Google 在 Gemini Live 中推出 Guided Vision，可在兼容 Android 设备上通过共享摄像头，对镜头所拍内容进行实时语音描述，支持读取小字、描述周围环境、寻找或识别物体等。该功能面向盲人、低视力用户及需要特定场景协助的人群，同时可在 Google TalkBack 中使用，Android 9 及以上设备可在设置中配置无障碍快捷方式。Google 提醒不要将其用于导航、安全出行指引或障碍物检测，也不能替代手杖或行动辅助工具。
#产品更新#多模态#Google
OpenAI 宣布在全球上线 ChatGPT 的两项购物功能，包括虚拟试穿和收藏。虚拟试穿允许用户上传自拍或全身照，在购物结果中通过 Try On 按钮查看服装或配饰的上身效果，也可上传商品图片让 ChatGPT 试穿；收藏功能可将商品保存到应用内的 Library，并与试穿图片一同存放。OpenAI 表示这些功能基于新发布的 ChatGPT Images 2.5 模型，该模型在光照、纹理、编辑指令遵循和生成延迟上有所改进。
#产品更新#OpenAI#多模态
You can now mod Claude Code: - Change how it behaves - Customize the UI - Swap in your own features Write one with a few lines of TypeScript, or have Claude build it for you. Mods ship inside plugins, so you install them with /plugin in the CLI or desktop app. A few examples: https://t.co/qMtzV8AeId
#产品更新#Agent#MCP/工具调用
You can now mod Claude Code: - Change how it behaves - Customize the UI - Swap in your own features Write one with a few lines of TypeScript, or have Claude build it for you. Mods ship inside plugins, so you install them with /plugin in the CLI or desktop app. A few examples: https://t.co/qMtzV8AeId
#产品更新#Agent#MCP/工具调用
Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus 研究显示，48% 的参与者在一次一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%。在 Tavus 称为 Nvidia 独立测试的拟人度评分中，Griffin 得 3.83 分，真人为 3.92 分，此前最佳 AI 模型为 2.80 分。名为 Griffin-Lite 的预览版已向部分测试者开放，能力更强的版本将在安全问题解决后推出。
#模型发布#多模态#视频
Google 在兼容 Android 设备上为 Gemini Live 推出 Guided Vision，用户共享摄像头即可获得实时语音描述和取景提示。该功能与盲人和低视力社区共同开发，Google 与 Aira 合作处理了数万小时视觉解读数据，超过 1000 名 Aira 测试者参与压力测试与安全护栏评估。Google 说明它属于辅助工具，可能出错，不是医疗设备、行动辅具或白手杖替代品，也不用于导航和避障。
#产品更新#多模态#Google
Shopify 发布建站工具 Canvas，商家通过与 AI 智能体 Sidekick 对话即可搭建店铺，Canvas 实时渲染店铺真实代码，可测试页面交互与动画并查看不同屏幕尺寸下的效果。Sidekick 此前已用于写代码、构建应用和定制主题，这次首次被整合进完整建站产品。Canvas 目前仅支持桌面端，第三方主题、应用区块与扩展、多市场、翻译、发布和主题更新均不在首发范围内，Shopify 表示后续会逐步支持。
#产品更新#Agent#部署/工程
AWS 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，不生成文本而是从预设选项中给出带置信度的选择，速度高、成本低，小到可本地运行。该模型由 AWS 杰出工程师 Marc Brooker 在看过 TypeSafe 的 Jev 后自行开发，曾在同规模模型的 Jevbench 排名中短暂登顶，随后由 Strands Labs 整理发布。Brooker 表示，AWS 客户的智能体工作流并非时刻都需要完整 LLM 的能力和成本，这类模型可作为工作流中的决策步骤，凭借置信度和封闭答案域获得更可靠、更低延迟的表现。
#模型发布#开源生态#部署/工程
ComfyUI 发布 Comfy Agent，用户用自然语言描述需求，它就能在 ComfyUI 内规划、搭建、运行并迭代工作流。该功能已在 Comfy Cloud 向所有人开放，几周内进入 Comfy Desktop，目前处于 beta，免费试用并消耗已有的 Comfy Credits。它支持创建和使用公开或私有技能、最多 5 个并行对话，并能在用户同时编辑画布时实时协作。
#产品更新#Agent#部署/工程
Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，核心是重新设计的开源 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数级别并保持计算效率。在八块 NVIDIA B300 GPU 的初步测试中，470 亿参数 MoE 达到每 GPU 每秒 52,000 tokens，约为此前 FSDP 实现 19,400 的 2.7 倍；该基础设施已在超过 1 万亿总参数规模上完成基准测试。Olmo-core 3 从 FSDP 转向基于 DDP 的系统，让专家常驻 GPU 并把数据路由过去，同时采用 rowwise expert parallelism、GPU-resident routing、grouped GEMM 和 MXFP8 低精度格式，其中 MXFP8 在四块 B300 上的端到端吞吐比 BF16 高约 21%，峰值活动显存从 103 GiB 降至 95 GiB。Ai2 表示下一代 Olmo 将采用 MoE 架构，Olmo-core 3 完全开源，研究者可用于训练自己的 MoE。
#开源/仓库#数据/训练#部署/工程
Anthropic 推出面向美国联邦和州级机构的 Claude for Government，该平台自 7 月起处于公开测试，运行在 FedRAMP High 环境。由于五角大楼禁用 Claude，该产品主要面向民事机构。机构可获得与企业客户相同的功能，按用量付费并设固定上限，管理员可按部门设置预算和模型访问权限，敏感操作需两人审批，聊天记录保留在机构设备上。
#行业动态#Anthropic#部署/工程
OpenAI 在年度 DevDay 上发布由 GPT-6 Astra 驱动的智能体 Dots，目前仅向每月 100 美元的 Pro 及以上订阅用户开放，而 Meta 的 Muse 对所有 Meta 账号免费。Dots 被定位为可承接长周期知识工作的“幕僚长”，支持文本、语音和电话多模态交互，并计划推出会计、法律等专业版本，同时与 Microsoft 合作接入 Agent 365。Altman 称 Dots 因算力消耗大而先做高端产品，未来会推出面向数十亿人的大众版本。
#行业动态#Agent#OpenAI
AI2 发布 Olmo-core 3，一套面向大规模 MoE 模型的开源训练基础设施，从早期基于 FSDP 的实现改为基于 DDP 的系统，让专家常驻 GPU 并把数据路由到对应专家。在八块 NVIDIA B300 GPU 的初步测试中，470 亿参数 MoE 达到每 GPU 每秒 52,000 tokens，约为旧实现 19,400 的 2.7 倍；在四块 B300 上启用 MXFP8 后吞吐比 BF16 高约 21%，峰值活跃显存从 103 GiB 降至 95 GiB。该栈支持专家并行、流水线并行、分布式优化器、行级专家并行、GPU 常驻路由与分组 GEMM，并已在 512 块 GPU 上测试 1.2 万亿参数模型，最高观测吞吐 858 TFLOP/s/GPU。
#开源/仓库#数据/训练#部署/工程
Google Cloud 宣布分布式多模型数据库软件 Spanner Omni 正式版发布，它是托管版 Google Cloud Spanner 的软件版本，可安装到本地机器。该版本支持 Linux（RHEL 9、Ubuntu 22）和 macOS（M1、M2、M3），也支持 Google Cloud 与 AWS 的虚拟机或 Kubernetes Pod，并继承 Paxos 共识、自动分片、同步复制等核心能力，用软件组件替代 Colossus 和 TrueTime。Spanner Omni 支持向量类型与 kNN、ANN 检索，可通过 MCP Toolbox for Databases 接入 AI，提供免费 90 天的 Developer Edition 和按 vCPU 年度订阅的 Commercial Edition。
#产品更新#部署/工程#数据/训练
Suno 发布 Suno Studio 2.0，用户可在聊天栏中从一首歌开始，拆分分轨、添加新乐器、效果和自动化。官方称这些操作全部在聊天栏内完成。
#产品更新#语音
助听科技初创公司 Legato 宣布其旗舰 AI 助听眼镜 Legato Frames 正式开售，起售价 999 美元，面向轻中度听力损失成年人。该眼镜把助听技术集成在镜腿中，用 AI 区分人声与背景噪声并放大语音，双扬声器系统将声音导向佩戴者，耳外几英寸处声音可降低 99%。全部处理在眼镜端完成，不含摄像头与录音，整机含镜片重 34 克，续航 10-12 小时，提供三种款式并支持处方镜片与蓝牙音频。Legato 由前 Bose 高管 Mehul Trivedi 和 Steve Romine 于 2024 年创立，此前完成 1200 万美元融资。
#产品更新#端侧#语音
Robinhood 在年度活动上发布应用内 AI 助手 Robinhood Agents，可解答行情、从零搭建定制化投资策略，并在用户离线时自动盯盘和执行交易。Robinhood 称已有超过 15 万名客户开设智能体交易账户，但智能体只能调配独立专用账户中的资金，用户也可选择手动批准每笔交易。该公司还将对部分精选美股推出全天候交易时段，并计划在未来数月内向美国客户提供永续期货。
#产品更新#Agent#OpenAI
Modal 宣布 Modal Clusters 正式可用，通过 @modal.clustered 装饰器即可使用多节点集群。节点间通过 InfiniBand verbs 通信，带宽最高 6.4 Tbps，并自动为 PyTorch 和 NCCL 配置；集群可在请求后数秒内就绪，按秒计费。Modal 为此新建了 gang scheduling 调度器，并把 RDMA 支持加入 gVisor 容器运行时并已回馈上游。Decagon、1x 和 Runway 分别用其进行万亿参数模型微调、NEO 世界模型预训练和 Gen-4.5、Aleph 2.0 的多节点推理。
#产品更新#部署/工程#开源生态
CoreWeave 在旧金山 Fully Connected 活动上发布 CoreWeave Forge，一个用于开发、运行和持续改进 AI 模型与智能体的集成软件平台，即日起提供 Free、Pro、Enterprise 三个版本。Forge 把训练、推理、评估、可观测性和智能体开发整合为围绕 AI 循环的软件栈，并推出包含 VAST Data、CrowdStrike、ClickHouse 的合作伙伴网络。硬件方面，Nvidia Vera Rubin NVL72 已在其云平台上线，Cognition 成为首个客户并在两天内跑起负载；Nvidia Vera CPU 面向 AI 智能体处于早期开放阶段。
#产品更新#Agent#部署/工程
OpenAI 举行“AI 上岗”（Intelligence at Work）发布会，宣布将 Codex 从编程工具升级为面向全行业的智能体工作平台，并推出数据分析、创意制作、销售、产品设计、上市公司股票投资、投资银行六款角色插件，共打包 110 项技能、可关联 62 个外部应用。OpenAI 首席营收官 Denise Dresser 透露，Codex 上周末周活跃用户达 500 万，其中 20% 并非程序员，企业营收已占 OpenAI 整体营收 4 成，预计今年底达到 50%。Codex 将在未来几周内进入 ChatGPT，OpenAI 还表示后续会推出公司金融、私募股权投资、市场营销策略、战略咨询和法律等岗位插件。
#产品更新#Agent#OpenAI