每日AI快讯热闻

xAI 的 Grok Build 已结束早期测试，正式向所有套餐用户开放网页端、iOS 与 Android。用户在与 Grok 对话中用自然语言描述需求，即可实时生成并运行应用或小游戏；发布后可获得 grok.me 专属链接、富预览封面，并支持在 X 以互动卡片形式分享与 Remix 二次改造。

DeepSeek 将开源工具链 DeepSeek Harness 升级至 0.1.1-rc.1 版本，在 V4-Flash 与 V4-Pro 基础上新增视觉模型体验版 DeepSeek-V4-Flash-Vision-Exp。前一日发布的 v0.1.0-rc.8 已支持原生图片请求与 /goal、/plan 等指令的图文混合输入，开发者通过 npm 升级即可让 Agent 直接“看图干活”，补全多模态处理闭环。

Adobe 的 Adobe Firefly 音频生成工具正式上线，支持在桌面与移动端创作商业安全级别的音乐、语音与音效。调查显示 32.7% 的受访创作者已在视频中使用 AI 生成音乐，43.2% 将法律版权风险视为主要障碍，38.9% 则担心授权费用，Firefly 的商用授权模式试图降低这些顾虑。

OpenAI开源AI Agent底层执行框架Codex Harness，负责任务理解、工具调用、沙箱执行与人类审批等完整执行循环，支持CLI、SDK与app-server三大接入方式。官方基准显示，仅优化Harness层即可让GPT-5.6 Sol的ARC-AGI-3得分从13.3%跃升至38.3%，Token消耗减少约6倍。

阿里通义推出GUI智能体基座模型Qwen-UI-Agent，基于100多台真机与150多个应用训练，支持GUI与命令行混合执行和100步以上长程任务，在MobileWorld、OSWorld、WebArena等八项基准上全面超越或持平GPT-5.6、Claude Opus等旗舰模型。

DeepSeek Harness在发布一周内迎来重大升级，正式加入多模态能力。模型适配器现在可启用原生图片请求，/goal、/plan等指令支持直接带图发送，@引用体验也同步优化。这一更新让智能体在视觉任务中的可用性大幅提升，也被外界解读为DeepSeek V4视觉版可能临近的信号。

MiniMax推出商业内容生产平台MiniMax Design，基于MiniMax H3原生多模态视频模型，将视频创作从”操作像素”推进到”操作语义”阶段。用户只需用自然语言描述意图，系统即可自动拆解任务并调用模型完成生成，目标是把前沿模型能力直接转化为商业视频生产力。

Meta正式发布Mac版Meta AI助手桌面应用，支持共享屏幕窗口后由AI基于画面内容提供建议、问答与生成，同时支持跨应用语音输入。此举意在将AI聊天机器人升级为生产力助手，与Google Gemini、ChatGPT和Claude的桌面布局展开正面竞争。

Anthropic宣布将AI编程助手Claude Code每周使用额度50%临时加成从原定8月19日截止延长至2026年8月31日，并正探索将其转为订阅配额的永久标准方案。该加成自7月19日起面向Pro、Max、Team及席位制Enterprise用户推出，以应对开发者对Claude Code日益增长的使用需求。Anthropic表示若反馈持续积极，50%额度提升有望成为长期默认配置。

Anthropic产品设计师Nate Parrott于8月18日在X平台预告，Claude Code即将整合全新/design命令，开发者可在写代码前于终端或桌面版中创建交互式设计模型。输入”/design a few options for {feature}”即可生成多个UI方案供选择，将设计探索前置到编码流程中，提升从设计到开发的整体效率。这是Anthropic持续扩展Claude Code生态的又一举措。

微信iOS版虽未更新版本号，但通过灰度测试悄然上线AI总结、AI点评和AI修图三大功能，覆盖公众号文章总结、朋友圈点评生成和图片智能编辑场景。AI总结可提取公众号文章要点，AI点评为朋友圈内容生成互动评论，AI修图支持图片智能处理。此外Windows/Mac端4.1.13正式版同步新增合并发图和表情动态预览。此前微信已灰度测试原生AI助手小微助手，AI入口持续扩张。

支付巨头Stripe被曝将以超70亿美元收购模型路由平台OpenRouter，后者全球用户达800万，B轮估值约13亿美元。几乎同时，GPT-5.6 Sol在OpenRouter的调用费已下调50%，输入降至2.5美元/百万tokens，输出降至15美元/百万tokens。

腾讯云宣布在马来西亚柔佛州设立首个云区域，首期规划3个可用区，并联合当地高校与企业深化AI人才培养。同时，腾讯AI原生办公智能体WorkBuddy企业版也同步亮相，具备超百种办公技能，覆盖消息、文档、表格、邮件与会议等场景。

微软更新Microsoft 365 Copilot生态下的Copilot Notebooks应用，新增支持Markdown、纯文本和富文本三种格式，进一步强化了AI资料整理与分析能力，方便用户在不同格式间切换编辑和沉淀知识。

微信近期密集上线AI能力，灰度测试原生AI助手小微，新增3个高频场景入口，使微信内AI入口总数达到16个。新增功能包括：公众号常看的号页面新增AI一键文章总结、长按朋友圈文字可唤起AI点评、聊天看图新增AI处理支持美化与信息提取，覆盖从图片识别到转账提醒的全链路场景，被视为微信从工具型应用向AI原生入口升级的关键信号。

昆仑万维正式发布AI音乐生成模型Mureka V9.5，是V9系列的最新升级版本。相较前代的高音量、高饱和度强刺激路线，新版转向克制、留白、自然的创作风格，重点强化消除机械感与增添人味儿。核心升级在于深化自研MusiCoT音乐思维链框架——不再直接生成音频波形，而是以思维链推理驱动分步合成，使歌曲在结构、过渡与耐听度上明显改善。

彭博社称支付巨头 Stripe 已敲定对 AI 模型聚合平台 OpenRouter 的收购，交易金额超过 70 亿美元，约为后者 B 轮 13 亿美元估值的 5 倍以上。OpenRouter 自称平台全球用户达 800 万，可提供逾 400 种模型统一调用入口。

腾讯 QQ 官方宣布 QQ Bot 机器人接入 DeepSeek Harness 智能体框架及官方插件，接入仅需 3 步，支持单聊和群聊场景下的 AI 智能体能力。DeepSeek Harness 是深度求索推出的智能体开发框架，可帮助开发者快速构建具备工具调用、代码执行等能力的 AI Agent。

小红书 dots 模型实验室开源 dots3.note preview，为 dots3 系列首个开源版本。模型总参数 280B、激活 16B 的 MoE 架构，支持 512K 超长上下文，原生具备文本、视觉与语音全模态理解能力，针对复杂推理、Agent 任务与多模态感知场景优化。在多项基准测试中可比肩参数数倍的大模型，并在昇腾 Atlas 800A3 / 900A3 上完成 0Day 适配（基于 vLLM-Ascend）。

MiniMax 开源音乐生成大模型 MiniMax-Music3，支持最长 5 分钟歌曲生成并可同时输出歌词。采用 8B 全局模型 + 0.6B 局部模型的分层架构，全局层负责长程语义与段落结构，局部层恢复细粒度声学细节；输出 32kHz 立体声 WAV，可保持主题、节奏、歌声音色与编曲推进，覆盖前奏、主歌、副歌、桥段等完整曲式结构。

智谱正式发布 GLM-5.3 开源版本，基座未变、通过后训练 Scaling 显著抬高智能上界，已成为当前编程能力最强的开源大模型。在 Terminal Bench 3.0 等多项基准测试中取得开源第一，模型同时涌现出强大网络安全能力，在代码审查与漏洞发现任务中表现突出。智谱联合多家安全团队累计发现 2,436 个漏洞，并启动”开源的盾”生态计划。

Google 推出 Gemini 3.7 Flash，专为编程与 Agent 场景设计。模型在软件工程、知识工作及网页开发等任务上较上一代大幅提升，上下文窗口扩展至 100 万 token。即日起至 2026 年底首发优惠为原 3.6 Flash 的一半：输入 \$0.75 / 百万 token，输出 \$3.75 / 百万 token。深度集成 Gemini for Workspace，工具调用与多步任务编排能力同步升级。

DeepSeek 在 8 月 13 日晚同步推出两项重要发布：正式版 DeepSeek-V4-Pro（Agent 能力显著增强，在 Terminal Bench、DeepSWE 等评测集上表现优异，API 原生支持 OpenAI Responses API 格式），以及开源智能体框架 DeepSeek Harness（v0.1 开发者预览，MIT 协议）。Harness 采用”一切皆插件”的 Cordis 架构，模型、工具、会话、UI 均可自由替换，发布半日 GitHub Star 数突破 3 万，对标 OpenAI Codex 与 Anthropic Claude Code。

Lightricks 发布开源权重世界模型 LTX-2.5（22B），支持文本、图像、视频输入生成同步音画。重磅更新包括：全新 Diffusion Video Decoder（改善高速运动场景伪影）、Diffusion Fidelity Rendering（按场景复杂度分配算力）、原生多镜头切换（一次生成连贯分镜）、定制 Gemma 4 12B 文本编码器 + Prompt Enhancer、可选 Duration Predictor（按动作自动决定时长）。官方盲测胜率 67%，超过 Seedance 2.5（65%）与 MiniMax H3（50%）。

腾讯正式上线 Windows 桌面美化与轻量效率工具 小鹅桌面，永久免费、无广告。核心功能：百万级 4K 动态/静态壁纸 + 自动轮播、头像与桌面小组件库、一键整理桌面、内置轻量 AI 对话窗口（支持待办备忘、截止日期识别与简单总结）、本地 + 云端文件搜索。定位”个人美化与日常效率”，与 WorkBuddy 等办公 Agent 错位互补。

B 站 IndexSpeechTeam 开源零样本多语种 TTS 模型 IndexTTS-2.5（0.8B），支持中文、英文、日文、西班牙文、阿拉伯文五语种的语音克隆与跨语种迁移。重构推理架构后推理速度提升 2.28 倍（RTF 0.2065@4090 bf16），新增 0.5–2.0 倍语速控制、拼音/CMU/假名发音控制、4 路径情感控制（参考音频 / 八维向量 / 文本推断 / 描述文本）。采用 Bilibili Model License 开源，配套 WebUI（7860 端口）与 vLLM 部署方案。

月之暗面正式推出基于MoE架构的新一代基础大模型k2，总参数规模达1T，激活参数32B，支持最长128k tokens上下文处理，具备强大的代码生成与智能体（Agent）能力。模型原生支持ToolCalls、JSON/Partial输出及联网功能，但暂不支持视觉输入。定价方面，输入费用为￥1.00/百万tokens，输出￥4.00/百万，缓存命中￥16.00/百万，在多个性能指标上全面领先当前主流开源模型。

拍我AI（PixVerse）全新上线“多关键帧生成”功能，支持用户上传最多7张图片，基于首尾帧模式生成最长30秒的视频内容，实现人物动作、场景变化与镜头语言的自然过渡。该功能显著提升了短剧、广告、故事类视频的生成效率，标志着AI视频从静态片段向完整叙事的跃迁。

欧盟公布最终版《通用人工智能行为准则》，将于8月2日正式生效。该准则聚焦安全、透明与版权保护三大方面，由专家联合多方制定。企业可自愿签署以减轻合规负担，现有模型有2年调整期，新模型为1年。

墨刀AI推出全新原型自动生成能力，支持输入文字描述、草图或截图，30秒内即可产出可交付界面。用户可通过多轮对话优化设计，并自动生成产品文档与页面逻辑，面向产品经理和设计师提供零门槛体验。

微软推出专为端侧优化的AI模型Phi-4-mini-flash-reasoning。该模型在数学与逻辑推理任务上表现突出，推理吞吐量提升10倍，延迟降低至三分之一。现已上线Azure AI Foundry等平台。

马斯克旗下xAI发布新一代大模型Grok 4，推理能力较前代提升10倍，在多项基准测试中超越现有模型，达到”博士后水平”。Grok 4支持工具调用、语音交互、多模态任务，并在ARC-AGI等高难度测试中刷新纪录。

商汤科技推出”办公小浣熊”桌面版，支持Windows和Mac平台，用户无需浏览器即可一键唤醒AI助手，实现任务拆解、数据分析、图表生成等办公功能。老用户可同步历史内容。

智谱AI推出全新实验模型GLM-Experimental，主打”AI Presentation”功能，可一键生成网页版PPT，支持多种风格与互动效果。用户只需输入简单Prompt，模型可自动生成内容、设计排版，实现弹幕、动画等高级效果。

Perplexity发布AI浏览器Comet，主打”从浏览到思考”，整合网页解释、任务执行等功能，成为用户的”思考伙伴”。Comet目前仅向高价订阅用户开放。

由抖音、TikTok、快手前核心成员创立的AI图片生成工具KIRA正式亮相。产品由ILLA Cloud孵化，支持一键替换/移除背景、修补、画质增强、扩图等操作，并具备AI生成图片能力。创始团队包括曾任抖音 & TikTok研发、快手孵化业务大前端负责人陈龙博，及抖音、快手多项战略项目设计负责人吴晓松。