追踪 AI 智能体、大模型与多模态前沿

字节跳动 OmniHuman 2.0 已通过 BytePlus 上线，用一张图片和一段音频生成最长 5 分钟的数字人视频，支持文字控制动作与运镜。本文介绍 720p 输出、素材要求、API 使用入口及每秒 0.07 美元的费用计算。

千问办公于 10 月 14 日推出电商版并开启邀测，受邀用户可切换“电商经营”模式体验。首批功能覆盖跨平台经营看板、趋势与卖点分析、营销素材批量生成及投放优化建议。本文介绍产品定位、功能用途、网页与桌面端入口，以及多店商家、运营和内容团队的适用场景。

千问发布 AI 眼镜 N1 与 N1 Pro，10 月 13 日现货开售，N1 叠加国补及限时优惠后 2218 元起。本文介绍第一视角拍摄、翻译和会议记录功能，区分 Pro 专属的眼动交互、虹膜核身与体征监测，并说明购买渠道和适用场景。

Google 上线 Gemini 4 Argon，向开发者开放付费 API，并向 Pro、Ultra 订阅用户开放应用体验。本文介绍使用入口、多模态输入、百万 Token 共享上下文与长输出条件，以及截至 11 月 30 日的首发优惠和后续价格。

WorkBuddy 新增微信小程序生成与托管发布能力，可用自然语言创建页面，并按需接入数据保存、登录和文件上传。本文介绍操作入口、试用版与正式版的区别、微信审核要求，以及持续运营时的云服务额度限制。

Google 发布面向企业办公的 Gemini agent，把问答、内容生成、代码执行与跨应用任务放进同一个入口。本文介绍云端持续执行、Workspace 团队智能体的独立身份、适用场景，以及企业权限和费用控制方式。

ChatGPT 将 Chat 对话模型升级为 GPT-6，并加入 Intelligent UI，让回答结合文字、图形和可交互组件。付费套餐采用 Sol，Free 与 Go 采用 Luna，按阶段开放。本文说明使用入口、适用场景，以及与 Work、Codex 模型的区别。

Google 发布 Nano Banana 2.1，支持 1K 至 4K 图像生成与对话编辑，1K 图像输出单价降至 0.0336 美元。本文梳理使用入口、参考图规格、批量价格和旧版 API 迁移，说明图片输出费用与完整调用成本的区别。

苹果将为 macOS 完全磁盘访问权限增加控制，要求用户通过明确操作授权，以应对 AI 智能体访问敏感数据的风险。本文解释这项权限与普通文件访问的区别，以及 Mac 用户如何查看授权、按位置管理文件访问。

OpenAI 发布 GPT-6.1 Sol，逐步接入 ChatGPT Work 与 Codex，覆盖 Plus、Pro 等付费套餐。API 输入与输出单价保持不变，缓存读取价格减半。本文说明模型使用入口、105 万 Token 上下文、适用场景与开发者迁移注意事项。

Cloudflare 发布统一命令行工具 cf，测试版覆盖 2900 多个公共 API 命令，并整合 Workers 开发部署。本文说明默认 JSON、自然语言命令搜索、TypeScript 配置、Wrangler 迁移方式，以及开发者和 AI 编程智能体如何安装使用。