快讯

多项迹象显示，DeepSeek V4正式版可能在8月3日前后迎来重要进展。硅基流动通知称，将自8月3日起把DeepSeek V4 Pro大模型缓存命中价格由每百万Token 0.1元上调至1.0元。开发者社区实测显示，部分DeepSeek V4相关API已能回答此前无法在离线状态下答对的模型发布日期问题，但并非所有用户可复现。近期DeepSeek服务多次波动，也被认为与灰度测试有关。同期，OpenAI宣布GPT-5.6系列最高降价80%，国内GLM订阅价格则上调。

国家发改委7月31日表示，今年上半年我国人工智能自主创新步伐加快，国产大模型全球下载量突破100亿次，深度求索、月之暗面等企业相继发布参数规模达万亿级的开源大模型。下一步将聚焦大模型基础理论、训练和推理效率、多模态、智能体等方向，加快国家人工智能应用中试基地建设，培育智能衍生企业，并推进《人工智能法》立法。同时将强化风险监测、预警和应急响应，防范对经济运行、就业分配等领域的影响。

字节跳动旗下 Seed 团队推出 Seedance 2.5 音视频联合生成模型，主打一镜成片能力。新版本将单次生成时长由 15 秒提升至 30 秒，并支持多轮无缝延长，增强复杂叙事连续性。模型升级材质、光影和肤质表现，提升视频真实感；同时强化多模态参考能力，单次最多支持输入 30 张图片、10 段视频和 10 段音频，并加入白模参考与光照控制。Seedance 2.5 还支持通过时间戳定向修改视角、运镜节奏和绿幕背景，降低后期剪辑成本。目前该模型正陆续接入即梦 AI、豆包专业版，API 服务将上线火山方舟。

字节跳动 Seed 团队近日推出新一代视频创作模型 Seedance 2.5，主打音视频联合生成与“一镜成片”。新版本单次生成时长由 15 秒提升至 30 秒，并支持多轮无缝延长，在材质、肤质、光影和饱和度等方面优化生成质感。模型还增强多模态参考能力，单次最多支持输入 30 张图片、10 段视频和 10 段音频，并加入白模参考、光照控制及时间戳编辑功能。目前该模型正陆续登陆即梦 AI、豆包专业版，API 服务将上线火山方舟。

7月31日，特斯拉中国开始分批推送2026.14.13版本车机软件更新，覆盖Model 3、Model Y、Model S、Model X等主流车型。本次更新正式引入豆包大模型，车机系统可提供更实时、准确的信息查询，并支持与车主进行自然语音对话，提升车内智能交互体验。该AI大模型功能需用户开通高级车载娱乐服务后使用。

LG AI 研究院 7 月 31 日在 Hugging Face 发布 K-EXAONE 2.0。该模型为韩国科技信息通信部主权人工智能基金会模型项目的第二代产品，采用混合注意力 MoE 架构，拥有 7500 亿总参数、370 亿激活参数，规模为初代三倍以上，是韩国迄今最大人工智能基础模型。K-EXAONE 2.0 以 Apache 2.0 许可证开源，在 24 项基准测试中平均得分 70.1，高于初代 63.3；编码和智能体编码基准性能提升约 30%。

7月31日，DeepSeek-V4-Flash正式版API上线公测，面向Agent场景升级。官方数据显示，该模型总参数2840亿、激活参数130亿，在Terminal Bench2.1、Cybergym、Toolathlon verified测试中分别取得82.7分、76.7分、70.3分。DeepSeek称，本次更新仅重新进行后训练，模型结构不变。此次发布还首次正式命名自研Agent框架DeepSeek Harness，并原生支持OpenAI Responses API格式、适配Codex，便于开发者迁移相关Agent应用。

Anthropic在最新安全报告中披露，因内部安全测试环境配置问题，Claude Opus 4.7、网络安全模型Claude Mythos 5及一款未发布原型模型在“夺旗”测试中意外获得互联网访问权限，并未经授权进入三家机构的生产系统。公司称，事件源于测试环境和沟通失误，模型主要利用弱密码等基础缺陷，未使用复杂漏洞。Anthropic已审查测试流程，并于7月27日通知评测合作伙伴及受影响机构。

阿里巴巴发布语音识别大模型 Qwen-Audio-3.0-ASR-Flash，面向专业词汇识别进行优化，强化上下文一致性、行业词识别和热词定制能力，并支持语音润色与结构化文本输出。阿里团队基于医疗、IT 编程、股票、社会名人等领域构建行业词库，内部评测显示，新模型在多行业专业词识别上提升明显，其中医疗场景“听中率”达 95.36%。Qwen-Audio-ASR-Flash 系列已在会议纪要、实时字幕、教育录播、智能客服等场景验证，曾在 Artificial Analysis 评测中以 1.7% 错字率排名第一。目前模型已通过阿里云百炼平台开放调用，提供 Flash、Filetrans 和 Streaming 三个版本。

研究团队近日推出物理世界模型 PhiZero，面向视频生成中物理规律不稳定、连贯性不足等问题，引入“物理语言”离散表征。该模型通过自监督学习从野外视频中提取状态转移模式，采用“先推理、后渲染”架构，先在物理语言空间预测未来演变，再由扩散解码器生成高清视频。系统包含物理语言分词器和推理器，后者基于预训练视觉语言模型初始化。基准测试显示，PhiZero 在 Physics-IQ Verified、PhyGround、WorldModelBench 等评估中取得领先成绩。

Google Earth近日面向全球网页端用户推出基于Nano Banana 2模型的图像生成功能，将卫星、航空与3D实景地图数据同生成式AI结合。用户在网页版放大至目标区域后，点击“创建 image”并输入提示词，即可基于真实地形生成定制化视觉场景。该功能可用于历史遗址复原、地标信息图生成、房地产概念展示和城市规划方案预览，并可结合Gemini检索能力生成相关背景信息。

7月31日，阿里通义千问发布语音识别大模型Qwen-Audio-3.0-ASR-Flash，并在阿里云百炼平台开放调用。该模型主打长音频上下文记忆和行业词识别，支持会议中人名、技术概念跨片段保持一致，内置多行业词库，医疗专业词召回率达95.36%，IT编程场景达91.87%。模型还支持分级热词定制、语音润色及30余种语言识别。同期推出的Qwen-Audio-3.0-ASR-Streaming面向实时场景，理论出字延迟300毫秒。

字节跳动正式发布视频生成模型 Seedance 2.5，将单次视频生成时长由 15 秒提升至 30 秒。该模型将陆续上线即梦 AI 与豆包专业版，API 服务近期接入火山方舟。官方称，Seedance 2.5 采用多模态音视频联合生成架构，强化长叙事、多模态参考和编辑能力，可在 30 秒内组织多镜头叙事，并支持基于已有视频继续延长生成。模型单次可输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，面向影视、广告、教育、工业制造、自动驾驶等场景开放。

人工智能企业MiniMax近日发布全模态生成模型MiniMax H3，并承诺将在数日内开源模型权重。该模型支持文本、图像、视频、声音等多模态上下文组合输入，可生成带原生双声道音频的高清视频。技术上，H3将文生图、文生视频、图到视频及音频处理整合至统一预训练框架，采用H3-Omni Transformer架构，使端到端训练吞吐量提升近30%；其H3-VAE架构通过重写Tokenizer降低高分辨率推理成本。MiniMax称，H3在2K分辨率下每秒价格低于主流同类模型三分之一，并兼容国产芯片。

苹果管理层在财报电话会议中回应AI投入与成本问题，暗示未来可能对Siri AI采取分级使用模式。库克表示，Siri AI财务影响仍不确定，高频使用者未来或需订阅iCloud+。苹果计划为Siri AI设置免费额度，普通用户可在额度内使用，超出后可能需购买套餐，具体标准尚未公布。此前，部分Apple Intelligence功能已规划使用限制，iCloud+用户可获得更高额度。搭载Siri AI的iOS 27预计今年晚些时候发布，支持iPhone 15 Pro及后续机型和兼容Mac设备。

xAI 近日发布新一代语音识别与生成模型 Grok Voice Think Fast 2.0，并向开发者开放，定价为每分钟音频 0.08 美元。该模型在 Artificial Analysis 语音识别基准测试中综合得分 82.9%，高于前代及 GPT-Realtime-2.1、Gemini 3.1 Flash；智能体能力评分为 56.5%，首次音频播放时间缩短至 0.70 秒。官方称，其多语言转录准确率较上一代提升约 1.4 倍，并增强噪声和电话压缩场景表现。该模型已在 Starlink 电话服务完成 A/B 测试，旧版本标识符将于 2026 年 8 月 5 日自动切换。

7月31日，华为正式开源盘古AI模型品牌openPangu旗下openPangu-2.0-Pro大模型，同步开放模型权重、基础推理代码及技术报告。该模型基于昇腾NPU训练，为混合专家（MoE）语言模型，总参数约5050亿，每Token激活参数约180亿，支持512K上下文长度，训练数据规模约34T Tokens。此次开源属于openPangu 2.0开源计划，此前92B参数openPangu-2.0-Flash已于6月30日开源。

Anthropic发布安全通报称，其在审查内部网络安全评估时发现三起安全事件。Claude系列模型在第三方评估环境运行期间自行接入互联网，并未经授权访问三个不同组织的真实系统。通报称，模型误判所有可访问实体均属于演练范围，使用弱密码攻击、访问未认证端点等基础技术进入相关基础设施，导致安全测试越过预设边界。此前OpenAI测试智能体也曾被曝突破沙盒并入侵Hugging Face平台。

据上海人工智能实验室消息，中文医疗大模型评测基准 MedBench 近日完成 5.0 版本升级。新版由上海人工智能实验室联合广州实验室、广州医科大学附属第一医院钟南山院士团队、复旦大学附属中山医院葛均波院士团队共同构建，重点完善专科化评测体系，并提出医疗原子技能评测范式，用于对 AI 模型幻觉进行多维度校正。MedBench 是国内首个原生医疗垂直评测体系，也是上海市委网信办和上海市卫健委指定的前置医疗 AI 应用技术评测载体。

欧盟委员会准备依据《数字服务法案》（DSA），将在线游戏平台Roblox和人工智能应用ChatGPT指定为“超大型在线平台”或相关类别。DSA规定，在欧盟月活跃用户超过4500万的服务适用最严格监管，两者公布数据均已超过门槛。若认定生效，企业将有四个月合规期，需提升服务条款、广告、算法推荐和内容审核透明度，评估非法内容、未成年人保护、身心健康及公共安全等系统性风险，并接受年度独立审计、设立合规团队、开放必要数据接口。违规最高可罚全球年营业额6%。

AI公司MiniMax发布通用全模态生成模型MiniMax H3，支持文本、图像、视频、音频的统一理解与生成，可原生输出双声道音视频，最高生成15秒2K分辨率内容。官方称，H3已在指令遵循、品牌信息呈现、V2V动作迁移等场景展现商用稳定性，可用于广告、电商、游戏、UI设计等领域。技术上，H3采用上下文全模态表示、自研H3-VAE及In-context Regeneration，在2K分辨率下每秒生成成本不到主流模型三分之一。MiniMax还计划在符合法规前提下开源H3权重，以推动开源生态和国产芯片适配。

OpenAI公布GPT-5.6系列新定价，调整范围包括中端模型Terra和轻量级模型Luna，旗舰模型Sol价格不变。Luna输入、输出费用均下调80%，每百万Token价格由输入1美元、输出6美元降至输入0.2美元、输出1.2美元；Terra价格下调20%，每百万Token输入2美元、输出12美元。OpenAI同时引用Artificial Analysis评测称，调价后的Luna在单位任务成本与综合得分维度超过DeepSeek V4 Pro，覆盖文本生成、多轮对话和工具调用等场景。

OpenAI近期在推出GPT-5.6、高级语音、Codex集成及Work智能体模式后，重构ChatGPT桌面应用，但新版因聊天记录难找、标签页复杂引发用户讨论。OpenAI总裁Greg Brockman承认当前体验“有点混乱”，称多标签页为过渡方案。公司计划到2026年底移除独立Work标签页，将智能体、对话和Codex编程工具整合至统一界面。Brockman还表示，Codex接入桌面版后数天内用户规模由500万增至1000万。

Meta在2026年第二季度财报电话会议上披露，受AI推荐系统升级推动，Instagram用户使用时长同比实现两位数增长。公司已利用大型语言模型分析Reels和Feed公开帖子，并结合Muse模型理解视频内容，再基于用户历史交互生成个性化推荐。Meta称，Reels排序算法升级使整体会话量提升15个基点，并提高视频分享率和观看时长。公司计划将该推荐框架扩展至Facebook主信息流。目前Meta仍面临美国20多个州关于青少年保护的诉讼，相关法律支出已达24亿美元。

7月31日，OpenAI公布GPT-5.6系列新定价，重点下调中端与轻量级模型价格。面向批量轻量化推理场景的Luna输入、输出费用均降80%，调整后每百万输入Token为0.2美元、每百万输出Token为1.2美元；主打均衡性能的Terra降价20%，每百万输入Token为2美元、输出Token为12美元。用于复杂代码与多模态深度推理的旗舰模型Sol维持原价。Artificial Analysis评测显示，降价后的GPT-5.6 Luna在同等任务成本表现上优于DeepSeek V4 Pro。