ComfyUI 与 MiniMax H3 启动同步声音社区挑战赛
ComfyUI 联合 MiniMax 发起基于开源全模态视频模型 H3 的同步声音生成挑战，要求音频由单次推理原生生成。H3 内存占用降低 66%，可在 RTX 3060 等消费级显卡免费本地运行，或通过 Comfy Cloud 体验。参赛者需提交工作流文件，优胜者将获得 RTX 5090 等硬件奖励，结果将于 9 月 2 日揭晓。
全部AI 动态
全部动态
今日 0 条ComfyUI BlogAI 评分1818 Google AIAI 评分4242 Google Search 推出五项 AI 学习新功能
Google Search 在 AI Mode 和 AI Overviews 中上线五项教育工具，包括交互式可视化、免费练习测验及 Lens 解题辅导。Gemini Notebook 现已集成至搜索，支持跨产品同步笔记与资料分析。相关功能正以英文向全球逐步推送。
ComfyUI Blog精选AI 评分7878 ComfyUI 开源本地版 Comfy MCP 服务器
ComfyUI 正式开源其 MCP 服务器，支持在本地机器上直接运行，允许 Claude、Codex 等智能体连接本地 ComfyUI 环境。该更新实现了本地与云端的统一接入，智能体能自动读取硬件配置以评估模型兼容性，并处理权重下载、节点匹配及工作流执行等复杂设置任务。
推荐理由：ComfyUI 将 MCP 服务器完全开源并支持本地运行，用户可通过单一智能体无缝调度本地与云端资源，显著降低本地部署门槛。
ComfyUI Blog精选AI 评分8080 MiniMax 发布开源音乐生成模型 MiniMax Music 3
MiniMax 发布了开源权重音乐生成模型 MiniMax Music 3，该模型已集成至 ComfyUI。它采用双语言模型混合连续合成架构，支持根据歌词和描述生成长达五分钟、结构完整的 32 kHz 立体声歌曲，并提供通过结构化标题对人声和编曲进行细粒度控制的能力。
推荐理由：原文详细拆解了 MiniMax Music 3 的双 LLM 加 Flow Matching 架构，并提供了在 ComfyUI 中生成完整结构歌曲的具体工作流与参数控制方法。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.7 Flash：面向编码与智能体的主力模型
Google DeepMind 发布 Gemini 3.7 Flash，这是其针对编码和智能体任务的最强主力模型。该版本在 FrontierCode 1.1 Main (43.6% vs 34.4%) 和 DeepSWE v1.1 (65.3% vs 49.0%) 等基准测试中显著优于前代，并在 GDP.pdf 和 AutomationBench 上展现更强的推理能力。
推荐理由：新模型在代码生成和复杂文档处理上显著提升，且价格减半，适合评估其在生产环境中的成本效益。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 SL2T 手语翻译模型并集成至 Gboard 和 Live Transcribe
Google DeepMind 推出大规模多语言手语转文本（SL2T）模型，首次将手语AI应用于消费级产品，支持美国手语（ASL）到英语的实时转换。该模型基于超过10万小时、涵盖50多种手语的数据训练，通过MediaPipe Holistic提取人体姿态关键点而非原始视频以保护隐私，直接输出流式文本。
推荐理由：原文给出了SL2T模型的技术原理、隐私保护机制及在Pixel 11上的落地入口，读者可以据此判断其如何改变聋人用户的输入体验。
ComfyUI Blog精选AI 评分7373 ComfyUI 宣布支持 LTX-2.5 视频模型
ComfyUI 正式支持最新开源视频模型 LTX-2.5，提供本地运行和 Partner Nodes 托管两种使用方式。该版本引入了基于复杂度的新渲染方法、扩散式视频解码器以及自定义 Gemma 4 12B 文本编码器，并保留了原生 4K、音视频同步及最高 50fps 帧率等特性。
推荐理由：ComfyUI 官方同步支持 LTX-2.5，提供了开源权重与托管节点两种接入方式及关键渲染特性说明。
ComfyUI Blog精选AI 评分7878 ComfyUI 原生支持 Wan Animate 2 模型
ComfyUI 现已原生支持 Wan Animate 2 及其高效变体 Lite，提供高保真角色动画和实时流式生成能力。该模型采用端到端 Diffusion Transformer 架构直接处理驱动视频，消除了中间运动提取器以提升动作质量和身份保持度，并支持文本驱动的视角控制。
推荐理由：ComfyUI原生支持Wan Animate 2，通过端到端架构提升动作保真度并实现实时流式动画生成。
ComfyUI Blog精选AI 评分8080 ComfyUI 通过 Partner Nodes 上线 Seedance 2.5 视频模型
Seedance 2.5 现已通过 Partner Nodes 在 ComfyUI 中可用。该模型支持单次生成长达 30 秒的连续视频片段，并允许在一次运行中使用最多 50 个参考资产（包括图像、视频和音频）来锁定角色、环境和运动细节。
推荐理由：原文详细说明了 Seedance 2.5 在 ComfyUI 中实现单次生成 30 秒连续视频及多模态参考资产控制的具体能力，为视频创作者提供了新的工作流选择。
Google DeepMind精选AI 评分9090 Google DeepMind 开源 WeatherNext 2 与 Cyclones 模型，气旋预测精度提升相当于十年气象进步
Google DeepMind 宣布开源 WeatherNext 2 和 WeatherNext Cyclones 模型，其 Nature 论文显示该 AI 模型在气旋路径、强度和风结构预测上达到 SOTA，平均为预报员提供额外一天的预警时间，相当于过去十年的气象技术进步。
推荐理由：WeatherNext 在气旋预测中实现相当于十年气象进步的精度提升，并开源了模型权重与代码。
ComfyUI Blog精选AI 评分8181 ComfyUI 通过 Partner Nodes 上线 FLUX 3 视频生成功能
ComfyUI 宣布通过 Partner Nodes 正式提供 FLUX 3 Video 功能，这是 Black Forest Labs 首个统一多模态模型的视频部分。
推荐理由：ComfyUI 官方接入 FLUX 3 视频生成能力，支持原生音频与多风格控制，用户可直接获取工作流模板进行创作。
ComfyUI Blog精选AI 评分8282 MiniMax H3 发布并获 ComfyUI Day-0 支持
MiniMax 发布第三代视频模型 H3，这是其首个开放权重的视频模型，已在 ComfyUI 中实现 Day-0 原生支持。该模型支持文本、图像、视频和音频输入，能生成最高 2K 分辨率、15 秒时长的视频，并同步生成原生立体声音频。通过剪枝调制权重、int8 量化及自定义内核等技术，H3 在 ComfyUI 中的显存占用降低 66%，使得 RTX 3060 等消费级 GPU 也能进行本地推理。
推荐理由：原文说明了 H3 的开放权重特性及在 ComfyUI 中的本地推理优化细节，读者可据此评估其在消费级硬件上的实际部署可行性。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 正式发布 Gemini Robotics ER 2，这是其最新的高阶“具身推理”模型，旨在通过视频理解、任务编排和多机器人协作提升机器人在物理世界中的实用性。
推荐理由：新模型通过视频理解实现任务进度追踪与多机器人协作，并公开了API接入入口及基准测试数据。
Google DeepMindAI 评分5757 Google DeepMind 发布 Lyria 3.5 音乐生成模型并上线 Google Flow Music
Google DeepMind 推出最新音乐生成模型 Lyria 3.5，并即日起在 Google Flow Music 中向用户开放。该模型在音乐性、歌词质量、人声表现和创作控制四个方面进行了升级，包括生成更复杂的旋律结构、提高提示词遵循度、增强人声情感表达以及允许用户更轻松地控制输出节奏和时长。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Robotics 2 系列模型
Google DeepMind 推出 Gemini Robotics 2 系列模型，赋予机器人全身智能控制、精细灵巧操作及多机协作能力。该系列包含用于视觉语言动作控制的 VLA 模型、作为高层大脑的 ER 推理模型以及支持快速适配新硬件的端侧模型。目前 ER 模型已在 Google AI Studio 上线，VLA 和端侧模型向早期合作伙伴开放。
推荐理由：原文详细拆解了全身体控制、灵巧操作及多机协作的技术实现，为理解通用物理AI的落地路径提供了具体参考。
ComfyUI BlogAI 评分3434 Comfy 推出 Team 计划：共享工作区与统一积分池
Comfy 正式推出 Team 计划，将团队整合至单一共享工作区、统一积分池及一张账单中。该计划提供 $200 至 $2,500 的月度积分承诺档位，支持按量折扣最高达 20%，并内置管理员控制功能以简化计费与成员管理。
Google DeepMindAI 评分2828 Google 向 Genesis Mission 承诺提供 4000 万美元 AI 额度
Google 宣布向 Genesis Mission 投入 4000 万美元的 AI tokens 和 credits，以加速科学发现前沿。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 及 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型，旨在提升 AI 智能体的构建效率与可靠性。
推荐理由：原文给出了三款新模型在效率、延迟和特定场景下的具体性能数据与定价，读者可以据此评估其在智能体工作流中的实际落地价值。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 推出基于 Gemini 3.5 Flash 微调的轻量级网络安全模型 Gemini 3.5 Flash Cyber，旨在高效查找、验证和修补软件漏洞。
推荐理由：原文展示了轻量级模型在代码安全扫描中的成本与效率优势，并给出了通过多次调用提升发现率的工程实践。
ComfyUI BlogAI 评分2626 Comfy Org 与伦敦艺术大学 CCI 达成 Creative Campus 合作
Comfy Org 与伦敦艺术大学创意计算研究所（CCI）宣布建立 Creative Campus 合作伙伴关系，使 CCI 成为即将推出的 Comfy Education Initiative 的创始伙伴。CCI 师生将获得教育折扣、团队功能早期访问权及专属社区支持，其研究项目正利用 ComfyUI 开发符合版权规定的视听基础模型。
Google DeepMindAI 评分5858 Google DeepMind 与 Isomorphic Labs 联合发布生物韧性应对方案
Google DeepMind 与 Isomorphic Labs 于 2026 年 7 月 16 日联合公布其生物韧性（bioresilience）方法，旨在通过防止模型滥用和利用 AI 技术增强社会对疫情等事件的抵御能力。
ComfyUI BlogAI 评分5252 ComfyUI MCP 发布批量生成功能并展示生产用例
ComfyUI MCP 推出针对批量生成的新工具集，包括支持单次提交最多 50 个任务的 `submit_batch`、状态监控 `get_batch_status` 和结果收集 `get_batch_output`。
Google DeepMindAI 评分3535 Google DeepMind 推出 Gemini 驱动的 ATL Saathi 试点应用
Google DeepMind 在印度启动 ATL Saathi 实时试点，这是一款基于 Gemini 3.5 Flash 模型的 Web 应用，旨在为 Atal Tinkering Labs 教师提供全天候规划与培训助手。该工具支持 8 种语言，利用 NotebookLM 整理课程并生成项目方案、接线图及安全指南，目前已在 100 所试点学校部署，助力将传统实验室转型为 AI 增强型发现实验室。
Google DeepMindAI 评分3030 Google DeepMind 与 A24 宣布首个研究合作伙伴关系
Google DeepMind 与电影制作公司 A24 宣布建立首个专注于研究的合作伙伴关系，并伴随一项投资。双方将开展深度研发协作，让艺术家参与塑造未来工具，以弥合前沿技术与下一代娱乐之间的差距。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款新模型，现已在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 上线。
推荐理由：原文给出了两款新模型的定价、延迟指标及 API 接入方式，读者可据此评估其在高吞吐图像生成与视频编辑工作流中的实际成本效益。
Google DeepMind精选AI 评分7878 Gemini 3.5 Flash 内置计算机操作功能
Gemini 3.5 Flash 现已将计算机操作（computer use）作为内置工具支持，此前该能力仅存在于独立的 Gemini 2.5 模型中。开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能跨浏览器、移动端和桌面环境进行感知、推理及行动的自定义智能体。
推荐理由：原文说明了计算机操作能力从独立模型整合进主模型的变化，并给出了针对提示注入风险的安全措施与开发入口。
Google DeepMindAI 评分5252 Google DeepMind 与英国政府合作推出 AI 加速规划原型
Google DeepMind 宣布与英国政府合作开发基于 Gemini 的 AI 规划原型，旨在将住宅规划申请的处理时间缩短 50%。该工具通过整合数据、识别本地政策、总结反馈和起草评估报告来辅助规划官员，但官员仍保留最终审批权并拥有完整的审计追踪记录。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 AI Control Roadmap 以保障 AI Agent 安全
Google DeepMind 发布 AI Control Roadmap，提出针对内部 AI Agent 的纵深防御框架，将未信任的智能体视为潜在内部威胁。该方案基于 MITRE ATT&CK 构建威胁模型，通过可信 AI 监督、行为分析及分级响应机制（D1-D4/R1-R3）来应对模型能力增长带来的安全风险。
推荐理由：原文公开了内部 AI 控制路线图及百万级智能体轨迹分析数据，为行业提供了可参考的纵深防御框架与实时监测实践。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 DiffusionGemma：基于扩散的开源实验性文本生成模型
Google DeepMind 发布 DiffusionGemma，这是一个基于 Apache 2.0 许可的 26B Mixture of Experts (MoE) 实验性开源模型，通过并行生成文本块实现最高 4 倍的推理加速。
推荐理由：原文给出了扩散模型在本地推理中的速度优势与硬件适配细节，读者可据此评估其在实时交互场景下的可用性。
Google DeepMindAI 评分3838 Google DeepMind 联合多方发起最高 $10M 多智能体 AI 安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 及 Google.org 宣布启动最高 $10M 的多智能体 AI 安全研究资助计划。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5 Live Translate 音频模型
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音到语音翻译。该模型能自动检测语言并生成保留说话人语调、节奏和音高的流畅译文，通过持续生成语音而非等待说完来减少停顿。
推荐理由：原文展示了 Gemini 3.5 Live Translate 在连续流式翻译、保留语调及多端部署上的能力变化，为开发者与企业提供了实时语音交互的新方案。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，这是一款旨在在笔记本电脑上运行的高性能多模态模型。该模型采用统一的无编码器架构，视觉和音频输入直接流入 LLM 主干，无需传统独立编码器，从而降低延迟和内存占用。
推荐理由：原文给出了无编码器统一架构和16GB显存本地运行门槛，读者可以据此判断其在笔记本上实现多模态智能体的可行性。
Google DeepMindAI 评分2424 Google DeepMind 启动欧洲机器人加速器计划，支持15家初创企业整合AI
Google DeepMind Accelerator 从欧洲选出15家机器人初创公司加入为期3个月的加速计划。入选者将获得密集导师指导、技术支援及 Gemini robotics models 访问权限，以将 AI 集成至核心产品。该计划旨在推动物流、医疗等领域的物理 AI 应用落地。
Google DeepMind精选AI 评分7373 Google DeepMind发布塞拉利昂AI辅助学习影响评估研究
Google DeepMind公布了一项在塞拉利昂进行的预注册试验结果，显示使用Gemini驱动的Guided Learning工具使学生在八周内数学成绩提升0.258个标准差，相当于1.2至1.7年的典型学习进度。
推荐理由：原文披露了塞拉利昂预注册试验的量化结果，展示了AI作为教学伙伴而非答案引擎的实际效能与行为改变。
Google DeepMindAI 评分2121 Google DeepMind 在亚太地区启动加速器计划以应对环境风险
Google DeepMind 在亚太地区启动首个“AI for the Planet”加速器计划，旨在利用前沿 AI 解决气候、农业及能源等环境挑战。该为期三个月的项目面向初创公司、研究团队和非营利组织，提供专家指导及 Google AI 科学模型集成支持。项目将以新加坡线下训练营正式启动。
Google DeepMindAI 评分4747 Google DeepMind Co-Scientist 助力逆转细胞衰老研究
Google DeepMind 的 Co-Scientist 协助生物学家筛选出20多个可能逆转细胞衰老的新型遗传因子，实验室验证显示其能成功驱动细胞进入更年轻状态。该工具将原本需耗时6个月的大规模基因筛查数据分析工作缩短至几天，显著加速了从海量文献与实验数据中提取有效假设的过程。
Google DeepMind精选AI 评分7373 Project Genie 新增 Street View 实景锚定功能并向 Google AI Ultra 用户开放
Google DeepMind 在 Project Genie 中推出基于 Street View 的实景锚定能力，允许用户选择美国境内的真实地点作为生成世界的起点，并应用如“海洋世界”或“黑白电影”等风格进行创意重构。
推荐理由：Project Genie 接入 Street View 真实影像，让 AI 生成的虚拟世界能锚定现实地点，为智能体提供更具真实感的交互环境。
Google DeepMind精选AI 评分9191 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 推出 Gemini Omni 系列首个模型 Gemini Omni Flash，支持从图像、音频、视频和文本输入生成高质量视频，并允许通过自然语言进行多轮对话式编辑。
推荐理由：原文展示了 Gemini Omni Flash 在视频生成与对话式编辑上的能力，并明确了其在多个 Google 产品中的落地入口。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini for Science 科研工具集与 Antigravity Science Skills
Google DeepMind 推出 Gemini for Science，包含三个基于 Google Labs 的实验性工具和集成在 Google Antigravity 中的 Science Skills。
推荐理由：原文展示了面向科研的 Agent 工具集与技能包，读者可据此了解 AI 如何加速假设生成、计算发现及文献分析等核心科研环节。
Google DeepMind精选AI 评分6868 Google DeepMind 扩展内容透明度工具并推出 AI 内容检测 API
Google DeepMind 宣布在 Search、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明度与验证工具，并推出新的 AI Content Detection API。
推荐理由：原文详述了 SynthID 与 C2PA 在搜索、Chrome 及 Pixel 端的落地细节，并推出面向企业的 AI 内容检测 API。