豆包手机助手推消费者版，Suno与华纳合作发布v6音乐模型

2026-09-16 12:51 1 阅读

豆包手机助手消费者版上线，支持指纹直唤与跨应用自动办事

字节跳动正式推出豆包手机助手的消费者版本，这次更新重点强化了交互方式、本地记忆、任务执行和隐私安全。最直观的变化是新增“AI键”功能——用户可在锁屏状态下通过指纹验证一键唤醒助手，无需解锁手机。

在能力层面，新版本不再局限于问答，而是能主动跨应用执行任务。比如用户说“把昨天会议里提到的预算表发给张经理”，助手会自动进入邮件或聊天软件查找文件并发送。这种从“被动响应”到“主动办事”的转变，依赖于其增强的记忆系统，可安全检索本地相册、文档、日历等数据，但所有敏感操作均需用户二次确认。

安全方面采用端云协同架构：简单查询在设备端处理，复杂任务才上传加密数据至云端。字节强调，用户数据不会用于模型训练，且可随时清除记忆记录。

AI音乐公司Suno宣布推出v6版本，并首次公开与华纳音乐集团、BMG等主流唱片公司的合作。v6并非单一模型，而是一套包含旗舰版、探索版和轻量版的模型组合，分别面向专业制作人、独立创作者和移动端用户。

新模型支持文字、音频、图片甚至短视频作为输入。例如上传一段吉他演奏视频，再输入“改成80年代合成器流行风格，加入鼓点和贝斯线”，v6就能生成完整编曲。更关键的是，它允许用自然语言对已有歌曲进行局部修改，比如“把副歌升半音”或“在第二段主歌后插入一段萨克斯独奏”。

Suno称，此次合作不仅提供合法授权的训练数据，还共同设计了版权归属机制：用户生成的内容版权归创作者所有，但若使用厂牌提供的音色或样本库，则需遵守特定授权条款。这被视为AI音乐走向商业化的重要一步。

几乎同步，ElevenLabs也发布了Music v2.5音频生成模型，并开放移动App和API接口。该版本在R&B、灵魂乐、嘻哈、摇滚及管弦乐等风格上表现突出，尤其擅长处理人声与乐器的融合。

与Suno不同，ElevenLabs特别强调其训练数据全部来自合法授权的音乐库，明确表示“避免陷入版权争议”。目前提供免费版（每日生成时长有限）和专业版（支持高保真输出和商业用途）两种服务。

值得注意的是，Music v2.5在节奏稳定性和动态范围控制上有明显提升。测试显示，生成的歌曲在副歌高潮部分不会出现音量突变或乐器失真，这对实际应用场景至关重要。

宇树科技推出人形机器人G1+，在运动控制、环境感知和交互体验上做了多项改进。最显著的是颈部新增两个自由度（+2DOF），使其能更自然地转头、点头，配合双目视觉系统实现更精准的人脸追踪。

硬件方面，G1+搭载双摄像头、3D激光雷达和腹部广角相机，构建多层级空间感知网络。电机系统经过热管理优化，持续输出能力提升约20%。供电采用快拆式智能电池，支持外接电源，单次续航约2小时，适合展厅导览、科研实验等需要长时间在线的场景。

标准版售价9.5万元，同时推出面向高校和研究机构的G1+ EDU版本，开放底层控制接口，便于开发定制化算法。

大模型公司智谱宣布完成约50亿美元的新一轮融资。这笔资金将主要用于下一代GLM基础模型的研发，核心方向是建立“递归自我改进”体系——即用上一代GLM的能力来构建训练环境、生成高质量数据、评估模型输出，形成闭环迭代。

具体来说，团队正在搭建自动化任务生成平台，让模型在模拟环境中完成复杂推理任务（如代码调试、多步规划），并通过反馈机制筛选有效训练样本。工程层面则聚焦国产芯片适配，包括深度优化算子库和KV Cache存储策略，目标是在同等硬件条件下将推理效率提升3倍以上。

据多方消息，苹果计划在今年秋季低调发布新一代Apple TV机顶盒。虽然外观变化不大，但内部升级聚焦AI能力：搭载更强芯片以支持Apple Intelligence生态，并深度整合Siri助手。

新版Siri将具备跨应用情境理解能力。例如用户说“把上周看的那部科幻片续集加到我的观看列表”，Siri需结合观看历史、语音上下文和内容库进行推理。此外，Apple TV将进一步强化其作为家庭智能中枢的角色，全面支持Thread和Matter协议，实现对灯光、温控、安防等设备的统一调度。

在JDD大会上，京东发布了JoyAI-Echo1.5和EchoWM两大模型。前者支持生成10分钟以上的连贯音视频内容，适用于短视频、广告片等场景；后者则是可交互的“视听世界模型”，用户可在生成的虚拟环境中进行多轮探索——比如点击画面中的门，角色会走过去开门，同时环境音效随之变化。

EchoWM已开源，开发者可基于此构建游戏、教育或虚拟导购应用。京东同时展示了JoyAI基础模型矩阵，覆盖文本生成、图像理解、视频合成等多个模块，意图打通从数字内容生成到物理世界交互的链条。

深度求索（DeepSeek）的V4.1-Flash版本已在千问AI平台开放API调用。该模型采用稀疏MoE架构，激活参数约8B（输入）至16B（输出），支持图文混合理解，适合长文档解析、客服知识库问答等企业级任务。

成本控制是其亮点：KV Cache对HBM显存的需求降至前代的1/4，SSD存储占用减少至1/8，大幅降低部署门槛。目前支持北京、新加坡、美国、德国、日本、香港等多地节点调用，延迟表现稳定。