AI HOT 日报 · 2026年6月24日
数据覆盖 2026-06-23 ~ 2026-06-24，共 23 条精选资讯。
模型发布/更新
1. FastWan-QAD：单卡 5090 上 1.8 秒生成 5 秒视频
Sky Computing Lab 发布 FastWan-QAD 视频生成模型系列，基于 FastVideo 的量化感知蒸馏（QAD）方案训练。在单张 NVIDIA GeForce RTX 5090 上，端到端生成一段 5 秒 480P 视频仅需 1.8 秒。模型、代码及博客已开源。
🔗 来源
2. 京东全栈开源 JoyAI-VL-Interaction：从"一问一答"走向"边看边说"
京东开源全球首个全栈交互模型 JoyAI-VL-Interaction，获 vLLM-Omni 原生支持。该模型能持续观察视频流、主动判断关键事件并实时响应，支持将复杂任务委托后台 Agent 处理。在 58 个真人盲评中，对比豆包视频通话助手胜率 77.6%，对比 Gemini 视频通话助手胜率 87.9%，监控预警场景达 100% 胜率。开源内容包括模型权重、交互数据集、训练方案及完整可部署系统。
🔗 来源
3. 网易有道发布 Confucius4-TTS：14 语种跨语种无口音语音克隆
网易有道推出"子曰 4.0" TTS 引擎 Confucius4-TTS，声称是业内首个支持 14 种语言跨语种无口音、且无需参考文本即可完成语音克隆的开源模型。用户仅需 3 秒音频即可实现零样本音色克隆，克隆音色与原声相似度超 85%，任务准确度达 97%。已全量开源（Apache 协议），提供 54GB 资源包供本地部署。
🔗 来源
4. Krea 2 技术报告正式发布
Krea AI 发布 Krea 2 技术报告，深入解析创建 Krea 2 所用的数据、架构及训练技巧。
🔗 来源
5. 豆包音频生成模型 1.0 发布，重新定义 AI 音频创作
火山引擎正式发布豆包音频生成模型 1.0（Doubao-Seed-Audio 1.0），支持文本与音频参考生成，端到端输出目标音频。单条 Prompt 可编排多角色对白、情绪语气、背景音乐及环境氛围，长时生成中保持多角色音色一致性，无需后期多轨混音。一次支持 2 分钟音频创作，多次延长保持音色统一。已开启火山方舟 API 邀测。
🔗 来源
6. Mistral OCR 4
Mistral AI 发布 OCR 4，新增边界框、块分类（标题、表格、方程式、签名等）及逐页逐词置信度分数。支持 170 种语言、10 个语系，可单容器全自托管部署。在 OlmOCRBench 上得分 85.20，独立标注者偏好率平均 72%。定价每 1000 页 $4，Batch API 享 50% 折扣。
🔗 来源
7. Seed2.1 正式发布，深入 AI 生产力
字节 Seed 发布 Seed2.1 系列，面向真实生产力场景的智能体，强化通用 Agent 能力、代码工程交付与多模态理解。Seed2.1 Pro 在 GDPval 基准获最高分，Agents' Last Exam 位列参评模型第一梯队；MobileWorld 手机 GUI 任务最高分。代码能力上，开发者评测相比 Claude Opus 4.6 获 59.1% 胜率。模型已在豆包、TRAE 上线，API 通过火山方舟提供。
🔗 来源
产品发布/更新
8. IBM 开源 CUGA：轻量级智能体框架
IBM 开源了 CUGA（Configurable Generalist Agent），一个处理规划、执行循环、工具调用和状态管理的轻量级智能体框架。开发者只需提供工具列表和提示词即可构建 CugaAgent。内置计划-执行-反思循环，在 AppWorld 和 WebArena 基准上排名第一。支持 Fast / Balanced / Accurate 三种推理模式。
🔗 来源
9. Runway 推出 Seedance 4K 等三款新模型
Runway 上线 Seedance 4K、Seedance Mini、Kling 3.0 Turbo 三款新视频生成模型。
🔗 来源
10. 无限制 OCR：单次长时域解析
Unlimited OCR 是一个托管在 GitHub 的项目，实现单次长时域解析（One-Shot Long-Horizon Parsing），旨在一次性处理长时间跨度的 OCR 任务。
🔗 来源
11. 国内首个高考志愿 AI 测评出炉，千问多项表现超过资深咨询师
友松实验室发布国内首个高考志愿 AI 能力测评报告，测试千问高考志愿填报 Agent 四大模块。与 53 位平均从业 4.6 年的人类咨询师对照，千问表现更稳定精确：44 道事实题全对；模拟 10 个志愿中 6 个可录取；100 场匿名对比中专家 58 次倾向千问回答。
🔗 来源
12. Anthropic 推出 Claude Tag：在 Slack 中通过 @Claude 协作
Anthropic 推出 Claude Tag，一种在 Slack 频道中通过 @Claude 委托任务的新协作方式。Claude 可记住频道上下文，支持多用户交互，经授权后可自动学习其他频道和数据源。开启"环境"行为后，能主动更新未解决的线程或任务。支持异步工作，可自主推进项目数小时或数天。即日起面向 Claude Enterprise 和 Team 客户提供 beta 版。
🔗 来源
13. Claude Code v2.1.187 发布
Claude Code v2.1.187 新增 sandbox.credentials 设置，可阻止沙箱化命令读取凭证和秘密环境变量；模型选择器及相关参数现已支持组织配置的模型限制。修复多项问题：--resume 失败、JSON Schema 结构化输出循环、远程 MCP 工具调用阻塞、韩文/中日韩文本粘贴乱码等。
🔗 来源
行业动态
14. Oracle 因 AI 应用裁员 21000 人，债务驱动云基础设施投资
Oracle 在截至 5 月 31 日的财年裁员 21000 人，员工总数降至 141,000 人，降幅 12.9%。公司称 AI 技术的采用导致劳动力缩减，同时重组成本达 18 亿美元，同比增长 481%。Oracle 计划 2026 年通过债务和股权筹集 450 至 500 亿美元，扩建 Oracle Cloud Infrastructure。公司债务超 1200 亿美元。
🔗 来源
15. 五眼联盟警告：AI 网络威胁数月内将影响普通用户
五眼联盟（美、英、加、澳、新）网络安全部门联合警告，即将到来的 AI 模型（如 OpenAI 的 GPT-5.5-Cyber、Anthropic 的 Mythos）将降低编写复杂攻击代码的门槛。自动化智能体可全天候扫描互联网漏洞，大幅缩短安全窗口期。AI 驱动的超个性化钓鱼诈骗已在亚太蔓延，印度 2026 年初勒索软件事件激增 165%。
🔗 来源
16. GitHub 联合开源联盟呼吁修改加州 AI 透明度法案以保护开源
GitHub 联合 Black Forest Labs、Hugging Face 与 Mozilla Corporation 组成开源联盟，呼吁对加州 AI 透明度法案（SB 942）进行针对性修改。当前草案要求开发者在下游用户未履行义务时撤销开源许可证，这与开源许可证永久不可撤销的性质冲突。
🔗 来源
17. OpenAI 助力 Appia Foundation 推动先进 AI 共享标准建设
OpenAI 通过 Appia Foundation 支持制定先进 AI 的共享标准，涵盖评估框架、安全实践与全球合作。
🔗 来源
论文研究
18. AI 招聘工具存在种族偏见和系统性排斥
一项覆盖 340 万人、400 万份申请、150 家雇主和 1700 个职位的大规模实地研究发现，AI 招聘筛选工具存在显著的种族歧视：26% 的黑人申请者和 15% 的亚裔申请者遭遇算法对其族群的系统性排斥。多数雇主依赖同一第三方供应商算法，形成"算法单一文化"。研究呼吁对算法招聘进行独立监管。
🔗 来源
19. 九位评委，两个有效投票：相关错误削弱 LLM 评审面板
苹果机器学习研究团队发现，LLM-as-a-judge 面板因模型间高度相关而严重受限。对 7 个模型家族的 9 个前沿大语言模型测试表明，9 位评委实际仅提供约 2 个独立投票的信息量，面板准确率比独立投票理想值低 8-22 个百分点，最佳单一模型的表现已匹敌或超越整个面板。
🔗 来源
20. 基于指标依赖的标注饱和：从标签分布中学习
在 ChaosNLI 数据集上微调 NLI 模型，发现所需标注人数因评估指标而异：熵相关（识别分歧项）需约 20-50 个标注者收敛，KL 散度（分布匹配）约 10 个标注者即饱和。结论：标注预算应依据目标评估指标制定。
🔗 来源
技巧与观点
21. huggingface_hub 实现每周发布：AI、开源工具、人工审核闭环
Hugging Face 将 huggingface_hub 的发布周期从每 4-6 周缩短至每周，全部由单个 GitHub Actions 工作流自动完成。流程依赖开源工具和开权重模型（当前为 Z.ai 的 GLM-5.2）来起草发布说明和 Slack 公告，但保留人类在最终审核环节的决定权。
🔗 来源
22. Claude Tag 的 Agent Identity 访问模型
Claude Tag 推出 agent identity（智能体身份）访问模型，让 Claude 在共享频道中以独立身份工作，而非模拟某个用户。管理员在工作区级配置连接器、仓库访问、技能插件和固定指令等权限，每个频道可覆盖继承的基线设置。该模型为自主多玩家 AI 场景设计。
🔗 来源
23. GPT-5 帮助免疫学家解开三年未解之谜
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解决了一个长达三年的免疫学谜团，揭示了 T 细胞行为的新见解。这一突破可能为癌症和自身免疫疾病研究提供支持。
🔗 来源
数据来自 aihot.virxact.com
