AWorld团队开发的Recon-Act系统采用"侦察-行动"双团队协作模式，通过工具中心的自我进化机制实现智能浏览器操作。系统在VisualWebArena测试中达到36.48%成功率，超越现有自动化方案。其创新性在于将信息收集与任务执行分离，通过对比成功失败案例自动生成专用工具，为未来智能浏览器助手发展提供了新思路。

谷歌发布无代码AI工具Opal，用户可通过自然语言描述构建简单应用程序。该工具提供类似ChatGPT的聊天界面，自动生成应用并支持可视化编辑器进行多步骤工作流程定制。Opal内置多个预构建应用模板，涵盖游戏设计、营销材料生成等场景，目前在美国通过Google Labs公测版提供服务。

云通信解决方案

OpenAI 推出 ChatGPT 深度研究代理，能够在 5 到 30 分钟内分析数百个在线资源，生成全面报告。该代理使用 o3 模型搜索互联网信息，准确性比现有模型高，但仍存在一些局限性。目前仅向付费用户开放，未来将扩展功能并提高使用限制。

知名AI图像生成公司Midjourney发布备受期待的AI视频生成模型V1。该模型可将用户上传的图像转换为四段5秒视频，仅通过Discord提供服务。V1与OpenAI的Sora、Runway的Gen 4等产品竞争，但更专注创意应用而非商业用途。公司计划未来开发3D渲染和实时AI模型，最终目标是创建实时开放世界模拟系统。视频生成费用为图像生成的8倍，最低订阅计划为每月10美元。

近日，国际知名第三方测评认证机构——赛可达实验室发布了2017年度全球PC中文版杀毒软件横评报告。实验室搭建并模拟了中国用户真实的计算机使用环境，测试样机安装了超过15款中国用户常用的软件。

Google 为 Gemini 聊天机器人推出重大升级，允许其访问用户的 Google 搜索历史，以提供更个性化的结果。这项功能可让 Gemini 深入了解用户兴趣，并根据需求和偏好提供定制化回应。尽管引发了隐私担忧，但 Google 表示用户可随时控制数据访问权限。该功能目前已在多个国家推出，未来还将扩展到其他 Google 服务。

这篇论文介绍了首个开源的验证码测试平台Open CaptchaWorld，专为评估多模态大语言模型智能体的交互式推理能力而设计。研究团队开发了包含20种验证码类型的综合测试环境，并提出了"验证码推理深度"这一新指标来量化任务复杂度。实验结果显示，即使最先进的AI模型成功率也仅达40%，远低于人类的93.3%，揭示了当前技术在处理多步交互任务时的显著局限性。

TD Ameritrade公司长久以来一直关注“客户的声音”。该公司一直非常关注自己的净推荐计分，而CEO Tim Hockey更是反复强调改善客户体验是他们的首要任务。

Meta旗下社交平台Threads发布AI驱动的个性化功能"Dear Algo"，用户可通过公开发帖方式临时调整信息流内容。用户只需发布以"Dear Algo"开头的帖子，说明希望看到更多或更少的内容类型，系统将在三天内调整推荐算法。该功能采用公开发帖形式，其他用户可查看并转发请求。目前已在美国、新西兰、澳大利亚和英国上线，未来将扩展到更多国家。

明灯科技团队开发了名为Mano的智能GUI助手系统，能够像人一样"看懂"电脑界面并自动执行复杂操作任务。该系统采用三阶段训练方法，结合基础技能培训、策略优化和实战适应，在Mind2Web和OSWorld测试中取得显著性能提升。系统还包含智能数据采集、验证和身份认证等辅助模块，通过持续学习机制不断自我改进，为GUI自动化领域带来重要突破。

Hugging Face 公司开源了 SmolVLM-256M，这是一个参数量最少的视觉语言模型。它能在普通笔记本电脑上运行，支持多种视觉数据处理任务。该模型采用新的编码器，在多项基准测试中表现出色，展现了小型模型的巨大潜力。

Meta的智能眼镜本身并没有如此强大的功能。之所以会产生这样的节目效果是因为他们做了一些技术上的改动。先通过 Meta 智能眼镜的直播功能，将视频实时传输到 Instagram，然后用一个计算机程序监控这个视频流，并使用 AI 进行人脸识别。

Adobe 正在为 Photoshop 内置 AI 助手，简化多步操作流程，同时升级 Firefly 应用，整合图像、视频、音频及矢量生成工具，并引入第三方模型，加强创意设计的效率与精准度。

7B的模型也能玩转AI Agents了？近期，快手开源了Kwai Agents，亲测发现，问它周末滑雪问题，它不但能帮你找到场地，连当天的天气都帮你考虑周到了。

AWS已经推出了一款名为WorkLink的新托管安​​全产品，以帮助企业应对需要随时随地访问内部应用的员工日益增长的趋势。

微软研究院开发的VisCodex实现了多模态AI的重要突破，通过创新的模型融合技术让AI同时具备视觉理解和编程能力。该系统采用任务向量融合方法，将视觉语言模型与编程模型巧妙结合，并构建了包含59.8万样本的多模态编程数据集。测试显示其性能已接近GPT-4o水平，为未来的智能编程辅助和低代码开发提供了新的可能性。

Anthropic今日升级其Artifacts功能，为用户提供与Claude AI模型协作的实时专用工作空间。升级后用户可将AI功能直接嵌入创作中，转化为AI驱动应用。自功能推出以来，数百万用户已创建超5亿个作品，包括生产力应用和教育游戏。新功能支持创建"会思考"的应用，如记忆选择的游戏角色、智能导师等。用户可免费分享创作，任何Claude账户都可访问。

Remix将由此获得Shopify的“长期支持与助力”，帮助其“加快增长速度”并“专注于提升性能与可扩展性。”

思科昨天宣布计划收购Socio Labs，其是一家得到风投支持的、提供用于组织虚拟会议和管理门票销售等相关任务的软件公司。预计此次收购将在7月25日之前完成。思科计划利用Socio Labs的软件来增强自身Webex视频会议服务的功能，以举办在线活动。