AI日报：MiniMax发布Music3音乐模型；百度GenFlow官宣中文名「库库AI」；智谱发布GLM-5.3

欢迎来到今天的AI日报，一起看看最近AI圈又有哪些新鲜事。

Table of Contents

MiniMax推出了新一代音乐生成模型Music3，这次真的有点东西。你只需要给它歌词和一段音乐描述，它就能生成最长5分钟的完整歌曲。

技术层面，Music3用了分层自回归架构——全局语言模型把控整首歌的结构和主题走向，局部语言模型负责填充每一帧的声学细节。简单说就是大管方向，小管细节，两者配合下来，生成的音乐在主题、节奏、歌声身份和编曲推进上都很稳，不会听到一半突然变味。

而且它还支持多种音乐结构，前奏、主歌、副歌都能安排得明明白白。对音乐创作者来说，这相当于多了一个随时待命的合作搭档。

百度文库网盘的通用智能体GenFlow终于有中文名了——「库库AI」。同时推出了独立产品矩阵，覆盖PC客户端、网页端、小程序和企业版。

数据挺亮眼：GenFlow月活用户已经突破1亿，AI办公月活超过2500万，在通用AI办公赛道排第一。它能自由调用Office Agent，一句指令就能并行处理PPT、Excel、Word任务，还能生成AI海报、视频、播客、思维导图，甚至代码和网页。

首期还针对金融场景做了专项优化，支持跨设备任务接力，电脑关了也能在小程序里继续处理。

智谱发布了GLM-5.3，这次没换基座模型，而是靠后训练阶段的Scaling直接把性能拉上去了。编程能力显著增强，在开源模型里算是顶尖水平，安全维度也表现不错。

这说明后训练还有很大的挖掘空间，不一定非要堆参数才能变强。

OpenAI给ChatGPT加了个新功能叫「电脑历史」，可以追踪用户的交互事件来增强上下文理解。比如你平时怎么用软件、偏好什么操作方式，它都能记下来，以后回答更贴你的习惯。

隐私方面做得还算克制——默认关闭，用户可以随时暂停或排除特定应用。目前已向全球订阅用户推送，欧洲那边还要再等几周。

谷歌发布了Gemini 3.7 Flash，编码性能和AI Agent能力都有明显提升，FrontierCode基准测试得分冲到43.6%，综合表现超过了Claude Sonnet 5和GPT-5.6 Terra。

更狠的是定价——初始降幅达50%，每百万输入token只要0.75美元，输出token 3.75美元。高性价比模型商业化落地的速度越来越快了。

DeepSeek-V4-Pro-0813在硅基流动平台正式上线，主打1M上下文窗口、三档推理强度，对编码、工具调用和智能体工作流都很友好。

定价方面，缓存命中成本低至0.44美元/百万token，长文本场景的成本锚点更清晰了。

京东七鲜咖啡在北京银河Soho开了首家24小时无人咖啡店，机器人全程接管制作流程，还能根据你的身体状况智能推荐咖啡因摄入量。

零售场景的智能化又往前迈了一步。

最后说个糟心的——有款叫TabControl的Safari扩展程序，靠AI生成虚假截图和评分冲到了Mac App Store付费榜第12位，评分高达4.9。开发者怒斥苹果审核形同虚设，这类应用一旦安装还可能威胁隐私安全。

AI造假门槛越来越低，平台审核压力也越来越大了。

本文地址：https://www.163264.com/14927