8月20日，OpenAI以Apache-2.0许可开源「Codex Harness」，它是支撑AI智能体运行的底层执行系统，可显著提升模型表现、降低token消耗，包含CLI工具、Codex SDK、app-server三大组件，支持开发者将Agent能力直接嵌入自有业务系统，不用依赖通用聊天框，开发者掌握界面、数据、审批安全控制权，已在税务、思科云平台、物流看板等场景落地，推动原生AI应用发展，

本周海内外AI产品集中发布，海外OpenAI、xAI、Meta、NVIDIA持续迭代大模型与智能体产品，国内阿里、DeepSeek、智谱、小红书、腾讯等接连开源语音、超大参数基座、Agent开发框架与多模态生成工具，各家普遍加码长任务AI智能体能力，开源生态、本地离线推理、AI内容合规溯源成为近期行业核心方向，一起来回顾本周发生的AI新鲜事儿吧！

8月5日，美图正式发布全新AI影像生产线平台「MeituHub」，针对企业各类AI工具分散、影像物料规模化生产效率低的痛点，整合美图全栈影像技术，企业无需复杂开发，仅通过自然语言就能搭建专属自动化、可复用视觉工作流，可生成独立Web应用，也能借助API、CLI、AI Agent嵌入企业现有业务系统实现深度融合，同时提供专业团队全程参与的工作流定制服务，目前面向电商、营销、教育、游戏等行业开放企业工

8月5日，美图正式发布全新AI影像生产线平台「MeituHub」，针对企业各类AI工具分散、影像物料规模化生产效率低的痛点，整合美图全栈影像技术，企业无需复杂开发，仅通过自然语言就能搭建专属自动化、可复用视觉工作流，可生成独立Web应用，也能借助API、CLI、AI Agent嵌入企业现有业务系统实现深度融合，同时提供专业团队全程参与的工作流定制服务，目前面向电商、营销、教育、游戏等行业开放企业工

🚀「DeepSeek-V4」凭借全新稀疏注意力机制与结构创新，实现1M超长上下文全场景标配，在Agent能力、世界知识、推理性能三大维度全面领跑国内与开源领域，带来更低计算显存消耗、更高长文处理效率的普惠体验。「DeepSeek-V4-Pro」：1.6T总参数、49B激活参数，推理性能比肩顶级闭源模型，世界知识、数学与STEM推理、复杂Agent编码均达开源最优水平，适配专家级复杂任务。💻本次

本周全球AI领域迎来集中发布，国内外企业与科研机构在大模型、AI Agent、工具及底层技术上密集突破：微软、Meta、字节、腾讯、智谱、通义等相继推出多模态、视频、语音、具身智能等多款新模型，性能与场景化能力显著提升；OpenClaw、QQ浏览器、Anthropic等发布多款智能体产品，推进多Agent协作与企业级落地；Cursor、微信支付、MiniMax等推出AI开发与应用工具，简化开发流程

4月16日，腾讯混元正式发布并开源「混元3D世界模型2.0」（HY-World 2.0），这是可通过文字、图片、视频多模态输入自动生成、重建与模拟3D世界的多模态模型，能输出可二次编辑的Mesh、3DGS等3D资产，无缝对接Unity、UE等游戏引擎与工作流，支持角色漫游与物理碰撞，还可基于视频或多视角图片构建高精度数字孪生空间，其架构全面升级，大幅提升画面精细度与真实感，已开放体验申请并同步开源

支持全场景感知，能伴随理解网页、文件、知识库等当前内容，无需额外上传即可处理；4月28日，NVIDIA推出全新多模态推理模型「Nemotron 3 Nano Omni」，该模型为单一统一架构，可处理文本、视觉、语音、视频、文档等多模态输入并以文本输出，采用融合Mamba与Transformer的混合型MoE架构，能动态激活专家网络，吞吐量达同类开放模型9倍，内存与计算效率最高提升4倍，在多项权威榜

7月31日，阿里发布「Qwen-Audio-3.0-ASR」系列语音识别模型，包含长音频Flash、离线Filetrans、实时Streaming三个版本并上线阿里云百炼，核心升级上下文记忆、原生行业词汇识别、分级热词定制、内置语音润色、30语种混合识别五大能力，长音频可依托前文语义减少同音与术语误判，多行业专业词识别表现优异，自定义热词识别率超90%，识别环节可自动剔除语气词、梳理口语为规范书面

本周AI领域密集发布新成果，阶跃星辰、面壁智能、蚂蚁百灵、Jina AI先后发布实时语音、端侧多模态、万亿思考、全模态向量四大新模型；AI应用端，阿里、腾讯、Google、MiniMax、OpenAI等密集落地智能购物、办公、交互、开发等Agent与工具新功能；同时AI训练范式、评测基准、市场格局也迎来新突破与变化，一起来回顾本周发生的AI新鲜事儿吧！阶跃星辰正式发布新一代实时语音大模型「Step