AI进展

AI 编年时间线 · 2026年7月 · 共 114 条

7月31·周五

字节跳动 Seedance 2.5 正式发布，一镜成片，随心参考

字节跳动Seed团队推出新一代视频创作模型 Seedance 2.5 ，单次生成时长从15秒提升至30秒并支持多轮延长，可产出数分钟连贯内容。模型全面升级多模态参考能力，单次最多支持30张图片、10段视频及10段音频作为参考素材，同时新增时间戳精准编辑、绿幕替换、视角调整等专业功能，满足影视与广告创作需求。

来源：字节跳动Seed

智谱 GLM Coding Plan 开放订阅

智谱GLM Coding Plan重新开放订阅。之前因需求爆发曾限名额，本次回归伴随基础设施扩容，新版采用透明积分制，输入输出及MCP能力均按规则折算，支持周末全天低峰抵扣。老用户权益保留，v1用户到期前可按V2价格续订，同时开放HighSpeed高速版申请。

来源：智谱开放平台

稀宇科技推出通用全模态生成模型 MiniMax H3

MiniMax 推出通用全模态生成模型 MiniMax H3 ，支持文本、图像、视频与声音的统一理解与生成，可输出15秒2K分辨率原生双声道音视频。模型打破任务与模态边界，在指令遵循、动作迁移及多模态编辑方面表现出色，适用广告、电商、游戏等商业场景。

来源：MiniMax 稀宇科技

DeepSeek-V4-Flash 正式版 API 上线公测

DeepSeek 通过 API 文档发布日志，宣布 DeepSeek-V4-Flash 正式版API上线公测。Agent能力大幅增强，多项基准测试得分远超V4-Pro-Preview版本。正式版原生支持Responses API格式，针对 Codex 进行优化适配。模型结构与Preview版保持一致，仅重新进行后训练。

来源：IT之家

腾讯 WorkBuddy 联合腾讯文档推出人机双写功能

腾讯 WorkBuddy （V5.3.5版）联合腾讯文档推出人机双写功能，让用户与 AI 可在同一份文档中实时协同编辑。工具支持框选即改，AI 仅在指定范围内处理内容，兼容 Word、Excel、PPT、Markdown 等主流格式及本地 Office 与腾讯文档，同时支持多人与 AI 共同创作、实时同步。

来源：腾讯

LibTV x MiniMax 联合首发通用全模态生成模型 MiniMax H3

LibTV 与MiniMax联合首发新一代多模态视频模型MiniMax H3，支持5—15秒视频生成、24 FPS输出与原生双声道声音，可统一理解图文音视频，实现从素材参考到成片编辑的一体化创作，面向短剧、广告、影视等商业场景。

来源：哩布哩布AI

李飞飞 World Labs 收购机器人仿真公司 SceniX

李飞飞旗下World Labs收购SceniX，标志着物理AI训练从采集真实数据转向生成虚拟世界。SceniX通过将真实场景重建为可交互的物理孪生资产，围绕几何、材质、布局等属性生成可控变化，将有限真实数据扩展成无限泛化的世界。

来源：量子位

7月30·周四

月之暗面 Kimi 将完成35亿美元新轮融资

月之暗面Kimi完成新一轮融资，筹集35亿美元，估值达350亿美元，并正寻求投前估值约500亿美元的新融资。Kimi在Hugging Face开源 K3 模型权重，总参数2.8万亿、激活参数1040亿，为全球首个3万亿参数级开源模型。K3基于MoE架构，多家平台已宣布适配，与 Claude Sonnet 5 标准价持平。

来源：第一财经

谷歌 DeepMind 推出 AI 音乐生成模型 Lyria 3.5

Google DeepMind 在 Flow Music 推出新一代 AI 音乐生成模型 Lyria 3.5 ，实现音乐性、歌词质量、人声表现力与创作控制四项核心升级。模型可生成更自然复杂的旋律，歌词遵循度显著提升，人声情感丰富且发音清晰，支持便捷调节节奏与时长。

来源：AI工具集

字节跳动启动AI业务组织调整，飞书将并入豆包

字节跳动启动AI业务组织调整，飞书产品团队并入豆包，由豆包负责人赵祺统筹，飞书负责人谢欣向其汇报。飞书GTM团队与火山引擎整合为创造力服务平台，由谭待负责，统一推进MaaS和SaaS市场。数据显示豆包月活3.82亿，字节大模型ARR已达40亿美元。

来源：财联社

腾讯混元团队开源投机解码框架 AngelSpec ，覆盖 drafter 训练、架构设计到线上部署全链路，同步开源 Hy3-A21B 的 MTP 与 DFly drafter 权重及训练代码。DFly 在 4 至 64 并发取得 SOTA，较自回归基线平均加速 1.98–2.40 倍，代码数学峰值 2.86 倍；D-cut 高并发额外提升吞吐 15.7%，MTP 结合 TTT 将对话接受率从 52.8% 提至 66.4%。

来源：腾讯混元

7月29·周三

马斯克旗下 SpaceXAI 为 Grok 推出 Build 模式

SpaceXAI 为 Grok 推出 Build 模式，用户输入提示词可将创意实时转化为带独立域名的可发布产品。Build 模式支持生成网站、应用、游戏及实时仪表盘，提供实时预览与自然语言迭代，无需编写代码可调整布局、样式与逻辑。完成后的项目可通过 grok.me 域名或自定义域名发布，支持导出源代码至 GitHub 继续开发。

来源：IT之家

心言集团推出跨智能体工作流终端 AgentLink

心言集团推出跨智能体终端 AgentLink ，将 Claude 、 Codex 、 OpenClaw 等分散设备的AI智能体统一接入移动端，扫码可远程操控与协同接力。产品实时展示智能体思考流程与进度，关键节点支持人工确认，独创云笔记接力实现多Agent闭环协作。AgentLink支持双平台，为移动场景下智能体统一管理提供新方案。

来源：AI工具集

360旗下纳米团队推出 AI 办公智能体「纳米Work」

360旗下纳米团队推出新一代企业智能体工作平台纳米Work ，平台覆盖谋、干、盯、开发、赚钱、成长六大工作场景，通过多智能体协同执行，交付可直接使用的方案、PPT、网站等成品。平台具备多智能体引擎、多模型底座、云端办公室、多工作模式及多AI专家五大技术亮点，支持一句话布置任务、7×24小时云端执行。

来源：纳米Work

华为开源 AI Agent 统一工作平台 JiuwenSwarm

华为2012实验室、华为云、终端小艺等团队推出首个鸿蒙PC开源AI统一工作台 JiuwenSwarm 。平台支持办公、编程、娱乐等多场景，一句话可唤醒多智能体团队协同完成任务，如20分钟生成200页PPT、自主开发鸿蒙应用等。同时发布人机协同新范式HITS，实现人与Agent共同组队协作。

来源：量子位

商汤科技推出 Seko3.0，首创 AI 视频梦工厂

商汤科技推出 Seko 3.0 ，新版本从创作工具跃迁为创作者成长平台，首创AI视频梦工厂，以Agent智能工作流串联无限画布资产沉淀与Skill生态，将头部创作者经验封装为可调用的专业能力，实现体系化影视级生产。

来源：商汤科技SenseTime

7月28·周二

Kimi K3 开放模型权重、技术报告和关键 Infra 技术

月之暗面正式推出 Kimi K3 模型权重、技术报告及三项关键Infra技术。Kimi K3为2.8万亿参数MoE模型，具备原生视觉理解与100万token长上下文能力，规模化效率较前代提升2.5倍。同步开源MoonEP高性能通信库、FlashKDA算子及AgentEnv沙箱系统，覆盖从训练通信到分布式RL环境的关键链路。

来源：月之暗面Kimi

蚂蚁集团等开源多智能体搜索协作框架 SearchOS

人大与蚂蚁联合推出开源多智能体搜索框架 SearchOS ，能为长程复杂信息检索提供系统级协作基础设施。框架将搜索过程中的任务进度、证据关系与补全状态抽象为跨 Agent 共享的系统状态，使多个智能体能在统一调度下分工协作、避免重复与失忆。

来源：机器之心

微软推出首个网络安全 AI 模型 MAI-Cyber-1-Flash

微软 CEO 纳德拉官宣首个 AI 网络安全模型 MAI-Cyber-1-Flash ，在 CyberGym 基准测试中以 95.95% 的成功率超越Claude Mythos 5 和 GPT-5.5 Cyber 等竞品。模型现已接入多智能体安全系统 MDASH，可高效处理约 90% 网络安全任务，与 GPT-5.4 组合后成本较现有配置降低近 50%。

来源：IT之家

Midjourney 推出最新 AI 图像生成模型 Midjourney V8.2

Midjourney推出 Midjourney V8.2 图像生成模型，全面升级提示词理解、风格参考逻辑与出图稳定性，风格种子一致性、垫图融合自然度及复杂场景解析力显著增强，文字渲染精准度与东方古典意境表现达到新高度，一次出图成功率大幅提升。

来源：AI工具集

7月27·周一

Anthropic 推出新一代旗舰级模型 Claude Opus 5

Anthropic推出新一代模型 Claude Opus 5 ，智能水平接近 Fable 5 ，价格仅为其一半。模型在Frontier-Bench、GDPval-AA等编程与知识工作评测中刷新行业纪录。Claude Opus 5在编程、商业自动化、计算机操作等场景表现亮眼，同等成本下性能领先竞品，已成为Claude Max默认模型及Pro版最强选择。

来源：机器之心

吴恩达开源个人桌面Agent「OpenWorker」

AI教育大佬吴恩达开源桌面Agent项目 OpenWorker 。与普通聊天机器人不同，工具强调直接交付完成的工作成果，可自主调用本地文件和日常办公工具链完成任务。项目主打本地优先与隐私保护，数据默认保留在用户设备上，用户可自由切换底层模型。OpenWorker目前已支持macOS，Windows测试版已开放下载。

来源：量子位

美团推出全场景 AI Agent 平台 CatPaw

美团正式推出全场景AI Agent平台 CatPaw ，提供开箱即用的AI智能工作台与企业级Agent开发托管能力。平台深度融合美团本地生活行业认知，支持移动端App、PC客户端及云端7×24小时不间断运行，已在内部覆盖9万员工、搭建3万个Agent。CatPaw具备多Agent自主协同、专家与技能即装即用、跨会话长期记忆等能力。

来源：MeituanCatPaw

阿里推出一站式 AI 办公工具「千问办公」

阿里正式推出一站式 AI 办公工具千问办公，开放Windows与macOS Beta版下载，主打企业IM写作、Office一站式生成、多模态理解、全栈网页生成等六大核心能力。同时，其鸿蒙电脑Beta版也上架AppGallery应用尝鲜，千问办公应用由钉钉科技开发，支持AI写作、PPT生成、文档互转及多模型切换等功能。

来源：IT之家

AI互动娱乐平台海艺宣布完成超亿元B轮融资

全球化AI互动娱乐平台海艺宣布完成超亿元B轮融资，由视觉中国、华盖创赢、祥峰投资联合领投。海艺注册用户超6500万，海外占比超90%，毛利率超40%，已沉淀超200万个AI原生创作资产，构建起”SeaArt角色创作+MoreShort短剧消费+SeaSoul角色互动”的完整AI IP生态，从工具竞争转向内容资产与创作者生态壁垒。

来源：Z Potentials

美国金融科技公司 Stripe 洽谈收购大模型中转站 OpenRouter

据《华尔街日报》报道，美国金融科技公司Stripe正洽谈收购大模型聚合平台 OpenRouter ，估值约100亿美元。OpenRouter作为模型路由平台，已接入400余个模型，能帮助企业灵活调用、切换不同厂商AI服务，避免被单一巨头绑定。

来源：智东西

7月24·周五

Black Forest Labs 推出多模态基础模型 FLUX 3

Black Forest Labs推出多模态基础模型 FLUX 3 ，首次在统一架构下联合学习图像、视频与音频。模型基于Self-Flow技术，可单次生成最长20秒带原生音频视频，支持文生视频、图生视频等模式。通过模态间物理约束学习世界表征，在机器人操控任务表现优异。

来源：AI工具集

TRAE Work 升级内置 Seedream 及 Seedance 模型能力

TRAE Work 升级内置 Seedream 5.0 与 Seedance 模型，并面向用户免费开放。在 TRAE Work 无需切换工具，通过自然语言可在工作流中直接生成图片和视频，支持文生视频、图生视频及文生图，同时提供多种时长、比例与分辨率。生成内容可嵌入任务上下文，无缝衔接后续文档撰写等工作。

来源：TRAE.ai

微软推出两款 AI 模型 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash

微软正式推出两款自研AI模型 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 并开启公开预览，两者均基于内部训练流程构建。MAI-Image-2.5-Pro是微软目前精度最高的图像模型，支持主视觉生成、细节编辑及图像内文字渲染。MAI-Voice-2-Flash针对高并发语音场景优化，支持15种语言。

来源：IT之家

小红书开源多模态大模型流水并行训练框架 BigMac

小红书 dots infra 团队开源多模态大模型训练框架 BigMac ，针对计算效率与显存占用难以兼顾的痛点，提出依赖安全的嵌套流水线设计，用 LLM 流水线为主干有序嵌入编码器与生成器计算。实验显示其训练速度较基线提升 1.08 至 1.9 倍，且显存占用保持稳定，目前已应用于 dots 系列模型生产训练。

来源：小红书技术REDtech

阿里开源0.8B文档解析模型 OvisOCR2

阿里云开源文档解析模型 OvisOCR2 ，模型用 96.58 分刷新 OmniDocBench v1.6 榜单纪录，成为首个超越传统流水线方法并登顶的端到端模型。模型仅 0.8B 参数，基于 Qwen3.5-0.8B 后训练，通过真实与合成数据互补引擎及多阶段训练流程，实现文本、公式、表格等内容的单步 Markdown 输出。

来源：阿里云

7月23·周四

Claude Cowork 新增录制技能，Record a skill

Claude Cowork 上线 Record a skill（录制技能）功能，用户边操作屏幕边语音讲解，AI 自动提炼为可重复调用的 Skill，无需再写繁琐 SOP。该功能面向 Pro、Max 及 Team 用户，入口位于桌面应用 Cowork 模式的「+」菜单。

来源：APPSO

OpenAI 推出企业级 AI 智能体平台 OpenAI Presence

OpenAI 正式推出企业级 AI 智能体平台 OpenAI Presence ，帮助企业高效部署和管理 AI Agent，实现客户支持、销售等工作的自动化。平台可将智能体与企业内部数据、管理制度及现有软件深度连接，提供模拟测试、安全防护、人工审核及 AI 自动评分等管理工具，集成语音与聊天技术。

来源：IT之家

微软开源轻量级多模态图像生成模型系列 Mage-Flow

微软开源轻量级多模态图像生成模型系列 Mage-Flow ，基于流匹配架构，仅 4B 参数，包含 Base、RL、Turbo 和 Edit 四个版本，支持文本到图像生成、局部编辑与风格迁移。模型可在消费级 GPU 上高效运行，大幅降低部署门槛，适用于电商设计、广告创意、游戏开发等场景。

来源：AI工具集

腾讯云推出云端智能体 CodeBuddy NPC

腾讯云正式推出云端智能体 CodeBuddy NPC ，定位为”住在云端的 AI 员工”。开发者只需在 Issue 中 @NPC 派发任务，智能体可自主完成从方案规划到代码交付的全流程，无需人工干预。CodeBuddy NPC支持多 NPC 组队协同完成复杂任务，首轮 Token 消耗已从 2 万多个降至约 2000，降幅超 90%。

来源：腾讯云

智象未来完成15亿元人民币C轮融资

智象未来（HiDream.ai）宣布完成15亿元C轮融资，由社保基金四川振兴科创基金、工银资本等联合领投，多家国资与产业资本跟投，老股东持续加注。近三月累计融资超21亿元，正式迈入独角兽行列。本轮融资将加速其从多模态大模型向原生全模态世界模型的演进。

来源：HiDream智象未来

商汤科技推出旗舰图片创作模型 SenseNova U1 Pro

商汤在WAIC 2026推出日日新 SenseNova U1 Pro ，面向复杂多模态任务的AI图像生成系统。U1 Pro支持原生8K直出，具备图文交错思维能力，可围绕目标自主完成草图、细化、着色、检查与调整的全流程。实测显示，模型在超长画幅、复杂海报、琉璃质感山河图及商用电影海报等场景中均表现稳定，文字清晰、构图完整。

来源：量子位

7月22·周三

谷歌推出三款新 AI 模型，Gemini 3.6 Flash、3.5 Flash Cyber 和 3.5 Flash-Lite

谷歌推出三款新AI模型： Gemini 3.6 Flash 、 Gemini 3.5 Flash Cyber 和 Gemini 3.5 Flash-Lite ，分别主打性能提升、网络安全优化和智能体应用场景。Gemini 3.6 Flash 在编程、金融等基准测试中表现优于前代，且成本更低。Cyber 版本专为漏洞发现与修复设计，仅向政府机构和可信合作伙伴开放，以防范滥用风险。

来源：IT之家

腾讯正式全量上线 Miora

腾讯AI创意智能体平台 Miora 正式全量上线。平台定位为有记忆、能理解需求、能调用多智能体协作的AI创意工作室，用户只需提出目标，Miora可自动拆解任务，将图片、视频、3D、UI等工作交由对应专家处理，保持风格一致。

来源：腾讯

商汤科技推出「咔皮家族」AI应用矩阵

商汤科技推出「咔皮家族」AI应用矩阵，定位为以Personal Intelligence为核心的全天候生活智能体，累计用户已突破4000万，年增速超500%。该家族包含三位私人高管：「咔皮健康」可将智能手表数据翻译为个性化健康建议；「 Kapi相机」基于多模态能力提供AI构图、滤镜与姿势推荐；「咔皮记账」连接日常收支与长期财务目标。

来源：商汤科技SenseTime

7月21·周二

面壁智能开源首个具身智能系列模型 MiniCPM-Robot

面壁智能在WAIC 2026上开源首个具身智能成果 MiniCPM-Robot 系列模型，包含通用VLA模型RobotManip与跟踪导航模型RobotTrack。Manip用极小参数实现比肩更大模型的性能，支持1分钟原生记忆且推理成本减半；Track为业内首个支持本地断网部署的跟踪模型，可在无网环境下稳定运行。

来源：面壁智能

昆仑万维开源新一代可交互世界模型 Matrix-Game 3.5

昆仑万维开源新一代可交互世界模型 Matrix-Game 3.5 。模型通过Patch Memory与Warped PRoPE技术攻克长期记忆与几何一致性难题，实现单卡GPU上720P/20FPS实时交互，且核心功能几乎不新增参数，采用轻量化可迁移架构。团队同步构建自动化数据管线，产出超500万段高质量训练数据。

来源：昆仑万维集团

腾讯混元推出科学发现智能体 Hyra

腾讯混元推出 Hyra ，首个支持递归自我改进的通用科学发现智能体。Hyra在AI研发三项基准上均超越Recursive系统；在55个数学开放问题上刷新29项历史最优纪录，并设计出参数减少58%的加法器、效率提升44%的量子路由算法及优于上市药物的抗癌分子候选。

来源：腾讯混元

元石科技推出新一代长内容生成引擎问小白 5 Pro

元石科技推出问小白 5 Pro ，定位为新一代长内容生成引擎，主打长、稳、可查三大核心能力。针对AI长文本写作中常见的数据幻觉、设定前后矛盾、结构松散等痛点，产品通过资料库实现引用可追溯，依托项目记忆机制保持长程设定一致性，借助长文结构保持机制确保万字级文档的论证框架不散架。

来源：问小白

阿里通义千问推出语音合成大模型 Qwen-Audio-3.0-TTS

阿里正式推出语音合成大模型 Qwen-Audio-3.0-TTS ，包含面向实时交互的Flash版本和面向高质量生成的Plus版本。模型在细粒度标签控制、自然语言指令风格定义、多语种与方言覆盖及复杂声学鲁棒性等方面实现系统性提升，支持在文本中嵌入结构化标签精准调控语气与情绪，覆盖16种语言和20种方言。

来源：千问大模型

美团推出下一代搜索智能体评测基准 LoHoSearch

美团LongCat团队推出全新搜索智能体评测基准 LoHoSearch ，用762万维基百科实体知识图谱自动生成544道高难度题目。基准通过控制搜索空间与结构复杂度双维度提升难度，评测显示最强模型 GPT-5.5 准确率仅34.74%，远低于其在BrowseComp上的表现，揭示当前搜索智能体在长链条复杂推理任务上的显著瓶颈。

来源：龙猫LongCat

7月20·周一

阿里推出Qwen3.8-Max预览版模型，正式版即将发布并开源

阿里千问推出 Qwen3.8-Max-Preview ，Qwen3.8将正式发布并全面开源，模型参数达2.4T，官方称模型可能是除Fable 5外最强大的模型。目前Qwen3.8-Max预览版已率先上线阿里Token Plan、 Qoder 及 QoderWork 平台，用户可抢先体验。

来源：千问大模型

趣丸科技推出旗舰级AI音乐生成大模型 Tempolor v4.7

趣丸科技发布 Tempolor v4.7 （天谱乐大模型V4.7），接入对话式音乐智能体 Tunee 并开放API。新版本聚焦可控编辑，升级Remix改写与翻唱Cover能力，支持细粒度音频调整，让AI音乐从一键成曲走向随心修改。模型采用第四代分层渐进式架构，整体性能提升约20%，输出48kHz双声道音频。

来源：趣丸科技

字节跳动Seed推出音频创作模型 Seed Audio 1.0

字节跳动Seed推出音频创作模型 Seed Audio 1.0 ，面向完整声音场景统一建模人声、音效与环境声，实现端到端影视级音频创作。模型支持多要素统一编排与100ms精度时间控制，可基于参考音频保持长时音色一致，覆盖20+语种自然生成。评测显示多数场景音频可用率超90%。

来源：字节跳动Seed

Meshy 宣布完成近 4 亿美元 B 轮融资

Meshy 宣布完成近4亿美元B轮融资，投后估值超100亿元，创全球AI 3D领域最高估值纪录。过去一年营收翻12倍，注册用户超1200万，累计生成模型超1亿个，全球前十科技公司中已有一半成为其客户。

来源：智东西

7月17·周五

月之暗面推出最强开源 AI 大模型 Kimi K3

月之暗面正式推出迄今最强模型 Kimi K3 ，模型拥有 2.8 万亿参数，是全球首个开源的 3 万亿级别模型。Kimi K3 基于 KDA 混合线性注意力机制与注意力残差技术构建，原生支持视觉理解，上下文窗口达 100 万 token。在编程、通用 Agent、视觉 Agent 及知识工作等评测中，Kimi K3 展现出前沿水平，部分项目超越 GPT-5.6 Sol 与 Claude Fable 5 。

来源：月之暗面 Kimi

谷歌 NotebookLM 更名 Gemini Notebook

谷歌宣布旗下AI笔记助理 NotebookLM 正式更名为Gemini Notebook，实现AI产品品牌统一。产品仍保持独立运营，将深度融入Gemini应用及Google搜索生态。同时，Gemini Notebook新增安全云计算机支持，具备原生代码编写与执行能力，可基于数据源进行复杂数据分析。

来源：IT之家

努比亚发售 AI 宠物机器人 iMoochi

努比亚AI陪伴机器人 iMoochi 正式上市，售价1699元。产品由中兴通讯在MWC26首发，以萌系毛绒外形与拟生命体交互为核心卖点，通过触摸传感与AI算法实现摇头摆尾、发声反馈等灵动回应，并随使用时间养成独特性格与生活习惯。产品主要面向都市独居人群提供情感慰藉。

来源：IT之家

英伟达开源的文本嵌入模型系列 Nemotron 3 Embed

英伟达开源文本嵌入模型系列 Nemotron 3 Embed ，专为检索增强生成与智能体检索设计。模型包含 8B 和 1B 两种参数规模，支持 32k 上下文窗口与 34 种语言。旗舰版 8B 模型在 RTEB 多语言检索基准以 78.5% 得分位居第一，1B 版本通过剪枝与蒸馏在大幅降低推理成本的同时保留 95% 检索精度。

来源：AI工具集

秒哒3.5，全球首发iOS App 无代码开发、多端共享后端

百度秒哒在WAIC2026现场发布3.5版本，新版本通过内置SEO Agent降低搜索优化门槛，并全球首发iOS打包能力，支持无代码生成应用并直达iPhone。同时新增共享后端与多环境隔离，实现从创作到多端交付的完整闭环，持续推动无代码开发普惠化。

来源：百度智能云

多模态通用智能公司 Prana Labs 完成近千万美金种子轮融资

多模态通用智能公司 Prana Labs 近日完成近千万美金种子轮融资，由元生资本、XVC、Creekstone、三七互娱联合投资。公司定位多模态基础模型公司，致力构建可交互、带物理约束的规模化世界生成系统，让 AI 在虚拟环境中行动、试错并学习物理规律，以此训练下一代通用智能。

来源：Z Potentials

7月16·周四

马斯克旗下 xAI 开源 AI 编程智能体 Grok Build

马斯克旗下 xAI 宣布开源 AI 编程智能体工具 Grok Build ，并将源代码发布至 GitHub。Grok Build 是整合 Grok 模型的终端 CLI 工具，覆盖规划、搜索、编码、测试到 Git 提交的全流程开发。本次开源涵盖智能体链路、代码工具、终端 UI 及扩展系统，支持完全本地优先运行与自定义推理。

来源：IT之家

Codex 推出首款编程键盘硬件 Codex Micro

OpenAI 联合外设厂商 Work Louder 正式推出 Codex 首款硬件 Codex Micro ，售价 230 美元（约 1556 元），现已开启预购。硬件专为 Codex 设计，通过 RGB 灯光实时映射 AI Agent 的工作状态，让用户无需切换窗口可掌握任务进度。旋钮可动态调节 AI 推理强度，配合摇杆与实体按键，分别用于派发工作流和执行高频决策。

来源：APPSO

端侧大模型独角兽面壁智能完成新一轮融资，估值超200亿

端侧大模型独角兽面壁智能完成新一轮融资，2026年上半年累计融资超50亿元，估值突破200亿元，成为中国端侧智能领域估值最高的独角兽。公司孵化自清华大学NLP实验室，核心产品为MiniCPM系列端侧模型，5月开源 MiniCPM5-1B 。公司商业化已进入汽车、手机、PC等领域，长安、上汽、吉利等车型已量产搭载。

来源：智东西

阿里通义推出实时语音交互模型 Qwen-Audio-3.0-Realtime

阿里通义实验室推出实时语音交互模型 Qwen-Audio-3.0-Realtime （原 Fun-Realtime-AudioChat），支持语境动态调整语气情感、音色克隆、声纹级背景过滤与多模态双工对话，在 Artificial Analysis 语音推理子项中综合排名第一，超越 GPT-Realtime-2 。

来源：通义实验室

7月15·周三

阿里通义开源音乐驱动人像舞蹈视频生成模型 Wan-Dancer

阿里通义万相开源音乐驱动人像舞蹈视频生成模型 Wan-Dancer 。用户上传人物照片与音乐，可生成节拍精准、动作流畅的舞蹈视频。模型突破分钟级时序瓶颈，支持 15 秒至 3 分钟 720p 高清连贯输出，覆盖多种舞蹈风格。Wan-Dancer采用全局关键帧规划与局部时序细化的分层架构，有效解决长序列动作漂移难题。

来源：AI工具集

支付宝与OPPO达成智能体跨端互联合作

支付宝与OPPO宣布达成智能体跨端互联合作，支付宝AI智能体「阿宝」正式接入OPPO AI助手「小布」。即日起，OPPO用户无需打开App，仅通过语音对话可让小布调用阿宝完成充话费、购票、查询公积金等近 200 项生活服务，实现一句话办事。

来源：支付宝

小米开源多模态自回归具身生成基础模型 Xiaomi-Robotics-U0

小米开源 Xiaomi-Robotics-U0 ，380亿参数多模态自回归具身生成基础模型。模型是具身领域首个统一覆盖场景生成、轨迹迁移、交互视频及通用图像编辑四类任务的生成模型。模型通过五维解耦结构化控制实现精准可控生成，搭载 FlashAR+ 推理加速方案，效率提升近83倍。

来源：小米技术

高德推出通用世界模型工坊 ABot-World Studio

高德推出通用世界模型工坊 ABot-World Studio 。产品首次将交互式视频生成与 3DGS 场景生成统一，用户输入文字或图片可创建可实时交互、任意分享的 AI 世界。ABot-World Studio 支持单张 5090 本地部署，单次连续推理可稳定运行超 1 小时，内置时空任意门实现跨场景跃迁。

来源：高德

7月14·周二

爱诗科技完成 29.8 亿元 C 轮融资

爱诗科技宣布完成整体C轮融资，累计金额29.8亿元，C+轮由阿里巴巴领投，十余家国内外机构参投。资金将用于视频生成基础模型、实时世界模型研发及全球化产品增长。公司旗下 PixVerse 全球用户超1.5亿，年初推出全球首个支持1080P的通用实时世界模型 PixVerse R1 ，并与芒果传媒、阿里巴巴等产业伙伴达成战略合作。

来源：爱诗科技 AIsphere

阶跃星辰推出首款大模型原生智能体手机 STEPX Neo

阶跃星辰推出首款AI智能体手机 STEPX Neo ，搭载自研智能体原生操作系统Step AOS，内置系统级个人智能体Amoo。用户可通过自然语言指令实现跨应用自主调度。系统具备长期记忆、端云协同能力，支持”能端则端、需云则云”的灵活任务路由。首批生态合作伙伴包括支付宝、美团、高德、滴滴、京东、百度等主流应用。

来源：智东西

爱诗科技推出首个实时视频游戏引擎 PixVerse Game

爱诗科技亮相联合国AI for Good全球峰会，联合创始人谢旭璋展示实时视频、世界模型与AI互动娱乐最新探索，发布首个实时视频游戏引擎 PixVerse Game 。引擎将完整游戏体验构建在实时互动视频流之上，创作者仅需定义规则与玩法，角色场景可实时生成。

来源：爱诗科技 AIsphere

Looki 完成数亿元 A1 轮融资

Looki（光智时空）完成数亿元A1轮融资，元生资本领投，BAI资本等老股东加注。公司定位个人智能可穿戴赛道，通过PIE主动式AI引擎2.0实现从”被动响应”到”主动预测”的升级，结合场景理解与长期记忆预判用户下一步需求。其首款可穿戴多模态AI硬件 Looki L1 出货量预计达10万台。

来源：Founder Park

LibTV 推出专业视频创作智能体 LibTV Agent

哩布哩布AI旗下 LibTV 正式推出 LibTV Agent ，定位全球首个专业视频创作智能体。产品围绕成片能力构建，推出高基线全能视频Agent、全球最大专业视频Skill Hub、双视图创作与Agent驱动剪辑四大核心能力。首批上线超百个导演级Video Skill，覆盖影视广告、短剧、自媒体等领域，3分钟以内视频成功率超80%。

来源：哩布哩布AI

7月13·周一

阶跃星辰推出端侧模型全家桶 Step Edge

阶跃星辰推出端侧模型全家桶 Step Edge ，包含基础模型、Audio、GUI、Gen 四个方向，面向手机、汽车等终端场景。该系列支持 0.1 秒超低本地延迟，实现全模态隐私保护，采用原生端云协同架构。在 29 项核心评测中，Step Edge 覆盖文本视觉、音频、GUI、图像生成等方向均取得第一。

来源：阶跃StepFun

商汤开源理解生成统一视觉大模型 SenseNova-Vision

商汤正式开源日日新 SenseNova-Vision 理解生成统一视觉大模型，将检测、分割、深度预测、3D重建等经典视觉任务原生融入大模型体系。依托数据反哺与思维赋能的双向增益，模型在零样本泛化、超稠密分割及镜面反射理解等复杂场景展现强悍能力。

来源：商汤科技SenseTime

腾讯混元开源端到端 OCR 大模型 HyOCR-1.5

腾讯混元开源 HyOCR-1.5 ，业界首个训推全开源的端到端 OCR 专家大模型。模型引入 DFlash 投机解码，Transformers 下推理提速 6.37 倍，vLLM 下提速 2.14 倍；OmniDocBench v1.6 以 94.74 分登顶端到端第一。HyOCR-1.5 支持文档解析、古文字识别、图表解析、多页问答等 8 类任务，覆盖 331 种语言。

来源：腾讯混元

OpenAI Codex、ChatGPT Work 暂时取消5小时使用限制

OpenAI Codex工程负责人Thibault Sottiaux宣布， Codex 和 ChatGPT Work 已暂时取消Plus、Business及Pro订阅的5小时使用限制。同时， GPT-5.6 Sol 模型将优化效率以减少用量消耗，使用用户在同等额度下能完成更多任务。

来源：IT之家

Agnes AI 推出新一代高性能文本模型 Agnes-2.5-Flash

Agnes AI推出新一代文本模型 Agnes-2.5-Flash ，Coding能力跻身全球第一梯队。同步上线Agnes Code桌面端，支持本地项目开发。实测中，模型3分钟定位修复隐藏Bug，可独立完成复杂网页应用，还能跨十几个文件联动改造大型项目。

来源：量子位

7月10·周五

OpenAI 正式推出最新一代大语言模型系列 GPT-5.6

OpenAI正式推出 GPT-5.6 系列模型，包含旗舰Sol、均衡Terra和性价比Luna三款，API价格梯度覆盖$1-$30/百万token。在Agents’ Last Exam评测中，Sol以53.6分超越Claude Fable 5达13.1分，编程智能体指数更创80分新高，且成本与耗时均大幅降低。

来源：APPSO

Meta 向开发者开放 Muse Spark AI 模型 API

Meta正式向开发者开放 Muse Spark AI模型API，并发布升级版Muse Spark 1.1，标志着模型正式加入AI模型商业化竞争。模型是Meta迄今在编程与智能体任务上最强的模型，支持代码编写、工具调用及多模态理解。

来源：IT之家

OpenAI 推出 ChatGPT 智能体工作台 ChatGPT Work

OpenAI推出全新 ChatGPT Work 智能体。产品由 Codex 与 GPT-5.6 驱动，定位为可承担长时间、多步骤任务的智能体，支持跨网页、移动设备和桌面平台完成实际工作。用户只需通过单一指令描述目标，可让AI接管整个工作流程，利用应用和文件上下文创建文档、幻灯片、分析、网站和报告。

来源：IT之家

蚂蚁灵波科推出行业首个具身原生世界动作模型 LingBot-VA 2.0

蚂蚁灵波科技推出行业首个具身原生世界动作模型 LingBot-VA 2.0 。模型基于自回归架构从零预训练，采用语义视觉-动作分词器、因果预训练范式、MoE 架构及异步推理机制四大核心设计，实现单卡 150Hz 实时推理，让机器人具备边推演、边行动的通用控制能力。

来源：蚂蚁灵波科技

快手推出旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5

快手KwaiKAT正式推出旗舰级Agentic Coding模型 KAT-Coder-Pro V2.5 ，在长程工程能力、通用Agentic能力及大规模强化学习三方面实现突破。通过AutoBuilder自动化流水线构建超10万个可运行仓库环境，采用多框架RL训练与多专家融合（MOPD）技术，模型在SWE-Bench Pro、PinchBench等评测中取得领先成绩。

来源：KwaiKAT

7月9·周四

字节跳动推出多模态图像创作模型 Seedream 5.0 Pro

字节跳动Seed团队推出多模态图像创作模型 Seedream 5.0 Pro ，模型在图文匹配、文字渲染与画面美感等基础能力上全面提升，实现复杂信息可视化、交互式精准编辑、真实影像质感还原及原生多语种生成四大突破，可将数据与密集文字直接转化为专业排版，支持点选圈选等精细化操控。

来源：字节跳动Seed

OpenAI 推出的新一代语音模型 GPT-Live

OpenAI推出全新语音交互模型 GPT-Live ，支持实时同声传译与全双工对话，用户可随时插话打断。模型支持自定义推理强度，并引入深度任务委托机制，前台保持流畅语音交互的同时，后台可并行处理联网搜索、复杂推理等任务。在对话中可实时弹出天气、赛事等可视化卡片。

来源：量子位

SpaceXAI推出新一代旗舰大语言模型 Grok 4.5

SpaceXAI推出旗舰模型 Grok 4.5 ，采用1.5T参数MoE架构并与Cursor联合训练，性能对标Claude Opus。模型推理速度达80 TPS，编程能力在DeepSWE Bench上超越Opus 4.8，且Token效率提升4倍以上，支持50万上下文，下周将升级至百万，月底还将推出2T参数版本。

来源：量子位

阿里元境推出一站式AI大模型聚合平台 JellyToken

阿里元境正式推出 JellyToken （智渲云）国内主流AI大模型一站式API聚合平台。用户仅需一个API Key可调用通义千问、DeepSeek、豆包、智谱、月之暗面等60余款国产模型，覆盖文本、图像、视频、音频四大场景。平台提供智能路由、负载均衡、Token级精准计费及正规发票等企业级能力，帮助开发者与企业降低多模型接入门槛与运维成本。

来源：AI工具集

蚂蚁灵波开源面向具身智能的视频生成基础模型 LingBot-Video

蚂蚁灵波科技开源 LingBot-Video ，是全球首个基于MoE架构、面向具身智能的视频生成基础模型。模型总参数30B，推理时仅激活约3B，效率为同等Dense架构的3倍。团队构建了7万小时具身数据集，引入多维强化学习奖励系统，强化物理合理性与任务完成度。

来源：蚂蚁灵波科技

Mistral AI 推出具身智能导航模型 Robostral Navigate

Mistral AI推出具身智能导航模型 Robostral Navigate ，单RGB摄像头可让机器人在复杂环境自主导航。模型参数8B，在R2R-CE未知环境测试中成功率达76.6%，超越多传感器方案。模型采用指向预测目标位置策略，结合前缀缓存技术将训练周期从数月缩至数天，通过在线强化学习持续自我改进。

来源：AI工具集

7月8·周三

Claude Cowork 扩展至网页与手机端

Anthropic 宣布 Claude Cowork 任务智能体正式扩展至网页端与移动端，支持跨设备延续会话与文件操作。更新后，用户可在桌面端发起任务、手机端查看进度，定时任务更支持离线后台运行。关键决策时， Claude 会向用户手机发送确认请求。目前该功能处于测试阶段，首批面向 Max 订阅用户。

来源：IT之家

Meta 超级智能实验室推出 AI 图像生成模型 Muse Image

Meta超级智能实验室推出首个自研AI图像生成模型 Muse Image 。模型作为代理运行，与 Muse Spark 配合进行多步骤规划，支持文生图、图像编辑、文字渲染及二维码生成，在Arena AI排行榜位列第二。Muse Image为Instagram Stories提供超30种AI特效，日常创作免费，超额需订阅。

来源：IT之家

蚂蚁灵波推出空间感知模型 LingBot-Depth 2.0

蚂蚁灵波科技推出空间感知模型 LingBot-Depth 2.0 ，训练数据从300万扩充至1.5亿，深度补全基准16项测评获12项第一，室内深度误差减半。同步开源视觉基座模型 LingBot-Vision ，业内首创边界结构预训练，仅1.6亿图像实现亚像素级边界定位。LingBot-Depth 2.0已通过奥比中光认证，双方将合作推出SDK及一体化相机产品。

来源：蚂蚁灵波科技

智源研究院推出多模态表征世界模型悟界·RoboBrain Orca

智源研究院推出悟界·RoboBrain Orca 多模态表征世界模型。模型通过12.5万小时视频进行无意识学习，结合1.6亿条事件标注进行有意识学习，构建统一世界潜在表征空间。在文本生成、图像预测和具身动作生成等下游任务中，模型表现优于同等规模基线模型。

来源：智源研究院

物理 AI 公司 Momenta 正式挂牌上市，市值突破700亿港元

Momenta正式在港交所挂牌上市，股票代码6880.HK，成为”物理AI第一股”。首日开盘涨超6%，总市值突破700亿港元，募资约68亿港元。公开发售获414倍超额认购，14家顶级基石投资者护航，包括GIC、富达、奔驰、比亚迪等。

来源：财联社

7月7·周二

字节跳动推出超长程评测集 EdgeBench

字节跳动Seed团队推出超长程评测集 EdgeBench ，用于衡量AI Agent在真实世界环境中的持续学习能力。评测集包含134个真实任务，覆盖科学、软件工程、知识工作等六大领域，每个任务支持12小时以上连续运行。研究发现，Agent在环境交互中的学习轨迹遵循高精度log-sigmoid曲线，且前沿模型的学习速度每三个月翻一倍。

来源：字节跳动Seed

支付宝 AI 开放平台开放邀测

支付宝AI开放平台正式上线并开放邀测，面向商家与开发者提供一次接入、多端分发的AI化升级服务。商家可将存量小程序和API一键升级为MCP、Skill或Agent，通过阿宝触达支付宝10亿用户，同时跨端覆盖手机、车机、AI眼镜等智能终端。

来源：支付宝

腾讯 AI 生成应用 App「吐司」苹果 iOS 版上线

腾讯AI生成应用App” 吐司 “正式上线苹果iOS版，安卓版已于上月推出。产品定位为探索型氛围编程工具，可由AI梳理功能并精细化编辑打磨，设有灵感广场与优质模板，支持用户共创应用。平台让无代码基础的用户能将想法转化为真实可用的App，形成想法→应用→分发→共创闭环生态。

来源：IT之家

上海 AI Lab 开源国产科研智能体工作台 InternAgentS

上海AI实验室开源国产科研智能体工作台 InternAgentS ，面向AI for Science领域提供可本地部署、多模型适配的科研协作平台。平台将论文阅读、实验分析、代码迭代、远程计算与科研写作等全流程整合至统一项目空间，支持接入DeepSeek、Qwen、Kimi等国产及私有模型，打通3600余个科研工具与Skills。

来源：书生Intern

7月6·周一

阿里推出Qoder企业版，支持企业知识库与Credits灵活分配

阿里云推出 Qoder 企业版，为企业提供提供个人云端知识库QMind，支持跨产品、跨设备、跨人员的知识共享，可整合RepoWiki、本地文件、URL等多源数据为可复用资产。同时上线资源池化Credits付费模式，企业管理员可按需动态分配额度等。安全方面覆盖传输加密、访问控制、AI运行时等五层防护，已通过ISO 27001认证。

来源：阿里云

美团 LongCat-2.0 开源，同步开放国产卡推理代码

美团正式开源万亿参数大模型 LongCat-2.0 ，总参数 1.6T、平均激活 48B，专为 Agentic Coding 任务设计。模型创新性引入 LongCat 稀疏注意力与 N-gram Embedding，提升长上下文处理与代码执行表现，率先在五万卡国产算力集群上完成推理验证。本次开源同步提供 BF16/FP8/INT8 多精度版本及国产芯片优化推理代码。

来源：龙猫LongCat

腾讯混元开源混合专家模型 Hy3

腾讯混元正式推出 Hy3 大模型，基于 preview 版本提升后训练数据质量与RL算力规模，在推理、智能体、长上下文等任务上显著进步，效果比肩参数规模2-5倍的旗舰模型。幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%，多轮问题率从17.4%降至7.9%。

来源：腾讯混元

阿里开源实时语音识别大模型 Fun-ASR-Realtime

阿里正式推出升级后的实时语音识别大模型 Fun-ASR-Realtime ，首字延迟控制在百毫秒级别，识别准确率接近离线模型，支持16种方言和30种语言。模型具备上下文理解能力，可自我纠错；在16种方言识别测试中字符准确率平均88.62%，领先火山与腾讯相关产品。

来源：千问大模型

商汤科技推出 SenseNova U1 信息图增强版 V2

商汤日日新 SenseNova U1信息图增强版V2 正式发布，模型基于8B-MoT架构实现更轻量开放的高信息密度图像生成能力。新版本核心升级小字清晰度、复杂排版结构与视觉质感，让AI生成信息图向专业设计师水准看齐。

来源：商汤科技SenseTime

生数科技推出实时交互模型 Vidu S1

生数科技在2026全球数字经济大会推出 Vidu S1 实时交互模型。模型支持语音控制视频走向、无限时长连续互动，可达540P分辨率与25FPS流畅帧率。用户上传一张图片可创建真人、动漫或萌宠等个性化交互角色，无需建模训练。

来源：生数科技

Mistral AI 开源形式化验证大模型 Leanstral 1.5

Mistral AI 开源形式化验证大模型 Leanstral 1.5 ，专为 Lean 4 自动定理证明优化。模型采用 119B 参数 MoE 架构，每 token 仅激活 6.5B 参数，支持 256k 超长上下文与图文输入。在 miniF2F、PutnamBench 等数学证明基准上达到 SOTA 性能。模型已开源至 HuggingFace，支持本地部署与在线体验。

来源：AI工具集

7月3·周五

谷歌开源零样本表格基础模型 TabFM

谷歌开源零样本表格基础模型 TabFM ，支持对混合数值与类别特征的结构化数据进行分类和回归，无需微调或超参数搜索。模型在数百亿合成表格数据上预训练，采用Transformer序列架构，在TabArena基准51个数据集上超越梯度提升树等强基线。

来源：AI工具集

英伟达开源双塔架构扩散语言模型 Nemotron-Labs-TwoTower

英伟达开源 Nemotron-Labs-TwoTower ，基于预训练自回归骨干的离散扩散语言模型，能解决大模型Token生成速度瓶颈。模型总参数60B，采用双塔架构——30B自回归上下文塔与30B扩散去噪塔，各塔激活3B参数。上下文塔保持冻结维护自回归上下文，去噪塔负责噪声块去噪，两者通过逐层交叉注意力协作。

来源：IT之家

阿里全面禁用Claude

阿里巴巴内部宣布全面禁用Anthropic旗下Claude系列产品，包括Sonnet、Opus、Fable等多个系列模型，以及 Claude Code 等Agent产品。导火索是Claude Code被曝存在植入后门的安全风险，其从2.1.91版本起内置隐蔽木马系统，通过检测本地时区和代理关键词标记中国用户。

来源：智东西

7月2·周四

快手旗下可灵AI将完成30亿美元融资

快手旗下AI视频生成业务可灵AI 将完成30亿美元（约203.8亿元）融资，腾讯参与了本轮融资，投后估值180亿美元，较此前200亿美元目标下调20亿美元。快手预计12个月内启动可灵AI赴港IPO，募资将用于算力建设和人才引进。可灵AI年化收入已超3亿美元，Q1收入7500万美元，主要来自海外市场。

来源：智东西

AI 版支付宝开放公测，无需邀请码即可体验

支付宝AI智能体” 阿宝 “结束内测，正式面向iOS和安卓用户开放公测，无需邀请码即可体验。用户可在应用商店或支付宝App内搜索”阿宝”或”蚂蚁阿宝”可直接使用。阿宝从海量办事服务中整理出72项技能，涵盖居家保洁、出行订票、购物优惠、社保查询、账单分析等72项生活服务，支持模糊口语理解、全场景服务覆盖及长期陪伴互动。

来源：支付宝

昆仑万维天工 3.2 推出团队级 AI Agent 协作功能 Skywork Tags

昆仑万维天工 3.2 升级上线 Skywork Tags ，支持将 Skywork Agent 接入 Slack、飞书、钉钉、Discord、Telegram 等即时通讯工具，以”团队成员”身份常驻工作群聊。区别于让用户迁移上下文到独立平台的传统模式，Skywork Tags 直接进驻团队现有沟通环境，无需导出聊天记录或切换窗口。

来源：昆仑万维集团

xAI推出生产级语音智能体平台 Voice Agent Builder

xAI推出 Voice Agent Builder 测试版，基于Grok Voice端到端语音模型的零代码生产级语音智能体平台。用户用自然语言描述，2分钟可配置智能体，支持SIP接入、知识库实时检索、Google Calendar等工具连接及MCP集成。平台提供80+内置语音和品牌克隆功能，具备完整可观测性与护栏机制。

来源：AI工具集

元空AI推出企业级桌面版 AI 数据智能体 ChatExcel Ultra

ChatExcel Ultra 桌面版正式上线，定位为企业级AI数据办公工具。产品将数据安全与本地化处理能力——文件全程留在本地电脑和企业内网，不经过外部服务器，满足财务、医疗、政务等敏感场景的合规需求。同时支持数据库直连与跨库联合分析，用户无需编写SQL可用自然语言完成复杂查询。

来源：元空AI

Meta 开源 React 设计系统 Astryx

Meta正式开源React设计系统 Astryx ，目前处于Beta阶段。系统基于React与StyleX构建，历经8年内部打磨，支撑Facebook、Instagram等超1.3万个应用。系统提供150+可访问组件、品牌级主题、暗黑模式、即用型模板及CLI工具集，开发者无需额外构建插件，导入预编译CSS即可使用。

来源：AI工具集

← 2026年8月 2026年6月 →

AI进展

7月31·周五

7月30·周四

7月29·周三

7月28·周二

7月27·周一

7月24·周五

7月23·周四

7月22·周三

7月21·周二

7月20·周一

7月17·周五

7月16·周四

7月15·周三

7月14·周二

7月13·周一

7月10·周五

7月9·周四

7月8·周三

7月7·周二

7月6·周一

7月3·周五

7月2·周四

7月1·周三