Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 公开预览版
Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash，两款模型均进入公开预览。
推荐理由：原文给出两款新模型的定价、性能数字和产品落地情况，可据此比较其质量速度成本取舍。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
当前仅显示精选新闻最新精选
第 121–140 条 · 共 246 条Microsoft AI News精选AI 评分6262
Black Forest Labs Blog精选AI 评分6464 Black Forest Labs 发布多模态基础模型 FLUX 3，开启 Early Access
Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access，基于 Self-Flow 方法在统一架构下同时学习图像、视频和音频。
推荐理由：官方公布了 FLUX 3 的多模态架构、早期评测胜率和分阶段开放计划，读者可以据此评估它在视频与物理 AI 方向的路径。
Black Forest Labs Blog精选AI 评分6363 Black Forest Labs 发布 FLUX 3 多模态基础模型并与 mimic 合作推出机器人模型 FLUX-mimic
Black Forest Labs 发布早期版 FLUX 3 多模态基础模型，联合训练图像、视频和音频，并在其上与 mimic 合作构建视频-动作模型 FLUX-mimic。
推荐理由：原文给出训练细节和工厂实测数据，读者可以判断世界模型路线对机器人任务的实际收益。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini 模型：3.6 Flash 在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由：官方博客给出三款 Flash 模型的 token 效率、价格和多项基准数据，可帮助开发者评估选型与 agent 成本。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Cosmos 3 Edge 开源世界模型
NVIDIA 在 Hugging Face 的 Cosmos 3 仓库发布 Cosmos 3 Edge，一个 40 亿参数的开源世界模型，帮助机器人和视觉 AI 智能体理解环境、实时推理并生成机器人动作。
推荐理由：40 亿参数模型在边缘设备上实现实时推理与机器人控制，为端侧物理 AI 提供了可直接部署的开源世界模型。
ByteDance Seed Research精选AI 评分6565 字节 Seed 发布音频创作模型 Seed Audio 1.0，统一生成人声、音效和环境声
字节 Seed 发布音频创作模型 Seed Audio 1.0，在统一框架下联合建模人声、音效和环境声，端到端生成完整声音场景。模型支持 100ms 间隔的时间控制、零样本音色生成、单次约 2 分钟的延展生成，覆盖 20+ 语种；评测显示多数场景音频可用率达 90% 以上，多语种自然度 MOS 大部分超过 4 分。模型已在火山方舟体验中心上线。
推荐理由：官方介绍统一框架下联合建模多种音频要素的思路，并给出时间控制精度、语种覆盖和评测数字，可用于了解音频创作模型的能力边界。
AI前线 · 微信公众号精选AI 评分8181 Kimi K3 登顶 Arena 前端代码榜，提价近 4 倍对标 Sonnet 5
月之暗面发布旗舰模型 Kimi K3，在 Arena 前端代码/Web Dev 榜单以 1679 分登顶，领先 Fable 5 48 分、高于 GPT-5.6 Sol 61 分。
推荐理由：Kimi K3 登顶 Arena 前端榜单并提价近 4 倍，读者可对照其稀疏 MoE 架构与真实任务成本的差异。
硅星人Pro · 微信公众号精选AI 评分8080 月之暗面上线 Kimi K3：2.8 万亿参数，实测很强也很贵
月之暗面于 7 月 16 日晚上线 Kimi K3，为 2.8 万亿参数 MoE 模型，原生支持视觉理解和 100 万 token 上下文，官方称整体扩展效率较 K2 提升约 2.5 倍。
推荐理由：作者以四项自测呈现 K3 的能力与短板，并对照定价与上下文分层的变化说明开源旗舰模型的使用门槛。
AI寒武纪 · 微信公众号精选AI 评分8383 Kimi K3 正式发布：前端能力超越 Fable 5 的开源模型
Kimi K3 正式发布，上下文窗口 1M、总参数 2.8T，官方在基准测试中于 14 项里的 11 项击败 GPT-5.6 Sol，全部 14 项击败 Opus 4.8，并在 Frontend Code Arena 以 1679 分位列第一，超越 Claude Fable 5。
推荐理由：官方跑分与第三方评测同时给出对比数据，读者可据此判断 K3 在前端能力和成本上相对同级模型的位置。
AI寒武纪 · 微信公众号精选AI 评分7777 Kimi K3 发布，2.8万亿参数，综合智能排名第三
Kimi K3 发布并已在网页端上线，参数量达2.8万亿，是目前公开的开源模型中规模最大的一个。它基于Kimi Delta Attention（KDA）混合线性注意力机制，并引入Attention Residuals结构，原生支持视觉理解，上下文窗口达100万token。
推荐理由：原文列出Kimi K3的参数规模、KDA与AttnRes架构改动及多项榜单跑分，可据此判断当前开源模型的能力位置。
Together AI Blog精选AI 评分7272 Together AI 第一时间上线 Thinking Machines Lab 新模型 Inkling
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 当天在 Serverless 平台提供推理服务，支持 1M 上下文窗口和 OpenAI 兼容 API。
推荐理由：原文给出 Inkling 的架构细节、参数规模和评测数据，读者可以据此评估这个新推理模型是否适合接入自己的生产工作流。
Hugging Face Blog精选AI 评分8181 Hugging Face 发布 Thinking Machines 多模态开源模型 Inkling 使用指南并推出 Inkling-Small
Thinking Machines 的开源多模态模型 Inkling 上线 Hugging Face，总参数 975B（激活 41B），原生接收图像、文本和音频输入，支持 1M 上下文和 1M token 训练语料中的 45 万亿 token 多模态训练，同日推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：官方详细拆解了 Inkling 的 MoE、相对注意力等架构设计，并给出从 2TB BF16 到 1-bit GGUF 的多档部署路径，方便按硬件选型。
ByteDance Seed Research精选AI 评分6262 字节跳动 Seed 发布 Seedream 5.0 Pro 图像创作模型
字节跳动 Seed 发布多模态图像创作模型 Seedream 5.0 Pro，主打复杂信息可视化、交互式精准编辑、真实影像质感与原生多语种生成四大能力。模型已上线火山方舟体验中心，并将陆续在豆包、即梦上线，项目主页见 https://seed.bytedance.com/seedream5_0_pro。
推荐理由：官方介绍给出四大能力方向和具体生成案例，读者可以判断它在专业设计场景中的可用性。
OpenRouter Announcements精选AI 评分7171 OpenRouter 实测图像 detail 参数：推理模型用 low 更贵更差
OpenRouter 在 MMMU-Pro Vision（1,730 题）上基准测试 OpenAI 和 Google 五款模型的图像 detail 设置，发现 gpt-5.5 用 low 比 auto 低 13.8 分（65.2% vs 79.0%）且每题更贵（5.1¢ vs 4.5¢），原因是模型为看清热压缩图像多花 1.6x 推理 token。
推荐理由：基于 MMMU-Pro Vision 实测五款模型，给出推理模型保持 auto 细节、改调 reasoning effort 省钱的可操作结论。
Hugging Face Blog精选AI 评分6161 LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六大仿真基准
Hugging Face LeRobot 团队发布 v0.6.0，引入 VLA-JEPA、LingBot-VA、FastWAM 三个世界模型策略，新增 GR00T N1.7、MolmoAct2、EO-1 等 VLA，以及 Robometer、TOPReward 奖励模型和统一奖励 API。
推荐理由：官方完整发布说明覆盖世界模型策略、奖励模型、基准与部署 CLI，读者可据此评估是否升级自己的机器人训练工作流。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Nano Banana 2 Lite 图像模型并向开发者开放 Gemini Omni Flash
Google DeepMind 推出图像模型 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），文生图延迟 4 秒。
推荐理由：官方公告给出了两款模型的定位、价格、延迟和已知限制，开发者可直接据此选型和接入。
Google DeepMind精选AI 评分7171 Google DeepMind 将 computer use 内置到 Gemini 3.5 Flash
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前该能力仅由独立的 Gemini 2.5 computer use 模型提供。
推荐理由：原文说明 computer use 从独立模型并入 Gemini 3.5 Flash，并给出 API 入口与企业级防护选项，便于开发者评估接入。
硅星人Pro · 微信公众号精选AI 评分8080 火山引擎 Force 大会发布豆包 2.1 Pro、Seedance 2.0 4K 等 5 款模型
火山引擎在 6 月 23 日 Force 大会上发布豆包大模型 2.1 Pro、Seedance 2.0 4K 等 5 款新模型。Seedance 2.5 将于 7 月初上线，支持 30 秒单段原生视频直出和最多 50 个全模态素材联合生成。
推荐理由：文章给出豆包 2.1 Pro 与 Seedance 系列的发布细节，可看到一个云厂商把强模型当作云入口的整体打法。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral OCR 4：支持边界框、块分类和置信度分数
Mistral 发布 Mistral OCR 4，除提取文本外还返回边界框、块类型分类（标题、表格、公式、签名等）和逐页逐词的内联置信度分数，支持 170 种语言、10 个语言组。
推荐理由：官方说明了新模型的结构化输出能力、基准得分及其已知评分缺陷，并给出 API 与 Document AI 的选择规则，便于读者判断适用场景。
inclusionAI Hugging Face models精选AI 评分6262 inclusionAI 发布 SingGuard-8b 策略自适应多模态安全护栏模型
inclusionAI 发布 SingGuard 多模态安全护栏模型家族，支持文本、图像、图文及多语言、query 侧与 response 侧的安全评估。模型把生效的安全策略作为运行时输入而非固定训练分类，部署方无需重训即可按默认类别或自定义自然语言规则判定内容，并以 safe/unsafe 加匹配风险类别的 <answer> 标签输出结果。
推荐理由：原文给出策略作为运行时输入的设计与多模态、多语言覆盖范围，读者可据此判断免重训适配审核规则的可行性。