跳到正文
#模型发布
7月31日周五
  2. 字节 Seed：Research Feed80

    字节发布 Seedance 2.5：单次生成 30 秒视频，支持多模态参考与精准编辑

    字节跳动今日正式发布新一代视频创作模型 Seedance 2.5，单次视频生成时长从 15 秒提升至 30 秒，并支持多轮延长，可产出数分钟连贯内容。模型支持单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，并升级白模参考、运动参考及绿幕编辑、时间戳精准编辑等能力。Seedance 2.5 已陆续上线即梦 AI、豆包专业版等平台，API 服务近期将上线火山方舟。

    推荐理由：Seedance 2.5 把单次生成拉到 30 秒，加上多模态参考和精准编辑，让视频创作从片段拼凑变成完整叙事。对国内创作者来说，这是即梦和豆包里能马上用到的最强视频模型。

  8. MiniMax (official)59

    MiniMax 的 H3 模型已上线 OpenRouter，获 Day 0 支持，开源权重即将发布。H3 是轻量级视频模型，支持文本、图像、音频与视频输入，并原生输出音视频，适用于指令编辑、文字/品牌渲染及视频到视频的运动迁移。

    引用OpenRouter@OpenRouter

    The new open-weights @Hailuo_AI H3 is live on OpenRouter thanks to @MiniMax_AI! H3 is a lightweight video model for text, image, audio, & video input, with native audio-visual output. Built for instruction-led edits, text/brand rendering, and video-2-video motion transfer.

  9. MiniMax (official)59

    H3 已与我们的 Day 0 合作伙伴正式上线 🚀 非常感谢 @fal 的鼎力支持。期待看到创作者们用它打造的作品！ #MiniMaxH3 #OpenWeights

    引用fal@fal

    MiniMax H3 (Hailuo-03) is now available on fal. - Open-weight multimodal video model with native stereo audio on every generation. - Combines up to 9 images, 3 video clips, and 3 audio clips as references - Holds subjects, motion, and audio consistent - Weights will be released soon.

  10. MiniMax (official)49

    H3 已与我们的 Day 0 合作伙伴一同上线 🚀 非常感谢 @fal 的鼎力支持。期待看到创作者们用它打造的作品！ #MiniMaxH3OpenWeights

    引用fal@fal

    MiniMax H3 (Hailuo-03) is now available on fal. - Open-weight multimodal video model with native stereo audio on every generation. - Combines up to 9 images, 3 video clips, and 3 audio clips as references - Holds subjects, motion, and audio consistent - Weights will be released soon.

  11. MiniMax (official)54

    开放权重 H3 已上线 OpenRouter 🟢 为全球开发者探索、实验和创作 H3 提供了又一种方式。感谢 @OpenRouter 的 Day 0 支持！ #MiniMaxH3OpenWeights

    引用OpenRouter@OpenRouter

    The new open-weights @Hailuo_AI H3 is live on OpenRouter thanks to @MiniMax_AI! H3 is a lightweight video model for text, image, audio, & video input, with native audio-visual output. Built for instruction-led edits, text/brand rendering, and video-2-video motion transfer.

  13. 公众号：数字生命卡兹克69

    MiniMax H3 发布并将开源，主打视觉包装与后期特效

    MiniMax 发布 AI 视频模型 H3，并宣布开源。该模型主打视觉包装与后期特效，可生成动态 MV、动态海报、Vlog、电影片头、游戏 UI 等，语义遵循能力极强，在广告与动效领域表现优于 Seedance 2.0，但影视级张力镜头稍逊。H3 开源后预计将出现大量垂直领域特化版本。

    推荐理由：在 Seedance 统治的前期创作之外，H3 用语义强控制补上了视觉包装与后期特效这块拼图，广告和社媒短片的后期流程可能因此从剪辑软件迁移到提示词。

  17. Rohan Paul57

    Thinking Machines 发布开源权重模型 Inkling-Small，总参数量 276B、每 token 激活 12B，仅为 Inkling 激活参数（41B）的三分之一。该模型在 HLE 上以 31.6% 超过更大的 Inkling（29.7%），SWE-bench Verified 达 80.2%，并针对音频智能优化了预训练混合、知识蒸馏及两周智能体编码 RL。

    引用Thinking Machines@thinkymachines

    Today, 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.

  18. IT之家·人工智能54

    谷歌 DeepMind 推出 Gemini Robotics ER 2，最强具身推理模型支持连续视频理解与多机器人协作

    谷歌 DeepMind 发布 Gemini Robotics ER 2，这是其面向机器人的最强具身推理模型。相比 1.6 版本，ER 2 可分析连续视频流以追踪任务进度、在出错时调整，并在任务进度分类测试中准确率达 57.4%，时刻寻找测试中准确率为 91.3%。该模型执行速度为更大模型的 4 倍，支持多机器人协作，现已通过 Gemini API 和 Google AI Studio 公开提供。

  21. Thinking Machines64

    今天，我们发布 Inkling-Small。 Inkling-Small 在仅为 Inkling 四分之一规模的情况下，实现了与之相当的性能。它拥有 276B 总参数，12B 激活参数。我们将开放完整权重。 https://thinkingmachines.ai/news/inkling-small/ 现在即可在 Tinker 上对其进行微调，或在 Tinker Playground 中以文本、图像和音频形式与之对话。

    推荐理由：Inkling-Small 将 Inkling 的性能塞进 1/4 大小的模型，权重完全开放，还支持文本、图像、音频，对想用低成本体验顶尖能力的开发者是个值得上手的信号。

  22. Demis Hassabis60

    Gemini Robotics 2 来了，凭借我们新的模型套件，机器人现在可以推理每一步动作，以完成以前无法实现的任务，比如系精致的结——甚至能协作解决复杂工作流程。热烈祝贺机器人团队取得这一重要里程碑！

    引用Google DeepMind@GoogleDeepMind

    One brain. For any robot. 🤖 We’re launching Gemini Robotics 2: our next-generation physical AI bringing full body intelligence to humanoids, advanced dexterity, multi-robot teamwork and more.

  23. The Verge：AI57

    Google DeepMind 发布 Gemini Robotics 2，可控制人形机器人全身动作

    Google DeepMind 发布 Gemini Robotics 2，该模型能从“脚趾到指尖”控制人形机器人全身动作，支持行走、蹲下、伸展和操作物体。新模型可控制更复杂的五指手，完成封袋、系垃圾袋等精细任务。同时更新的 Gemini Robotics ER 2 能更好理解任务起止，并支持多台不同类型机器人协作。

  24. Mira Murati47

    Thinking Machines 发布 Inkling-Small，总参数量 276B、激活参数 12B，以四分之一规模达到与 Inkling 相当的性能。完整权重已开源，即日起可在 Tinker 平台微调，或在 Tinker Playground 以文本、图像、音频方式使用。

    引用Thinking Machines@thinkymachines

    Today, 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.

  25. MarkTechPost63

    Google DeepMind 发布 Gemini Robotics 2，包含三款实体 AI 模型用于全身控制、灵巧操作与多机器人协作

    Google DeepMind 发布 Gemini Robotics 2，作为其下一代机器人的智能层。该版本包含三个模型：用于全身人形控制的视觉-语言-动作模型、用于具身推理与任务编排的 Gemini Robotics ER 2，以及可在数小时内适配新机器人本体的端侧 VLA。单个检查点驱动 Apptronik Apollo 2 与 Franka Duo，仅 ER 2 公开可用。

  26. OpenAI：官网动态66

    GPT-5.6 如何推进性价比前沿

    OpenAI 为 GPT-5.6 的 Luna 和 Terra 版本推出更低定价，以更高效的模型帮助企业大规模部署 AI 工作流。

    推荐理由：GPT-5.6 的价格调整不只是数字游戏，而是 OpenAI 用更高效的模型把推理成本往下压了一大截，企业部署的门槛又低了一个量级。

  27. DeepSeek：API 更新日志72

    DeepSeek-V4-Flash 正式版 API 上线公测

    DeepSeek-V4-Flash 正式版 API 上线公测，模型名设为 deepseek-v4-flash 即可使用，调用方式不变。其 Agent 能力大幅增强，Terminal Bench 2.1 得分 82.7，NL2Repo 54.2，Toolathlon verified 70.3，DSBench-Hard 59.6，多项基准远超 V4-Pro-Preview。

    推荐理由：DeepSeek V4-Flash 正式版 Agent 能力大幅跃升，多个编码 agent 基准分数翻倍，对做代码助手的团队是个高性价比的生产力入口。虽然是 Flash 版，但后训练打磨的成果让人更期待 Pro 正式版。

7月30日周四
  4. Google DeepMind：Blog60

    Gemini Robotics ER 2：用视频理解、任务编排与多机器人协作赋能机器人

    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。

  5. Google AI69

    Google DeepMind 推出 Gemini Robotics 2，作为新一代自适应机器人的智能层，支持全身控制、高级灵巧操作及多机器人协作。同时发布新具身推理模型 Gemini Robotics ER 2，作为机器人的“高层大脑”，负责观察环境、推理任务步骤、协调视觉-语言-动作模型执行动作并追踪进度，使机器人能执行复杂多步骤工作流、自我纠错并适应全新场景。

  7. Elon Musk48

    Grok 4.6 在一周后推出

    引用DogeDesigner@cb_doge

    BREAKING: Grok 4.5 ranked #1 on LaurenBench with a score of 56.9%, ahead of Claude Sonnet 5, GLM 5.2, Claude Opus 5, Kimi K3 and GPT-5.6. The benchmark tests real-world AI agents across conversation, tool use, memory and safety.

  10. Rohan Paul47

    Fish Audio 完成 5200 万美元种子轮融资，并推出 S2.1 Pro 语音模型。该模型可从 5 秒音频克隆声音，速度比 Cartesia 快 2 倍，成本仅为 Eleven Labs 的 1/6，响应延迟约 90ms。它支持 83+ 种语言和 15000+ 自然语言控制指令，允许开发者通过 [whisper]、[laugh] 等提示词实现单词级情感与语调控制。

    引用Fish Audio@FishAudio

    Today we’ve raised $52M Seed and we are announcing the public launch of S2.1 Pro. >It can clone a voice from 5 seconds of audio >2x faster than Cartesia & 1/6th the cost of Eleven Labs >most expressive model with word level control over emotion, intonation, pacing etc We support frontier AI companies including HeyGen, LiveKit, Retell, Sanas, and OpenArt all run our model in production. If you're a business and we can't cut your voice AI costs by 50%, we'll give you 1 year of Fish Audio for free. Book a demo: https://s.fish.audio/tmapke To celebrate our first birthday, we'll give you 1 month of S2.1 Pro for free. Like, retweet, and comment “Fish” to get it.

  12. Thinking Machines Lab：News73

    Thinking Machines Lab 发布开源权重模型 Inkling-Small

    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。

  13. Microsoft AI：官方博客67

    Microsoft 发布 MAI-Cyber-1-Flash 等多款 Flash 模型，以 token 效率优化成本曲线

    Microsoft AI 发布 MAI-Cyber-1-Flash，与 MDASH 搭配在 CyberGym 上取得 96%（any crash score），成本仅为现有最佳方案的 50%，可部署在 H100 上，负责 90% 的常规任务以便为最难 10% 保留 GPT 5.4。

    推荐理由：官方公布了多款针对具体产品调优的 MAI Flash 模型及其在各业务线节省 GPU 成本的实测数字，可了解按任务分层选模型的做法。