本期AI日报汇总了多条人工智能行业进展：谷歌已向部分用户小范围推送 Gemini 3.0 Pro，百度发布文档解析模型 PaddleOCR-VL，爱诗科技完成 1 亿元人民币 B+ 轮融资，此外 Anthropic、Pinterest、微软 Azure、Kayak 等也公布了产品或功能更新。
新鲜AI产品点击了解：https://app..com/zh
今日重点
从模型能力升级到应用落地，本期内容覆盖了多模态模型、OCR 文档解析、AI 视频生成、工作流效率工具、内容平台治理以及旅行搜索等多个方向。谷歌、百度、Anthropic 等公司的新动作，也反映出 AI 产品仍在向更强推理、更高效率和更明确的场景化应用继续演进。
1、谷歌 Gemini 3.0 Pro 开始小范围推送：推理和多模态能力同步增强，正式发布或在本月底
谷歌 DeepMind 团队已经开始向部分用户推送 Gemini 3.0 Pro。该模型在推理能力和多模态处理方面都有提升，计划在 10 月底正式发布。
【提要:】
🧠 Gemini 3.0 Pro 引入 Deep Think 推理架构，进一步加强多步骤复杂任务处理能力。
🌐 该模型支持文本、图像、音频、视频等多种输入形式，也可生成完整前端代码。
🚀 谷歌还在规划轻量级 Flash 变体，以适配移动设备和边缘计算场景。
2、百度发布文档解析模型 PaddleOCR-VL，OCR 技术再迎新进展
百度推出 PaddleOCR-VL，重点聚焦文档解析能力。该模型以轻量化设计、多语言支持和较高识别精度为特点，在 OCR 技术方向上展现出新的竞争力。
【提要:】
🌍 PaddleOCR-VL 支持 109 种语言，可覆盖多类文档处理任务。
⚙️ 模型核心参数规模为 0.9B，在效率和识别准确率之间取得平衡。
🚀 其推理速度提升明显，相比部分主流模型具有更优表现。
3、爱诗科技完成 1 亿元 B+ 轮融资，AI 视频业务持续推进
AI 视频生成公司爱诗科技完成 1 亿元人民币 B+ 轮融资。同时，公司年度经常性收入（ARR）已突破 4000 万美元，注册用户数超过 1 亿。随着产品迭代和技术更新，其在 AI 视频生成赛道中的竞争力继续增强。
【提要:】
🚀 爱诗科技完成 1 亿元 B+ 轮融资，反映出资本市场对其业务进展的认可。
📈 公司 ARR 已突破 4000 万美元，注册用户规模超过 1 亿。
💡 PixVerse V5 提升了生成效率和视频质量，并加入 Agent 创作助手功能。
4、Anthropic 推出 Claude “skills” 功能，提升 AI 在工作场景中的实用性
Anthropic 为 Claude AI 增加了 “skills” 功能，用于提升其在工作场景中的执行效率。该功能以文件夹形式整合指令、脚本和资源，帮助 Claude 更高效地完成特定任务，例如处理 Excel 文档或遵循品牌规范。用户也可以创建自定义技能，并在多个平台上使用。
【提要:】
🌟 Anthropic 推出 Claude “skills” 功能，进一步增强其在工作场景中的落地能力。
🛠️ 用户可以按需自定义技能，让 Claude 更贴合具体流程和任务要求。
🚀 这一更新与 OpenAI 推出 AgentKit 等功能形成呼应，显示行业仍在加速走向实用化。
5、Pinterest 推出 AI 内容限制工具，用户可自定义减少生成式 AI 图像
Pinterest 上线新的内容控制工具，允许用户自行降低信息流中生成式 AI 图像的显示比例。平台还引入 AI 修改标签，用于标识 AI 生成内容，以回应部分用户对 AI 内容增多的不满，并在 AI 创新与用户体验之间寻找平衡。
【提要:】
🖼️ 用户可通过设置减少生成式 AI 图像在信息流中的出现比例。
🤖 Pinterest 引入 AI 修改标签，用于标注 AI 生成内容。
🌐 平台希望在使用 AI 技术和维护用户体验之间找到折中方案。
6、全面开源的 LLaVA-OneVision-1.5 登场，多模态能力超过 Qwen2.5-VL
LLaVA-OneVision-1.5 是一款开源多模态模型，能够处理图像、视频等不同类型输入。该模型在多个基准测试中的表现较为突出，并超过了 Qwen2.5-VL。
【提要:】
🧠 LLaVA-OneVision-1.5 是一款新的多模态模型，支持图像和视频等多种输入形式。
📈 其训练流程分为三个阶段，目标是更高效地提升视觉与语言理解能力。
🏆 在基准测试中，该模型表现优异，超过 Qwen2.5-VL。
详情链接:https://github.com/EvolvingLMMs-Lab/LLaVA-OneVision-1.5 https://huggingface.co/lmms-lab/LLaVA-OneVision-1.5-8B-Instruct
7、OpenAI 视频生成模型 Sora 2 上线微软 Azure：进入公共预览阶段
微软宣布，OpenAI 的视频生成模型 Sora 2 已在 Azure AI Foundry 国际版上线，并进入公共预览阶段。这也意味着生成式 AI 视频工具正在进一步走向商业化应用。
【提要:】
🎥 Sora 2 是一款多模态视频生成模型，支持文本、图像和视频输入，并可生成新视频内容。
💰 该模型按生成时长计费，价格为每秒 0.1 美元，适合企业用户批量调用。
🌐 Sora 2 目前仅在 Azure AI Foundry 国际版上线，中国区用户暂时无法直接访问。
8、Kayak 推出 “AI 模式”，旅行规划与预订更便捷
旅行搜索引擎 Kayak 推出了全新的 “AI 模式”，通过内置聊天机器人帮助用户完成旅行研究、规划和预订。该功能基于 ChatGPT 技术提供更具上下文的信息结果，并支持用户以开放式问题获取旅行建议。
【提要:】
🌍 Kayak 上线 “AI 模式”，用户可通过聊天机器人完成旅行规划和预订。
🗣️ 该功能支持旅行建议咨询和不同服务比较，并利用 ChatGPT 技术提供相关信息。
📅 “AI 模式”初期仅支持英语，后续将扩展到更多语言和平台，并加入语音请求功能。
一句话总结
本期AI动态显示，基础模型、多模态能力和垂直应用正在同步推进，AI 产品正从能力展示进一步走向工作、内容、视频和出行等具体场景。