资讯
Google DeepMind推出Lyria 3.5音乐生成模型，支持灵动声纹与情感释放
Google DeepMind 推出 Lyria 3.5 音乐生成模型，在 Google Flow Music 平台正式亮相。模型在音乐性、歌词质量、人声情感表达及创作控制力上实现全面升级，音乐织体更丰富自然，歌声情感张力与发音清晰度显著提升，创作者可精准调整节奏与时长，标志 AI 音乐创作加速迈向专业应用场景。
1 
0 
OpenAI 推出 GPT-5.6 模型家族，包括 Sol、Terra 与 Luna 三款模型
OpenAI 正式发布 GPT-5.6 模型家族：旗舰 Sol、均衡 Terra 与高性价比 Luna。在推理优化与 agentic harness 升级下，端到端成本大幅降低、token 生成效率提升超15%。Sol 在编码智能体基准中超越竞品且 API 成本仅为一半，Terra 性能相当但价格腰斩，Luna 定价更低80%。为开发者提供弹性选择，推动 AI 规模化落地。
MCP协议迎来问世以来最大改版：彻底无状态，全面适配Serverless
Anthropic 7月28日发布MCP协议第5版，彻底转向无状态架构：移除握手和会话ID，完美适配Serverless部署（AWS Lambda、Cloudflare Workers）。新增版本化扩展框架，支持MCP Apps & Tasks，强化OAuth 2.0/OIDC企业认证，解决AI智能体大规模生产部署的架构瓶颈。
亚马逊开始控制AI成本：减少调用外部模型，资源转向前沿研究
亚马逊内部文件显示，已优化Alexa语音助手，减少对Anthropic Claude模型的调用，转向自研模型，提升GPU利用率，预计每个计算单元任务量增加4倍以上。这一举措旨在控制AI运营成本，应对云成本激增（Alexa+预计今年17亿美元），并聚焦前沿模型经济性，成为AI竞争下一个关键焦点。
Fish Audio 周年发布 S2.1 Pro 实时对话语音模型 支持耳语与情绪控制
Fish Audio周年重磅发布S2.1Pro实时对话语音大模型！支持耳语、情绪控制与短样本克隆，90毫秒低延迟，支持83种语言。鱼声音频API已上线，提供免费测试限额。开启语音AI新纪元，让对话更自然流畅。
亚马逊调整AI战略：停止研发大部分Nova自研模型，资源转向皮特·阿贝尔团队
亚马逊宣布重大AI战略调整：停研大部分Nova自研大模型（包括旗舰Nova Premier、Omni、Reel视频及Canvas图像生成器），资源转向皮特·阿贝尔领导的前沿模型团队。新基础模型预计秋季在re:Invent上发布。亚马逊仍为Anthropic和OpenAI最大支持者，强调AI为核心。调整显示从“多线铺开”转向“集中资源攻坚顶级前沿模型”，强化云与外部投资，力争重塑大模型竞争地位。
OpenRouter 推出专用 LangChain 集成包，一行字符串切换 400 款模型并支持故障自动绕行
OpenRouter 正式推出官方 LangChain 集成包（Python 与 TypeScript 版），开发者只需修改一行 provider/model 字符串，即可无缝接入超400款模型和70多家提供商。集成包自动承担负载均衡、30秒内故障绕行、跨提供商转移及成本优化等复杂路由逻辑，让链路代码完全无感知，大幅降低多模型应用的工程维护成本。
具身智能开源合辑：从数据集到仿真平台覆盖全链路
本文精选ICRA 2026具身智能最强开源项目，从数据集（AGIBOT WORLD、UNIC）到仿真平台（Genie Sim、RealMirror），覆盖数据、仿真、模型、硬件全链路。提供深度解析与资源表格，助力研究者快速追踪领域前沿开源进展。
OpenAI 发布两款更灵的转录模型，Whisper 相较之下差距拉开一倍
OpenAI 7月29日正式开放两款新转录模型：GPT-Live-Transcribe（实时、低延迟）和 GPT-Transcribe（批量异步）。模型能理解上下文、口音、术语及带噪环境，准确率大幅超越老前辈 Whisper，在 Common Voice 等基准上错误率降低逾一倍，显著降低语音交互门槛。
机器人为什么要拟人？人形不仅是外形，更是机器人的数据接口
人形机器人为何必须拟人？本文解读 Human-as-Humanoid 论文的核心洞见：拟人不仅是外形，更是一种高效的数据接口。通过将人类第一/第三视角视频转换为 PrimeU 60DoF 动作标签，实现本体、感知与动作三层对齐，显著提升演示吞吐量并降低数据获取门槛。解决了机器人适应人类环境的根本问题，为具身智能提供可执行的学习路径。
世界模型实现触觉，50万小时视频训练出首个隐式触觉世界动作模型
量子位 BeingBeyond 智在无界推出首个基于人类视频数据的隐式触觉世界动作模型 Being-H0.8。通过50万小时UniHand-3.0数据集与创新架构（MoT混合Transformer、通用触觉编码器、慢-快动作专家），它让机器人提前预判接触、实时读取触觉反馈并调整动作。成功实现包中取物、写字、挤牙膏等高难度精巧任务，填补了触觉进入世界模型的空白，推动具身智能新突破。
海光 DCU 适配 Kimi K3：国产 GPU 运行万亿参数大模型实现 896 专家并行无卡顿
海光 DCU 成功适配月之暗面 Kimi K3 万亿参数 MoE 模型，896 专家并行推理稳定高效。无需代码修改，模型代码可直接迁移，性能折损仅 12% 内，开发者可轻松部署长上下文智能体与创作场景。国产算力首次稳固托起万亿大模型，加速国产算力生态落地与智能时代算力版图重构。
地瓜机器人开源X-Lens：4000万参数模型实时输出真实尺度深度
地瓜机器人开源X-Lens深度估计模型，仅4000万参数，即时处理任意鱼眼+针孔相机混合输入，输出带真实尺度的稠密深度图。统一光线表征、多视角校准Token及雅可比畸变偏置等创新设计，让机器人端侧在旭日S600芯片上20+ FPS实时运行，无需海量参数即可获得绝对深度，为精准三维感知和操作提供关键技术。
微软发布首款安全模型与智能体作战系统 MDASH：在 Cyber Gym 中超越 Gemini 和 GPT
微软在旧金山活动上重磅推出首款网络安全专用模型 MAI-Cyber-1-Flash 及新一代智能体安全平台 Perception。MDASH 漏洞识别与修复框架让红队、蓝队、绿队智能体协同作战，在 Cyber Gym 基准上全面超越 Gemini、GPT 等竞品。穆斯塔法·苏莱曼表示系统将快速进入生产环境，为企业带来 AI 对 AI 的安全革命性跃迁。
Kimi K3权重正式落地：全球首个3万亿开源模型
月之暗面将Kimi K3（280亿参数、激活1040亿、100万token上下文）的完整权重正式上传Hugging Face，开启全球首个3万亿开源模型时代。权重开源仅11天，AI基准指数全球第三，领跑前端竞技场；但新License含隐形条款，商业变现受限，价格却远低于Claude 5.6。技术、商业与政策博弈并存，预示开源模型如何重塑AI生态。
