🤖 AI HOT 日报 · 2026-06-24

FastWan-QAD 单卡 1.8 秒生成 5 秒视频，京东全栈交互模型 JoyAI 发布，Confucius4-TTS 14 语种语音克隆开源，豆包音频生成模型 1.0 发布，Mistral OCR 4 发布，字节 Seed2.1 发布，IBM 开源 CUGA 智能体框架，五眼联盟警告 AI 网络威胁。

1. 1. FastWan-QAD：单卡5090上1.8秒生成5秒视频

   Sky Computing Lab 发布基于量化感知蒸馏的视频生成模型，单张 RTX 5090 上端到端生成 5 秒 480P 视频仅需 1.8 秒，已开源。

2. 2. 京东全栈开源 JoyAI-VL-Interaction：边看边说

   全球首个全栈交互模型，能持续观察视频流、主动判断关键事件并实时响应。在盲评中对比豆包视频通话助手胜率 77.6%，对比 Gemini 胜率 87.9%。

3. 3. Confucius4-TTS：14 语种跨语种无口音语音克隆

   网易有道发布，支持 14 种语言跨语种无口音语音克隆，仅需 3 秒音频零样本克隆，相似度超 85%，任务准确度达 97%，已全量开源。

4. 4. 豆包音频生成模型 1.0 发布

   火山引擎发布，支持文本与音频参考生成，单条 Prompt 可编排多角色对白、情绪语气、背景音乐及环境氛围，已开启 API 邀测。

5. 5. Mistral OCR 4 发布：支持 170 种语言

   新增边界框、块分类及逐页逐词置信度分数，支持 170 种语言。在 OlmOCRBench 上得分 85.20，定价每 1000 页 $4。

6. 6. 字节 Seed2.1 正式发布

   字节发布 Seed2.1 系列，强化通用 Agent 能力、代码工程交付与多模态理解。Seed2.1 Pro 在 GDPval 和 MobileWorld 手机 GUI 任务获最高分。

7. 7. IBM 开源 CUGA 轻量级智能体框架

   CUGA 内置计划-执行-反思循环，在 AppWorld 和 WebArena 基准上排名第一。支持 Fast/Balanced/Accurate 三种推理模式，提供二十余个单文件示例应用。

8. 8. Anthropic 推出 Claude Tag：在 Slack 中 @Claude 协作

   在 Slack 频道中通过 @Claude 委托任务，支持多用户交互，可自主学习其他频道和数据源。支持异步工作，面向 Enterprise 和 Team 客户提供 beta 版。

9. 9. Oracle 因 AI 应用裁员 21000 人

   Oracle 在截至 5 月的财年裁员 21000 人（降幅 12.9%），AI 技术采用导致劳动力缩减。计划 2026 年筹集 450-500 亿美元扩建云基础设施。

10. 10. GPT-5 帮助免疫学家解开三年未解之谜

    GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解决一个长达三年的免疫学谜团，揭示 T 细胞行为新见解，可能为癌症和自身免疫疾病研究提供支持。