Mira Murati@miramuratiAI 评分4747Today, we are releasing Inkling-Small. Inkling-Small achieves comparable performance to Inkling at a quarter of its size. It features 276B total parameters, 12B active. We are making the full weights available. https://thinkingmachines.ai/news/inkling-small/ Fine-tune it on Tinker today, or chat with it in text, image, and audio on Tinker Playground.
Google DeepMind 推出 Gemini Robotics ER 2，一个基于 Gemini 的机器人基础模型。该模型在视频理解、工具编排和多机器人协作方面实现阶跃式提升，使机器人能够推理、协作并解决真实世界任务。
推荐理由：DeepMind 把 Gemini 带到机器人领域，视频理解、任务编排和多机协作的叙事很宏大，但全是愿景，没有实测数据，是不是真正的 step change 得等细节。做机器人的可以先建个追踪。
Artificial Analysis@ArtificialAnlysAI 评分6868谷歌在 Google Flow Music 中推出 Lyria 3.5 音乐生成 AI 模型，重点提升旋律编排、歌词生成、人声表现及歌曲控制能力。新模型生成的人声更贴近真实演唱，情感层次更细腻，发音更准确，同时用户可更灵活地设定歌曲节奏和时长。
Thinking Machines Lab 发布开源权重模型 Inkling-Small，为 MoE 架构，总参数 276B、激活 12B，以约四分之一的体积达到与 Inkling 相当的性能。
推荐理由：官方给出了完整评测和效率曲线，读者可以据此评估这款小体积 MoE 模型在推理、编码和多模态任务上的性价比。
PixVerse@PixVerse_AI 评分4242我们测试了深度图参考——创作者用于生成更清晰 AI 视频输出的新工具。 那层额外的灰度图承载着空间逻辑。 它帮助输出遵循相同的镜头节奏、前景-背景关系和运动路径。
Google DeepMind 今日在 Google Flow Music 中发布新一代音乐生成模型 Lyria 3.5，带来音乐性、歌词质量、人声表现力与创作控制的多项提升。新模型能生成更自然复杂的旋律结构，歌词对提示词的遵循度和结构意识更强，人声更逼真且富有情感，同时支持更便捷地控制输出节奏与时长。
推荐理由：Lyria 3.5 把音乐生成从玩具级推到了可用创作工具级别，歌词和情感人声的提升对内容创作者是实实在在的福音。
Hint 今日上线，利用 AI 技术帮助房主管理维护计划、能耗、土壤与空气质量、保险理赔等事务，并支持存储和查询房屋相关合同与文件。该应用基于公开数据为每栋房屋建立档案，通过 AI 聊天机器人回答个性化问题，并提供主动维护提醒与“房屋评分”。Hint 目前免费提供 iOS 版，无订阅或广告，未来计划推出付费高级功能。
推荐理由：Martha Stewart 以联合创始人身份加入 Hint 绝非挂名，她亲自打磨体验，这个 AI 家居助手整合了图像识别和文档查询，让房主终于有了一个可用的家庭管理中枢，是 AI 从聊天走向实用的一次有趣尝试。
奇瑞OMODA在印尼发布搭载豆包大模型的超级AI智舱，OMODA4支持5种语言交互；传音、荣耀、爱奇艺分别将Seedream/Seedance集成进手机影像与影视创作。美的将单条视频广告制作周期从7-10个工作日压缩至2-6小时，Nativex的Seedance素材已占创意产出70%-80%。
Artificial Analysis@ArtificialAnlysAI 评分5959PixVerse@PixVerse_AI 评分5050没人谈论 AI 刚刚学会了表达情感。 看看这只狗的表现。 使用 PixVerse 制作。完整提示词 ↓
智元自研的具身原生全模态大模型 WITA-Omni Preview 以 85.21 分综合成绩登顶 DailyOmni 榜单，在八项细分指标中的六项取得第一，超过千问、Gemini、豆包、英伟达等模型。该模型采用 Thinker–Talker–Actor 架构，将物理动作和表情提升为与语音并列的一级输出，并通过千万小时级多模态数据训练实现音视频联合理解与时序推理。
小红书 dots 团队提出 Vision-OPD，一种区域到全局在线自蒸馏框架，让模型无需外部教师或推理工具即可从全图中识别细粒度证据。仅用约 6.2K 条全自动合成数据，Vision-OPD-9B 即在多个细粒度基准上以 79.68 平均分总体第一，超越 Gemini-3.5-Flash、GPT-5.4 等闭源模型，同时保持通用视觉任务表现。
海外独立开发者 Mohammed 用 OpenClaw + MiniCPM-V 4.6 搭建了可本地“看图”的私人助理，通过 Ollama 在本地运行模型，配合 LitServe 封装接口和自定义 vision-photo 技能，实现图片理解、OCR 与问答。
月之暗面发布 2.8 万亿参数的混合专家模型 Kimi K3，支持原生视觉理解和 100 万 token 上下文窗口。其规模化效率较 Kimi K2.5 提升 2.5 倍，并同步开源模型权重、技术报告及 MoonEP、FlashKDA、AgentEnv 三项 Infra 技术。
推荐理由：Kimi K3 的完全开放是一个明确信号，月之暗面把最核心的模型权重和技术细节全部公开，国内开发者从此有了媲美国际顶尖开源的底座。虽然部署门槛不低，但开放本身推动了生态发展。
Google AI Developers@googleaidevsAI 评分4747
Kimi.ai@Kimi_Moonshot精选AI 评分7373推荐理由：从模型失败中反向定义原子感知，把视觉感知从推理里拆出来很聪明，开源数据和方法对做视觉评测的产品人很有参考价值。
Rohan Paul@rohanpaul_aiAI 评分5757Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params. Alongside Kimi K3, we're opening up more of the stack behind it — high-performance attention kernels, MoE communication library, and infrastructure for running agent environments at scale. Model weights: http://huggingface.co/moonshotai/Kimi-K3 Tech report: http://github.com/MoonshotAI/Kimi-K3/blob/master/k3_tech_report.pdf Tech blog: http://kimi.com/blog/kimi-k3
Rohan Paul@rohanpaul_aiAI 评分4444Kimi K3 is now available on Token Factory. We’re excited to announce that Nebius Token Factory is an official Day 0 partner for @Kimi_Moonshot's Kimi K3. Kimi K3 is the first open-weight model to reach frontier-level performance, a major step forward for open models. It is built for long-horizon coding, knowledge work and reasoning, with native vision and up to 1M tokens of context. Artificial Analysis scores it at 57 on its Intelligence Index, just two points behind GPT-5.6 Sol (max). That puts Kimi K3 at the top of the open-weight field and firmly among today’s frontier models. Developers can access K3 through Token Factory’s OpenAI-compatible API and console today. Give K3 the hard problem. Build with Kimi K3: https://tokenfactory.nebius.com/?modals=endpoint-details&model-id=moonshotai/Kimi-K3
Kimi 发布 K3 模型权重与技术报告，并开源 MoonEP、FlashKDA 和 AgentEnv 三项关键 Infra 技术。K3 是 2.8 万亿参数的 MoE 模型，支持原生视觉与 100 万 token 上下文，参数规模约为 K2.5 的 3 倍，规模化效率提升 2.5 倍。
推荐理由：权重开源伴随技术报告公开训练细节，为研究机构直接复现和改造千亿级MoE模型提供了完整路径，也降低企业自部署门槛。
国际数据公司(IDC)报告显示，百度智能云在中国AI游戏云整体市场及AI基础设施服务市场份额均居第一，超过第2-5名总和。报告预测AI游戏云市场未来5年年复合增长率约91.6%。百度智能云已为米哈游、网易、三七互娱等超半数主流头部游戏企业及百余家AI游戏创新企业提供全栈AI能力支撑。
PixVerse@PixVerse_AI 评分5353@PixVerse_ Have you guys removed the 'speech' option. It was there yesterday?
Black Forest Labs 发布多模态基础模型 FLUX 3，单一架构内联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，其初步人偏好评测中优于 Runway Gen-4.5（77%）和 Grok Imagine Video（69%）。
推荐理由：原文把 FLUX 3 的多模态训练与其在工业机械臂上的控制实验串联起来，并给出冻结骨干的消融数据，可帮助读者理解视频表征迁移到机器人操作这条路线。
腾讯今日宣布 QQ 宠物全新升级归来，宠物升级为 3D 毛茸茸形象，并接入腾讯 Hy3 大模型，支持主动回应和多种性格。Hy3 是一个快慢思考融合的 MoE 模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度，于 7 月 6 日开源。
阿里千问办公官网今日上线，提供 Windows/macOS Beta 版下载，主打企业 IM、Office 文档生成与编辑等六大能力。个人版提供免费版、标准版（78 元/月）和高级版（158 元/月）三档订阅，企业标准版为 198 元/月/席。鸿蒙电脑 Beta 版也已上线 AppGallery，支持 AI 写作、AI 生成 PPT 及实时语音转写。
Suno@suno精选AI 评分6868
推荐理由：Suno 这波更新把之前缺失的后期编辑能力补了上来，stem 分离和 MIDI 导出对音乐人来说是实际生产力提升，screenshot to song 这种脑洞功能也许能拓展用户群。
Black Forest Labs 发布 FLUX 3，这是首个在单一架构中联合学习图像、视频和音频，并从同一组权重输出视频、音频和动作预测的多模态基础模型。FLUX 3 Video 可单次生成长达 20 秒、带原生音频的视频，在 10 秒 720p 文本生成视频的人类偏好测试中，以 93% 的偏好率击败 Luma Ray 3.2。
Claude Opus 5正式发布，在多学科推理、Agent编程、法律和健康等基准测试中超越Fable 5。其API定价与Opus 4.8持平（输入5美元/百万Token，输出25美元/百万Token），支持100万上下文窗口。
Datalab 将 Marker 重写为三模式管道，推出 Marker 2。该版本在 olmOCR-bench 上取得 76.0 分，在单块 B200 上保持每秒 2.9 页的吞吐量，速度超过 MinerU 后端 5 倍以上，同时在准确率和速度上均优于 Docling。
Midjourney 收购了社交占星应用 Co-Star，交易金额未披露。Co-Star 月活跃用户约 430 万，利用 AI 和人工撰写星座运势与兼容性评估。Co-Star 约 2 人的团队已加入 Midjourney，其消费级应用开发经验或助力 Midjourney 推出独立应用。
中国信通院牵头的国际标准项目“多媒体数据编织系统要求与参考框架”（ITU-T F.DF-RefFram）在 ITU-T SG21 会议上正式立项。该标准拟规定多媒体数据编织系统的总体定位、功能要求与参考框架，重点解决分布式数据发现、语义管理与服务编排等共性技术问题，旨在降低多源异构数据的集成复杂度，为人工智能高质量数据供给提供标准化支撑。
Black Forest Labs 发布 FLUX 3 多模态基础模型，联合训练图像、视频与音频，其中视频预测占总计算成本超 95%，并与 mimic 合作推出基于 FLUX 3 骨干的视频动作模型 FLUX-mimic。
推荐理由：原文解释了同一骨干为何能同时支撑内容生成与机器人控制，并给出真实产线部署和延迟数字。
Anthropic 将 Claude 语音模式扩展至更强大的 Opus 和 Sonnet 模型，用户可在移动端、桌面端和网页聊天中随时切换模型。该模式支持 11 种语言，并能调用 Gmail、Google Calendar 等外部工具通过语音撰写和发送邮件。Anthropic 是目前唯一允许用户在语音模式下直接保存邮件的提供商。
亚马逊今日宣布升级 Alexa+ AI 助手，支持自然对话、信息记忆和任务执行，可完成购物、餐厅预订、叫车等日常任务。Alexa+ 具备多模态能力和超强记忆力，打通了 Uber、OpenTable、Grubhub 等第三方服务接口，用户可通过语音直接叫车、订餐或点外卖。Alexa+ 还能在 Echo 音箱、手机 App、车载设备和网页端之间同步对话上下文，并提供个性化新闻摘要。
小红书、上海交通大学、华中科技大学和北京理工大学联合提出 UniNote，将多模态表示学习与排序能力融合于单一模型。通过两阶段训练（对比 SFT 强化表示 + 强化学习排序优化），UniNote 在单次嵌入传递中实现与两阶段检索-排序范式相当的性能，并大幅降低延迟。
