这期的「周一上线」，一边是模型继续向多模态和机器人延伸，另一边是 Agent 开始从“会写代码”走向长期协作、完整交付和自我改进。

DeepSeek 把 V4-Flash 接进 Codex，MiniMax H3 把文本、图像、视频和音频放进同一条创作链路；OpenAI 新模型 Astra 浮出水面、Lilian Weng 负责的 RSI 团队，以及贾扬清的 Intent Lab，则都在探索如何让 AI 持续工作，并真正交付生产系统。

行业里，AlphaFold 明星团队被拆分，字节也重新整合飞书、豆包和火山引擎。模型在升级，围绕 AI 的产品边界和组织方式也在跟着重排。

下面，开始一周回顾。

## 有点新鲜

「有点新鲜」收录本周 AI / 开发者圈里那些不算大新闻，但挺值得看一眼的新鲜事。

### Anthropic：我就不签～

别人负责支持开放权重，Anthropic 负责把大家逐个“打掉”。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/4c2748a84d0432f8715316a56b20877d.gif)


### DeepSeek: **The real “Open AI”**?

7 月 31 日，DeepSeek 上线 V4-Flash-0731 正式版。网友 @Jen Zhu 惊呼：**The real “Open AI” of the world！**

在 Artificial Analysis Intelligence Index v4.1 的测评图中，V4-Flash-0731 位于约 0.03 美元／任务、约 50 分的位置。网友又在这张图上标出 V4 Pro 正式版的预期位置，并划出 DeepSeek 版“斩杀线”范围。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/4fab93930b3d407252a2d2b505f19cdf.jpg)![](https://developer.qcloudimg.com/http-save/yehe-12464096/6a0cc81718425e2a8ae7f1a087707a0c.jpg)

另外，DeepSeek Harness 团队负责人 Tianyi Cui（崔添翼）也在 X 上公开征集内测开发者：做过 Agent Harness 相关开源项目的开发者，可以带上 GitHub ID 和代表作，报名参与 DeepSeek Harness 内测。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/a4e114eb24db71cd466b74a74522e6b7.png)

### Head-controlled cursor：把光标交给脑袋

@Marcin 用 Replit 和 Higgsfield 做了一个头控光标：脑袋往哪动，光标就往哪走。为了更适合日常使用，他还给 Claude、Webflow 等工具加上了毛茸茸的 Logo，操作起来像是在用头顶宠物。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/866c2ab4a590b722069380d213babb8e.gif)

双手继续敲键盘，光标以后就靠点头控制了。

### Biiiig bug 更容易被发现

@Itsvishal 分享了一位开发小哥古法编程界面，你猜他是忘记关倍镜还是忘了带眼镜？

![](https://developer.qcloudimg.com/http-save/yehe-12464096/248d42d548e162cefd8f70746e85ffb2.gif)

## 周五发版

「周五发版」是一个程序梗：一旦版本上线，我们就要开始祈祷一切如期运行。这个模块寓意，所有模型、产品版本更新，都能大吉大利。

### DeepSeek V4-Flash 正式版发布：Agent 能力大幅提升

7 月的最后一天，DeepSeek V4-Flash 正式版上线，官方 API 同步公测。新版本重点强化 Agent 能力，在 Terminal Bench 2.1、Cybergym、DeepSWE 等评测中明显超过 Preview 版。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/b12bed9738c3c1ebe0d32beada174eb2.png)

模型原生支持 Responses API，并适配 Codex CLI、ChatGPT 桌面端和 VS Code Codex 扩展。模型支持 1M 上下文和最高 384K 输出。当前缓存命中输入价格为 0.02 元／百万 tokens，缓存未命中输入为 1 元／百万 tokens，输出为 2 元／百万 tokens。


### MiniMax H3 发布：统一理解文本、图像、视频和音频

同一天，稍早于 DeepSeek V4-Flash 正式版，MiniMax 发布了通用多模态生成模型 H3。该模型可统一理解文本、图像、视频和音频组成的上下文，并生成带原生双声道音频的视频，最高支持 15 秒、2K 分辨率及原生多镜头建模。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/dc82d047322bb121b9df6b07ebbc6bfa.png)

在模型能力层面，H3 将文生图、文生视频、文生音频和广义参考编辑纳入同一套训练体系。当前面向开发者开放的是 Video Generation V2 接口：指定 `MiniMax-H3` 后，可完成文生视频、首尾帧图生视频和多模态参考生视频，输入可包含文本、图片、视频和音频，输出支持 768P、2K，生成时长为 4～15 秒。

### Dreamina Seedance 2.5 上线：单次生成 30 秒，长视频可达 3 分钟

Dreamina AI 全球上线 Seedance 2.5。新模型原生支持单次生成最长 30 秒视频，长视频模式最长可扩展至 3 分钟，并强化了人物、光影和动作在长镜头中的一致性。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/f01d426b6aee7c8af6faaf07d478b0de.png)

Seedance 2.5 支持局部交互式编辑和精确到 1 秒的时间点控制，最多可输入 50 份图片、视频、音频等多模态参考，并新增 3D 白模和绿幕素材支持。Dreamina 还提供 Maya、Blender 插件，进一步面向影视制作流程。

### Gemini Robotics 2 发布：让机器人具备全身智能

7 月 30 日，Google DeepMind 发布 Gemini Robotics 2 系列，包括负责动作控制的 Gemini Robotics 2、负责任务规划与多机器人协作的 ER 2，以及可在设备端运行的 On-Device 2。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/044e40301236a2f35a331ceccdc81402.gif)

新模型可以控制人形机器人完成行走、弯腰、抓取和整理等全身任务，也支持更精细的手部操作与多机器人协作。Gemini Robotics ER 2 已上线 Google AI Studio，其余模型目前主要面向早期合作伙伴开放。

### Grok Voice Think Fast 2.0 发布：边说边想，首段音频延迟约 0.7 秒

7 月 29 日，xAI 发布 Grok Voice Think Fast 2.0，重点提升语音推理、转写准确率、对话自然度和工具调用能力。模型能够在生成语音的同时进行推理，在 Artificial Analysis 的 Speech-to-Speech Quality Index 中得分 82.9%，首段音频延迟约为 0.7 秒，表现大幅领先其前代模型。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/6dc2fc047457f49c18e0254b8be347a1.png)

价格为 0.08 美元／分钟音频。官方称 8 月 5 日起，`grok-voice-latest` 将自动切换至 2.0；需要继续使用旧版本的开发者需固定模型版本。

### 微软开源 Mage-VL：直接利用视频编码信息理解画面

近日，微软开源 4B 多模态模型 Mage-VL。它不再只依赖均匀抽帧，而是保留 I 帧信息，并结合运动向量和残差能量，从 P 帧中筛选更重要的视觉区域。相较均匀抽帧方案，官方测试中视觉 Token 减少 75% 以上，wall-clock 推理速度最高提升 3.5 倍。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/c6237b55b7f79f8f980b260fe1ed3a95.png)

Mage-VL 支持图片、长视频和实时视频理解，还加入了主动流式响应机制：日常画面保持沉默，在检测到值得回应的事件后再生成解说。模型以 Apache 2.0 协议开放。

另外，早些时候微软还发布了轻量语音识别模型 VibeVoice-ASR-BitNet，面向边缘设备 CPU 推理，无需 GPU。模型通过混合量化从 4.62GB 压缩至 1.58GB；在官方测试环境中，使用 3 个 CPU 线程即可达到实时转写，推理速度约为 Whisper.cpp 的 1.6～2.3 倍。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/cf17f6ea87d068068f081c0252637198.png)

模型支持英语、中文、法语、意大利语、韩语、葡萄牙语和越南语等语言，采用 MIT 协议开放，并可通过 llama.cpp、Ollama 等工具本地运行。

## 开源雷达

### 周榜速递

周榜主要根据新增 Star 数进行排名，下面的单项目讲解则偏向新晋项目、实用老项目，标星并非单项目讲解的唯一指标：

![](https://developer.qcloudimg.com/http-save/yehe-12464096/1da3f6f4e654717ddf54d079d3e2ac00.png)

### Cognee：给 Coding Agent 加上长期记忆

Cognee 是一个开源 AI Memory 平台，可将文档和其他数据转换为自托管知识图谱，并结合向量检索与图关系推理，让 Agent 跨会话保存、检索和更新上下文。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/356e40af77fa19e2c4251d14dc49b549.gif)

项目提供 Codex CLI 和 Claude Code 插件，可自动记录 Prompt、工具调用和回答，在后续任务中召回相关信息，并将会话记忆同步为长期知识。

### Codex Security：用 Agent 扫描代码安全漏洞

OpenAI 开放了 Codex Security 的 CLI 和 TypeScript SDK，可用于发现、验证并修复代码中的安全漏洞。它支持扫描本地项目、保存和对比多次扫描结果，也可接入 CI 或通过容器批量扫描仓库。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/7675925d2f811a3ec3188176489432e0.png)

项目目前需要 Codex Security 访问权限，并建议账号先完成 Trusted Access 验证。

### Mole：在终端里清理和维护 Mac

Mole 是一款面向 macOS 的终端维护工具，集成系统清理、应用卸载、磁盘分析、性能监控和开发产物清理等功能。它不仅删除应用本体，还会查找缓存、配置、启动项等残留文件。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/3f21d52998304a817818db7bd66c9f42.png)

涉及删除操作的命令支持 `--dry-run` 预览，并提供路径保护、操作记录和白名单机制，降低误删风险。

### text-to-cad：给 Agent 补上 CAD 与机器人设计能力

text-to-cad 已扩展为一套面向 CAD、机器人和硬件设计的 Agent Skills。Agent 可以根据自然语言或图片创建、修改和预览 CAD 模型，并输出 STEP、STL、3MF、GLB 等格式。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/5051c1ad10f9849e1f03ac83a75669c2.gif)

项目还提供 DXF、G-code、URDF、SDF、SRDF 和零件检索等 Skills，可作为插件接入 Codex 和 Claude Code，将建模、仿真和制造交接串进 Agent 工作流。

### LobeHub：把多个 Agent 组织成一支 AI 团队

LobeHub 是一个多 Agent 工作平台，可集中创建、调度和管理不同 Agent，并通过 Agent Groups 让它们并行协作。平台还提供定时任务、项目空间、共享上下文和可编辑的个人记忆。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/20866830b99e41ed9429fc42c0b31057.gif)

它支持多模型、MCP 插件和上万种 Skills，也可通过 Docker、Vercel 等方式自行部署，适合搭建持续运行的个人或团队 Agent 工作台。

## 这周有事

「这周有事」收录本周值得记一下的行业动态、事故、融资、人员流动和基础设施变化。

### OpenAI 下一代模型 Astra 浮出水面

据 The Information 报道，OpenAI 正在测试代号为 Astra 的新模型，并已向华盛顿的政策制定者和监管人员进行演示。知情人士称，它重点强化长时间任务执行和多 Agent 协作，可用于项目级工作及高难数学问题；最终名称和发布时间尚未确定。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/00bd0e4277dbe6802d79048dd0fbf835.jpg)

8 月 1 日，OpenAI 随后在官方文章中正式使用了 Astra 这一名称，并将其称为“下一代主要模型”。OpenAI 表示，Astra 的内部版本已完成 10 项数学与理论计算机科学新结果，但尚未公布其产品形态、正式名称和上线时间。

### AlphaFold 独立团队被拆，成员分流至多个项目

据《金融时报》报道，Google DeepMind 的 AlphaFold 团队已不再作为独立团队存在，成员被分流至 Gemini、AI Coding、基因组研究、蛋白质与酶设计、核聚变及 Isomorphic Labs 等项目；AlphaFold 2 负责人、诺贝尔化学奖得主 John Jumper 也已加入 Anthropic。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/e971113dd9bdc910ed56f18289c19389.jpg)

Google 方面回应称，这并不意味着放弃 AlphaFold 或 AI for Science，而是将原团队积累的能力扩展到更多科学问题。更准确地说，AlphaFold 没被“砍掉”，但那支围绕单一难题长期攻坚的明星团队，确实已经被拆开了。

### Lilian Weng 重返 OpenAI，负责递归自我改进

因健康原因离开 Thinking Machines 后不久，联合创始人 Lilian Weng 重返 OpenAI。OpenAI 向 Business Insider 证实，她将领导一个聚焦“递归自我改进”（RSI）的团队，探索如何用 AI 加速模型研究、训练和评估。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/59bc41be6dde10d716f1bd08166b72bc.png)

值得注意的是，Lilian Weng 7 月初刚发布《Harness Engineering for Self-Improvement》，提出当前更现实的自我改进入口，可能不是让模型直接修改权重，而是持续优化规划、上下文、工具调用和工作流等 Harness。不到一个月，这个研究方向变成了她的新岗位。

### 贾扬清启动 Intent Lab，组建自主 Agent「舰队」

7 月 29 日，贾扬清宣布启动 Intent Lab，计划组建一支名为「Fleet」的自主 Agent 团队，把用户意图转化为可投入生产的软件系统。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/d8175a468a68c114ae0b11a7ba1033a8.png)

团队同步展示了首批早期成果，包括其宣称的最快 GLM-5.2 推理引擎、一次完成数据库搭建，以及经过完整验证的 Agent 文件系统。Intent Lab 希望让多个 Agent 接管从开发、测试到验证的工程流程，而不只是单独生成代码。

目前项目仍处于早期阶段，“最快推理引擎”等结论来自团队自身，仍需等待更完整的技术资料与第三方测试。

### 字节整合飞书、豆包与火山引擎，AI ToB 再提级

据《科创板日报》报道，字节跳动于 7 月 30 日启动 AI 业务组织调整：飞书产品团队与豆包产品团队在组织层面整合，成立新的豆包产品团队，由赵祺负责；原有飞书产品和服务保持不变，后续将与豆包加强生产力场景协作。

与此同时，飞书 GTM 团队与火山引擎团队整合，成立新的 ToB GTM 组织，统一负责 MaaS、SaaS 等云服务的市场、销售和客户服务。这次调整主要发生在组织与商业化体系层面，核心方向是加强豆包、飞书和火山引擎之间的协同。

这期的「周一上线」，一边是模型继续向多模态和机器人延伸，另一边是 Agent 开始从“会写代码”走向长期协作、完整交付和自我改进。

DeepSeek V4-Flash 正式版接入 Codex，OpenAI 新模型 Astra 浮出水面，Google DeepMind 明星团队被拆

本期「周一上线」聚焦AI两大演进方向：模型加速迈向多模态与机器人，Agent则从“写代码”升级为长期协作、端到端交付与自我改进。DeepSeek V4-Flash、MiniMax H3、Gemini Robotics 2等密集发布，OpenAI Astra、Lilian Weng的RSI团队、贾扬清Intent Lab齐探AI自主进化；行业层面，AlphaFold团队拆分

人工智能

新闻资讯

开发工具

本周AI领域动态频出：DeepSeek V4-Flash强化Agent能力，MiniMax H3实现多模态统一创作，Google推出Gemini Robotics 2机器人系统。OpenAI测试Astra新模型，AlphaFold团队重组，字节整合飞书与豆包团队。多模态模型、自主Agent和机器人技术成为行业焦点，AI产品边界持续扩展。

快速部署LLM、AI绘画等应用,助你玩转AIGC！


4核4G3M云服务器 新用户低至38元/年！

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

本周AI领域动态频出：DeepSeek V4-Flash强化Agent能力，MiniMax H3实现多模态统一创作，Google推出Gemini Robotics 2机器人系统。OpenAI测试Astra新模型，AlphaFold团队重组，字节整合飞书与豆包团队。多模态模型、自主Agent和机器人技术成为行业焦点，AI...

DeepSeek V4-Flash 正式版接入 Codex，OpenAI 新模型 Astra 浮出水面，Google DeepMind 明星团队被拆-腾讯云开发者社区-腾讯云

DeepSeek V4-Flash 正式版接入 Codex，OpenAI 新模型 Astra 浮出水面，Google DeepMind 明星团队被拆

DeepSeek V4-Flash 正式版接入 Codex，OpenAI 新模型 Astra 浮出水面，Google DeepMind 明星团队被拆

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐