Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
#模型发布#多模态#视频
NVIDIA 推出 Cosmos-H-Dreams，可根据初始 RGB 帧和实时机器人运动学数据，自回归生成手术场景。经知识蒸馏并由 FlashDreams 加速后，模型在单张 NVIDIA RTX PRO 6000 上达到约 160 帧/秒，高于标准推理的约 10 帧/秒。其提供 dVRK 台面缝合预训练检查点并已集成 Versius 平台，但定位为研发平台，而非诊断系统或实体手术机器人控制器。
#模型发布#视频#具身智能
Moonshot 发布 Kimi K3，这是一个 2.8 万亿参数的多模态模型，具备 1M token 上下文窗口和原生视觉能力，采用 MoE 架构，每 token 激活 896 个专家中的 16 个。Modal 与 Moonshot、vLLM 合作在发布当天完成支持，通过定制训练的 DFlash 推测器将交互速度从 100 提升到 460 tokens/s，单 GPU 吞吐从 800k 提升到 150 万 TPM。K3 现已通过 Modal 的 OpenAI 兼容 Shared API 按 token 计费提供，也可作为 Auto Endpoint 使用。
#产品更新#部署/工程#开源生态
Midjourney 发布 V8.2 图像模型，重点提升审美、图像质量和个性化能力。新版旨在生成更有创意、更大胆精致的图像，显著减少随机出现的低质量结果，并更好地理解个人偏好；V8.2 个性化配置还提供了更大且经过改进的候选图片池。
#模型发布#图像生成
Anthropic 发布 Claude Opus 5，称其以一半价格接近 Claude Fable 5 的前沿智能，在 Frontier-Bench 和 GDPval-AA 等编码与知识工作评测中成为新的 SOTA。该模型是 Claude Max 的新默认模型，也是 Claude Pro 上最强的模型，并在 ARC-AGI 3、Zapier AutomationBench 和 OSWorld 2.0 等基准上表现突出。
#模型发布#Anthropic#推理
蚂蚁百灵发布新一代原生混合推理模型 Ling-3.0-flash，总参数量 124B、激活参数 5.1B，官方称在多项指标上对标甚至超越上一代 1T 级旗舰 Ring-2.6-1T。模型从预训练起采用 5:1 交替堆叠 KDA 与 MLA 的混合线性注意力架构，专家激活比例由 1/32 降至 1/64，原生支持 256K 上下文并可扩展至 1M。官方同时开放 OpenRouter 与百灵官方平台限时免费 API 调用，免费期截至 8 月 3 日 23:00，权重将在免费期结束后开源。
#模型发布#Agent#推理
微软 AI 宣布 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 进入公开预览。MAI-Image-2.5-Pro 主打高保真图像生成与精确图像内文字渲染，定价为每 1M 文本输入 token 5 美元、每 1M 图像输入 token 8 美元、每 1M 图像输出 token 106 美元；MAI-Voice-2-Flash 面向高并发语音场景，比 MAI-Voice-2 快 2 倍、便宜 32%，定价为每 1M 字符 15 美元。微软称 MAI-Image-2.5 已成为 Bing Image Creator 的默认模型，在 PowerPoint 中使 GPU 成本最多降低 84%，在 OneDrive 中使保存率提升 26%、P95 延迟降低约 25%；MAI-Voice-2-Flash 已接入 Dynamics 365 Contact Center 与 Azure Voice Live，GPU 成本最多降低 89%。
#产品更新#多模态#语音
Black Forest Labs 发布多模态基础模型 FLUX 3 并开启 Early Access，该模型基于 Self-Flow 在统一架构中同时学习图像、视频和音频，可单次生成最长 20 秒带原生音频的视频，并支持文生视频、图生视频、视频生视频、关键帧过渡和多语言对话等能力。早期评测中 FLUX 3 在最高 69% 的对比中优于 Grok Imagine Video，对 Runway Gen-4.5 和 Luma Ray 3.2 的偏好比例分别为 77% 和 93%，官方称结果仍属初步。后续将陆续开放 FLUX 3 Video、FLUX 3 Image 的 API 与私有权重，以及 FLUX 3 Dev 的开源权重，FLUX 3 Image 的早期访问将在接下来几周开放。
#模型发布#多模态#视频
Sakana AI 发布编排引擎 Fugu-Ultra v1.1，通过动态编排最新前沿模型，性能较 v1.0 最高提升 7.9 分，在 ProgramBench 和 Terminal Bench 2.1 上表现尤为突出，价格与 v1.0 相同。同时推出兼容 Claude Code 的接口，开发者可在 Claude Code 中直接调用 Fugu 的多智能体编排能力，入口为 https://console.sakana.ai/get-started。
#产品更新#Agent#编码
xAI 宣布 Grok 4.5 现已在 grok.com、X 以及 iOS 和 Android 的 Grok 应用中上线。官方称 Grok 4.5 是其目前能力最强的模型，能跟踪更长的对话、给出更清晰的回答，并在难题上更高效地推理。它还能端到端完成任务，例如搭建可用的电子表格、把大纲转成幻灯片和图表、起草文稿以及从长 PDF 中提取要点，并可通过 Microsoft 365 加载项在 Word、Excel、PowerPoint 和 Outlook 中直接使用。
#产品更新#xAI#部署/工程
#模型发布#Google#编码
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。该模型以限量试点形式通过 CodeMender 向政府和可信合作伙伴开放，后续逐步扩大范围。在 V8 JavaScript 引擎测试中，它发现 55 个已确认的独立问题，高于主线 3.5 Flash 的 47 个和 Claude Opus 4.6 的 36 个，其中 10 个为另外两个模型未发现的问题。
#模型发布#安全/对齐#Agent
Qwen 团队发布第三代基础图像生成模型 Qwen-Image-3.0，核心关键词为“实”，强调内容丰富、细节真实与知识深度。该模型支持最高 4.5k token 输入，可一次生成 3×3 复杂信息图，并能清晰渲染小至 10px 的文字，包括 LaTeX 公式、报纸版面和手写批注。它还支持 12 种语言的原生渲染，可模拟网页、游戏、直播等界面，并覆盖 100 多种艺术风格。
#模型发布#图像生成#多模态
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全漏洞的 3.5 Flash Cyber。3.6 Flash 在 Artificial Analysis Index 上输出 token 比 3.5 Flash 少 17%，定价为每百万输入 token 1.50 美元、每百万输出 token 7.50 美元，并配备 CBRN 与网络攻击滥用的 Frontier Safety 防护。3.5 Flash-Lite 以 350 output tokens/s 运行，定价每百万输入 token 0.3 美元、每百万输出 token 2.5 美元，在 Terminal-Bench 2.1 上从 3.1 Flash-Lite 的 31% 提升至 54%；3.5 Flash Cyber 基于 3.5 Flash 微调，将通过 CodeMender 以限量试点形式仅向政府和可信伙伴开放。3.6 Flash 与 3.5 Flash-Lite 即日起可用，Gemini 3.5 Pro 正在与伙伴测试，Gemini 4 已启动预训练。
#产品更新#Agent#编码
Sakana AI 发布 Fugu 编排模型的更新版 Fugu-Cyber，作为新 API endpoint 上线，在 CyberGym 上成功率达 86.9%，在 CTI-REALM 上达 72.1%，与 GPT-5.5-Cyber、Mythos-Preview 等网络安全前沿模型相当。它延续多智能体系统形态，通过单一 endpoint 动态编排专用智能体完成多步任务。该 API 面向 Token Plan 开放，用户需提交访问申请并说明用途，经人工审核后获批。
#模型发布#Agent#安全/对齐
月之暗面于7月16日发布旗舰模型 Kimi K3，作者认为其核心定位是以高性能和高定价直接竞争全球顶尖专有模型，而非充当廉价替代品。K3拥有2.8 trillion参数和1M上下文窗口，在 Frontend Code Arena 获得1,679分，并采用 KDA、AttnRes及默认开启的思考模式。其价格为每百万输入 token $3、每百万输出 token $15，开放权重计划于7月27日提供。
#模型发布#编码#推理
Kimi K3 发布之际，张小珺分享了此前对 Kimi 创始人杨植麟的播客访谈。该访谈录制于 K2 推出后不久，过去一年情况已发生许多变化。
#模型发布
xAI 发布 Grok 4.5，称其为最强模型，专为编码、智能体任务和知识工作打造，并与 Cursor 联合训练。在 Datacurve 的 DeepSWE 基准上，Grok 4.5 得分 62.0%，高于 Opus 4.8 的 55.75%，低于 Fable 的 66.1% 和 GPT 5.5 的 64.31%。模型在数万块 NVIDIA GB300 GPU 上训练，推理速度 80 TPS，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，并已成为 Grok Build 的默认模型。
#模型发布#编码#Agent
Thinking Machines 推出 Inkling，一款原生接收文本、图像和音频的开放权重 MoE 模型，拥有 975B 总参数、41B 激活参数和 1M 上下文窗口。其 bf16 与 NVFP4 检查点分别需要 2 TB 和 600 GB VRAM，并已获 Transformers、SGLang、vLLM 和 llama.cpp 支持。
#模型发布#多模态#推理
Thinking Machines Lab 发布多模态混合专家模型 Inkling，Together AI 同日在其推理平台上线。Inkling 接受文本、图像和音频输入并输出文本，支持可调推理强度，总参数 975B、每 token 激活 40B、上下文窗口 1M tokens。Together AI 称其采用基于 FlashAttention-4 的注意力内核，通过 Serverless 单端点提供三种输入模态。
#模型发布#多模态#推理