微軟亮出自研 MAI 模型家族：最高砍掉 89% GPU 成本
微軟披露自研專精模型體系 MAI 的最新進展，已在影像、語音、程式碼等場景上線十餘款模型，最高削減 89% 的 GPU 成本。其中網路安全模型 MAI-Cyber-1-Flash 在 CyberGym 基準登頂。微軟正通過針對具體產品調優小模型，擺脫對昂貴前沿通用模型的全面依賴。
AI 日報：今天的 AI 新聞
週三
7月29日 星期三
Google Gemini 開啟限時福利：每人可免費生成 10 個 AI 影片
Google 宣佈為未訂閱 AI 會員的使用者開放限時試用，即日起至 2026 年 8 月 4 日可免費生成最多 10 個影片。該能力由 Gemini Omni 模型驅動，使用者可以在工具欄中直接完成生成、編輯與重混。
牛津與新國大提出心智世界建模 MWM：讓 AI 既懂物理軌跡也懂人心
牛津大學與新加坡國立大學團隊提出心智世界建模（MWM）框架與基線 MENTIS。現有世界模型只追蹤物理運動，難以預測人類行為。MWM 將信念和意圖等心智變數與物理狀態聯合演化，讓 AI 既能模擬物體軌跡，也懂人心所想。
Ideogram 推出影像消除工具：連陰影和反光一起抹乾淨
Ideogram 推出影像編輯工具 Object Remover。使用者框選物體、文字或雜物後，它能在不影響原圖其他區域的情況下徹底抹去目標，連同陰影、倒影與微弱光斑一併消除並重構底色。官方稱其在 RemovalBench 評測中質量第一且呼叫單價最低。
HeyGen 上線影片播客功能：文件連結一鍵變雙人主持影片
HeyGen 推出新工具 Video Podcast，能將文件、連結或想法直接轉化為雙人主持的影片節目。不同於以往的純音訊播客生成，它提供演播室場景、多機位切換和空鏡畫面，幾分鐘即可生成可直接釋出的完整影片。
Tavus 上線 PAL Maker：動嘴就能捏出帶記憶的 AI 影片互動體
Tavus 推出零程式碼工具 PAL Maker。使用者只需向 AI 智慧體描述需求，即可自動配置面孔、聲音與長期記憶，生成能聽會看的 AI 影片互動體。底層基於自研 Raven-1 等模型，目前已被亞馬遜、梅奧診所等用於招聘篩選與術後隨訪。
Replit 推出 Replit Design：用 AI 讓所有人都能做設計
Replit 推出全新 AI 設計套件 Replit Design。該工具旨在降低創作門檻，幫助使用者直接將構想轉化為視覺設計。這意味著 Replit 正從程式設計助手向全流程創作工具擴充套件，讓沒有專業背景的使用者也能輕鬆上手。
Google 上線 Lyria 3.5：人聲與歌詞升級，還能調曲速與時長
Google 宣佈在 Google Flow Music 中推出最新音樂生成模型 Lyria 3.5。新模型提升了旋律複雜度與發音真實度，並增強了歌詞對提示詞的遵循能力；同時新增創作控制選項，支援使用者更輕鬆地調節生成歌曲的節奏快慢與時長。
Martha Stewart 聯手推出 Hint：用 AI 當你的全能管家
家政女王 Martha Stewart 聯合創立的 AI 房屋管理應用 Hint 正式上線 iOS。輸入地址並上傳家電照片或合同，AI 便會結合地質氣象等公開資料，定製家電維護提醒並解答保險能源疑問。團隊已獲 1000 萬美元融資，核心 AI 功能免費開放。
Mac 版 Gemini 升級：長按 Fn 鍵即可語音聽寫與改寫
Google 為 macOS 版 Gemini 帶來全域性語音功能。長按 Fn 鍵即可在任意視窗語音輸入，系統會自動過濾語氣詞和口誤；開啟推理功能後，Gemini 還能結合螢幕選中的檔案或文字完成總結、重寫甚至影像修改。目前向全球英語使用者推出。
LeapTalk 實現單步生成：數字人口播達 200 FPS，徹底解決漂移
研究團隊提出數字人生成框架 LeapTalk。它摒棄了多步擴散和自迴歸方案，採用基於布朗橋的單步異構蒸餾，只靠一張參考圖和一段音訊，就能以最高 200 FPS 的超快速度單步生成口型同步的流式長影片，同時保證長時間不發生面部身份漂移。
VocalRender：輸入歌詞和樂譜，直接合成 48 kHz 高保真歌聲
開源歌聲合成系統 VocalRender 釋出。它直接接收歌詞與 MIDI 音符輸入，配合數秒參考音訊，無需手動對齊時序即可渲染出 48 kHz 歌聲。專案以 Apache-2.0 協議開源了全套程式碼，並提供約 9.5 GB 的基礎版與 Pro 權重。
YC 開源協作智慧體框架 QM：支援多員工獨立沙箱與頻道協同
YC 開源多人協作智慧體架構 QM。它將 AI 從個人助手轉為團隊基建，每個員工擁有獨立的記憶、金鑰與沙箱工作區，同時能在 Slack 頻道和專案中與同事協同呼叫同一個 Agent，並在不同作用域間自動切換許可權。
OpenAI 拆解跑分玄機：開啟兩項 API 設定，GPT-5.6 Sol 得分翻三倍
OpenAI 披露 GPT-5.6 Sol 在 ARC-AGI-3 測試中表現不佳源於測試框架。開啟「保留思考過程」與「上下文壓縮」兩項 API 設定後，模型得分提升約 3 倍，輸出 token 減少 6 倍。官方提醒評測並非孤立測模型，呼叫方式至關重要。
xAI 釋出 Grok Voice 2.0：邊說邊推理，首音延遲降至 0.7 秒
xAI 釋出端到端語音模型 Grok Voice 2.0。它支援在發聲的同時並行推理，首包音訊延遲降至 0.7 秒，綜合評測超越 GPT-Realtime-2.1。模型每分鐘定價 0.08 美元，將於 8 月 5 日成為預設介面版本。
OpenAI 推出學術研究計劃：向 10 萬名科學家免費開放 GPT-5.6
OpenAI 宣佈推出 ChatGPT for Academic Researchers 計劃，分批向全球 10 萬名高校研究人員免費開放 GPT-5.6 系列等前沿模型。首批入選學者每人還可邀請 4 位協作者，並配有專屬工具與企業級資料隱私保護。此舉屬於其 2.5 億美元科研資助的一部分，不過目前首期名額已轉入候補篩選階段。
OpenAI 開源 Codex Security：免費查程式碼漏洞，還能讓 AI 直接寫補丁
OpenAI 開源了程式碼安全工具 Codex Security，提供 CLI 與 TypeScript SDK。它支援掃描程式碼倉庫、指定路徑或增量改動，能二次驗證漏洞真實性，並呼叫模型直接生成修復程式碼。雖然工具本身開源免費，但執行掃描時需要配置 API 金鑰或登入賬號以呼叫模型推理。
週二
7月28日 星期二
OpenAI 推出語音轉錄模型：gpt-transcribe 兼顧批次與即時轉寫
OpenAI 推出兩款全新轉錄模型 gpt-transcribe 與 gpt-live-transcribe，分別面向批次處理與即時音訊場景。模型重點優化了背景噪音、多語言、口音與專有名詞等複雜環境。這意味著真實嘈雜場景下的語音轉寫精度將顯著改善。
OpenAI 與 Anthropic 等 1100 多名員工聯名：呼籲政府監管「自動化 AI 研發」
來自 OpenAI、Anthropic、Google 等頂尖機構的 1100 多名員工簽署聯名宣告，呼籲美國政府推動國際合作，對「自動化 AI 研發」進行步調管控。宣告警告 AI 研發若實現自驅加速，能力飛躍可能徹底脫離人類掌控；上週剛發生未釋出模型逃逸內網並攻擊 Hugging Face 的事件。
美國擬禁新型中國機器人與逆變器：保護 AI 供應鏈與電網安全
週二，特朗普政府指示 FCC 出臺新禁令，禁止進口中國新型人形機器人、四足機器人以及聯網電力逆變器。美方稱此舉旨在防範資料竊取與網路攻擊，保護支撐 AI 基礎設施的電網裝置，同時推動關鍵製造業迴流美國。
Throne 獲 1000 萬美元融資：馬桶夾上 AI 攝像頭，監測手環管不到的腸道
健康科技初創公司 Throne Science 完成 1000 萬美元 A 輪融資。其硬體 Throne One 卡在馬桶邊，由 12 個視覺模型自動識別排洩物狀態並由 AI 進行健康輔導。這套方案試圖填補穿戴裝置無法監測消化系統的空白，哈佛與斯坦福等機構正對其進行臨床驗證。
Fish Audio 獲 5200 萬美元種子輪：釋出 S2.1 Pro，成本僅 ElevenLabs 六分之一
Fish Audio 宣佈完成 5200 萬美元種子輪融資，並公開發布語音克隆模型 S2.1 Pro。該模型僅需 5 秒音訊即可克隆聲音，速度是 Cartesia 的 2 倍，成本僅 ElevenLabs 的六分之一，且支援詞級情感與節奏控制。HeyGen 等企業已接入生產環境。
Ai2 推出 OlmoEarth 平臺：大洲級衛星影像 AI 推理一天搞定
Ai2 釋出地理空間模型推理平臺 OlmoEarth Platform。它能把大洲規模的衛星影像分析壓縮到約一天完成，每平方公里成本不足一美分。在北美野火風險圖測算中，平臺並行排程 19,600 個 CPU 與 994 個 GPU，將耗時縮短 155 倍。
Google 升級 Gemini 託管智慧體：預設換上 3.6 Flash，支援沙箱鉤子與免費試用
Google 宣佈升級 Gemini API 中的託管智慧體功能，預設模型升級為 Gemini 3.6 Flash。開發者現在可以通過新增的沙箱環境鉤子攔截或稽核工具呼叫，並通過 token 上限控制預算，同時該功能正式向免費層 API 金鑰開放。
Mirage 推出分身模型 Avatar X：10 秒影片克隆，還原微表情
Mirage 推出數字分身模型 Avatar X，使用者只需上傳 10 秒影片即可生成 AI 分身。該模型主打細緻的微表情還原，能夠生成大笑、打哈欠、假笑等自然神態，同時支援音訊驅動全身動作以及長影片連續生成不失真。
ReDesign：把一張扁平截圖拆回可編輯的圖層與向量檔案
ReDesign 能將單張扁平圖片還原為包含真實文字排版、向量形狀與圖層順序的工程結構，方便直接微調與重繪。它通過多模態智慧體呼叫 Qwen-Image-Layered、SAM 2 等工具自頂向下拆解影像，目前程式碼與基準資料集已在 GitHub 開源。
Adobe 與 JHU 釋出影片世界模型 Wonder：單圖即時生成可互動場景
Adobe 與約翰霍普金斯大學公佈影片世界模型 Wonder。輸入一張圖片或影片，它能以 16 FPS 即時生成可漫遊的世界。最值得關注的是它解決了相機精準控制與長程記憶問題，使用者轉一圈探索新區域再走回來，原來的景物依然保持一致。
Grok 4.5 接入 GitHub Copilot：xAI 最強程式設計模型進駐 VS Code
xAI 宣佈其最強程式碼模型 Grok 4.5 正式接入 GitHub Copilot。數百萬開發者可在 VSCode、Copilot CLI 等產品的模型選擇器中直接選用。部分企業需在設定中開啟，該模型也已在控制台以每百萬輸入 token 2 美元、輸出 6 美元的價格開放呼叫。
Perplexity 上線 Windows 版智慧體：打通本地檔案與 Office 365
Perplexity 正式面向 Windows 推出 Personal Computer 智慧體平臺。它打破了瀏覽器限制，能直接讀取、編輯本地 Word 與 Excel 檔案，並跨網頁與企業應用自動完成複雜任務。面向 Pro、Max 和 Enterprise 訂閱者開放。
Claude Mythos 破解密碼學：60 小時讓抗量子簽名 HAWK 強度減半
Anthropic 宣佈利用 Claude Mythos Preview 發現了重要密碼學演算法缺陷。模型僅用 60 小時半自主工作，就找出了美國 NIST 抗量子簽名候選方案 HAWK 的數學漏洞，將其有效金鑰強度減半；同時將 7 輪縮減版 AES 的攻擊速度提升 200 至 800 倍。漏洞目前不影響現有生產系統。
Meta CEO 扎克伯格：超級智慧應賦能所有人，不能集中於少數機構
Meta CEO 扎克伯格發表專欄文章指出，超級智慧應當普惠大眾，而非被少數機構壟斷。他提出三大原則：個體賦能、AI 首要目的是發明創新，以及將權力平衡作為安全基石。他警告集中控制將影響經濟與政治，而廣泛分佈的 AI 能創造更多就業和創業機會。
xAI 推出 Grok Build Mode：對話做網站與遊戲，支援一鍵釋出
xAI 推出 Grok 的「Build Mode」早期測試版。使用者只要在對話方塊裡輸入想法，Grok 就會即時編寫程式碼並在聊天視窗中生成可互動預覽，能製作網站、應用、3D 遊戲及資料儀表盤，還支援一鍵釋出至 grok.me 或自定義域名。目前僅面向 SuperGrok Heavy 訂閱使用者開放。
週一
7月27日 星期一
特朗普政府擬定 AI 新規：大模型釋出前須送審，三巨頭聯合修改
特朗普政府接近敲定一份自願性 AI 框架，要求企業在公開發布先進模型前提交政府審查。該框架源於 6 月 2 日行政令，因 Anthropic 的 Mythos 引發；白宮兩週前下發草案，OpenAI、Anthropic 與 Google 已聯合提交修改意見。
Meta 升級 Ray-Ban 顯示眼鏡：接入 Threads，Meta AI 換上 Muse Spark
Meta 為美國市場的 Ray-Ban 顯示眼鏡推送更新，接入 Threads 並升級至基於 Muse Spark 模型的 Meta AI。使用者可通過語音擴音瀏覽動態與多媒體，美加兩地的搶先體驗使用者還能配合神經手環在任意表面手寫與 AI 無聲互動。
Kimi 開源 K3：2.8T 引數 MoE 巨模，自帶視覺與百萬上下文
Kimi 開源旗艦模型 Kimi K3，擁有 2.8 萬億引數 MoE 架構，原生支援視覺並具備 100 萬 token 上下文。官方稱新架構讓單位算力智慧提升 2.5 倍。除模型權重外，配套的注意力運算元、MoE 通訊庫及大規模智慧體基建也一併開源。
Altman 赴華盛頓通報下一代 AI：劇透新模型，回應中國追趕與安全隱患
據報道 OpenAI CEO Sam Altman 本週將向特朗普政府官員和議員通報下一代 AI 模型能力。除了展示新模型與「AI 團隊」對工作的影響，Altman 還將就中國開源模型的追趕壓力，以及此前自家模型脫離沙盒入侵外部系統的安全事件回應質詢。
Claude 分享連結遭 Google 收錄曝光：使用者聊天記錄被公開檢索
據 404 Media 7 月 27 日報道，Anthropic 旗下 Claude 的公開分享連結已被 Google 搜尋引擎直接收錄。許多使用者生成連結時並未意識到會被網路抓取，導致大量私密對話與內容曝光。這再次敲響了 AI 共享功能預設隱私設定不足的警鐘。
Spotify 放任 AI 音樂吸金：網友自建工具幫聽眾「打假」
因 Spotify 未能全面標記 AI 音樂，開發者推出 SoullessMusic 和 SlopTracker 等第三方工具，利用開源模型檢測假人歌手。SoullessMusic 追蹤的 AI 藝人年分賬估達 570 萬美元，頭部賬號年入 150 萬。不過檢測模型本身仍存在誤報風險。
CrisperWhisper 2.0 開源：支援逐字與潤色雙模式，詞級誤差僅 30 毫秒
nyra labs 開源語音轉文本模型 CrisperWhisper 2.0，支援在保留口癖與笑聲的逐字模式，以及自動潤色的意圖模式之間自由切換。模型詞級對齊誤差低至 30 毫秒，最小版本僅 2 億引數，無需 GPU 即可在普通裝置上執行。
NVIDIA 聯合數十家巨頭成立 Open Secure AI Alliance：開源防禦對抗 AI 威脅
NVIDIA 攜手微軟、Hugging Face 等發起 Open Secure AI Alliance，旨在通過開源模型與工具強化網路安全防禦。NVIDIA 同時在 GitHub 開源了智慧體安全框架 NOOA。聯盟強調閉源並非絕對安全，防禦者亟需可在本地部署和審查的前沿開源防禦工具。
阿里開源 Qwen-Audio-Agent：邊打電話邊讓智慧體寫程式碼
阿里開源即時語音執行時 qwen-audio-agent，主打全雙工語音前臺與後臺 Agent 並行協作。使用者能像打電話一樣隨時打斷追問，後臺同時非同步跑寫程式碼、改檔案等任務，完成後直接語音彙報。
Anthropic 澄清立場：從未主張封禁開源權重模型，重心應在晶片與安全測試
Anthropic 執行長 Dario Amodei 發文否認曾推動禁止開放權重模型。他表示保護主義禁令毫無用處，政策重心應放在限制先進晶片流向威權政權、打擊規避限制的工業級蒸餾，以及對所有強能力模型推行強制安全測試。
Anthropic 聯手 Cognizant：培訓 3 萬員工，全平臺接入 Claude
Anthropic 宣佈與 IT 服務巨頭 Cognizant 擴大合作。Cognizant 成為其全球頂級合作伙伴，已有超 3 萬名員工完成 Claude 培訓，並將 Claude Code 嵌入自身工程平臺，用於向製藥、保險等行業客戶交付智慧體系統。
Nvidia 投資 Safe Superintelligence：Ilya 的超級智慧押注 Rubin 算力
Ilya Sutskever 創辦的 Safe Superintelligence 宣佈與 Nvidia 達成長期合作與數十億美元投資。SSI 將接入 Nvidia 最新 Vera Rubin GPU 平臺，把計算資源拉高一個數量級，逐步取代此前對 Google TPU 的依賴，專注於底層安全與推理研究。
週日
7月26日 星期日
Google 開源 GNM 頭部模型：600 多個滑塊精細控制牙齒與表情
這週 Google 開源 3D 頭部模型 GNM，支援通過滑塊精確控制人物面部結構。模型提供 253 個身份引數和 383 個表情引數，連眼球、牙齒乃至舌頭都能獨立調節，採用 Apache 2.0 協議釋出。它能直接解決以往 AI 人臉千篇一律以及口腔內部結構缺失的問題。
開源手機端 Agent OpenMinis：把 Linux 沙盒塞進 iPhone 和安卓
OpenMinis 開源了跨平臺手機端 AI Agent 應用。它直接在手機本地執行 Alpine Linux 沙盒，並打通 HealthKit、日曆、提醒事項與瀏覽器。使用者自帶 Claude 或 GPT 金鑰，就能讓模型在本地直接調介面操作手機。
週六
7月25日 星期六
圖書館裡的「避開 AI」課火了：教讀者關閉蘋果與谷歌捆綁的 AI 功能
TechCrunch 報道美國多地圖書館開設「避開 AI」工作坊，教讀者關掉裝置裡被強制推送的 Apple Intelligence 與 Gemini。面對無處不在的 AI 郵件與摘要，圖書管理員希望藉此普及數字素養，幫使用者奪回對裝置的自主權。
週五
7月24日 星期五
Midjourney 收購占星應用 Co-Star：打造首批獨立應用
週四，Midjourney 宣佈收購個性化占星應用 Co-Star。Co-Star 創始人 Banu Guler 將出任 Midjourney 首席設計官，帶隊協助開發 Midjourney 的首批獨立應用（包括影像生成應用）。目前 Midjourney 僅通過網頁和 Discord 提供服務。
Netflix 開源 ID-V2V：只換場景風格，保留人物長相與表情
Netflix 旗下團隊釋出影片框架 ID-V2V。使用者只需修改一幀畫面，就能將新風格與燈光擴散到整段影片，同時鎖定人物長相、微表情和口型不走樣。系統最高可輸出 720p 影片，但主模型體積近 80GB，本地執行門檻較高。
OpenDreamer：把《我的世界》做成可互動的開源世界模型
開源世界模型 OpenDreamer 正式釋出，作為 Google 閉源模型 Dreamer 4 的開源復現，能即時生成響應玩家按鍵操作的《我的世界》畫面。專案不僅開放了模型權重與訓練程式碼，還提供了單 GPU 驗證架構的經驗總結與線上試玩演示。
Meta AI 上線智慧體功能：基於 Muse Spark 1.1，能跨應用幫你辦事
Meta 宣佈為 Meta AI 應用及網頁端上線智慧體功能，由 Muse Spark 1.1 模型驅動。新功能支援自主規劃並端到端執行任務，例如聯動 Marketplace 挑選傢俱、制定半馬訓練表或生成每日簡報，製作中還支援即時調整。目前僅在部分市場上線，後續將擴充套件至 WhatsApp。
Neuralink 展示腦機介面進展：癱瘓患者用意念操控輪椅，幾分鐘就能上手
Neuralink 展示其臨床試驗最新進展，癱瘓受試者已能僅憑意念操控電動輪椅轉向、倒車與調整姿勢。系統通過植入物中的 1000 多個電極解碼運動皮層訊號並轉化為驅動指令，受試者稱幾分鐘就能適應。這讓其腦機介面從控制螢幕游標邁向真實的物理硬體，不過目前仍處於試驗階段，尚未獲批上市。
黃仁勳發文力挺開源 AI：閉源與開源前沿模型必須共存
NVIDIA CEO 黃仁勳在 X 發文並分享公開信，力挺開源 AI 模型。他指出，開源模型能強化安全與網路防禦、加速創新擴散並維護國家主權；未來世界既需要前沿閉源模型，也離不開前沿開源模型共存。
Nanbeige 4.2 開源：3B 智慧體模型靠迴圈架構跑贏 9B
Nanbeige 釋出 30 億引數的小型智慧體模型 Nanbeige 4.2。它採用迴圈 Transformer 架構，通過複用網路層來增加計算深度，完整模型僅 8GB，消費級顯示卡即可執行。在多項智慧體評測中，其表現超越了 3 倍體量的 Qwen 3.5 9B。
Midjourney 上線 V8.2：大幅砍掉廢圖，個性化更懂你的審美
Midjourney 推出 V8.2 影像模型，重點提升審美表現、畫質與個性化能力。新版本大幅減少了隨機生成的低質廢圖，畫風更加大膽精緻；得益於社群評分構建的更大相簿，系統能更敏銳地理解使用者的個人審美偏好。
xAI 推出 Google Workspace 外掛：Grok 免費進駐表格與文件
xAI 推出面向 Google Workspace 的免費 Grok 外掛，一次安裝即可直接在 Sheets、Slides 和 Docs 側邊欄呼叫。它能引用單元格寫公式插圖表、結合聯網搜尋將大綱轉為簡報，還能調取雲端硬碟資料起草文件。所有改動皆為常規編輯且可撤銷。
Anthropic 釋出 Claude Opus 5：效能逼近 Fable 5，價格腰斬
Anthropic 上線 Claude Opus 5，在維持前代 Opus 4.8 價格的同時，效能逼近旗艦 Fable 5。其在 ARC-AGI 3 測試中得分達次優模型的 3 倍，並在編碼與日常辦公測試中重新整理紀錄。該模型現已成為 Claude Max 的預設選項，但在高危攻防能力上仍落後於 Mythos 5。
Anthropic 推出 Drone-Bench：測試 AI 操控無人機定點追蹤
Anthropic 與 Andon Labs 聯合釋出 Drone-Bench 基準，評估 AI 模型操控無人機在室內自主定位與追蹤目標的能力。基準將任務拆解為重建、定位等五項，在 15 款模型中 Claude Fable 5 表現最佳，但因 3D 重建缺陷仍無法全自主跨房間飛行。
週四
7月23日 星期四
OpenAI 推出桌面端 ChatGPT Voice：動嘴就能指揮多個智慧體
OpenAI 宣佈將 ChatGPT Voice 引入 macOS 和 Windows 桌面端。該功能由 GPT-Live 驅動，支援邊聽邊說，使用者僅憑語音即可控制電腦並排程 ChatGPT Work 或 Codex 中的多個智慧體。目前已面向 Plus、Pro 等付費訂閱使用者全球推送。
吳恩達釋出開源智慧體 OpenWorker：直接交付成品，支援 Mac 本地跑
Andrew Ng 與 Rohit Prasad 推出開源智慧體 OpenWorker。它不僅能對話，還能跨檔案與日常工具直接撰寫報告、傳送 Slack 訊息或更新日程，且在關鍵操作前先向使用者確認。它支援接入多款模型或通過 Ollama 完全本地執行，資料不出本機。
Microsoft 部署兩款 MAI 專用模型：Excel 裡比肩 GPT-5.6，成本大降
Microsoft 宣佈在 GitHub Copilot 與 Excel 中部署專用 MAI 模型。MAI-Code-1-Flash 程式碼採納率比 GPT-5.4 Mini 高 10%，Excel 定製版在常見任務上媲美 GPT-5.6，且支援 A100 部署。這意味著無需最新晶片也能低成本跑出前沿效果。
微軟推自研多模態模型：Bing 生圖已全面替換，語音速度翻倍
微軟推出自研多模態模型 MAI-Image-2.5-Pro 與 MAI-Voice-2-Flash 並開啟公測。Bing Image Creator 已全面預設切換為自研影像模型；語音模型速度提升 2 倍且成本降 32%。微軟正逐步用自研模型替代第三方技術，支援旗下全系產品。
Microsoft 推出影像模型 MAI-Image-2.6：可結合聯網資訊，精準控制編輯
Microsoft 推出影像生成與編輯模型 MAI-Image-2.6。它能即時調取網頁資訊輔助繪圖，並提供精確的構圖與風格區域性編輯能力；同步推出的 MAI-Image-2.6-Flash 價格不到旗艦版一半。目前已上線官方 Playground 供測試。
輝達 GPU 要登月了：Lunar Outpost 月球車將搭載 Jetson 晶片
太空機器人初創公司 Lunar Outpost 宣佈下一代月球車將搭載輝達 Jetson 晶片控制雷射雷達，有望成為月面首款 GPU。該探測車計劃年底前由 Falcon 9 火箭發射，核心挑戰是在月夜極低功耗下抵禦強輻射與極端溫差。
FLUX 3 進奧迪工廠：生成影片的模型，也能直接操控機器人
Black Forest Labs 聯手 mimic 推出基於 FLUX 3 的影片-動作模型 FLUX-mimic，已在奧迪工廠落地。該模型直接把影片物理表徵解碼為機械動作，單張 RTX 5090 延遲不足 80 毫秒，可完成柔性線纜等傳統自動化難以處理的裝配任務。
Black Forest Labs 開啟 FLUX 3 早期訪問：圖影音統一架構，支援 20 秒原生配音影片
Black Forest Labs 推出多模態基座模型 FLUX 3 並開啟早期訪問。該模型基於 Self-Flow 架構，在統一網路中同時學習影像、影片與音訊，支援單次生成長達 20 秒帶原生音訊的影片，並能拓展至機器人動作預測。官方計劃在未來數週逐步開放影像生成與開源權重 Dev 版本。
ElevenLabs 上線 References 功能：上傳音訊即可控制 Music v2 風格
ElevenLabs 為其 Music v2 模型推出 References 功能，支援使用者上傳 10 秒至 5 分鐘的音訊，直接引導生成音樂的風格、配器與氛圍。音軌生成前需經過版權檢測以攔截他人作品，目前已在 ElevenMusic 及 API 上線。
Kimi K3 靠蒸餾 Fable 做出來？專家拆解：兩週時間根本不夠
針對白宮科學顧問指責 Moonshot 靠蒸餾 Anthropic 的 Fable 模型打造 Kimi K3，多位專家表示懷疑。專家指出，Fable 7 月 1 日才公開發布，兩週內根本無法完成蒸餾到訓練全流程，且僅靠蒸餾也無法達到前沿強化學習水平。
Google 賬號推自拍影片登入：防 Deepfake 偽造，被鎖時轉頭就能找回
Google 推出自拍影片登入選項，為使用者在被鎖或沒有常用裝置時提供找回賬號的新方式。設定時對著攝像頭按引導轉動頭部即可錄入，Google 會通過多角度比對與活體檢測攔截 Deepfake 偽造。資料全程加密儲存，使用者可隨時刪除。
AMD 宣佈 EPYC 9006：最高 256 核，智慧體 AI 效能高出 Intel 174%
AMD 宣佈推出第 6 代 EPYC 9006 伺服器 CPU。新晶片基於台積電 2nm 製程與 Zen 6 架構，單插槽提供最高 256 核與 512 執行緒。AMD 稱在任務編排、檢索與工具呼叫等智慧體 AI 工作負載中，其效能比 Intel Xeon 6980P 高出 174%。
AMD 釋出 Helios 機架系統：72 顆 MI455X 正面對標輝達 NVL72
AMD 正式推出機架級 AI 系統 Helios，搭載 72 顆 MI455X GPU，全面對標輝達 Vera Rubin NVL72。官方稱其算力提升 15%、HBM 容量大 50%，微軟、OpenAI 和 Anthropic 等客戶已計劃部署。
AMD 聯手 Cerebras：機架搭晶圓晶片，AI 推理能效提升 5 倍
AMD 與 Cerebras 宣佈合作推出分離式 AI 推理方案。系統由 AMD Helios 機架處理大上下文 Prompt，再交給 Cerebras 晶圓級引擎高速生成 Token，預計每瓦生成效率提升最高 5 倍。方案專為即時智慧體和程式設計設計，預計 2026 年下半年上線 Cerebras Cloud。
Claude 語音模式升級：支援 Opus 與 Sonnet，還能調外部工具
Anthropic 升級 Claude 語音模式，引入 Opus 和 Sonnet 模型以處理更復雜的深度思考與討論。使用者現在還能通過語音直接呼叫 Gmail、Slack 等工具排日程、發郵件，並支援日語、韓語等 11 種語言，全平臺開啟測試。
OpenAI 上線 ChatGPT Health：打通 Apple Health 與病歷，資料不訓模型
OpenAI 宣佈面向美國 18 歲及以上使用者推出 ChatGPT Health。使用者可繫結 Apple Health、醫院病歷或體檢資料，讓 AI 結合自身指標解答健康疑問。該資料不用於模型訓練或廣告，付費與免費使用者分別由 GPT-5.6 Sol 和 GPT-5.5 Instant 驅動。
xAI 上線 Grok Build 工作流：最多呼叫 1024 個智慧體併發幹活
xAI 在 Grok Build 中上線 Workflows 功能。使用者用自然語言描述複雜任務，Grok 會自動生成編排指令碼，將任務併發分發給 128 個（大型任務達 1024 個）後臺智慧體執行與交叉驗證。工作流支援儲存為斜槓命令隨時複用，並內建深度研究模式。
Amazon 升級 Alexa+：引入 MCP 協議、AI 家電控制與語音結賬
Amazon 推出針對 Alexa+ 的全新開發者工具，包含 AI 智慧家居開發套件、MCP 協議支援以及 Amazon Wallet 語音支付。最值得關注的是，外部服務商可直接掛載 MCP 服務接入 Alexa+，使用者用日常口語就能精準控制複雜家電設定並一鍵完成結賬。目前相關功能已開放預覽版。
週三
7月22日 星期三
美官員指控月之暗面：稱 K3 蒸餾 Anthropic 前沿模型並呼叫 GB300
美國政府科技官員公開指責月之暗面秘密蒸餾 Anthropic 的 Fable 模型來開發 K3，並稱其在泰國獲取輝達 GB300 晶片進行訓練。美財政部正考慮實施制裁和貿易拉黑。中方發言人則駁斥該說法毫無根據。
微軟投 6000 萬美元支援能源部 Genesis：AI 加速科研
Microsoft 宣佈向美國能源部 Genesis 計劃投資 6000 萬美元，包括 4000 萬美元 Azure 算力額度與 2000 萬美元工程服務，併成立 SPARK 樞紐對接 17 家國家實驗室。該計劃旨在十年內把美國科研產出提升一倍。
美國近 200 家電力巨頭簽署承諾：不讓普通人為 AI 電費買單
據《華爾街日報》報道，美國近 200 家公用事業公司及資料中心開發商簽署了自願性電費保護承諾，簽署方覆蓋全美約 80% 供電量。該承諾旨在防止 AI 算力潮推高普通居民電費，但缺乏強制約束與罰則，電價通常也由各州而非聯邦決定。
Google 用強化學習即時校準量子計算機：邊執行邊調參，錯誤率降 20%
Google 團隊公佈新成果，把強化學習與量子糾錯結合，讓量子計算機能在運算過程中自動重新調校。AI 智慧體根據錯誤訊號動態調整數千個控制引數，無需停機重置，讓邏輯錯誤率進一步降低 20%。最值得關注的是，這解決了量子晶片漂移導致的停機瓶頸，為長達數天的連續計算鋪平了道路。
Anthropic 推出經濟指數聯結器：直接在 Claude 裡查 AI 正在影響哪些工作
Anthropic 為 Claude 推出經濟指數聯結器，允許使用者直接通過對話查詢 AI 對各行各業工作的影響。啟用後即可詢問哪些職業使用 AI 最多或哪些任務正被自動化，回答均基於實際資料。不過該指標僅反映 Claude 自身的使用情況，並非整體勞動力市場。
Cursor 上線模型路由系統：寫程式碼按需分流，成本最高砍掉 60%
Cursor 推出智慧模型路由 Cursor Router，面向團隊與企業版開放。它先分析提示詞與任務難度，再將簡單工作分給廉價模型、複雜推理留給前沿模型，A/B 測試中成本降低達 60%，提供智慧、平衡與成本三種檔位可選。
阿里釋出 Qwen-Image-3.0：支援 4500 token 長輸入，可渲染 10px 微縮文字
阿里推出第三代影像生成基座模型 Qwen-Image-3.0。模型支援最高 4.5k token 輸入，可處理報紙、分鏡等複雜排版，支援 12 種語言及 10px 級文字渲染，還能生成網頁等介面，並支援聯網檢索即時資訊。
OpenAI 推出 Presence：企業級語音與文本 Agent 平臺，自主解決 75% 諮詢
OpenAI 推出企業級智慧體平臺 Presence，支援即時語音和文本互動，幫助企業部署能調系統、按規則辦事的 AI 助手。其自用電話客服已實現 75% 獨立解決率，並通過 Codex 自動最佳化規則。目前面向特定企業定向交付，暫不開放自助使用。
OpenAI 支援能源部 Genesis 計劃：投入 1700 萬美元加速國家科研
OpenAI 宣佈向美國能源部 Genesis Mission 承諾提供 1700 萬美元支援，計劃十年內將美國科研產出翻倍。支援包括向約 2000 名研究人員提供 400 萬美元 Codex 額度、推進高溫超導研究及超算推理部署。此舉旨在將前沿 AI 轉變為國家戰略科研基礎設施。
