中科院推出 Stream-Omni 多模态大模型，文本视觉语音同时搞定

快讯

•  AI 神器 Shortcut 颠覆 Excel 操作，说话生成报表提速 10 倍

  AI 助手 Shortcut 引爆办公场景，用户直接说话即可操控 Excel 生成报表、透视表及趋势图，彻底摆脱公式与 VBA 编码。实测显示：该工具处理锦标赛案例仅需 10 分钟，效率超人类冠军 10 倍，评分达 80%。财务、分析师群体可借自然语言指令快速完成数据分析，新手友好。当前开放邀请制测试，常规数据处理流畅，超大数据集待优化。来源

  4天前

• Gemini CLI 升级支持音视频处理与隐私

  谷歌开源命令行工具 Gemini CLI 发布新版本。更新合并 85 个 PR，51 位社区贡献者参与。新增音视频处理功能，支持终端处理音频视频文件。增强 Markdown 文件处理，实现嵌套导入和表格渲染。添加 /privacy 命令强化隐私控制。升级 Ink6 和 React19 框架，兼容 VSCodium 与 Neovim 编辑器。优化历史压缩机制，防止无限循环提升稳定性。免费提供百万 token 上下文窗口和高请求配额。来源

  4天前

• Claude 即将发布 Claude Neptune v3 模型，数学能力超强

  Anthropic 正在测试代号为‘Claude Neptune v3’的新 AI 模型，该模型可能成为 Claude4.5 的前身或全新突破。目前处于内部红队测试阶段，重点测试其宪法 AI 系统的稳健性，并在数学推理能力上表现出色。

  4天前

• 开源 AI 桌面助手 Glass 一夜爆火，会议记录灵感捕捉不在话下

  Pickle 团队推出开源 AI 桌面助手 Glass，火爆开发者和职场圈。助手隐形运行后台，实时处理屏幕音频，主动分析任务提供建议。会议中自动监听音频，生成记录摘要，整理结构化笔记。支持学习编程，分析文档网页优化代码。开源 GitHub 可定制，免费运行 macOS，未来扩展 Windows Linux 功能。来源

  4天前

• 中科院推出 Stream-Omni 多模态大模型，文本视觉语音同时搞定

  中国科学院计算技术研究所推出Stream-Omni多模态大模型，同步处理文本、视觉和语音。语音交互实时显示中间文本结果，提升效率。模型优化模态关系，减少数据依赖，实现高效对齐。支持多模态组合输入，实验显示语音能力领先，视觉媲美同行，奠定智能交互基础。来源

  4天前

• OpenAI 宣布 GPT-5 将整合多种模型，实现全新突破

  OpenAI CEO 奥尔特曼播客确认 GPT-5 今夏推出。模型整合文本、图像、语音和视频处理能力，提供统一界面。用户无需切换工具，简化体验。支持更大上下文窗口，处理复杂任务。自主调整响应，适应用户行为个性化输出。OpenAI 提升性能易用性，强化竞争优势。

  4天前