搜索

Gemini 突破十亿活跃用户大关，NVIDIA 发布 Nemotron 3.5 Lightning，Mistral 联合欧洲算力联盟

JLS42 /
由人工智能生成的文章
gemini google nvidia mistral openai chatgpt github copilot ia-generative open-source actualites
Gemini 突破十亿活跃用户大关，NVIDIA 发布 Nemotron 3.5 Lightning，Mistral 联合欧洲算力联盟

ai-powered-markdown-translator

由 gpt-5.4-mini 将文章从法语翻译成中文。

在 GitHub 上查看项目 ↗

2026年8月11日，Gemini 应用月活用户突破十亿，成为 Google 历史上增长最快的产品。NVIDIA 发布 Nemotron 3.5 Lightning 及其路由库 NeMo Switchyard，Mistral 向第三方模型开放平台并联合欧洲算力联盟，Alibaba 则发布 Wan-Animate-2，这一开源角色动画模型迎来重大升级。除此之外，还有 ChatGPT 广告扩展到五个新市场、面向开发者的新工具，以及一长串媒体生成领域的公告。

Gemini 突破十亿月活用户

Gemini 应用已正式突破十亿月活跃用户，这使其成为 Google 认定的整个公司历史上增长最快的产品。该公告已由官方账号 @GeminiApp 以及在 Google 负责 Gemini 和 Labs 团队的 Josh Woodward 共同发布。

Google 同时附上了一份关于推动这一增长的使用数据：

测量的使用情况数据
语音交互63% 的用户通过语音使用
Gemini Live 会话每 5 次中有 1 次使用实时摄像头或屏幕共享
学习类请求38% 包含附件（文件）
图像生成每天生成超过 1.5 亿张图像
Android 自动化在超过 40 个应用中执行自动化操作
iOS 用户Apple 设备上的活跃用户超过 1 亿

这些数据表明，Gemini 的使用场景已不再局限于纯文本聊天，而是扩展到语音、摄像头、屏幕共享、多媒体生成以及跨应用自动化（餐厅预订、叫车）等方向，这些都正成为其采用率增长的重要驱动力。

🚀One billion for Gemini! Our goal remains to make it the most personal, proactive, and powerful assistant.

🇨🇳 🚀 Gemini 突破十亿！我们的目标仍然是让它成为最个性化、最主动、最强大的助手。 — @GeminiApp 在 X 上

🔗 Google 官方博客公告

NVIDIA 推出 Nemotron 3.5 Lightning 和 NeMo Switchyard，面向高吞吐代理任务

NVIDIA 扩展了其开源 Nemotron 3 模型家族，推出 Nemotron 3.5 Lightning——一款 300 亿参数（30 亿活跃参数）的混合式 MoE，专为高吞吐代理任务执行而设计，例如工具调用、结果验证、任务委派，而不是复杂推理。该模型提供 NVFP4 和 BF16 版本，支持最长 100 万 tokens 的上下文，并声称相较同类模型可获得高达 4 倍的输出吞吐量，以及在任务完成上节省 30% 的时间。在 PinchBench 上，它在完成 10,000 个任务时，以与之相当的精度比 Qwen3.6 35B 快 35%，达到 86% 的准确率。

该模型连同权重、训练数据和配方一并发布，可在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 上获取。Together AI 自首日（day-0）起即为发布合作伙伴，并通过其 Dedicated Model Inference 服务为高吞吐代理工作负载预留容量。

与此同时，NVIDIA 发布了 NeMo Switchyard，这是一个开源库，可根据质量、延迟和成本将每个请求路由到最合适的模型，而无需重写应用——把前沿模型留给复杂推理，把 Lightning 用于专门执行。NVIDIA 声称，其任务完成成本可降至仅为单独使用 Opus 4.8 的约三分之一。文中列举了几个实际合作案例：Boomi 将 59% 的流量路由到一个更快的微调模型，Cognition 将平均成本降低 28%，而 Ramp 通过模型与路由组合，实现了 59% 的成本和 32% 的执行时间下降。

🔗 NVIDIA 官方博文 · X 上的模型公告

Alibaba 发布 Wan-Animate-2，开源角色动画迎来重大升级

Alibaba（Wan 团队）发布 Wan-Animate-2，被描述为其开源角色动画模型的一次重大升级。官方重点强调了四项能力：高保真动画，可在真人、卡通、机器人和动物之间复现动作与微表情；多角色动画，让同一场景中的每个角色都能保留各自的身份和动作；由文本驱动的摄像机控制（例如“俯视视角”），并与源视频解耦；以及实时流式生成，可按 chunk 逐段生成任意长度的视频序列，且不会出现可观察到的误差累积。

在技术上，Alibaba 放弃了显式姿态骨架，转而将参考视频本身作为运动先验，并采用 Dual-Branch DiT（Diffusion Transformer）架构、Time-Align RoPE 时间编码以及 Sparse-Ref Attention（Sparse-Ref Attention）来在不损失质量的情况下减少计算。摄像机控制则依赖一个基于约 50,000 个 Unreal Engine 多视角样本训练而成的 LoRA。

该模型为开源版本，现已在 ModelScope、Hugging Face 和 GitHub 上提供，并附带在线演示。根据 NVIDIA 8 月“Local AI”宣传活动的说法，其 140 亿参数在 RTX 系统上的生成速度比替代方案快 16 到 26 倍——这也印证了它面向消费级硬件本地部署的优化方向。

🔗 NVIDIA 技术细节与数据 · X 上的公告

Mistral 推出区域化推理，向 GLM-5.2 开放平台，并联合欧洲算力联盟

Mistral 正将自己定位为唯一同时提供区域化推理选择和服务保障的欧洲 AI 实验室。该公司已在与 OpenAI、Google 以及中国厂商的价格与技术竞赛中持续推进，而此处选择的是不同的定位：主打主权性与服务可预期性，而非单纯追逐基准测试。平台侧有两项新功能：

功能状态说明
Mistral Regional Endpoints可用推理执行可选择欧洲或美国
Mistral Priority Tier公开预览可定制可用性 SLA 和吞吐限制

另一项值得注意的变化是：Mistral 平台开始接入第三方模型，首个合作对象是 Z.ai 的 GLM-5.2，其将获得与 Mistral 自家模型相同的区域控制和服务承诺——这标志着双方首次出现收敛，而此前两者一直是可负担开源模型赛道上的直接竞争对手。

最后，Mistral 推出 European Compute Units（ECU），这一机制将企业多年期承诺转换为其算力基础设施的使用额度，目标是在 2030 年前实现 1 GW 容量——相当于一座大城市的用电功率。已公布的创始合作伙伴包括 ASML（Christophe Fouquet，CEO）、CMA CGM（Rodolphe Saadé，Chairman 兼 CEO）、Amadeus（Luis Maroto，CEO）以及 Caisse des Dépôts（Olivier Sichel，CEO）——这是一组来自工业、运输和公共金融领域的组合，体现了打造不依赖美国超大规模云厂商的欧洲算力产业链的雄心。

🔗 Mistral 官方公告

OpenAI 在英国、墨西哥、巴西、日本和韩国推出 ChatGPT 广告

OpenAI 在 ChatGPT 内部广告投放方面迈出了新一步。该计划于 2026 年 2 月先在美国针对 Free 和 Go 套餐进行测试，随后在 3 月扩展至加拿大、澳大利亚和新西兰，如今已正式登陆五个新市场：英国、墨西哥、巴西、日本和韩国。Plus、Pro、Business、Enterprise 和 Education 套餐仍然无广告，且到今年年底还将覆盖更多市场。

其基本原则保持不变：广告永远不会影响 ChatGPT 的回答，它们会被清晰标注为赞助内容，并在视觉上与自然回答分离。定向依据是当前对话主题以及过去的广告互动历史，但广告主绝不会获得对话内容或个人数据的访问权限——他们只会收到汇总统计数据（浏览量、点击量）。

在用户控制方面，ChatGPT 允许隐藏广告、查看其展示原因、一键删除广告数据，并随时管理个性化设置。不会向已识别或推定为未成年人的账号展示广告，也不会在敏感主题附近（健康、心理健康、政治）展示。根据 OpenAI 的说法，试点未显示任何可测量的用户信任影响，这也是推动此次逐步扩展的原因。

🔗 OpenAI 官方公告

开源生态与推理

webAI Intelligence Lab 发布 TwiL-LM3，这是一款在形式推理上超越 GPT-OSS-120B 的 3B 推理模型

webAI Intelligence Lab（奥斯汀）发布 TwiL-LM3，这是其首个开源形式推理模型。尽管只有 30 亿参数，它声称在测试的 5 个形式推理基准中的 4 个上超过了 OpenAI 的 GPT-OSS-120B——也就是以约 40 倍更少的参数实现了 2.6 倍更快的推理速度。该模型并非使用自动抓取的网页内容训练，而是基于经过验证的自有数据训练，目标场景是边缘计算（edge）：官方称它可以从 Raspberry Pi 跑到 iPhone，而无需依赖云端。

🔗 官方推文

Meta 正准备推出 Muse Spark 1.2 的开放权重版本

在宣布 Muse Glimmer 的帖子中，Alexandr Wang（Meta Superintelligence Labs）表示，Meta 不久后将发布 Muse Spark 1.2 的开放权重版本——此模型目前一直是驱动终端代码代理 Muse Code 的专有模型。虽然没有给出具体日期，但这一公告确认了 Meta 正在其整个 Muse 系列上向更多开放权重倾斜，这与 Muse Glimmer 立即以 Apache 2.0 许可开放权重的做法一脉相承。

🔗 官方推文

Zuckerberg 发布关于 Meta AI 理念的文章

同一天，Mark Zuckerberg 发文称“每个人都应该能够接触到超级智能”，并阐述 Meta 为构建积极 AI 未来所秉持的理念与价值观。该信息与 Muse Glimmer 的发布相呼应，将开放权重定位为一种根本性选择，而非单纯的营销话术，也体现了 Meta 在本周围绕开放权重战略所进行的更大范围传播。

🔗 官方推文

Lightricks 发布 LTX-2.5，其开放式 world model 迎来重大更新

Lightricks 发布 LTX-2.5，这是其“world model”的新版本，已用于电影、机器人以及实时工作流。此次更新承诺更高的像素保真度、跨镜头保持一致的多平面场景，以及一个预训练底座，可通过一种名为 Diffusion Fidelity Rendering 的新渲染方式按不同领域进行微调（fine-tuned）。团队将 LTX-2.5 描述为一个开放基础，而不是一个租用工具。

🔗 官方推文

IBM Research 发布 ALTK-Evolve，一种比 ACE 更省 token 的代理记忆系统

IBM Research 发布 ALTK-Evolve，这是一个让 AI 代理无需重新训练就能从过去失败中学习的系统，它会根据所用模型的能力来调整回灌提示的数量——这与 ACE（Agentic Context Engineering）不同，后者会在每一步都投递完整的“playbook”。在使用 DeepSeek-V3.2 的 AppWorld 基准上，ALTK-Evolve 以每任务 263K tokens 实现了 89.3% 的任务完成率，而 ACE 为 80.4% 和 634K tokens。使用 gpt-oss-120b 时，它在约为 ACE 40% 的推理成本下，取得了相当或更高的准确率。

🔗 Hugging Face 博文

Together AI、IBM 与 NVIDIA 联手在 IBM Cloud 上提供企业级推理

Together AI 宣布与 IBM 和 NVIDIA 合作，通过配备 Spectrum-X 网络的 NVIDIA B300 GPU 专用集群，将企业级 AI 推理带到 IBM Cloud——这是该平台上的首例，并由 Together AI 的生产级推理平台提供支持。该服务面向已经是 IBM Cloud 客户、希望部署 AI 工作负载而无需迁移到其他云提供商的企业。

🔗 官方推文

开发者工具：Amp、Replit、GitHub Copilot 和 Manus

Amp 为 orb 推出全局插件和技能

Amp（Sourcegraph）引入了一套由 Amp 托管的集中式插件与技能系统，可在 Amp 运行的任何地方使用，尤其是在 orbs 中。它分为两个层级：个人层，是一个实验性沙盒，支持在同一对话线程中进行热重载（live reloading）；以及工作区层，由管理员管理，并默认对整个团队加载。个人元素可以共享到工作区，而版本管理是原生支持的（可更新到最新版本、检测过期技能）。

🔗 全局插件与技能

Replit MCP 测试版：可通过 MCP 创建、加载、搜索和发布应用

Replit 为其 MCP（Model Context Protocol）测试版增强了新能力：可以直接通过 MCP 创建、加载、搜索和发布应用，无需经过网页界面。其目标是让任何兼容的 MCP 客户端——编辑器、自主代理或第三方工具——都能直接在 Replit 上构建真实软件，而不是局限于 Replit 自身界面。此次扩展也印证了 Replit 的策略：将其平台暴露为面向代理工作流的可编程组件。

🔗 官方推文

MAI-Code-1.1-Flash 登陆 GitHub Copilot，MAI-Code-1-Flash 停止维护

微软最新的紧凑型代码模型 MAI-Code-1.1-Flash 正在部署到 GitHub Copilot 中，支持原生视觉能力，并在代码质量、指令跟随和工具使用方面有所改进。其价格比 MAI-Code-1-Flash 低 73%，年度订阅用户的高级请求倍率为 0.25×。Free 和 Student 用户将自动选中该模型，Pro、Pro+、Max、Business 和 Enterprise 用户可手动选择。与此同时，GitHub 宣布将于 2026 年 9 月 10 日 停止维护 MAI-Code-1-Flash。

🔗 GitHub 更新日志

Manus 将重新成为独立公司

Manus 宣布将重新成为一家独立公司。为符合部分司法辖区的监管要求，部分用户需要在 2026 年 8 月 23 日（新加坡时间 7:59）之前备份数据，并在 2026 年 8 月 25 日（新加坡时间 8:00）之后启动恢复。受影响用户将通过电子邮件和应用内通知收到提醒；过渡期间不会产生收费，并将附带欢迎奖励。

🔗 官方推文

媒体生成：Wan CLI、Motif 3、Luma Scenes 与 800 VDC 供电

Wan CLI：阿里巴巴让代理可直接操控 Wan

Alibaba 发布了 Wan CLI，这是一款新的命令行工具，允许代理直接调用 Wan 平台，以编程方式生成图像和视频。所消耗的积分会与用户的 Wan Video 账户完全同步，避免网页端与自动化使用之间出现重复计费管理。安装方式是从 Wan 面板中获取一条命令并粘贴到自己的代理中，同时还提供了教学视频帮助上手。

🔗 官方推文

Motif 3：首个在 NVIDIA B200 GPU 上训练的韩国前沿模型

韩国初创公司 Motif Technologies 推出 Motif 3 Base 和 Motif 3，这是其首批瞄准前沿大模型竞赛的模型，在韩国科学部支持下开发，并使用 NVIDIA B200 GPU 进行训练。Motif 3 基于 Motif 3 Base 构建，并通过使用 NVIDIA NeMo-RL 的后训练实现。团队还与 NVIDIA 合作发布了 NVFP4 版本（NVIDIA 优化的低精度版本）。该模型系列将连同技术报告一起在 Hugging Face 上提供，NVIDIA 也将此次发布誉为韩国 AI 生态活力的一个例子。

🔗 官方推文

Luma Scenes：由 Uni-1 驱动的分场景视频制作

Luma AI 推出 Luma Scenes，这是一款可在最终渲染前逐个细化、定时并验证每个场景的工具——旨在解决一个经典问题：为了最终只保留一个可用版本而生成大量变体，却可能因为某个场景失误而毁掉整部作品。该工具延续了 Luma Layers（分层编辑，7 月底推出）的思路，进一步确认 Luma 正朝着更细粒度控制而非一键生成的方向发展，其工作流也更接近传统剪辑。

🔗 官方推文

Ideogram Ad Resizer：一个设计，所有广告格式

Ideogram 推出 Ad Resizer：只需一个设计和目标广告位，工具就会自动生成一整套适用于投放的格式（Instagram、Facebook、YouTube、联网电视、展示广告、印刷），甚至包括手动裁切很难处理的极端比例。该功能现已在应用和 API 中提供，可集成到自动化广告制作流水线中——为多渠道创意团队提供了一个具体的营销使用场景。

🔗 官方推文

HeyGen for Real Estate：面向房地产经纪人的三种视频格式正式发布

HeyGen 正式推出 HeyGen for Real Estate，提供三种专为房地产经纪人设计的视频格式，让他们无需摄像机或剪辑就能直接出镜——目标是帮助他们每天多次发布内容，同时不牺牲这个行业所要求的视觉呈现。促销方案：在公告发布后 12 小时内注册 Creator 计划的用户，可免费获得 30 天 White Glove 服务（仅限美国）。HeyGen 还提到，未来可能会将这一方案扩展到房地产以外的其他小型企业。

🔗 官方推文

NVIDIA 详解未来“AI 工厂”的 800 VDC 供电架构

NVIDIA 与 Google 和 Microsoft 一起，通过 Open Compute Project 详述了一种 800 伏直流供电架构，它减少了电网与 GPU 之间的电能转换环节，以支持未来几代加速器更高的计算密度。已有超过 80 家制造商在开发符合该规范的产品。分阶段部署计划如下：2026 年下半年推出混合式“Power Rack”架构，2027 年推出“Row Power Center”，随后在未来十年内逐步过渡到原生 800 VDC 设施。

🔗 NVIDIA 官方博客

Qwen、Z.ai 与 OpenAI：新模型与代理同步

Qwen3.8-27B：开放权重将于本周发布

Alibaba Qwen 确认，Qwen3.8-27B 的开放权重将于本周发布，这是 Qwen3.8 家族中的一个新尺寸，此前的旗舰模型 Qwen3.8-Max 已于 8 月初报道。团队将这款新模型定位为在代理式编码方面优于 Qwen3.6-27B，而这一表现也已经受到期待这一中间尺寸数周之久的开发者社区的积极欢迎。

🔗 官方推文

Z.ai：ZCode 用户突破 100 万，GLM Coding Plan 限额重置

Z.ai 宣布，基于 GLM 模型的编码工具 ZCode 用户数已突破百万。作为感谢，官方重置了所有 GLM Coding Plan 订阅者的使用限额，并推出更新，旨在更好地把长程推理能力转化为真正完成的工作；其缓存命中率达到 98%，为订阅者带来约 1.8 倍的使用量。

🔗 官方推文

带有 Codex 的 ChatGPT 桌面应用在 Linux 上提供预览版

OpenAI 将其桌面应用扩展到 Linux，之前仅支持 macOS 和 Windows。预览版覆盖四个主流发行版——Ubuntu 24.04/26.04 LTS、Debian 13 和 Fedora 43/44——并提供 x64 与 ARM64 的 .deb/.rpm 软件包。该应用将 ChatGPT、ChatGPT Work 和 Codex 集于同一原生界面中，并支持访问项目和已支持的浏览器工作流，无需切换工作环境。

🔗 官方推文

Codex 和 ChatGPT Work 可导入其他 AI 代理的工作

ChatGPT Work 和 Codex 新增功能：可将使用其他 AI 代理完成的现有工作同步到 OpenAI 生态中。具体来说，用户可以导入项目、对话、skills 和插件，查看导入历史，并在设置中启用自动同步。该功能现已在 ChatGPT 桌面应用中提供，旨在减少切换工具时的摩擦，而不是从一个全新的配置重新开始。

🔗 官方推文

简讯

  • Fable 计费 Bug 已修复，196 笔退款完成 — Anthropic 确认，一个导致错误显示超额的配置缓存 Bug 已被彻底修复；196 名用户已收到退款并获得补偿积分。 🔗 推文
  • v0（Vercel）重新设计侧边栏 — 按项目分组的对话、实时状态指示器、悬停预览卡片。 🔗 推文
  • Amp 将 orbs 的磁盘大小提升至 60 GB — 先前为 40 GB，新建 orbs 不加价。 🔗 推文
  • DeepSeek V4 Flash 0731 可在 Together AI 上进行微调 — 通过 SFT 或 DPO 进行专精，然后部署到生产环境。 🔗 推文
  • Together AI 详细介绍其专用推理的第二篇自动扩缩容内容 — 在相同负载下测试了三种策略，只有一种真正实现了适配。 🔗 推文
  • Hugging Face 推出 Open Model Series — 关于开放模型及其本地使用的新教学视频系列。 🔗 推文
  • 巴塞罗那足球俱乐部加入 Google Pixel / Gemini 合作 — 成为俱乐部的新官方合作伙伴，此前拜仁慕尼黑也有类似合作。 🔗 推文
  • Copilot 使用报告：按模型细分 token — 输入、输出和缓存 token 现在可以在 AI 消耗积分后面查看。 🔗 更新日志
  • GitHub 强调 Copilot 的 Rubber Duck 代理 — 在一篇关于初级开发者技能的职业文章中；该代理使用第二个模型来批评生成的代码。 🔗 推文
  • Perplexity Computer：GitHub 是最常用的连接器 — 且大多数使用者并非开发者（5 人中有 4 人）。 🔗 推文
  • Suno Studio 2.0（预告） — Suno 音乐制作环境的新版本，没有更多细节。 🔗 推文
  • ElevenLabs 纽约峰会将于 11 月 11 日举行 — 一天的演讲活动，汇聚技术与商业高管；现已开放报名。 🔗 推文
  • FLUX 3 Video 确认全球排名第 2 — Black Forest Labs 将 playground 的免费访问延长至 8 月 16 日，并预告 4K 和视频编辑功能。 🔗 推文
  • Runway 上的 Seedance 2.5 增加了 50 个角色参考 — 并支持与音乐轨道同步的片段。 🔗 推文
  • Runway 上可用 P-Image-Ideogram — 仅需 0.6 秒即可生成一张图像，并提供四种质量模式。 🔗 推文
  • Kimi K3 已在 Databricks 上提供 — Moonshot AI 模型的一个新的分发渠道。 🔗 推文
  • Zapier 使用 ChatGPT Work 改造其营销 — 降低了线索漏斗中的流失，自动化报告。 🔗 OpenAI
  • Virgin Atlantic 使用 ChatGPT Work 优化客户流程 — 产品研究和规划速度加快。 🔗 OpenAI
  • Cohere — Aidan Gomez 详解开源与主权战略 — 可定制、可负担且安全的模型作为主线。 🔗 推文

这意味着什么

面向大众的 AI 使用规模正在发生量级变化：随着月活用户达到十亿，Gemini 加入了 Google 最庞大产品的极小圈子，其驱动力已远远超出纯文本聊天（语音、摄像头、自动化）。与之呼应，OpenAI 正将 ChatGPT 广告扩展到五个新市场——这表明当用户基础足够庞大且稳定时，对话式助手的大规模商业化已成为战略优先事项。

在基础设施层面，这一天表明行业正在从单纯的前沿推理转向更专业化的代理执行。NVIDIA 通过 Nemotron 3.5 Lightning 和 NeMo Switchyard 提出了明确的经济模型：将昂贵模型保留给复杂规划，把高吞吐执行交给更轻、更便宜的模型，并在多个合作方那里实现了可衡量的成本收益。IBM Research（ALTK-Evolve）与 Together AI（自动扩缩容、IBM Cloud 合作）也在沿着相同的推理经济路线深入推进，而 Mistral 则通过 European Compute Units 和区域推理来构建自身的主权能力。

开放权重仍在向新的参与者和新的形态扩展：阿里巴巴的 Wan-Animate-2、webAI 的 TwiL-LM3、即将发布的 Qwen3.8-27B、Meta 关于 Muse Spark 1.2 的承诺，甚至还有一个建立在 NVIDIA 技术栈上的首个韩国前沿模型（Motif 3）。这种地理与模态上的多元化——文本、动画、嵌入式推理——印证了开源已不再是少数西方实验室的专属领域。

最后，开发者代理工具链持续走向专业化：Amp 和 Replit 增加了管理层（全局插件、扩展的 MCP），GitHub 强化其低成本模型产品线，而 OpenAI 则通过让 Codex 和 ChatGPT Work 导入他处完成的工作，在竞争生态之间搭建起明确的桥梁——这是一场对可移植性的押注，而非对封闭生态的押注，因为当下开发者往往要同时周旋于多个 AI 代理之间。

来源