AI进展

AI 编年时间线 · 2026年6月 · 共 106 条

6月30·周二

OpenAI 推出首款 AI 硬件，Codex 联名键盘

OpenAI 开发者官方账号 6 月 30 日在 X 平台宣布，将与客制化键盘厂商 Work Louder 合作推出 Codex 品牌专用输入设备，定于 7 月 15 日上线。设备基于 Creator Micro 2 微型快捷键盘打造，配备 12 个可自定义机械按键、八向摇杆及无极旋转旋钮，专为 AI 开发场景优化。

来源：IT之家

美团开源新一代万亿参数大模型 LongCat-2.0

美团正式开源万亿参数大模型 LongCat-2.0 ，模型总参数 1.6T、平均激活 48B，是业界首个在五万卡国产算力集群上完成全流程训练与推理的模型。模型原生支持 1M 超长上下文，专为 Agentic Coding 任务优化，预览版已跻身 OpenRouter 全球调用量前三。

来源：龙猫LongCat

腾讯视频推出工业级 AI 漫剧制作平台 WorkRally

腾讯视频推出工业级AI漫剧制作平台 WorkRally ，面向2D/3D动漫及AI仿真人剧，覆盖剧本解析、分镜生成、内容生产到资产管理的完整链路。平台内置S+级影视动漫技能库，支持专家级Agent生成与智能流水线调度，可实现角色一致性管理与穿帮检测。

来源：AI工具集

清华系初创「厘清智能」完成数亿元种子轮融资

清华系初创厘清智能完成数亿元种子轮融资，顺为资本、红杉中国、高瓴创投等参投。团队由清华AI学院助理教授李一鸣创立，团队平均年龄23岁。公司拒绝”世界模型”标签，定位Physical AI基础设施商，自研数据管线与可微物理引擎，实现Real-to-Sim-Real闭环，可用1%真机数据达同等训练效果。

来源：智能涌现

华为开源盘古920亿参数模型 openPangu-2.0-Flash

华为正式开源920亿参数的 openPangu-2.0-Flash 模型，基于昇腾原生训练与推理技术，为 Agent 时代打造智能底座。模型权重、基础推理代码及训推算子已上线开源平台，Pro 版将于7月发布，更多组件下半年陆续推出。

来源：华为

全球金融科技平台 Airwallex 空中云汇完成H轮3.2亿美元融资

全球金融科技平台 Airwallex 空中云汇宣布完成 H 轮 3.2 亿美元融资，投后估值达 110 亿美元，半年内从 80 亿美元跃升约 40%。本轮由 Addition 领投，多家国际机构跟投。公司同步发布两款 AI 产品：AI 原生财务平台 T:0 与智能体消费者钱包 Airi，资金将用于 AI 产品研发、全球合规布局及团队扩充。

来源：Z Potentials

6月29·周一

OpenAI 推出最新一代大语言模型系列 GPT-5.6

OpenAI 推出 GPT-5.6 系列限量预览版，包含旗舰 Sol、平衡 Terra 和性价比 Luna 三款模型。Sol 在编程、网络安全和生物学领域表现突出，新增 max 深度推理和 ultra 多 Agent 协同模式；Terra 以 GPT-5.5 一半价格提供同等性能；Luna 主打轻量高速。模型因应美国政府要求改为限量预览，原计划为开放访问。

来源：机器之心

DeepSeek 联合北大开源推测解码加速框架 DSpark

DeepSeek 与北京大学联合推出大模型推理加速框架 DSpark ，已进入 DeepSeek-V4 系列生产系统。在总吞吐不变的情况下，DeepSeek-V4-Flash 单用户生成速度提升 60%–85%，DeepSeek-V4-Pro 提升 57%–78%。DSpark 采用半自回归架构与置信度调度验证机制，兼顾草稿生成速度与连贯性，能根据系统负载动态调整验证长度。

来源：APPSO

高德推出 AI 应用生成平台「袋马」

高德内测Vibe Coding产品「袋马」，主打自然语言驱动零门槛构建应用，聚焦微信小程序与iOS原生场景，可快速生成可直接上线、真机可用的应用。产品面向无专业研发团队的个人从业者与中小主体，用户无需编程知识，通过自然语言描述需求可生成完整App，支持获取真机二维码测试与持续迭代。

来源：IT之家

阿里通义千问推出独立AI语音输入法「千问输入法」

阿里巴巴通义千问团队推出独立AI语音输入法「千问输入法」，主打”说得随意，写得漂亮”。产品底层接入千问大模型CosyVoice能力，能语音转文字，更能理解语义、自动去除语气词、纠正口误，将散装口语整理为结构化书面文本。千问输入法支持最快300字/分钟输入、9种方言识别与中英混说。

来源：AI工具集

生数科技推出的 AI 陪伴应用 Vidy

生数科技推出AI陪伴应用 Vidy ，定位”AI Vibe Buddy”，支持文字、语音及实时通话互动。产品内置Humi等差异化AI角色，搭载关系成长记忆系统，可随对话积累理解用户习惯与情绪。依托自研U-ViT架构和Vidu视频大模型，Vidy计划实现AI形象实时表情动作生成，将陪伴从文字语音推向面对面视频通话层级。

来源：AI工具集

自变量连续完成4轮融资，估值超过200亿元

自变量（X SQUARE ROBOT）两个月内连续完成四轮融资，投后估值突破200亿元，成为大湾区首家估值超200亿元的具身大脑公司。投资方超30家，美团、阿里、字节、小米四大互联网巨头分别领投各轮次，小米连续三轮加注，58集团、奇瑞、中国移动、红杉中国等悉数入场。

来源：量子位

6月26·周五

DeepReinforce 开源 Agentic 编程系列模型 Ornith-1.0

DeepReinforce团队推出开源Agentic编程模型 Ornith-1.0 ，基于 Gemma 4 与 Qwen 3.5 基座，采用自改进训练框架。模型涵盖9B至397B四种规格，在Terminal-Bench 2.1和SWE-Bench Verified基准上达到同级SOTA。旗舰397B版本得分77.5/82.4超越Claude Opus 4.7；35B MoE版以64.4分超越Qwen 3.5-397B。

来源：AI工具集

腾讯混元开源 4B 参数手机 Agent 模型 PhoneBuddy

腾讯混元开源 PhoneBuddy 4B手机Agent模型，同步推出PhoneWorld、PhoneHarness等5篇论文，系统覆盖环境、训练、执行、隐私与安全全链路。模型核心创新采用Real+Mock混合RL训练，将真实App与自建PhoneWorld mock环境结合，使4B模型在150项真机评测中多项指标超越GPT-5.4。

来源：量子位

Mistral AI 推出新一代文档识别模型 Mistral OCR 4

Mistral AI 推出最新文档识别模型 Mistral OCR 4 ，支持横跨10个语族的170种语言，在OmniDocBench基准上获得93.07分。相比GPT 5.5 Pro、Gemini 3.1 Pro Preview等竞品，模型输出更受人类青睐。模型在输出文本的同时可提供边框、区域分类和置信度评分，支持RAG语义分块等下游工作负载。

来源：IT之家

6月25·周四

OpenAI 推出首款自研推理加速芯片 Jalapeño

OpenAI 发布首款自研推理芯片 Jalapeño，联合博通与 Celestica 打造，专为 ChatGPT、Codex 等模型量身定制。项目由前谷歌 TPU 核心成员 Richard Ho 主导，仅用 270 天完成从设计到流片，创高性能 ASIC 最快纪录。芯片通过优化数据搬运与资源平衡提升实际利用率，计划 2026 年底部署，每瓦性能大幅优于现有方案。

来源：量子位

华为宣布全机型开放鸿蒙龙虾「小艺 Claw」

华为宣布鸿蒙”龙虾” 小艺 Claw 全机型开放，HarmonyOS 5.0 及以上机型只需将小艺 App 升级至 11.6.4.300 及以上版本即可使用。同时小艺 Claw 的套餐服务同步更新，49 元体验包上线 Auto-Model 模式，199 元标准包支持 openPangu-2.0-Pro 、DeepSeek V4-Flash、 DeepSeek V4-Pro 、 MiniMax M3 四种模型自选。

来源：IT之家

阿里云推出 AI 语音输入法 CosyVoice

阿里云推出新一代AI语音输入法 CosyVoice ，搭载千问大模型，支持语音实时转写、自动过滤口语冗余、识别自我修正及结构化整理。工具可理解用户意图生成制式文稿，支持上海话、粤语、四川话等多种方言转普通话。工具主打大模型深度赋能的语义级理解与文本再生成能力，区别于传统语音输入法仅做声学转写。

来源：AI工具集

阿里云推出 AI 互动故事创作与阅读平台「向尾」

阿里云推出AI互动故事创作与阅读平台「向尾」，支持从零起稿、文稿续写及长篇小说分章规划三种模式，覆盖网文、剧本、儿童故事等场景。阅读时AI实时生成场景背景图，读者可在关键节点选择剧情走向或自定义输入，平台即时续写并保持人设一致。

来源：AI工具集

网易有道开源 TTS 语音合成引擎 Confucius4-TTS

网易有道开源TTS模型 Confucius4-TTS 。模型实现三大突破：3秒零样本语音克隆、14种语言跨语种无口音合成，以及情感韵律迁移。模型底层采用语音编码器+大语言模型+流匹配生成的端到端架构，完整54G权重支持本地离线部署。

来源：网易有道

6月24·周三

豆包正式推出专业版

豆包专业版正式上线，基于豆包2.1 系列大模型推出全新办公任务模式，支持本地电脑操作、浏览器、Skills技能调用、定时任务及内置Office套件，可完成文档处理、应用开发、数据分析等专业工作。订阅采用三级阶梯定价：标准套餐68元/月、加强套餐200元/月、高级套餐500元/月；大学生认证可享38元/月专属优惠。

来源：豆包

火山引擎推出音频创作模型「豆包音频生成模型1.0」

火山引擎推出豆包音频生成模型1.0 ，首次支持文本或音频参考输入，可端到端生成目标音频。模型能在单条Prompt中编排多角色对白、情绪语气、背景音乐与环境氛围，直接产出完整音频作品，可在长时生成中保持音色一致性。

来源：火山引擎

Anthropic 推出企业级 AI 协作工具 Claude Tag

Anthropic 推出 Claude Tag 企业级 AI 协作工具，将 AI 从一问一答升级为常驻 Slack 频道的虚拟同事。团队成员可 @Claude 分配任务，工具阁能自动拆解、调用工具、执行并汇报结果，支持多人接力协作、持续性组织记忆、主动监控提醒及异步长任务处理。

来源：APPSO

通义千问推出原生语言世界模型 Qwen-AgentWorld

阿里通义正式推出 Qwen-AgentWorld ，首个原生语言世界模型，可在 MCP、Search、Terminal、SWE、Web、OS、Android 七大领域模拟智能体交互环境。模型基于超 1000 万条真实环境轨迹，经 CPT→SFT→RL 三阶段端到端训练，在自研评测基准 AgentWorldBench 上整体模拟质量超越 GPT-5.4、Claude Opus 4.8 等顶尖模型。

来源：千问大模型

TRAE Work 推出 Design 模式，对话即设计、画布即原型

TRAE Work 推出全新 Design 模式，桌面端与网页端同步全量上线。用户可通过自然语言对话生成设计方案，在画布中实时修改并生成可交互原型。该模式支持导入 Figma 等已有设计资产，能一键将设计稿导出至 Code 模式，实现从设计到开发的一站式衔接。

来源：TRAE.ai

百川智能推出医疗增强大模型 Baichuan-M4

百川智能联合清华大学推出新一代医疗增强大模型 Baichuan-M4 ，在 HealthBench 三项榜单登顶世界第一，幻觉率仅3.3%为行业最低。Baichuan-M4具备深度主动问诊、全病程记忆、证据锚定及 Agent 调度四大核心能力，由 Baichuan-Harness 自主编排诊疗流程，实现从会答题到会看病的跨越。

来源：百川智能

Momenta 冲刺港股”物理AI第一股”IPO

自动驾驶公司 Momenta 冲刺港股”物理AI第一股”IPO，正式将自身定位为物理AI基座模型构建者。其R7世界模型已量产上车，依托超120亿公里真实行驶数据与预训练—仿真—强化学习三层架构，实现对物理世界的理解与推演。公司营收三年翻三倍，许可收入激增42倍，商业模式正从项目制转向规模化License收费。

来源：量子位

6月23·周二

影眸科技完成数亿元新一轮融资

影眸科技完成数亿元新融资，本轮融资由凯辉基金、上海国投先导领投，老股东持续跟投。同步发布最新3D生成模型Hyper3D Rodin Gen-2.5 ，首次引入大语言模型先思考再生成模式，支持五档思考深度，最快4秒生成百万面模型，同步推出全球首个12K精度原生3D贴图模型。

来源：智能涌现

字节跳动推出全新智能体模型 Seed2.1

字节跳动推出 Seed2.1 系列模型，定位为面向真实生产力场景的全新智能体。模型在通用 Agent 能力、代码端到端交付及多模态理解三大维度显著提升，在 Workspace Bench、GDPval、MobileWorld 等多项基准测试中表现领先，Coding 场景众测胜率超 Claude Opus 4.6 。

来源：字节跳动Seed

TRAE Work中国版支持豆包2.1，免费体验

TRAE Work 中国版于豆包2.1 模型发布Day0完成接入并同步上线，第一时间免费向全量用户开放体验。豆包2.1是字节跳动全新一代模型，包含Pro与Turbo版本，具备更可靠的通用Agent能力、更稳定的代码工程交付能力及更强劲的多模态基础能力。TRAE IDE暂时仅对速通Ultra与优速通Express用户开放。

来源：TRAE.ai

字节跳动推出最新视频生成模型 Seedance 2.5

2026火山引擎FORCE原动力大会上，正式推出豆包视频生成模型 Seedance 2.5 。模型处于内测尾声，预计7月初上线，模型实现三大全球突破：单段原生视频直出30秒，支持50个全模态参考素材联合输入，并支持局部可控编辑。Seedance 2.5可稳定承接专业3D资产创作，输入近10万面白模可生成稳定渲染视频。

来源：APPSO

百度开源端到端长文档 OCR 模型 Unlimited-OCR

百度开源全新OCR模型 Unlimited OCR ，主打一次性解析数十页长文档，在 OmniDocBench 上刷新 SOTA，综合得分 93.23%，超越 DeepSeek OCR。模型核心创新为参考滑动窗口注意力（R-SWA）机制，通过”软遗忘”策略使 KV Cache 保持恒定，推理速度不随文档长度增长，6000 Token 时 TPS 提升约 35%。

来源：量子位

美国AI推理芯片独角兽 Groq 完成6.5亿美元融资

美国AI推理芯片独角兽 Groq 宣布完成 6.5亿美元融资，用于全球AI推理云扩张，目标2027年算力达 200兆瓦。Groq此前与英伟达达成 200亿美元授权协议，核心团队已加入英伟达；现聚焦推理云业务，运营13座数据中心，服务超500万开发者，并任命全新领导团队。

来源：智东西

6月22·周一

微信小范围内测原生AI助手「小微」

微信「小微」AI助手启动小范围内测，用户可在主界面左上角通过绿色眼睛图标进入。小微支持文字或语音对话操作微信原生功能，包括调整设置、发送消息、调起小程序、生成图片等，主模型为微信自研WeLM，部分回答调用DeepSeek。同时，小微具备一句话生成小程序能力。

来源：财联社

港股智谱总市值突破 1 万亿港元

港股智谱总市值首次突破1万亿港元，年内涨超2000%，总市值达1.27万亿港元。此前智谱开源的 GLM-5.2 模型在全球百万用户盲测的Code Arena前端开发评估中位列可用模型第一。

来源：IT之家

腾讯QQ邮箱推出 AI Agent专属邮箱服务 Agently Mail

腾讯QQ邮箱推出 Agently Mail ，专为 AI Agent 打造的独立邮箱服务。Agent 可通过微信扫码授权获得专属邮箱地址，与个人邮箱完全隔离，支持收发邮件、管理附件、搜索过滤等完整功能。目前服务已上架腾讯 SkillHub ，三步安装即可使用。

来源：AI工具集

阿里 HappyHorse 1.1视频模型上线堆友

堆友平台正式上线 HappyHorse 1.1 视频生成模型，新版本模型在动态表现力、生成一致性、视觉质感、指令遵循、文字稳定性及镜头语言五大维度实现系统性优化。用户可通过堆友官网直接体验。

来源：堆友

Claude Code 上线 Artifacts，可将会话过程实时变成网页

Anthropic宣布 Claude Code 支持Artifacts功能，可将代码修改、故障排查等会话内容实时生成为可共享的交互式网页，支持团队同步查看进展。该功能基于完整会话上下文自动生成，页面随工作持续刷新，默认私有且仅限组织内分享。目前Artifacts以Beta形式向Team和Enterprise用户开放。

来源：APPSO

6月18·周四

阿里全面开放世界模型 HappyOyster 快乐生蚝 1.0

阿里云上线可实时交互的开放式世界模型产品 HappyOyster 1.0 （快乐生蚝 1.0），用户一句话可生成完整、可探索、可互动的数字世界。产品基于原生多模态架构，支持多模态输入与音视频联合生成，区别于传统一次性渲染流程，可在生成过程中持续接收用户指令并实时响应。

来源：IT之家

演语科技（EVOKEN）完成近 3 亿美元B+轮融资

演语科技（EVOKEN）完成近3亿美元B+轮融资，投后估值超20亿美元，由Granite Asia、顺为资本联合领投，高榕创投、蚂蚁集团等股东持续加码。旗下产品矩阵覆盖 LibLibAI 、 LibTV 及星流三大平台，其中AI视频平台LibTV上线两月收入增超13倍，5月集团整体收入同比增长超3000%。本轮资金将用于加大研发投入与全球市场拓展。

来源：演语 EVOKEN

DeepSeek 识图模式全量上线 App 和网页端

DeepSeek 多模态研究员Xiaokang Chen宣布，DeepSeek识图模式已在网页端和App端正式上线。该模式与快速模式、专家模式并列，开启后，用户可直接上传图片让DeepSeek进行深度理解，能力边界远超简单的文字提取。

来源：IT之家

豆包实时语音模型3.0 API 服务正式上线

火山引擎正式上线豆包实时语音模型 3.0（ Seeduplex ）API 服务并开启邀测。作为原生全双工端到端语音大模型，模型具备精准遵循、抗干扰、动态判停三大优势，支持在实时对话中调用工具完成任务，实现边听边说边办事。判停延迟缩短约 250ms，复杂场景抢话比例下降 40%。

来源：火山引擎

OpenAI 为 ChatGPT 推出全新定时任务功能

OpenAI 为ChatGPT逐步推送全新定时任务功能，替代现有的Pulse功能。新功能支持发送提醒、处理周期性工作及监测事项，新增侧边栏专属页面统一管理任务，运行速度与稳定性均获提升。用户可指定精确时间或宽泛时段，监测类任务支持联网检索与应用数据读取。新功能每小时最多运行一次，长时间无交互可能自动暂停。

来源：IT之家

6月17·周三

SpaceX 600亿美元收购 Cursor

SpaceX宣布以全股权交易600亿美元收购AI编程工具 Cursor 母公司Anysphere，Cursor将成为SpaceX全资子公司，预计2026年Q3完成交割。SpaceX刚完成纳斯达克上市，市值达2.5万亿美元。Cursor年度B2B收入约26亿美元，此前底层模型依赖Anthropic和OpenAI，面临断供风险；并入后可用xAI超算训练自有代码模型。

来源：机器之心

DeepSeek首次融资落地，募集超500亿，估值超3300亿元

DeepSeek 完成首次对外融资，募资超 500 亿元（约 74 亿美元），估值超 500 亿美元（约 3380 亿元），创国内 AI 行业最大单笔融资纪录。交易结构特殊：资金需投入梁文锋管理的有限合伙企业，外部投资者股份锁定五年且无投票权；国家 AI 产业投资基金例外，直接投资 10 亿元。梁文锋个人出资 200 亿元，腾讯、宁德时代等参投。

来源：机器之心

智谱上线并开源 GLM-5.2 ，专注Coding与长程任务

智谱科技上线并开源 GLM-5.2 模型，在 Code Arena 前端评估中位列全球可用模型第一。模型专为长程任务设计，支持 1M 无损上下文，在 FrontierSWE 等基准上表现接近 Claude Opus 4.8 。GLM-5.2 引入 effort level 控制，通过 IndexShare 架构优化降低 FLOPs，原生适配华为昇腾等国产算力。

来源：智谱

Xiaomi MiMo Claw 正式版上线，旗舰模型联动金山办公

小米推出 Xiaomi MiMo Claw 正式版，搭载 MiMo-V2.5-Pro 旗舰模型，原生适配OpenClaw框架与MCP协议，支持百万级超长上下文。联动金山办公生态，实现Word、Excel、PPT、PDF全链路文档生成与编辑闭环。产品采用云端免部署架构，提供7×24小时专属Agent服务。

来源：Xiaomi MiMo

微信支付「AI 专属卡」上线

微信支付正式推出 AI专属卡， WorkBuddy 率先接入。用户只需一句话，AI可代为查找餐厅、领取优惠券、团购下单并完成支付。资金安全采用专款专用+笔笔确认机制，每笔支付需用户手机端亲自授权。目前仅支持WorkBuddy mac电脑版5.1.1及以上版本，用户可在专家页面召唤美团生活助手体验。

来源：腾讯

6月16·周二

MiniMax 开源原生多模态旗舰模型 MiniMax M3

MiniMax 开源原生多模态旗舰模型 MiniMax M3 ，总参数 428B、激活参数 23B，采用自研 MSA 稀疏注意力架构降低长上下文计算成本，是首个从 Step 0 开始多模态混合训练的开源模型。发布后在 Artificial Analysis 综合智能指数、GDPval-AA、Code Arena WebDev 等多个榜单取得开源模型第一，获 Vercel CEO 及 YC 创始人等业界好评。

来源：MiniMax 稀宇科技

蚂蚁支付宝推出超级生活 AI 助手「AI版支付宝」

支付宝推出 AI版支付宝，用户右滑可进入清爽对话界面，用语音或文字指令办理政务、出行、生活等上万项服务，实现对话即服务。涉及资金变动需用户本人确认，保障安全。AI版已开启邀测，与经典版可自由切换，平台同步开放服务生态，面向10亿用户推进普惠AI。

来源：支付宝

硅基流动完成新一轮超 20 亿元融资

硅基流动近日完成超20亿元B轮融资，由携程、晶科能源、金蝶、联通、壁仞、蔚来、商汤、巨人网络、国泰君安、纪源资本等产业链头部企业与知名机构联合投资，华兴资本担任独家财务顾问。公司定位”Token工厂”模式，日均Token调用量达数万亿，服务超1000万用户及1万家企业客户，营收同比增长超10倍。

来源：硅基流动

阿里通义推出物理世界基础模型套件 Qwen-Robot Suite

阿里通义推出 Qwen-Robot Suite 机器人基础模型套件，包含 RobotNav（导航）、RobotManip（操作）与 RobotWorld（世界预测）三大模型，通过语言优先接口将视觉语言模型与物理动作对齐。套件在导航、操作、世界模型等10余项基准上达到SOTA。

来源：千问大模型

即梦上线视频生成模型 Seedance2.0 mini

即梦AI 上线 Seedance 2.0 Mini 视频生成模型，主打极致性价比，720P单秒生成成本低至0.16元，用更低价格实现相同生成效果。模型面向广大创作者开放，用户可前往即梦网页端抢先体验首发价，享受高性价比的AI视频创作服务。

来源：即梦AI

火山方舟体验中心上线视频生成模型 Seedance 2.0 mini

火山引擎旗下火山方舟体验中心上线Seedance 2.0 mini视频生成模型，并将于近期开放API服务。模型定位高性价比，面向广泛视频创作与规模化生产需求。图生视频定价0.023元/千tokens，视频生视频0.014元/千tokens；按720P规格折算，单秒生成成本约0.5元，相较 Seedance 2.0 成本降低约50%。

来源：第一财经

6月15·周一

智谱AI推出最新旗舰开源模型 GLM-5.2

智谱推出 GLM-5.2 模型，支持1M上下文，模型长程任务领先，定位最强国产Coding模型。GLM-5.2 将面向 GLM Coding Plan 全量用户开放，覆盖 Lite / Pro / Max / 团队版。GLM-5.2 API 本周将上线，同时模型也将开源，遵循 MIT 协议。

来源：智谱

Kimi K2.7 Code 高速版上线 Kimi API 开放平台

Kimi K2.7 Code 高速版，模型ID：kimi-k2.7-code-highspeed已上线 Kimi API 开放平台，输出速度达普通版 5-6 倍，定价为普通版 2 倍。 K2.7 Code 相比 K2.6 在长上下文编程、token 效率上显著提升，平均 token 消耗减少 30%，基准测试性能提升 11%-31.5%。

来源：Kimi开放平台

大晓机器人完成天使+轮融资，已累计融资数亿美元

大晓机器人完成天使+轮融资，上半年累计融资数亿美元，达晨财智、深创投等参投。资金将投入世界模型及软硬一体解决方案。开悟世界模型3.0 为全球首个开源量产世界模型，多项权威评测第一，支持7分钟长时序视频生成，已实现端侧部署。

来源：商汤科技SenseTime

OpenRouter 推出 Fusion 多模型智能融合服务

OpenRouter 上线 Fusion 服务，通过多模型并行作答与裁判模型融合，实现高性价比智能输出。DRACO 基准显示，Gemini 3 Flash、Kimi K2.6 与 DeepSeek V4 Pro 的预算组合以半价取得 64.7% 得分，逼近 Claude Fable 5 的 65.3%。该机制具备单模型故障自动替补的鲁棒性，支持 API 直接调用与自定义模型组合。

来源：AI工具集

百度飞桨 PaddleOCR 开源第六代 OCR 模型 PP-OCRv6

百度飞桨正式推出 PP-OCRv6 ，首次推出Tiny/Small/Medium三档模型。模型检测与识别精度较v5提升4.9%和5.1%，CPU推理速度最高达前代5.2倍。模型支持50种语言，新增电路板、数码管等工业场景，鲁棒性史上最高。模型现已上线官网并开源至GitHub和HuggingFace。

来源：飞桨 PaddlePaddle

6月12·周五

月之暗面开源新一代编程专用模型 Kimi K2.7 Code

月之暗面开源 Kimi K2.7 Code 编程模型，相比 K2.6 在长上下文编程、指令遵循及Agent自主执行能力上显著提升，代码基准测试提升11%-31.5%，token消耗减少30%，API定价与K2.6持平。模型须开启思考模式发挥最佳性能。

来源：月之暗面 Kimi

AI Agent 创作工作台 MiniMax Hub 正式上线

MiniMax推出的桌面端多模态创意Agent平台 MiniMax Hub 正式上线。平台将文案、图像、视频、音频等多模态Agent整合到同一画布上，支持多Agent并行工作流，实现从创意构思到成片输出的一站式创作。用户只需输入创意简报，平台可自动调度各Agent协同完成内容生产，涵盖营销短片生成、长视频拆条、品牌物料批量出图等场景。

来源：海螺AI

OpenAI 收购初创公司 Ona

OpenAI 宣布收购初创公司 Ona，为编程助手 Codex 提供安全、预配置云环境。Ona 技术将帮助 Codex 执行更长时间任务，支持用户将 AI 智能体安全部署到生产环境，同时强化企业对基础设施、数据资产和安全边界的掌控。双方未公布交易金额，Ona 团队将加入 OpenAI 参与 Codex 项目研发。

来源：IT之家

Hermes Agent 上线 Profile Builder，5 步配置 AI 智能体

Nous Research 为 Hermes Agent 推出 Profile Builder，将原本分散的命令行配置整合为网页端一站式可视化流程。用户通过5步可完成智能体角色创建：设定身份名称与描述、选择模型与服务商、配置内置技能、安装 Skills Hub 技能、接入 MCP 服务器，最后预览确认。

来源：IT之家

Visa 与 OpenAI 达成合作，探索 AI 智能体交易新模式

Visa 宣布与 OpenAI 达成战略合作，双方将推动智能体商业进入市场，探索 AI 智能体交易新模式。Visa 将把全球支付网络、支付标记化、授权机制、身份识别及欺诈检测技术引入 OpenAI 产品，确保 AI 发起的交易安全可控，最终决策权仍保留在用户手中。同时双方将探索把支付能力整合到开发者工具中。

来源：IT之家

6月11·周四

小米开源终端 AI 编程助手 MiMo Code

小米大模型团队开源终端AI编程助手 MiMo Code ，内置限时免费的 MiMo-V2.5 模型，同时支持 DeepSeek、Kimi 等主流模型。核心特性包括独创持久记忆系统、Compose 模式实现全流程自动开发、/dream 命令定期整理记忆，以及语音输入控制。在 SWE-Bench Pro 和 Terminal Bench 2 基准上，相同模型下表现优于 Claude Code。

来源：Xiaomi MiMo

智象未来推出商用图像生成模型 HiDream-O1-Image-1.5

智象未来推出商用图像生成模型 HiDream-O1-Image-1.5 ，在 Artificial Analysis 文生图榜单上以 1265 ELO 位列全球第三、中国第一，仅次于 OpenAI 的 GPT Image 系列，超越 Google、NVIDIA 及字节跳动等主流模型。模型基于原生全模态架构 UiT，在语义遵循、文字渲染、复杂排版及多主体一致性上表现突出。

来源：HiDream智象未来

阿里秒悟Meoo推出开源命令行工具 Meoo CLI

阿里秒悟Meoo 开源命令行工具 Meoo CLI ，帮助本地AI编程项目一键部署上线。安装后， Claude Code 、 Codex 、 Cursor 等本地Agent可通过自然语言调用云端能力，自动完成数据库接入、用户登录、文件存储、AI模型调用及项目发布，10分钟内将本地Demo变为可访问的线上应用。

来源：阿里云

科大讯飞推出智慧空间Agentic架构 SpaceMind

科大讯飞推出智慧空间Agentic架构 SpaceMind ，推动智能家居从被动响应进入L2.5主动智能时代。SpaceMind用毫米波雷达为核心感知源，实现5厘米级定位与呼吸级微动检测；采用双路由架构与本地语义模型+云端大模型协同，设备控制响应低至700毫秒。系统具备持久记忆、多Agent协作和主动服务能力，可基于用户习惯自动调节环境。

来源：讯飞开放平台

AI短剧协作平台 AniShort 完成近亿元融资

专注数字人与AIGC视频生成的八点八数字公司宣布，旗下AI短剧协作平台 AniShort 完成近亿元融资，由北京泰中合领投。本轮资金将重点用于技术研发与创作者生态建设。平台通过打通短剧创作全流程，解决行业制作成本高、周期长等痛点。

来源：量子位

GUI Agent平台Core-Mate获数千万元融资

GUI Agent 执行平台 Core-Mate 完成数千万元融资，由敦鸿资产独家投资。团队核心成员来自字节跳动，曾在抖音、豆包担任产品经理。Core-Mate 让 AI 真正接手网页和 App 中的真实操作，通过开源的 OpenGUI 框架融合视觉、控件树与页面状态实现稳定屏幕语义理解。

来源：Founder Park

6月10·周三

Anthropic推出最强 AI 模型 Claude Fable 5/ Mythos 5

Anthropic推出Claude最强模型 Claude Fable 5 ，性能全面超越前代，在SWE-Bench Pro等基准大幅领先。模型可在1天内完成5000万行代码库迁移，且Token效率更高。Anthropic同时推出无护栏版Claude Mythos 5，仅向Glasswing合作伙伴开放。Claude Fable 5设有安全护栏，敏感请求降级至 Claude Opus 4.8 。

来源：机器之心

字节跳动 TRAE SOLO 升级为 TRAE Work

字节跳动旗下 TRAE 宣布 TRAE SOLO 正式升级为 TRAE Work ，品牌内涵从The Real AI Engineer拓展为The Real AI Enabler。TRAE Work 面向更广泛的真实工作场景，包含 Work 模式与 Code 模式。TRAE Work 已覆盖 PC、移动端和 Web 三端，支持多任务并行，并于5月完成与飞书打通。

来源：TRAE.ai

蚂蚁集团推出 AI 应用生成平台 QMuse

蚂蚁集团推出AI应用生成平台 QMuse ，用户通过一句话自然语言描述可零代码生成可运行应用。平台内置灵感橱窗辅助创意，依托支付宝账号体系保障安全。目前产品处于内测阶段，需邀请码使用，旨在大幅降低应用开发门槛，实现从创意到产物的极速跨越。

来源：AI工具集

谷歌推出实时翻译模型 Gemini 3.5 Live Translate

谷歌正式推出实时语音互译模型 Gemini 3.5 Live Translate ，可自动识别 70 余种语言，生成保留原说话者语调、语速和音高的流畅翻译语音。模型在等待上下文与即时翻译间取得平衡，仅比说话者慢几秒。模型已面向开发者开放 Gemini Live API 预览，企业用户可在 Google Meet 中使用，普通用户可通过谷歌翻译 App 体验。

来源：IT之家

阿里千问推出国内首个全周期高考志愿填报Agent

阿里千问上线国内首个全周期高考志愿填报Agent，为全国考生免费提供志愿填报服务。产品基于千问高考志愿大模型和夸克8年高考数据，具备志愿日历、志愿报告和志愿问答三大能力。志愿报告实现Agent化升级，支持细节需求捕捉与实时动态调整。

来源：千问APP

6月9·周二

高德推出首个3D原生城市世界模型ABot-Earth 0.5

高德地图推出 ABot-Earth 0.5 ，首个3D原生城市世界模型。模型支持图像、文本等多模态输入，可在消费级单卡GPU上10分钟内生成1平方公里高保真3D城市场景。模型基于3D Gaussian Splatting表示，采用原生LoD解码器和滑窗无缝推理策略，覆盖全球190余个国家和地区、300余城市。

来源：高德技术

小米推出 MiMo-V2.5-Pro UltraSpeed 模式

小米联合TileRT推出 MiMo-V2.5-Pro UltraSpeed模式，在通用GPU上实现万亿参数模型生成速度首次突破1000 tokens/s。该模式定价为普通版的3倍，输出速度提升约10倍，仅支持API体验。MiMo-V2.5-Pro UltraSpeed模式采用申请制限时开放，优先审核企业与专业开发者。

来源：IT之家

AI 短剧创作「井英科技」宣布完成数千万美元 A 轮及 A+ 轮融资

井英科技（CreativeFitting）完成数千万美元A轮及A+轮融资，投资方包括王慧文家办、蚂蚁集团等，同时宣布原AWS首席应用科学家王敏捷加盟任首席科学家。公司定位为内容行业首家Agent原生公司，以AI短剧为首个场景，构建创作者Agent可接入、可自我进化的强化学习环境，通过真实消费反馈驱动迭代。

来源：机器之心

6月8·周一

OpenAI为所有个人用户开放ChatGPT锁定模式

OpenAI宣布向所有ChatGPT个人用户（Free、Go、Plus、Pro）开放锁定模式。功能启动后能禁用实时网页浏览、深度研究、Agent模式、图片检索及文件下载等高风险联网功能，仅支持访问缓存内容，同时保留图片上传与生成功能。

来源：ChatGPT

大晓机器人推出全屋三维可交互世界模型 Kairos-HomeWorld

大晓机器人联合香港中文大学、深圳河套学院推出全球首个全屋三维可交互世界模型 Kairos-HomeWorld 。模型采用四阶段分层生成架构，可从文本指令一键生成结构连贯、物理合理、功能完整的全屋三维场景，每个场景平均包含超15个可交互物体，支持机器人完成跨房间导航、物品整理等复杂家务仿真训练。

来源：商汤科技SenseTime

谷歌和 SpaceX 公司达成9.2亿美元云计算合作

谷歌与SpaceX达成云计算合作，自2026年10月至2029年6月，谷歌每月向SpaceX支付9.2亿美元（约62.46亿元人民币），租赁约11万张英伟达GPU、CPU等芯片算力，用于AI训练与推理。协议将缓解谷歌算力供应紧张，同时为SpaceX AI业务开辟重要收入来源，为其IPO增添新叙事筹码。

来源：IT之家

「华超神控」获亿元天使系列融资

新一代AI超声脑机公司华超神控（BCI-Sonics）宣布完成亿元人民币级天使轮系列融资，天使轮由经纬创投领投，天使+轮由德联资本、道远资本联合领投。公司由中科院博士、前GE医疗中国区负责人李昕创立，专注低强度聚焦超声无创脑机接口技术。本轮资金将用于技术验证与产业化落地，推进疼痛、成瘾等适应症临床转化。

来源：36氪

6月5·周五

ChatGPT 推出全新的 Dreaming 记忆系统

OpenAI推出基于Dreaming技术的新版ChatGPT记忆系统。系统能自动整理长期对话中的用户偏好、计划等背景信息，判断信息是否过时，实现记忆的自动更新与修正，使回答更个性化。同时新功能新增可查看、编辑的记忆摘要。本次更新率先面向美国Plus和Pro用户开放，未来将逐步扩展至更多地区及免费用户。

来源：APPSO

腾讯推出企业级AI智能工作台WorkBuddy企业版

腾讯推出企业级AI智能工作台 WorkBuddy企业版，面向AI原生组织转型提供7×24小时数字员工、人机协同项目模式及企业管理后台，原生接入腾讯文档、网盘与乐享，支持公有云、VPC专享及私有化部署。通过沉淀团队记忆与AI资产，将个人提效升级为组织提效。

来源：腾讯WorkBuddy

阿里通义推出通用智能体评测基准 PawBench

通义实验室推出通用智能体评测基准 PawBench ，首次将底座模型与运行框架（Harness）纳入联合评测。PawBench v1.0 包含 150 道真实任务、4050 个测试单元，覆盖 9 个模型与 3 个 Harness 的交叉矩阵。评测发现 Harness 性能差距最高达 6.4 分，同一模型换 Harness 分差可达 11.5 分。

来源：通义实验室

谷歌推出本地实时 AI 音乐模型 Magenta RealTime 2

谷歌Magenta团队推出 Magenta RealTime 2 （MRT2）本地实时音乐AI模型，包含2.4B高质量版与230M高速版，均针对Apple Silicon优化。模型采用逐帧生成架构，将延迟从3秒降至约200毫秒，支持文本、MIDI及音频风格控制。同步推出免费乐器应用Jam与DAW插件，可在Mac端实现低延迟即兴合奏。

来源：IT之家

6月4·周四

AI音乐公司 Suno 获4亿美元融资

AI音乐独角兽 Suno 完成4亿美元融资，估值翻倍至54亿美元，由Bond Capital领投，IVP等跟投。公司订阅用户已突破200万，年销售额有望达3亿美元，计划年底扩招70%员工。Suno已与华纳音乐达成和解并签署授权协议，此前仍面临环球、索尼、华纳三大唱片公司的版权侵权诉讼。

来源：Z Potentials

月之暗面推出通用型本地 Agent「Kimi Work」Beta版

月之暗面推出面向知识工作者的通用型本地Agent 「 Kimi Work 」 Beta版，随Kimi最新测试版Mac和Windows客户端发布。其内核为 Kimi Code ，支持安装Skills、运行定时任务，内置Kimi WebBridge浏览器操作能力，可自主创建最多300个子Agent的集群协作。Beta版支持金融分析、科研数据清洗、办公报告生成等场景，目前开放内测。

来源：月之暗面Kimi

京东开源长音视频生成框架 JoyAI-Echo

京东推出 JoyAI-Echo 长音视频生成框架，通过跨模态音视频记忆库、记忆驱动后训练推理速度提升7.5倍、Director Agent对话式编辑及轻量化实时超分四项技术创新，解决角色一致性、声音稳定性和生成速度三大行业难题。实测显示框架5分钟视频角色与音色高度一致，语音准确率达0.8646，各项指标全面领先。

来源：京东黑板报

Nous Research 推出 Hermes 官方桌面端 Hermes Desktop

Nous Research 推出 Hermes 官方桌面客户端（预览），支持 macOS、Windows 和 Linux 三端。工具具备持久记忆、任务调度、子代理委派、网页浏览、多模态推理及隔离沙箱等核心能力，可直接在本地桌面运行，彻底告别终端命令行。 Hermes Desktop 终结了用户长期依赖终端或第三方UI的历史，标志Hermes向更友好的桌面端AI Agent形态演进。

来源：AI工具集

6月3·周三

OpenAI 发布 AI 编程智能体 Codex 三项更新

OpenAI宣布编程智能体 Codex 三项更新：智能体插件预置6个岗位技能包，企业无需编程可部署AI员工；注释功能支持对生成内容指哪改哪精准修改；站点功能可将文档一键转为交互式网站。Codex周活跃用户已达500万，较年初增长8倍。同时OpenAI计划将Codex引入ChatGPT，支持AWS平台一键部署。

来源：智东西

Windsurf 升级更名为 Devin Desktop

Cognition 宣布 Windsurf 正式升级为 Devin Desktop ，从 AI IDE 转型为 Agent 指挥中心。新版本引入 Kanban 统一管理本地与云端 Agent，新增 Spaces 实现跨 Agent 上下文共享，支持 ACP 开放协议接入 Codex、Claude Agent 等第三方 Agent。产品保留完整 IDE 能力，现有用户可通过 OTA 自动升级，实现零成本迁移。

来源：Devin

微软推出七款全新 MAI 模型

微软推出全新自研 MAI 模型，包括 MAI-Thinking-1 推理模型、 MAI-Image-2.5图像模型、MAI-Image-2.5-Flash高效版图像模型、 MAI-Voice-2 语音模型、MAI-Voice-2-Flash高效版语音模型、 MAI-Transcribe-1.5 语音转文本模型、及 MAI-Code-1-Flash 编码模型。所有模型均从零训练，无蒸馏，共享统一数据规范与评估框架。

来源：Microsoft.ai

千问App向第三方Agent、Skill全面开放

千问App 宣布向第三方Agent和Skill全面开放，所有企业均可在千问运营品牌Agent。肯德基、瑞幸、蜜雪冰城、东方航空等首批企业正在测试，将陆续上线。Agent具备记忆与主动规划能力，可主动提供行程提醒、权益到期、复购推荐等服务。

来源：千问APP

字节跳动开源统一视频生成与编辑框架 Bernini

字节跳动开源 Bernini 统一视频生成与编辑框架。框架创新性地引入多模态大模型作为规划师，模型能理解用户意图与语义目标，再交由扩散模型进行高质量视觉渲染，大幅提升AI视频编辑的可控性。

来源：量子位

6月2·周二

阿里通义推出多模态智能体基座模型 Qwen3.7-Plus

阿里推出 Qwen3.7-Plus 多模态模型。模型将视觉与语言统一为智能体基座，能感知场景、操作GUI、生成代码并执行任务。模型具备多模态推理、视觉编程和浏览器自动化等能力，可完成APP全链路开发等复杂工作流。在全球权威视觉榜单Vision Arena中，阿里凭借模型跻身全球前五、中国第一。

来源：千问大模型

北大团队全新升级 ChatExcel Max 2.0

北大团队发布 ChatExcel Max 2.0 。新版本彻底解除文件大小、数量限制，100%保留原Excel公式与格式。通过对话即可完成复杂数据处理，一键生成Word、PPT、可视化看板等专业报告。应用于财务审计、物流、人力等场景，实现跨表核对、异常标记与全流程自动化分析，保障企业级数据安全。

来源：元空AI

阿里达摩院推出 AI 原生开发平台「语构」

阿里达摩院推出AI原生开发平台「语构」，以Vibe Coding为核心范式，用户通过自然语言描述可生成完整可用的数字产品。平台覆盖需求理解、智能追问、自动开发到预览发布的全链路，内置大模型对话、文生图、机器翻译、地图检索、实时汇率、股价查询、气象数据等标准化资源接口，支持零代码调用。

来源：AI工具集

谷歌母公司 Alphabet 宣布 800 亿美元大额融资，用于 AI 支出

谷歌母公司Alphabet宣布总额800亿美元股权融资，用于AI基础设施与算力建设。其中300亿美元为公开发行，400亿美元按市值发行，伯克希尔·哈撒韦私募投资100亿美元。公司此前预计2026年资本支出达1800至1900亿美元，2027年将进一步提升；云业务2026年Q1营收同比增长63%，积压订单逾4600亿美元。

来源：IT之家

词元无限完成数千万元融资

词元无限完成数千万元天使+轮融资，由华控基金、水木创投联合领投，厦金创新跟投。公司由字节跳动万人级研发体系AI化改造团队与清华姚班背景团队创立，定位为企业级Agent基础设施，核心产品InfCode与InfOne分别面向AI原生软件开发和组织级智能业务编排，已服务十余家头部金融与软件企业。

来源：Founder Park

← 2026年7月 2026年5月 →

AI进展

6月30·周二

6月29·周一

6月26·周五

6月25·周四

6月24·周三

6月23·周二

6月22·周一

6月18·周四

6月17·周三

6月16·周二

6月15·周一

6月12·周五

6月11·周四

6月10·周三

6月9·周二

6月8·周一

6月5·周五

6月4·周四

6月3·周三

6月2·周二

6月1·周一