DeepSeek 发布 DeepSeek Harness 的打包桌面版，支持 macOS 和 Windows。Linux 用户可通过 npm 上的 @deepseek-ai/dsh 包获取。
DeepSeek Harness for desktop is now available on macOS and Windows. https://t.co/hpDsyMYvLs
#产品更新#部署/工程#开源生态
Vapi 宣布 GPT-Live 测试版向所有 Vapi 客户开放，此前仅限上月开始的限量测试与等待名单。GPT-Live 是 OpenAI 的全双工语音到语音模型，在 Vapi 上分为 speaker 和 reasoner 两个角色，speaker 全程保持通话并在需要查询或执行操作时把任务交给 reasoner，交接条件由提示词控制。迁移时需把原有单一系统提示词拆成 speaker 与 reasoner 两份，转写配置取消，语音改用 OpenAI 的 22 种音色，电话、工具、测试和可观测性等下游能力保持不变。
#产品更新#语音#OpenAI
OpenAI 推出 GPT-6 Astra Ultrafast，运行在 NVIDIA Blackwell GPU 上，已通过 OpenAI API 以及面向符合条件的 ChatGPT Work 和 Codex 用户开放。该模式借助针对 Blackwell 架构的推理优化，token 生成速度最高可达 Astra Standard 模式的 8 倍，可缩短编码智能体的编辑、测试、调试循环，并减少工具调用之间的等待时间。OpenAI 还使用自家模型优化 NVIDIA GPU 上的推理软件，以持续提升响应速度。
#产品更新#OpenAI#部署/工程
#模型发布#语音#多模态
#产品更新#图像生成
Krea 宣布 FLUX 3 Image 已在其平台上线，支持多轮编辑且不改动其他像素、用边界框排版图像、最高 4K 生成，并可用最多 10 张参考图进行合成。官方同时给出了试用链接。
#产品更新#图像生成#多模态
Suno 发布 Speech 语音模型 beta，这是其首个将人声与音乐作为一条完整音轨同时生成的音频模型。用户在 Suno 中输入想法、诗歌或文字，并描述想要的音色与音乐风格，即可生成配原创背景音乐的语音内容。该功能已向全部用户开放 beta，此前已在小范围用户中测试一个月，官方称 beta 阶段口音和停顿仍不稳定。
#产品更新#语音#多模态
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