网页内容，能够提取关键数据如“总资产”和“总负债”。 ?? 无法突破付费墙，且对专用工具如 YouTube 视频和 Google Docs 不进行处理。 详情入口： ?? https://towardsdatascience.com/googles-url-context-grounding-another-nail-in-rags-coffin/ 10.Youtu-Agent 智能体框架正式开源，引领 AI 发展新潮流 腾讯优图实验室开源了Youtu-Agent框架，该框架专为构建、运行和评估自主AI智能体而设计，具备高性能、灵活性和对开源模型的支持。其在多项基准测试中表现优异，成为AI社区的重要工具。 亮点提要： ? Youtu-Agent框架支持多种任务，如数据分析和文件处理，提升开发效率。 ?? 模块化设计使开发者能够灵活调整智能体行为，便于定制化应用。 ?? 开源策略鼓励全球开发者参与，推动AI技术的创新与协作。 详情入口： ?? https://github.com/TencentCloudADP/Youtu-agent ↓点击阅读原文，进AIbase官网. 阅读原文