Claude Cowork 推出技能录制功能
Claude Cowork 新增技能录制功能,用户可通过桌面应用的 + 菜单选择“录制技能”,在执行任务时同步录制屏幕操作并语音讲解,系统将自动将其转化为可重复调用的自动化技能。 该功能面向 Claude Pro、Max 和 Team 订阅用户开放,目前仅支持桌面端应用。 官方未公布具体技术实现细节及支持的操作类型范围。
Claude Cowork 新增技能录制功能,用户可通过桌面应用的 + 菜单选择“录制技能”,在执行任务时同步录制屏幕操作并语音讲解,系统将自动将其转化为可重复调用的自动化技能。 该功能面向 Claude Pro、Max 和 Team 订阅用户开放,目前仅支持桌面端应用。 官方未公布具体技术实现细节及支持的操作类型范围。
Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash Lite 和 3.5 Flash Cyber 三款新模型。其中 Gemini 3.6 Flash 定位为最新主力模型;3.5 Flash Lite 聚焦更低推理成本与更高运行效率;3.5 Flash Cyber 则专为网络安全任务优化。 三款模型均已上线 Google AI 开发者平台,支持通过 API 接入使用。
通义千问发布第三代图像生成基座模型Qwen Image 3.0,核心关键词为“实”。该模型支持最长4.5k token指令输入,可单次生成包含9个复杂信息图的3×3网格布局。文本渲染精度达10px,支持12种语言原生渲染,旨在将图像转化为可部署的生产力工具。
中国公司月之暗面(Moonshot.AI)正式发布Kimi K3大语言模型。该模型性能与当前美国最佳闭源模型相当,且以开源权重形式发布,支持用户免费下载并在本地部署运行。 消息发布后,美国股市上周五出现明显波动,OpenAI与Anthropic等公司的商业模式及IPO预期受到市场重新评估。 分析指出,美国在AI软件层面的领先优势正快速收窄,全球AI竞争重心正从单一模型能力转向涵盖算力、数据、工程与生态的工业级系统能力。
面壁智能联合 OpenBMB 发布并开源 MiniCPM Robot 系列模型,为其首个具身智能方向成果。 该系列包含两款模型:通用视觉 语言 动作(VLA)模型 MiniCPM RobotManip,参数量为 1.5B;以及轻量级移动目标跟踪模型 MiniCPM RobotTrack,参数量为 0.9B。 所有模型代码与权重已公开,支持研究与开发社区使用。
通义实验室正式发布 Qwen Audio 3.0 TTS 实时语音合成模型,包含 Flash 和 Plus 两个版本。其中 Flash 版首包延迟约 300 毫秒;Plus 版在 Artificial Analysis 榜单排名第一,支持 16 种语言及 20 种中文方言。 技术指标方面,Flash 版本平均词错误率/字符错误率(WER/CER)低至 3.87;Plus 版本说话人相似度最高达 82.75。
上海科学智能研究院正式开源科学多模态基础模型“神珍”,总参数量约110亿,支持DNA、RNA、蛋白质、小分子、地球系统及医学影像六类科学数据处理。 该模型在生物序列相关20项任务中,9项取得最优性能;医学影像分割任务平均Dice得分为91.20,在参与评测的7种方法中排名第一。 模型权重与代码已同步开放至星河启智、Hugging Face和GitHub平台。
字节跳动 Seed 团队正式发布音频创作模型 Seed Audio 1.0。该模型在统一框架下联合建模人声、音效与环境声,支持 100 毫秒级时间控制精度、单次约 2 分钟音频的延展生成,以及 20 余种语言的自然语音合成。 Seed Audio 1.0 已上线火山方舟体验中心。官方数据显示,多数应用场景下音频可用率超过 90%,多语言音频自然度主观评分(MOS)高于 4 分(满分 5 分)。
面壁智能正式开源首个具身AI模型系列 MiniCPM Robot。该系列包含参数量为1.5B的通用视觉 语言 动作(VLA)模型 MiniCPM RobotManip,以及专用于目标跟踪任务的 MiniCPM RobotTrack。 同步发布的还有高性能推理框架 PhyAI,旨在支持机器人在复杂环境中实现感知、理解、记忆与行动的闭环能力。 目前,MiniCPM Robot 系列代码与模型权重已公开,面向研究与开发社区开放使用。
面壁智能联合 OpenBMB 发布端侧大模型 MiniCPM5 2B。该模型参数量为 2B,在 AA Index 榜单中以 17 分位列 4B 以下模型首位,平均分达 54.26,表现优于 Qwen3.5 2B 等同类模型。 MiniCPM5 2B 原生支持混合思考能力与 512K 长上下文。目前已完成华为昇腾、英伟达等 9 款主流芯片的 Day0 适配。 项目计划近期开源。
昆仑万维董事长方汉在世界人工智能大会(WAIC)上宣布将2026年定义为“世界模型元年”。 该公司同步发布Matrix Game 3.5世界模型、Mureka v9.5多模态模型及O3音乐生成模型。其中,Matrix Game 3.5支持Patch级记忆注入,其5B参数版本可在720p分辨率下实现单卡20FPS实时生成。 Matrix Game 3.5的核心架构已开源。
阿里巴巴旗下通义实验室正式发布Qwen3.8大模型。该模型参数规模达2.4万亿(2.4T),为当前公开披露参数量最大的开源大模型之一。 Qwen3.8 Max Preview版本已率先在阿里巴巴内部平台Token Plan、Qoder及QoderWork上线,面向开发者开放测试。 官方表示,Qwen3.8正在持续迭代优化,其综合能力可与当前主流前沿AI模型比肩,仅次于Fable 5。
transcribe.cpp v0.1.0 正式发布。该项目是一个基于 ggml 的开源语音转录库,支持跨平台运行。 该库兼容 16 个 ASR 模型族,涵盖 60 余个具体模型,并通过 Vulkan、Metal、CUDA 及 TinyBLAS 实现多后端 GPU 加速。 项目代码与文档已公开,面向开发者提供本地化语音识别能力。
ChainCatcher 7月18日消息,著名未来学家、“硅谷精神之父”凯文·凯利在2026世界人工智能大会现场接受媒体采访时表示,若未来 Token(词元)消耗成本成为关键考量因素,中国在开源大模型领域的布局将构成显著优势。 他指出,当前用户普遍未关注 Token 成本,但随着 AI 应用日益普及、Token 消耗量持续攀升,成本敏感度必将提升。“当你能提供仅为 Anthropic 十分之一的 Token 成本时,市场格局或将被颠覆。”...
过去八天内,Grok 4.5、GPT 5.6、Muse Spark 1.1 与 Kimi K3 四款前沿大模型相继发布。其中,Kimi K3 在 Artificial Analysis Intelligence Index 综合评分中位列第三。 此次密集发布推动该指数得分超 50 的研发实验室数量,从 6 月初的 2 家增至 6 家。
NVIDIA 正式发布 Nemotron 3 Embed 系列开源嵌入模型,包含三个 checkpoint:8B BF16、1B NVFP4 及另一版本。其中 8B BF16 版本在 RTEB 基准测试中以 78.46 的平均 NDCG@10 成绩位列第一。 1B NVFP4 版本针对 Blackwell 架构优化,在保持 99.5% 精度的同时,吞吐量较 BF16 版本提升 2 倍。全系列模型最大支持序列长度为 32,768 tokens...
通义实验室发布 Wan Streamer v0.2,这是一款将听、看、说、演能力统一于单个 Transformer 架构的端到端全模态模型。其端到端响应延迟低至 550ms,输出分辨率由 v0.1 的 192×336 提升至 640×368,支持 25FPS 帧率。新版本采用 Thinker Performer 双通路架构,在画质提升的同时保持极低延迟性能。
Moonshot AI 正式发布 PerceptionBench,一个面向多模态大模型视觉感知能力的诊断型基准。该基准基于对 40 多个现有评测集中的模型失败案例归纳构建,涵盖 10 项原子级视觉感知能力,共包含 3000 道验证题目。 测试显示,当前主流多模态模型在 PerceptionBench 上准确率均未超过 60%;且大量正确回答在重复提问时无法复现,反映出模型输出存在显著不稳定性。 PerceptionBench 的目标是精准定...
Google Vids 推出两项更新:Gemini Omni 支持用户通过自然语言提示词及图片参考生成并逐步编辑高质量视频片段;同步上线个人数字分身功能,用户上传自拍和语音样本后,可输入文字驱动数字分身出镜。两项功能面向 Google AI Pro 和 Ultra 订阅用户,以及 Google Workspace 商业客户开放。所有生成内容均嵌入不可见的 SynthID 数字水印。
NVIDIA 正式发布 Nemotron 3 Embed 系列开源嵌入模型,其中 Nemotron 3 Embed 8B BF16 在 RTEB 多语言检索基准测试中以 78.5% 得分位列第一。该系列还包括两款 1B 参数量变体:Nemotron 3 Embed 1B BF16 面向低延迟生产部署,Nemotron 3 Embed 1B NVFP4 专为 Blackwell 架构优化,支持 NVFP4 量化,在保持 99% 以上 BF16...
Anthropic 正式发布通用大模型 Claude Fable 5。该模型专为长时间、多步骤的复杂异步工作场景设计,可在 Claude Cowork 环境中自主完成深度研究、尽职调查等任务。 Claude Fable 5 并非默认启用模型,用户需在 Claude Cowork 中手动选择启用。当前默认模型仍为 Claude Sonnet 5。
中国AI公司月之暗面(Moonshot AI)即将发布新一代大模型Kimi K3。据《金融时报》援引匿名信源报道,该模型预计性能将接近甚至达到Anthropic最新闭源模型Opus 4.8水平。 Kimi K3将成为中国迄今参数规模最大的开源权重AI模型,参数量介于2万亿至3万亿之间,计划“在未来数日内”正式发布。 此前,月之暗面于5月完成20亿美元融资,估值达200亿美元;最新一轮融资或将使其估值升至315亿美元。
伦敦初创公司 Applied Computing 宣布完成 2000 万美元 A 轮融资,由工程巨头 KBR 领投,Databricks Ventures 参投。该公司成立于 2023 年,专注于为油气、炼化及石化行业构建专用 AI 基础模型 Orbital。 Orbital 整合时序建模、物理化学机理与语言理解能力,可实时融合传感器数据、工程文档及工艺知识,支持异常识别、根因分析与跨系统影响模拟。据称,该模型能将原本需数天或数周的故障排查...
Thinking Machines 正式发布多模态模型 Inkling,支持文本、图像与音频三种模态的联合推理。官方已开放完整权重,开发者即日起可在 Tinker 平台进行微调,并通过 Inkling Playground 在线试用。
OpenAI 发布自动化红队测试模型 GPT Red,旨在部署前识别模型漏洞,并在训练阶段生成对抗性攻击以提升鲁棒性。该模型通过自对弈强化学习训练,动用了 OpenAI 后训练中规模空前的算力资源。 GPT Red 能够成功攻破此前绝大多数主流模型。其生成的攻击样本被用于对抗训练新一代模型 GPT 5.6 Sol,在直接提示注入基准测试中,该模型失败率降至四个月前最佳生产模型的 1/6。
NVIDIA 7月15日消息,东京科学大学(Institution of Science Tokyo)、软银旗下SB Intuitions、Stockmark等机构正采用NVIDIA Nemotron开源模型、数据集及NeMo软件栈,开发适配日语及本土产业需求的AI模型。其中,东京科学大学推出Swallow系列开源基础模型,强化日语理解与推理能力;SB Intuitions训练出Sarashina系列生成式AI模型,并被日本数字厅选用于特定...
TechCrunch 7月15日消息,由前OpenAI首席技术官Mira Murati创立的AI初创公司Thinking Machines正式发布其首个开放权重(open weight)大模型Inkling。该模型采用混合专家(MoE)架构,总参数量达9750亿,单次推理仅激活约410亿参数,支持文本、图像、音频和视频多模态原生推理,训练数据涵盖45万亿token。 Inkling被明确定位为“非最强但更均衡”的企业级基础模型,强调可定制性...
阿里通义实验室正式发布实时语音交互模型Qwen Audio 3.0 Realtime。该模型在Artificial Analysis平台Speech Reasoning语音推理子项中综合排名位列第一。 据公开测试结果,Qwen Audio 3.0 Realtime表现优于OpenAI GPT Realtime 2。该模型聚焦实时语音理解与交互能力,适用于多轮语音对话、指令响应等场景。
PrismML 7月14日消息,PrismML 推出 Bonsai 27B 模型,基于 Qwen3.6 27B 构建,提供三元(1.71 有效比特/权重,5.9 GB)和 1 bit(1.125 有效比特/权重,3.9 GB)两个量化变体。其中 1 bit 版本首次实现 27B 级多模态模型在 iPhone 17 Pro 上本地运行。 该模型支持多步推理、结构化工具调用、视觉理解与计算机使用智能体循环,上下文窗口达 262K token,并...
英伟达官方博客7月14日发布Nemotron Labs系列文章,阐述开源大模型(如Nemotron系列)如何助力企业与国家构建可信任、可控制、可定制的AI系统。文章指出,相较于闭源模型,开源模型允许企业完全访问模型权重、进行私有数据微调、开展内部评估,并建立适配自身业务流程的强化学习环境。 多家机构已基于Nemotron开展领域适配:Abridge正开发面向临床对话的基础模型;Glean推出结合Nemotron与闭源大模型的低延迟企业搜索模...