ARTICLE · 1048951

AI周报:谷歌Gemini 4 Pro生图效果惊艳;苹果AI服务器曝光;豆包手机消费者版发布:键指纹直唤;生数科技正式发布Vidu S2

发布时间：2026-09-21 09:16:33 最近访问：2026-09-21 09:16:33

“ 特斯拉更新：豆包大模型语音助手扩至更多车型 ”

谷歌最强 Gemini 4 Pro开测SVG生图惊艳

谷歌正在以 'gemini-3.8-flash' 的名称在 Arena 等基准平台上测试其最强模型 Gemini 4 Pro，内部代号为 Argon。

测试版本中，Gemini 4 Pro 在生成 SVG 图片方面表现出色，尤其是对复杂结构和几何关系的理解能力令人印象深刻（以下视频中提示词是用 three.js 创建一只美丽的机械蝴蝶）。

关注

重播分享赞

视频详情

ChatGPT正式入驻Word：免费用户也能用

OpenAI 推出 ChatGPT 官方 Word 插件，面向全球所有账号开放，包括免费用户。该插件为写作者提供了多项功能，如整理笔记、生成摘要、调整语气等，同时付费和企业用户可获得更高级的功能。

然而，插件的使用有分层限制，并且与 Codex 等工具共用额度。

Claude Opus 5.2深夜灰度上线：响应更快，还治好了“偷懒病”

Claude Opus 5.2 在灰度测试中表现出色，响应速度、输出质量以及自主迭代能力均显著提升，展现了 Anthropic 在 AI 模型优化上的强大实力。

苹果AI服务器曝光：代号Baltra、搭自研M8 Ultra

苹果计划重返服务器市场，开发企业级 AI 服务器，并与博通合作开发 AI 服务器芯片 Baltra，同时考虑采用英伟达 NVLink Fusion 技术以提升性能。

豆包手机助手消费者版发布：AI键指纹直唤，跨应用Agent再升级

9月14日，豆包手机助手消费者版在交互、记忆、Agent 执行及安全等方面全面升级，推动手机 AI 从“问答”走向“自动办事”。

千问上线Qwen3.8-Omni-Flash：30项评测平均提升超26%

阿里通义千问推出新一代全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频与视频输入及 1M 长上下文，性能在多项评测中显著提升。该模型强化了音视频处理能力，并优化了 API 价格，同时开源了相关工具以支持更复杂的工作流。

阶跃星辰发布Step5 Preview，单任务成本仅为Claude Opus5的1/8

阶跃星辰发布了新一代旗舰基座模型 Step5 Preview，重点面向 AI 编程、软件工程、专业知识工作及金融等场景，提升模型在真实世界 Agentic 任务中的综合表现。

该模型在 AA 综合智能指数中跻身全球开源模型前三，单任务成本仅为 Claude Opus5 的1/8，计划于10月中旬开源。Step5Preview 采用稀疏 MoE 架构，总参数量600B，激活参数仅27B，支持100万 Token 上下文窗口，并原生支持文本与视觉输入，在软件工程、专业工作流和金融等场景针对复杂任务进行了优化。