三花AI

Claude 支持文件编辑功能：支持 Office 全家桶和 PDF Claude 正式上线文件创建编辑功能！用户现在可以在 claude.ai 和桌面端直接创建并编辑 Excel、Word、Powe

Qwen3-ASR-Flash：高精度多语言语音识别模型 Qwen3-ASR-Flash[1] 是基于 Qwen3 推出的高精度多语言语音识别模型，支持 11 种语言及其多种口音，具备自动语种检测与非

微软 Copilot Labs 音频表达功能：AI 语音风格自定义 微软在 Copilot Labs 上线了实验性功能「音频表达（Audio Expression）[1]」，用户通过输入提示词，可让

国务院关于深入实施“人工智能+”行动的意见 中国国务院发布了首部 “人工智能+”行动 政策 涵盖六大关键领域： • 人工智能 + 科学技术 • 人工智能 + 产业发展 • 人工智能 + 消费提质 •

谷歌 NotebookLM 视频概览新增多语言支持 NotebookLM[1] 的 Video Overviews 现已支持 80 种语言[2]（包括简体中文），大幅提升了多语言内容处理能力。 同时，

阿里发布 20B 参数 Qwen-Image-Edit：全能图像编辑模型 Qwen-Image-Edit[1] 是阿里 Qwen 团队基于 20B 参数 Qwen-Image 模型开发的图像编辑版本。

阿里 AIDC-AI 发布 Ovis2.5：集成NaViT的多模态模型 阿里AIDC-AI 推出了多模态模型 Ovis2.5，提供 9B 和 2B 两种参数量版本。该模型最大亮点是搭载原生视觉变换器（

Perplexity AI 推出基于订阅制的视频生成服务 Perplexity AI[1] 在全平台推出视频生成功能。根据订阅等级不同，Pro 用户每月可创建 5 个视频，而 Max 用户则可享受每月

OpenAI 发布 GPT-5：多榜单第一，性能超越 Gemini 2.5 Pro OpenAI 正式发布其下一代旗舰模型 GPT-5[1]，在 LMArena 多个类别榜单中均排名第一，超越了 Go

OpenAI 明日凌晨直播：GPT-5 或将正式亮相 OpenAI 官方 X 账号[1]宣布，将于北京时间 8 月 8 日凌晨 1 点举行一场直播活动。从各种预热和爆料来看，这次总归该是 GPT-5

阿里 Qwen-Image：20B 参数开源文生图模型，文本渲染能力突出 阿里巴巴通义千问团队发布了其首个图像生成基础模型 Qwen-Image。该模型是一个拥有 20B 参数的 MMDiT 模型，基

智谱 GLM-4.5 旗舰大模型开源 智谱 AI 重磅发布并开源新一代旗舰模型 GLM-4.5 系列。该系列采用创新的混合专家架构(MoE)，旨在统一推理、编码和 Agent 能力，并在多项评测中表现

阿里通义发布 4800 亿参数 Qwen3-Coder 代码大模型 媲美 Claude Sonnet4 Qwen3-Coder-480B-A35B-Instruct[1] 是阿里通义团队最新发布的代码

zAI 发布 Zread AI：智能分析开源项目 zAI 发布 Zread AI[1] ，这是一款专为开源项目生成文档的工具，提供原生中文支持。与 deepwiki 类似，但功能更强大，还能智能分析仓

Mistral 开源 Voxtral：多语言语音转录模型，准确率超 Whisper v3 Voxtral 是 Mistral AI 最新开源的多语言语音转录模型，提供 24B 和 3B 两个参数版本。

IndexTTS2 实现零样本语音克隆：精准控制+情感解耦 IndexTTS2[1] 是一个突破性的自回归语音合成模型，能在零样本条件下实现两大核心能力：精确的时长控制，以及音色与情感的完美解耦。该模

Qwen Chat 正式发布 Mac 客户端 阿里通义千问 Qwen Chat 正式发布 Mac 客户端版本，同时支持 ARM 和 x86_64 架构，支持 MCP，有需要的佬可以前往通义千问官网[1

马斯克：Grok4 大语言模型周四直播亮相 埃隆·马斯克今日宣布，将于北京时间（UTC+8）周四上午 11:00 通过 X 平台直播[1]发布 Grok4。 Grok4 的具体升级细节目前尚未公布，佬

阿里开源 OmniAvatar：音频驱动数字人模型 OmniAvatar[1] 是阿里开源的一款基于 Wan 2.1 的音频驱动数字人模型。用户只需上传图片、音频和脚本，即可生成嘴型精准匹配、带有自然

百度开放23款大模型：Ernie 4.5性能比肩OpenAI O1 Ernie 4.5[1]重磅发布 23 款开放权重大模型，包括 VLM 和 LLM 两大系列。 从官方数据显示，LLM版本超越Dee