小米MiMo-V2.6强化学习训练过程公开，罗福莉确认后续开源技术细节

9月17日凌晨，小米MiMo大模型团队负责人罗福莉在X平台发文，首次公开了旗下最新大模型MiMo-V2.6的强化学习训练进展，同步上线实时训练页面，把大模型RL阶段的全流程摊开给外界看。

技术架构上，MiMo-V2.6正在开展大规模多任务智能体RL实验，从算力、环境、评估三个维度全面扩展：算力层面实现单步约20亿Token的完全异步并行，环境层面搭建支持单次运行混合多框架的代理式RL，评估层面采用带测试用例与量规奖励的组内信用分配机制。

直播页面实时呈现训练进度、Token消耗与成本指标，其中MiMo-V2.6-Pro版本训练约1天19小时、耗资89万美元，MiMo-V2.6-Flash时长1天14小时、耗资39.7万美元，双版本累计训练成本已突破128万美元。

罗福莉确认相关技术细节将在未来数周内逐步开源。作为从DeepSeek引进的核心AI人才，罗福莉曾主导达摩院多语言预训练及DeepSeek-V2研发，去年11月加盟小米后执掌MiMo团队，今年3月上一代万亿参数模型Mimo-V2-Pro已登顶Artificial Analysis全球大模型综合智能榜第八位。

这次透明化直播与工程细节开源，把前沿大模型训练从“黑盒试错”往“极客级过程开源”推了一步，后续开源落地情况值得持续关注。

模型地址：小米MiMo官网

小米MiMo-V2.6

抖音上线“冒用声音”专属举报入口，AI克隆音色投诉投诉量一个月翻倍

9月17日，抖音正式上线“冒用声音”专属举报入口并升级相关维权机制，回应AI生成技术普及后频发的声音侵权问题。平台在“侵犯权益”分类下增设“冒用声音”专属通道，配套推出可核验的举证机制与双向申诉流程，实现了从入口建立、证据核验到最终判定的全链路闭环。

用户可通过PC端“抖音批量侵权举报”网站发起投诉，支持两种举证方式：

一是语音录入，权利人现场朗读平台随机文案录制10至30秒语音，系统校验语音特征与朗读内容一致性；

二是上传包含权利人清晰可辨原声及正面肖像的视频。平台可直接比对提交的音视频材料研判声音相似度，被举报方也可通过App站内信发起申诉，提交声音使用授权、AI合成授权等材料。

抖音平台数据显示，近一个月内涉及声音侵权的举报量同比翻倍，此前专项治理中已累计下架AI侵权视频超53.8万条，其中AI肖像及声音侵权视频达8.5万条。

根据《民法典》第1023条，声音权已参照肖像权受到法律明确保护，此前国内首例AI声音侵权案判赔金额已达25万元。这次升级把平台对AI深度合成内容的管控从版权治理扩展到了生物特征与人格权益防护，后续App端声纹识别能力的落地效果值得关注。

详情查看： https://www.aitop100.cn/infomation/details/34720.html

AI冒用声音

阿里云Wan3.0视频大模型升级：单条直出30秒长镜头，支持五条视频参考

阿里云近日正式对外展示全新升级的Wan3.0视频大模型，实现了从早期生成数秒短片段到直接输出单条30秒长镜头的跨越，同时推出支持导演级控制、最多引用五条视频的omni-reference核心能力。

回顾视频生成技术发展，行业过去长期围绕5秒左右短片段打磨，随后逐步延伸至15秒，Wan3.0的30秒单条直出能力让AI视频开始适配影视行业真实生产流程，制作团队无需再费力拼接成百上千个零散短片段，可直接生成连贯长镜头后按剧本剪辑。

核心功能上，Wan3.0支持同时引入多达五条视频作为参考素材，配合最多10张图片、5段音频的组合参考，实现角色五官、服饰、道具细节、空间关系、光影风格的像素级一致。

模型还首次支持doc、xls、ppt、pdf、md等办公文档格式直接输入，可自动解析文档内容生成配套动态画面、字幕与背景音效，实现“文档直转视频”。人像生成方面做了针对性优化，精细刻画五官、皮肤纹理及微表情，降低人物崩坏和画面穿帮概率，同时原生支持生成带语音的双声道视频，人声、背景音乐与画面节奏自动同步。

目前Wan3.0相关能力已通过Model Studio以及Qwen Cloud面向开发者和企业用户开放API接口，已在短剧影视、广告营销、文旅传播等多个行业落地应用。

详情查看： https://www.aitop100.cn/infomation/details/34719.html

阿里云Wan3.0视频大模型升级

Anthropic合并Claude产品线：Cowork与Chat合为一体，统一办公入口

Anthropic近日宣布将Claude Cowork和Chat全面合并为统一的Claude，整合了Cowork、Design、Docs、Slides等全部能力，用户无需再纠结任务入口，历史对话、Skill和连接器也得以保留。

新版Claude能自主判断任务复杂度并调用对应能力，可在后台持续推进任务，未来几周将向Pro和Max用户推送。这次合并打破了传统人机交互模式：Claude从“回答窗口”变成“成果空间”，用户在聊天框内就能完成文档起草、幻灯片制作、视觉设计等操作，内容保持在同一上下文中，还支持修改、批注、导出和分享。

以前Chat和Cowork在产品上分得很清楚，Chat是聊天框，问问题、改文章、分析文件，回答完一轮基本结束；Cowork则更像把一件事直接交给Claude，比如整理报告、查资料发邮件，它可以自己搜索网页、读取文件、写报告一步步做完。现在两者放进同一个入口，用户输入需求后Claude自己判断是直接回答还是进入长Agent任务，原本隔开的上下文也开始打通，普通聊天随时可以变成长任务，不需要“搬家”。

Claude Docs类似在线文档，可直接生成可继续编辑的富文本文档，支持多人实时编辑、评论@Claude修改；Claude Slides将做PPT功能单独拎出，可直接把文档转成结构化演示文稿；Claude Design的视觉设计能力也进入普通对话。

这反映出AI巨头正在争夺AI时代新的操作系统入口，产品竞争逻辑转向让用户看到最少选项、由AI吸收复杂性，Agent正在成为AI产品的基础架构。

官网地址：Claude官网（海外网站需要科学上网）

Anthropic合并Claude产品线

Manus拟融资约5亿美元，目标估值40亿美元

据彭博社报道，中国创立的AI初创公司Manus正计划进行一轮约5亿美元的融资，目标估值约40亿美元，这将是其与Meta Platforms完成业务层面切割后的首次融资。多位知情人士透露，该轮融资预计很快就会落定，可能让Manus估值翻倍，使其成为中国估值最高的AI智能体初创公司，不过谈判目前仍处于早期阶段，交易条款仍可能调整，潜在新投资者身份尚未明确。

Manus此前的股东背景颇为豪华，囊括腾讯、红杉中国以及真格基金等一线机构，截至目前相关机构负责人均未对此事作出回应。此次潜在融资发生在Manus与Meta解除合作之后，双方已于今年5月完成业务分离并停止数据共享，本月早些时候Manus表示已恢复独立运营，由创始团队继续领导，面向全球用户开发生成式AI智能体产品。

若按40亿美元估值融资落地，Manus在中国AI智能体开发者中的位置将更稳，也可能为未来在香港上市铺路。其竞争对手Evoken正以据称30亿美元的估值融资，产品为AI设计智能体Lovart。

但Manus仍面临更广泛的基础模型厂商竞争，月之暗面的Kimi、Anthropic的Claude等产品在处理通用桌面任务方面能力越来越强，而Manus并不从零开始训练自家的底座模型，后续能否撑住这一估值，取决于产品落地和用户留存情况。

工具地址：Manus官网（海外网站需要科学上网）

Manus

豆包大模型2.1 Pro 0915版更新：幻觉大幅降低，Agent复杂任务交付更稳

豆包大模型2.1 Pro近期迎来全新的0915版本升级，本次更新将核心焦点锁定在实际生产工作场景中，通过系统性地降低AI幻觉、强化证据溯源以及提升多任务处理可靠性，为企业级用户和开发者带来更具生产力价值的AI体验。在应对复杂业务场景时，新版本通过强化证据溯源机制，优先调用权威来源的信息，结合时效判断与交叉数据核验，让Agent在执行复杂任务时更加忠于事实。

以金融投研场景为例，模型可以自主拆解宏观或微观研究需求，调度数百个子Agent同步检索成百上千个网页，引入卫星影像、船舶航迹等多维度外部交叉资料进行佐证，确保最终生成的每一条研究结论都能溯源到对应的原始证据。

多模态编程与代码工程理解能力也迎来同步进化，面对体量庞大的代码仓库，新版本能够清晰理清跨文件的复杂依赖关系，精准定位Bug根源并给出修复方案，开发者只需提供操作录屏或几张手绘草图，系统就能将其转化为可运行的网页、游戏逻辑或三维场景代码。

视觉与多媒体理解方面，新版本能够完整看完长视频内容，跨帧提取关键信息，并严格对照标准作业程序查找现场操作中的问题，适配工程图纸解读、教学实验分析以及产品质量检测等专业领域。

值得一提的是，系统对运行效率进行了深度优化，图像与视频推理阶段的Token消耗量相比上一代大幅下降30%以上，有效压低了实际业务调用的运营成本。目前该版本的API已经正式在火山方舟上线，用户也可以直接在豆包工作中切换体验。

工具地址：豆包AI官网

豆包大模型2.1 Pro 0915版更新

腾讯ChatterFly低调内测：桌面语音输入可直接生成邮件、周报和开发提示词

近日，腾讯正低调内测AI原生语音/表达工具ChatterFly，部分资料称中文名或叫“元宝输入法”，当前开放macOS、Windows桌面客户端，需内测码进入，iOS与Android标为“即将发布”。

与常规输入法只做“语音转文字”不同，ChatterFly把表达辅助前置到输入环节：默认Fn键唤起语音录入，短按或按住说话，再次Fn或双击可下AI指令，如“写周报”“生成开发提示词”。

首页集成输入统计、个人词库、语音历史、Skills与设置，顶部展示总字数、语音占比、语音速度、节省时长等行为数据。Skills是核心模块，首期内置会议纪要、工作汇报、项目推进、营销文案、邮件润色、VibeCoding提示词优化等能力，按开关启用并结合上下文重写。

实测中，口述聚餐安排可自动分时间、地点、交通、后续事项；口述“做昆虫识别App”可输出页面结构、数据边界与验收标准，直接交给开发Agent。个人词库支持语音改词后自动记忆，也可手动加专有名词，并支持授权一键迁移搜狗词库，但含数字符号的词汇在拼音场景下可能不生效。

官方资料称产品适配弱网、嘈杂、轻声环境，依托混元等大模型能力沉淀用户习惯。业内认为，它延续腾讯搜狗、微信输入法之后的“AI表达”支线，但内测阶段生成质量、专业术语准确性与幻觉控制仍待正式版验证。

目前腾讯在输入法赛道已有搜狗输入法、微信输入法两款成熟产品，ChatterFly的入局意味着腾讯正在多产品卡位AI表达辅助赛道，后续正式上线后的市场反馈值得观察。

腾讯ChatterFly低调内测

AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。

想了解AITOP100平台其它版块的内容，请点击下方超链接查看

AI 创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说

AITOP100平台官方交流社群二维码：

AITOP100平台官方交流社群二维码

鱼不存在的最新文章内容

巧用画布工作流：普通生活照一键变身职业照、多规格证件照