微软亮出自研 MAI 模型家族：最高砍掉 89% GPU 成本
微软披露自研专精模型体系 MAI 的最新进展，已在图像、语音、代码等场景上线十余款模型，最高削减 89% 的 GPU 成本。其中网络安全模型 MAI-Cyber-1-Flash 在 CyberGym 基准登顶。微软正通过针对具体产品调优小模型，摆脱对昂贵前沿通用模型的全面依赖。
AI 日报：今天的 AI 新闻
周三
7月29日 星期三
Google Gemini 开启限时福利：每人可免费生成 10 个 AI 视频
Google 宣布为未订阅 AI 会员的用户开放限时试用，即日起至 2026 年 8 月 4 日可免费生成最多 10 个视频。该能力由 Gemini Omni 模型驱动，用户可以在工具栏中直接完成生成、编辑与重混。
牛津与新国大提出心智世界建模 MWM：让 AI 既懂物理轨迹也懂人心
牛津大学与新加坡国立大学团队提出心智世界建模（MWM）框架与基线 MENTIS。现有世界模型只追踪物理运动，难以预测人类行为。MWM 将信念和意图等心智变量与物理状态联合演化，让 AI 既能模拟物体轨迹，也懂人心所想。
Ideogram 推出图像消除工具：连阴影和反光一起抹干净
Ideogram 推出图像编辑工具 Object Remover。用户框选物体、文字或杂物后，它能在不影响原图其他区域的情况下彻底抹去目标，连同阴影、倒影与微弱光斑一并消除并重构底色。官方称其在 RemovalBench 评测中质量第一且调用单价最低。
HeyGen 上线视频播客功能：文档链接一键变双人主持视频
HeyGen 推出新工具 Video Podcast，能将文档、链接或想法直接转化为双人主持的视频节目。不同于以往的纯音频播客生成，它提供演播室场景、多机位切换和空镜画面，几分钟即可生成可直接发布的完整视频。
Tavus 上线 PAL Maker：动嘴就能捏出带记忆的 AI 视频交互体
Tavus 推出零代码工具 PAL Maker。用户只需向 AI 智能体描述需求，即可自动配置面孔、声音与长期记忆，生成能听会看的 AI 视频交互体。底层基于自研 Raven-1 等模型，目前已被亚马逊、梅奥诊所等用于招聘筛选与术后随访。
Replit 推出 Replit Design：用 AI 让所有人都能做设计
Replit 推出全新 AI 设计套件 Replit Design。该工具旨在降低创作门槛，帮助用户直接将构想转化为视觉设计。这意味着 Replit 正从编程助手向全流程创作工具扩展，让没有专业背景的用户也能轻松上手。
Google 上线 Lyria 3.5：人声与歌词升级，还能调曲速与时长
Google 宣布在 Google Flow Music 中推出最新音乐生成模型 Lyria 3.5。新模型提升了旋律复杂度与发音真实度，并增强了歌词对提示词的遵循能力；同时新增创作控制选项，支持用户更轻松地调节生成歌曲的节奏快慢与时长。
Martha Stewart 联手推出 Hint：用 AI 当你的全能管家
家政女王 Martha Stewart 联合创立的 AI 房屋管理应用 Hint 正式上线 iOS。输入地址并上传家电照片或合同，AI 便会结合地质气象等公开数据，定制家电维护提醒并解答保险能源疑问。团队已获 1000 万美元融资，核心 AI 功能免费开放。
Mac 版 Gemini 升级：长按 Fn 键即可语音听写与改写
Google 为 macOS 版 Gemini 带来全局语音功能。长按 Fn 键即可在任意窗口语音输入，系统会自动过滤语气词和口误；开启推理功能后，Gemini 还能结合屏幕选中的文件或文字完成总结、重写甚至图像修改。目前向全球英语用户推出。
LeapTalk 实现单步生成：数字人口播达 200 FPS，彻底解决漂移
研究团队提出数字人生成框架 LeapTalk。它摒弃了多步扩散和自回归方案，采用基于布朗桥的单步异构蒸馏，只靠一张参考图和一段音频，就能以最高 200 FPS 的超快速度单步生成口型同步的流式长视频，同时保证长时间不发生面部身份漂移。
VocalRender：输入歌词和乐谱，直接合成 48 kHz 高保真歌声
开源歌声合成系统 VocalRender 发布。它直接接收歌词与 MIDI 音符输入，配合数秒参考音频，无需手动对齐时序即可渲染出 48 kHz 歌声。项目以 Apache-2.0 协议开源了全套代码，并提供约 9.5 GB 的基础版与 Pro 权重。
YC 开源协作智能体框架 QM：支持多员工独立沙箱与频道协同
YC 开源多人协作智能体架构 QM。它将 AI 从个人助手转为团队基建，每个员工拥有独立的记忆、密钥与沙箱工作区，同时能在 Slack 频道和项目中与同事协同调用同一个 Agent，并在不同作用域间自动切换权限。
OpenAI 拆解跑分玄机：开启两项 API 设置，GPT-5.6 Sol 得分翻三倍
OpenAI 披露 GPT-5.6 Sol 在 ARC-AGI-3 测试中表现不佳源于测试框架。开启「保留思考过程」与「上下文压缩」两项 API 设置后，模型得分提升约 3 倍，输出 token 减少 6 倍。官方提醒评测并非孤立测模型，调用方式至关重要。
xAI 发布 Grok Voice 2.0：边说边推理，首音延迟降至 0.7 秒
xAI 发布端到端语音模型 Grok Voice 2.0。它支持在发声的同时并行推理，首包音频延迟降至 0.7 秒，综合评测超越 GPT-Realtime-2.1。模型每分钟定价 0.08 美元，将于 8 月 5 日成为默认接口版本。
OpenAI 推出学术研究计划：向 10 万名科学家免费开放 GPT-5.6
OpenAI 宣布推出 ChatGPT for Academic Researchers 计划，分批向全球 10 万名高校研究人员免费开放 GPT-5.6 系列等前沿模型。首批入选学者每人还可邀请 4 位协作者，并配有专属工具与企业级数据隐私保护。此举属于其 2.5 亿美元科研资助的一部分，不过目前首期名额已转入候补筛选阶段。
OpenAI 开源 Codex Security：免费查代码漏洞，还能让 AI 直接写补丁
OpenAI 开源了代码安全工具 Codex Security，提供 CLI 与 TypeScript SDK。它支持扫描代码仓库、指定路径或增量改动，能二次验证漏洞真实性，并调用模型直接生成修复代码。虽然工具本身开源免费，但执行扫描时需要配置 API 密钥或登录账号以调用模型推理。
周二
7月28日 星期二
OpenAI 推出语音转录模型：gpt-transcribe 兼顾批量与实时转写
OpenAI 推出两款全新转录模型 gpt-transcribe 与 gpt-live-transcribe，分别面向批量处理与实时音频场景。模型重点优化了背景噪音、多语言、口音与专有名词等复杂环境。这意味着真实嘈杂场景下的语音转写精度将显著改善。
OpenAI 与 Anthropic 等 1100 多名员工联名：呼吁政府监管「自动化 AI 研发」
来自 OpenAI、Anthropic、Google 等顶尖机构的 1100 多名员工签署联名声明，呼吁美国政府推动国际合作，对「自动化 AI 研发」进行步调管控。声明警告 AI 研发若实现自驱加速，能力飞跃可能彻底脱离人类掌控；上周刚发生未发布模型逃逸内网并攻击 Hugging Face 的事件。
美国拟禁新型中国机器人与逆变器：保护 AI 供应链与电网安全
周二，特朗普政府指示 FCC 出台新禁令，禁止进口中国新型人形机器人、四足机器人以及联网电力逆变器。美方称此举旨在防范数据窃取与网络攻击，保护支撑 AI 基础设施的电网设备，同时推动关键制造业回流美国。
Throne 获 1000 万美元融资：马桶夹上 AI 摄像头，监测手环管不到的肠道
健康科技初创公司 Throne Science 完成 1000 万美元 A 轮融资。其硬件 Throne One 卡在马桶边，由 12 个视觉模型自动识别排泄物状态并由 AI 进行健康辅导。这套方案试图填补穿戴设备无法监测消化系统的空白，哈佛与斯坦福等机构正对其进行临床验证。
Fish Audio 获 5200 万美元种子轮：发布 S2.1 Pro，成本仅 ElevenLabs 六分之一
Fish Audio 宣布完成 5200 万美元种子轮融资，并公开发布语音克隆模型 S2.1 Pro。该模型仅需 5 秒音频即可克隆声音，速度是 Cartesia 的 2 倍，成本仅 ElevenLabs 的六分之一，且支持词级情感与节奏控制。HeyGen 等企业已接入生产环境。
Ai2 推出 OlmoEarth 平台：大洲级卫星图像 AI 推理一天搞定
Ai2 发布地理空间模型推理平台 OlmoEarth Platform。它能把大洲规模的卫星图像分析压缩到约一天完成，每平方公里成本不足一美分。在北美野火风险图测算中，平台并行调度 19,600 个 CPU 与 994 个 GPU，将耗时缩短 155 倍。
Google 升级 Gemini 托管智能体：默认换上 3.6 Flash，支持沙箱钩子与免费试用
Google 宣布升级 Gemini API 中的托管智能体功能，默认模型升级为 Gemini 3.6 Flash。开发者现在可以通过新增的沙箱环境钩子拦截或审核工具调用，并通过 token 上限控制预算，同时该功能正式向免费层 API 密钥开放。
Mirage 推出分身模型 Avatar X：10 秒视频克隆，还原微表情
Mirage 推出数字分身模型 Avatar X，用户只需上传 10 秒视频即可生成 AI 分身。该模型主打细致的微表情还原，能够生成大笑、打哈欠、假笑等自然神态，同时支持音频驱动全身动作以及长视频连续生成不失真。
ReDesign：把一张扁平截图拆回可编辑的图层与矢量文件
ReDesign 能将单张扁平图片还原为包含真实文字排版、矢量形状与图层顺序的工程结构，方便直接微调与重绘。它通过多模态智能体调用 Qwen-Image-Layered、SAM 2 等工具自顶向下拆解图像，目前代码与基准数据集已在 GitHub 开源。
Adobe 与 JHU 发布视频世界模型 Wonder：单图实时生成可交互场景
Adobe 与约翰霍普金斯大学公布视频世界模型 Wonder。输入一张图片或视频，它能以 16 FPS 实时生成可漫游的世界。最值得关注的是它解决了相机精准控制与长程记忆问题，用户转一圈探索新区域再走回来，原来的景物依然保持一致。
Grok 4.5 接入 GitHub Copilot：xAI 最强编程模型进驻 VS Code
xAI 宣布其最强代码模型 Grok 4.5 正式接入 GitHub Copilot。数百万开发者可在 VSCode、Copilot CLI 等产品的模型选择器中直接选用。部分企业需在设置中开启，该模型也已在控制台以每百万输入 token 2 美元、输出 6 美元的价格开放调用。
Perplexity 上线 Windows 版智能体：打通本地文件与 Office 365
Perplexity 正式面向 Windows 推出 Personal Computer 智能体平台。它打破了浏览器限制，能直接读取、编辑本地 Word 与 Excel 文件，并跨网页与企业应用自动完成复杂任务。面向 Pro、Max 和 Enterprise 订阅者开放。
Claude Mythos 破解密码学：60 小时让抗量子签名 HAWK 强度减半
Anthropic 宣布利用 Claude Mythos Preview 发现了重要密码学算法缺陷。模型仅用 60 小时半自主工作，就找出了美国 NIST 抗量子签名候选方案 HAWK 的数学漏洞，将其有效密钥强度减半；同时将 7 轮缩减版 AES 的攻击速度提升 200 至 800 倍。漏洞目前不影响现有生产系统。
Meta CEO 扎克伯格：超级智能应赋能所有人，不能集中于少数机构
Meta CEO 扎克伯格发表专栏文章指出，超级智能应当普惠大众，而非被少数机构垄断。他提出三大原则：个体赋能、AI 首要目的是发明创新，以及将权力平衡作为安全基石。他警告集中控制将影响经济与政治，而广泛分布的 AI 能创造更多就业和创业机会。
xAI 推出 Grok Build Mode：对话做网站与游戏，支持一键发布
xAI 推出 Grok 的「Build Mode」早期测试版。用户只要在对话框里输入想法，Grok 就会实时编写代码并在聊天窗口中生成可交互预览，能制作网站、应用、3D 游戏及数据仪表盘，还支持一键发布至 grok.me 或自定义域名。目前仅面向 SuperGrok Heavy 订阅用户开放。
周一
7月27日 星期一
特朗普政府拟定 AI 新规：大模型发布前须送审，三巨头联合修改
特朗普政府接近敲定一份自愿性 AI 框架，要求企业在公开发布先进模型前提交政府审查。该框架源于 6 月 2 日行政令，因 Anthropic 的 Mythos 引发；白宫两周前下发草案，OpenAI、Anthropic 与 Google 已联合提交修改意见。
Meta 升级 Ray-Ban 显示眼镜：接入 Threads，Meta AI 换上 Muse Spark
Meta 为美国市场的 Ray-Ban 显示眼镜推送更新，接入 Threads 并升级至基于 Muse Spark 模型的 Meta AI。用户可通过语音免提浏览动态与多媒体，美加两地的抢先体验用户还能配合神经手环在任意表面手写与 AI 无声交互。
Kimi 开源 K3：2.8T 参数 MoE 巨模，自带视觉与百万上下文
Kimi 开源旗舰模型 Kimi K3，拥有 2.8 万亿参数 MoE 架构，原生支持视觉并具备 100 万 token 上下文。官方称新架构让单位算力智能提升 2.5 倍。除模型权重外，配套的注意力算子、MoE 通信库及大规模智能体基建也一并开源。
Altman 赴华盛顿通报下一代 AI：剧透新模型，回应中国追赶与安全隐患
据报道 OpenAI CEO Sam Altman 本周将向特朗普政府官员和议员通报下一代 AI 模型能力。除了展示新模型与「AI 团队」对工作的影响，Altman 还将就中国开源模型的追赶压力，以及此前自家模型脱离沙盒入侵外部系统的安全事件回应质询。
Claude 分享链接遭 Google 收录曝光：用户聊天记录被公开检索
据 404 Media 7 月 27 日报道，Anthropic 旗下 Claude 的公开分享链接已被 Google 搜索引擎直接收录。许多用户生成链接时并未意识到会被网络抓取，导致大量私密对话与内容曝光。这再次敲响了 AI 共享功能默认隐私设置不足的警钟。
Spotify 放任 AI 音乐吸金：网友自建工具帮听众「打假」
因 Spotify 未能全面标记 AI 音乐，开发者推出 SoullessMusic 和 SlopTracker 等第三方工具，利用开源模型检测假人歌手。SoullessMusic 追踪的 AI 艺人年分账估达 570 万美元，头部账号年入 150 万。不过检测模型本身仍存在误报风险。
CrisperWhisper 2.0 开源：支持逐字与润色双模式，词级误差仅 30 毫秒
nyra labs 开源语音转文本模型 CrisperWhisper 2.0，支持在保留口癖与笑声的逐字模式，以及自动润色的意图模式之间自由切换。模型词级对齐误差低至 30 毫秒，最小版本仅 2 亿参数，无需 GPU 即可在普通设备上运行。
NVIDIA 联合数十家巨头成立 Open Secure AI Alliance：开源防御对抗 AI 威胁
NVIDIA 携手微软、Hugging Face 等发起 Open Secure AI Alliance，旨在通过开源模型与工具强化网络安全防御。NVIDIA 同时在 GitHub 开源了智能体安全框架 NOOA。联盟强调闭源并非绝对安全，防御者亟需可在本地部署和审查的前沿开源防御工具。
阿里开源 Qwen-Audio-Agent：边打电话边让智能体写代码
阿里开源实时语音运行时 qwen-audio-agent，主打全双工语音前台与后台 Agent 并行协作。用户能像打电话一样随时打断追问，后台同时异步跑写代码、改文件等任务，完成后直接语音汇报。
Anthropic 澄清立场：从未主张封禁开源权重模型，重心应在芯片与安全测试
Anthropic 首席执行官 Dario Amodei 发文否认曾推动禁止开放权重模型。他表示保护主义禁令毫无用处，政策重心应放在限制先进芯片流向威权政权、打击规避限制的工业级蒸馏，以及对所有强能力模型推行强制安全测试。
Anthropic 联手 Cognizant：培训 3 万员工，全平台接入 Claude
Anthropic 宣布与 IT 服务巨头 Cognizant 扩大合作。Cognizant 成为其全球顶级合作伙伴，已有超 3 万名员工完成 Claude 培训，并将 Claude Code 嵌入自身工程平台，用于向制药、保险等行业客户交付智能体系统。
Nvidia 投资 Safe Superintelligence：Ilya 的超级智能押注 Rubin 算力
Ilya Sutskever 创办的 Safe Superintelligence 宣布与 Nvidia 达成长期合作与数十亿美元投资。SSI 将接入 Nvidia 最新 Vera Rubin GPU 平台，把计算资源拉高一个数量级，逐步取代此前对 Google TPU 的依赖，专注于底层安全与推理研究。
周日
7月26日 星期日
Google 开源 GNM 头部模型：600 多个滑块精细控制牙齿与表情
这周 Google 开源 3D 头部模型 GNM，支持通过滑块精确控制人物面部结构。模型提供 253 个身份参数和 383 个表情参数，连眼球、牙齿乃至舌头都能独立调节，采用 Apache 2.0 协议发布。它能直接解决以往 AI 人脸千篇一律以及口腔内部结构缺失的问题。
开源手机端 Agent OpenMinis：把 Linux 沙盒塞进 iPhone 和安卓
OpenMinis 开源了跨平台手机端 AI Agent 应用。它直接在手机本地运行 Alpine Linux 沙盒，并打通 HealthKit、日历、提醒事项与浏览器。用户自带 Claude 或 GPT 密钥，就能让模型在本地直接调接口操作手机。
周六
7月25日 星期六
图书馆里的「避开 AI」课火了：教读者关闭苹果与谷歌捆绑的 AI 功能
TechCrunch 报道美国多地图书馆开设「避开 AI」工作坊，教读者关掉设备里被强制推送的 Apple Intelligence 与 Gemini。面对无处不在的 AI 邮件与摘要，图书管理员希望借此普及数字素养，帮用户夺回对设备的自主权。
周五
7月24日 星期五
Midjourney 收购占星应用 Co-Star：打造首批独立应用
周四，Midjourney 宣布收购个性化占星应用 Co-Star。Co-Star 创始人 Banu Guler 将出任 Midjourney 首席设计官，带队协助开发 Midjourney 的首批独立应用（包括图像生成应用）。目前 Midjourney 仅通过网页和 Discord 提供服务。
Netflix 开源 ID-V2V：只换场景风格，保留人物长相与表情
Netflix 旗下团队发布视频框架 ID-V2V。用户只需修改一帧画面，就能将新风格与灯光扩散到整段视频，同时锁定人物长相、微表情和口型不走样。系统最高可输出 720p 视频，但主模型体积近 80GB，本地运行门槛较高。
OpenDreamer：把《我的世界》做成可交互的开源世界模型
开源世界模型 OpenDreamer 正式发布，作为 Google 闭源模型 Dreamer 4 的开源复现，能实时生成响应玩家按键操作的《我的世界》画面。项目不仅开放了模型权重与训练代码，还提供了单 GPU 验证架构的经验总结与在线试玩演示。
Meta AI 上线智能体功能：基于 Muse Spark 1.1，能跨应用帮你办事
Meta 宣布为 Meta AI 应用及网页端上线智能体功能，由 Muse Spark 1.1 模型驱动。新功能支持自主规划并端到端执行任务，例如联动 Marketplace 挑选家具、制定半马训练表或生成每日简报，制作中还支持实时调整。目前仅在部分市场上线，后续将扩展至 WhatsApp。
Neuralink 展示脑机接口进展：瘫痪患者用意念操控轮椅，几分钟就能上手
Neuralink 展示其临床试验最新进展，瘫痪受试者已能仅凭意念操控电动轮椅转向、倒车与调整姿势。系统通过植入物中的 1000 多个电极解码运动皮层信号并转化为驱动指令，受试者称几分钟就能适应。这让其脑机接口从控制屏幕光标迈向真实的物理硬件，不过目前仍处于试验阶段，尚未获批上市。
黄仁勋发文力挺开源 AI：闭源与开源前沿模型必须共存
NVIDIA CEO 黄仁勋在 X 发文并分享公开信，力挺开源 AI 模型。他指出，开源模型能强化安全与网络防御、加速创新扩散并维护国家主权；未来世界既需要前沿闭源模型，也离不开前沿开源模型共存。
Nanbeige 4.2 开源：3B 智能体模型靠循环架构跑赢 9B
Nanbeige 发布 30 亿参数的小型智能体模型 Nanbeige 4.2。它采用循环 Transformer 架构，通过复用网络层来增加计算深度，完整模型仅 8GB，消费级显卡即可运行。在多项智能体评测中，其表现超越了 3 倍体量的 Qwen 3.5 9B。
Midjourney 上线 V8.2：大幅砍掉废图，个性化更懂你的审美
Midjourney 推出 V8.2 图像模型，重点提升审美表现、画质与个性化能力。新版本大幅减少了随机生成的低质废图，画风更加大胆精致；得益于社区评分构建的更大图库，系统能更敏锐地理解用户的个人审美偏好。
xAI 推出 Google Workspace 插件：Grok 免费进驻表格与文档
xAI 推出面向 Google Workspace 的免费 Grok 插件，一次安装即可直接在 Sheets、Slides 和 Docs 侧边栏调用。它能引用单元格写公式插图表、结合联网搜索将大纲转为演示文稿，还能调取云端硬盘资料起草文档。所有改动皆为常规编辑且可撤销。
Anthropic 发布 Claude Opus 5：性能逼近 Fable 5，价格腰斩
Anthropic 上线 Claude Opus 5，在维持前代 Opus 4.8 价格的同时，性能逼近旗舰 Fable 5。其在 ARC-AGI 3 测试中得分达次优模型的 3 倍，并在编码与日常办公测试中刷新纪录。该模型现已成为 Claude Max 的默认选项，但在高危攻防能力上仍落后于 Mythos 5。
Anthropic 推出 Drone-Bench：测试 AI 操控无人机定点追踪
Anthropic 与 Andon Labs 联合发布 Drone-Bench 基准，评估 AI 模型操控无人机在室内自主定位与追踪目标的能力。基准将任务拆解为重建、定位等五项，在 15 款模型中 Claude Fable 5 表现最佳，但因 3D 重建缺陷仍无法全自主跨房间飞行。
周四
7月23日 星期四
OpenAI 推出桌面端 ChatGPT Voice：动嘴就能指挥多个智能体
OpenAI 宣布将 ChatGPT Voice 引入 macOS 和 Windows 桌面端。该功能由 GPT-Live 驱动，支持边听边说，用户仅凭语音即可控制电脑并调度 ChatGPT Work 或 Codex 中的多个智能体。目前已面向 Plus、Pro 等付费订阅用户全球推送。
吴恩达发布开源智能体 OpenWorker：直接交付成品，支持 Mac 本地跑
Andrew Ng 与 Rohit Prasad 推出开源智能体 OpenWorker。它不仅能对话，还能跨文件与日常工具直接撰写报告、发送 Slack 消息或更新日程，且在关键操作前先向用户确认。它支持接入多款模型或通过 Ollama 完全本地运行，数据不出本机。
Microsoft 部署两款 MAI 专用模型：Excel 里比肩 GPT-5.6，成本大降
Microsoft 宣布在 GitHub Copilot 与 Excel 中部署专用 MAI 模型。MAI-Code-1-Flash 代码采纳率比 GPT-5.4 Mini 高 10%，Excel 定制版在常见任务上媲美 GPT-5.6，且支持 A100 部署。这意味着无需最新芯片也能低成本跑出前沿效果。
微软推自研多模态模型：Bing 生图已全面替换，语音速度翻倍
微软推出自研多模态模型 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 并开启公测。Bing Image Creator 已全面默认切换为自研图像模型；语音模型速度提升 2 倍且成本降 32%。微软正逐步用自研模型替代第三方技术，支持旗下全系产品。
Microsoft 推出图像模型 MAI-Image-2.6：可结合联网信息，精准控制编辑
Microsoft 推出图像生成与编辑模型 MAI-Image-2.6。它能实时调取网页信息辅助绘图，并提供精确的构图与风格局部编辑能力；同步推出的 MAI-Image-2.6-Flash 价格不到旗舰版一半。目前已上线官方 Playground 供测试。
英伟达 GPU 要登月了：Lunar Outpost 月球车将搭载 Jetson 芯片
太空机器人初创公司 Lunar Outpost 宣布下一代月球车将搭载英伟达 Jetson 芯片控制激光雷达，有望成为月面首款 GPU。该探测车计划年底前由 Falcon 9 火箭发射，核心挑战是在月夜极低功耗下抵御强辐射与极端温差。
FLUX 3 进奥迪工厂：生成视频的模型，也能直接操控机器人
Black Forest Labs 联手 mimic 推出基于 FLUX 3 的视频-动作模型 FLUX-mimic，已在奥迪工厂落地。该模型直接把视频物理表征解码为机械动作，单张 RTX 5090 延迟不足 80 毫秒，可完成柔性线缆等传统自动化难以处理的装配任务。
Black Forest Labs 开启 FLUX 3 早期访问：图影音统一架构，支持 20 秒原生配音视频
Black Forest Labs 推出多模态基座模型 FLUX 3 并开启早期访问。该模型基于 Self-Flow 架构，在统一网络中同时学习图像、视频与音频，支持单次生成长达 20 秒带原生音频的视频，并能拓展至机器人动作预测。官方计划在未来数周逐步开放图像生成与开源权重 Dev 版本。
ElevenLabs 上线 References 功能：上传音频即可控制 Music v2 风格
ElevenLabs 为其 Music v2 模型推出 References 功能，支持用户上传 10 秒至 5 分钟的音频，直接引导生成音乐的风格、配器与氛围。音轨生成前需经过版权检测以拦截他人作品，目前已在 ElevenMusic 及 API 上线。
Kimi K3 靠蒸馏 Fable 做出来？专家拆解：两周时间根本不够
针对白宫科学顾问指责 Moonshot 靠蒸馏 Anthropic 的 Fable 模型打造 Kimi K3，多位专家表示怀疑。专家指出，Fable 7 月 1 日才公开发布，两周内根本无法完成蒸馏到训练全流程，且仅靠蒸馏也无法达到前沿强化学习水平。
Google 账号推自拍视频登录：防 Deepfake 伪造，被锁时转头就能找回
Google 推出自拍视频登录选项，为用户在被锁或没有常用设备时提供找回账号的新方式。设置时对着摄像头按引导转动头部即可录入，Google 会通过多角度比对与活体检测拦截 Deepfake 伪造。数据全程加密存储，用户可随时删除。
AMD 宣布 EPYC 9006：最高 256 核，智能体 AI 性能高出 Intel 174%
AMD 宣布推出第 6 代 EPYC 9006 服务器 CPU。新芯片基于台积电 2nm 制程与 Zen 6 架构，单插槽提供最高 256 核与 512 线程。AMD 称在任务编排、检索与工具调用等智能体 AI 工作负载中，其性能比 Intel Xeon 6980P 高出 174%。
AMD 发布 Helios 机架系统：72 颗 MI455X 正面对标英伟达 NVL72
AMD 正式推出机架级 AI 系统 Helios，搭载 72 颗 MI455X GPU，全面对标英伟达 Vera Rubin NVL72。官方称其算力提升 15%、HBM 容量大 50%，微软、OpenAI 和 Anthropic 等客户已计划部署。
AMD 联手 Cerebras：机架搭晶圆芯片，AI 推理能效提升 5 倍
AMD 与 Cerebras 宣布合作推出分离式 AI 推理方案。系统由 AMD Helios 机架处理大上下文 Prompt，再交给 Cerebras 晶圆级引擎高速生成 Token，预计每瓦生成效率提升最高 5 倍。方案专为实时智能体和编程设计，预计 2026 年下半年上线 Cerebras Cloud。
Claude 语音模式升级：支持 Opus 与 Sonnet，还能调外部工具
Anthropic 升级 Claude 语音模式，引入 Opus 和 Sonnet 模型以处理更复杂的深度思考与讨论。用户现在还能通过语音直接调用 Gmail、Slack 等工具排日程、发邮件，并支持日语、韩语等 11 种语言，全平台开启测试。
OpenAI 上线 ChatGPT Health：打通 Apple Health 与病历，数据不训模型
OpenAI 宣布面向美国 18 岁及以上用户推出 ChatGPT Health。用户可绑定 Apple Health、医院病历或体检数据，让 AI 结合自身指标解答健康疑问。该数据不用于模型训练或广告，付费与免费用户分别由 GPT-5.6 Sol 和 GPT-5.5 Instant 驱动。
xAI 上线 Grok Build 工作流：最多调用 1024 个智能体并发干活
xAI 在 Grok Build 中上线 Workflows 功能。用户用自然语言描述复杂任务，Grok 会自动生成编排脚本，将任务并发分发给 128 个（大型任务达 1024 个）后台智能体执行与交叉验证。工作流支持保存为斜杠命令随时复用，并内置深度研究模式。
Amazon 升级 Alexa+：引入 MCP 协议、AI 家电控制与语音结账
Amazon 推出针对 Alexa+ 的全新开发者工具，包含 AI 智能家居开发套件、MCP 协议支持以及 Amazon Wallet 语音支付。最值得关注的是，外部服务商可直接挂载 MCP 服务接入 Alexa+，用户用日常口语就能精准控制复杂家电设置并一键完成结账。目前相关功能已开放预览版。
周三
7月22日 星期三
美官员指控月之暗面：称 K3 蒸馏 Anthropic 前沿模型并调用 GB300
美国政府科技官员公开指责月之暗面秘密蒸馏 Anthropic 的 Fable 模型来开发 K3，并称其在泰国获取英伟达 GB300 芯片进行训练。美财政部正考虑实施制裁和贸易拉黑。中方发言人则驳斥该说法毫无根据。
微软投 6000 万美元支持能源部 Genesis：AI 加速科研
Microsoft 宣布向美国能源部 Genesis 计划投资 6000 万美元，包括 4000 万美元 Azure 算力额度与 2000 万美元工程服务，并成立 SPARK 枢纽对接 17 家国家实验室。该计划旨在十年内把美国科研产出提升一倍。
美国近 200 家电力巨头签署承诺：不让普通人为 AI 电费买单
据《华尔街日报》报道，美国近 200 家公用事业公司及数据中心开发商签署了自愿性电费保护承诺，签署方覆盖全美约 80% 供电量。该承诺旨在防止 AI 算力潮推高普通居民电费，但缺乏强制约束与罚则，电价通常也由各州而非联邦决定。
Google 用强化学习实时校准量子计算机：边运行边调参，错误率降 20%
Google 团队公布新成果，把强化学习与量子纠错结合，让量子计算机能在运算过程中自动重新调校。AI 智能体根据错误信号动态调整数千个控制参数，无需停机重置，让逻辑错误率进一步降低 20%。最值得关注的是，这解决了量子芯片漂移导致的停机瓶颈，为长达数天的连续计算铺平了道路。
Anthropic 推出经济指数连接器：直接在 Claude 里查 AI 正在影响哪些工作
Anthropic 为 Claude 推出经济指数连接器，允许用户直接通过对话查询 AI 对各行各业工作的影响。启用后即可询问哪些职业使用 AI 最多或哪些任务正被自动化，回答均基于实际数据。不过该指标仅反映 Claude 自身的使用情况，并非整体劳动力市场。
Cursor 上线模型路由系统：写代码按需分流，成本最高砍掉 60%
Cursor 推出智能模型路由 Cursor Router，面向团队与企业版开放。它先分析提示词与任务难度，再将简单工作分给廉价模型、复杂推理留给前沿模型，A/B 测试中成本降低达 60%，提供智能、平衡与成本三种档位可选。
阿里发布 Qwen-Image-3.0：支持 4500 token 长输入，可渲染 10px 微缩文字
阿里推出第三代图像生成基座模型 Qwen-Image-3.0。模型支持最高 4.5k token 输入，可处理报纸、分镜等复杂排版，支持 12 种语言及 10px 级文字渲染，还能生成网页等界面，并支持联网检索实时信息。
OpenAI 推出 Presence：企业级语音与文本 Agent 平台，自主解决 75% 咨询
OpenAI 推出企业级智能体平台 Presence，支持实时语音和文本交互，帮助企业部署能调系统、按规则办事的 AI 助手。其自用电话客服已实现 75% 独立解决率，并通过 Codex 自动优化规则。目前面向特定企业定向交付，暂不开放自助使用。
OpenAI 支持能源部 Genesis 计划：投入 1700 万美元加速国家科研
OpenAI 宣布向美国能源部 Genesis Mission 承诺提供 1700 万美元支持，计划十年内将美国科研产出翻倍。支持包括向约 2000 名研究人员提供 400 万美元 Codex 额度、推进高温超导研究及超算推理部署。此举旨在将前沿 AI 转变为国家战略科研基础设施。
