Claude语音模式升级 支持更强大AI模型

Anthropic公司今日为Claude语音模式推出重大升级，首次加入 Opus 与 Sonnet 模型支持，并新增多项功能。此前语音模式仅限于Haiku模型，偏向即时回应而较少深层思考；现在付费用户可以在语音模式中享受更强大的模型能力，并在对话期间切换模型。

新版 Claude 语音模式已于 Anthropic 的移动端、桌面端及网页应用上线。用户可通过官方渠道了解详细操作方式。此次升级显著提升了 Claude 语音模式的实用性，尤其适合需要深度分析与多语言协作的场景。

—— 雅虎新闻、Techcrunch

via 风向旗参考快讯 - Telegram Channel

黑森林实验室放出 Flux3：首个原生生成音频的多模态基础模型，20 秒音画同步一次成型

德国人工智能初创公司黑森林实验室（Black Forest Labs）正式发布多模态基础模型 Flux3。它基于 Self-Flow 架构打造，配备专用的图像、视频、音频及动作编解码器，把对物理世界与数字环境的统一理解与生成揽到了一起。

最扎眼的一点是音视频同步。Flux3是首个支持原生音频生成的多模态模型，一次就能吐出长达20秒的音视频同步片段，能力覆盖文本、图像、视频转视频，基于关键帧的转场，以及多角色对话等。对一支模型来说，把"听得见"和"看得见"捏成同一套底座，意味着它不再只是图像或视频的单科选手。

早期测试里，在720p 分辨率、10秒片段的设置下，Flux3把 Luma Ray3.2按93% 的胜率压了下去，对 Runway Gen-4.5也有77% 的胜率优势;即便摆到 Seedance2.0与 Gemini Omni Flash 这类顶尖模型面前，它仍守住了微弱上风。

动作也被它伸进了现实。黑森林实验室联合 Mimic Robotics 开发了面向机器人领域的动作模型 Flux-mimic，目前已在奥迪工厂跑起了生产任务测试——多模态能力从屏幕里走到了产线上。发布节奏上，BFL 选择分阶段推进:Flux3Video 已经先上线，Flux3Image 与带开源权重的 "Flux3Dev" 也将在近期陆续放出。

via AI新闻资讯 (author: AI Base)

新晋菲尔兹奖得主IMO 满分天才 Tsimerman 官宣加入 OpenAI

当地时间7月23日上午，2026年国际数学家大会在费城开幕，本年度菲尔兹奖四位得主揭晓——邓煜、约翰·帕登、雅各布·齐默尔曼与王虹。其中邓煜、王虹成为菲尔兹奖自设立以来首批获此殊荣的中国籍数学家，写下历史一笔。而在这场数学界最高荣誉的发布会后，一位新科得主顺势宣布了自己人生的下一个方向:深耕 AI 安全，不久后入职 OpenAI。

这位是雅各布·齐默尔曼（Jacob Tsimerman）。他此番摘奖的核心资本，是把 o-极小性理论重塑为算术几何与复代数几何的基础研究工具，并成功证明多项学界核心猜想，包括格里菲斯周期图像的代数性猜想、西格尔模簇相关的安德烈-奥尔特猜想，为数论发展落下重笔。在赛后新闻发布会上，他对外表示将转向 AI 安全领域研究，并很快加入 OpenAI。消息一出，OpenAI 首席研究官马克·陈(Mark Chen)与前微软 AI 副总裁、现 OpenAI 研究员塞巴斯蒂安·布贝克(Sebastien Bubeck)均发声确认并表达欢迎。马克·陈评价，Tsimerman 拥有顶尖数学天赋，而他对待 AI 安全议题那份严谨审慎的态度与深刻独到的思考，同样令人钦佩。

Tsimerman 是加拿大籍数学家，主攻数论、算术几何与超越数论，长期在这些方向与模型论的交叉地带深耕。他1988年出生，少年时曾代表加拿大出征2003、2004两届国际数学奥林匹克（IMO），两度摘金，2004年更拿下一满分;本科就读多伦多大学，2011年获普林斯顿数学博士、师从数论名家彼得·萨纳克，此后在哈佛学者协会做博士后，自2014年起任教于多伦多大学数学系至今。一位 IMO 满分出身、把核心猜想一一攻破的数学家，转身扎进 AI 安全，OpenAI 这笔人才账，分量不轻。

via AI新闻资讯 (author: AI Base)

Claude 语音模式扩展至 Opus 与 Sonnet 模型

Anthropic 将 Claude 的语音模式从 Haiku 扩展至性能更强的 Opus 和 Sonnet 模型，并新增 Gmail、Slack、Canva 等第三方应用接入，可代用户执行把对话整理成提案、因火车晚点调整日程等操作。用户还能在对话中途自由切换文字与语音模式及不同模型。

公司表示，2025 年推出语音模式后，用户很快将其用于解决实际业务问题，而 Haiku 难以胜任深度对话。此外，语音模式正式新增法语、德语、西班牙语、印地语、印尼语、意大利语、日语、韩语和葡萄牙语支持，此前非英语语言仅限测试版。

The Verge

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Google Q2 资本开支翻番破纪录：449 亿美元砸向 AI 基建，云业务利润率几乎翻倍

谷歌的算力账单，正在以惊人的斜率往上爬。Alphabet 第二季度财报显示，资本支出同比暴涨100%，冲到创纪录的449.2亿美元，按这个节奏年化，全年支出已逼近1800亿美元。而真正的故事，是这笔钱背后那台越转越快的赚钱机器。

二季度谷歌营收同比增长24%，达到1198亿美元，高于分析师预估的约1169亿美元;最亮眼的仍是 Google Cloud——营收飙升82% 至248亿美元，运营利润率近乎翻倍到35.6%，积压订单目前堆到了5140亿美元。Gemini 也交出了进展:月活用户达到9.5亿，模型 API 每分钟处理的 token 量高达220亿。云业务一边接住海量需求，一边把利润空间撑开，正是谷歌敢把资本开支翻倍的直接底气。

这股 AI 基建的洪流远不止谷歌一家。摩根士丹利预测，超大规模云服务商的资本支出将从2026年的约8000亿美元，跳到2027年的1.2万亿美元;高盛研究则估计2026年为7650亿美元，到2031年达1.6万亿美元。麦肯锡的口径更夸张——到2030年相关资本支出总额6.7万亿美元，其中单是面向 AI 的数据中心就要吞下5.2万亿。当一家公司的季度capex能同比翻番、而云利润率同步翻倍，它赌的显然不是一两个季度的回报，而是一整轮由 AI 重写的基础设施周期。

via AI新闻资讯 (author: AI Base)

ChatGPT桌面应用上线语音模式：口述需求AI多线程干活，冲杯咖啡的功夫会议纪要就备好了

OpenAI发布公告，宣布升级ChatGPT桌面应用（已与Codex合体），引入由GPT-Live模型驱动的ChatGPT Voice语音模式。用户可在聊天、办公和编程三个板块中，通过语音发起、检查或调整任务，实现多线程工作协同。

全双工语音加持，边聊边干活

在发展历程上，OpenAI于 2024 年首次为ChatGPT引入语音识别功能，随后持续加码语音技术。最新发布的GPT-Live模型实现了全双工语音，可同时聆听与说话，让AI对话感觉更接近真人交流。OpenAI在声明中表示："我们正朝着AI愿景前行，未来用户只需口述需求，ChatGPT就能根据你的思路快速推进多项任务。"

ChatGPT Voice支持用户从单一对话中启动多个工作流程，并在智能体后台完成任务时继续交谈。以规划一次商务旅行为例，用户可以要求ChatGPT检查日历查找冲突、梳理收件箱查看航班是否有变更，并准备会议记录，所有这些都是在"用户冲咖啡或做其他事情时"完成的。这意味着AI不再只是你问一句答一句的工具，而是能真正接管你的多任务工作流，让语音交互从简单的对话迈向高效的智能体协同。

via AI新闻资讯 (author: AI Base)

🤖 OpenAI 向全美用户开放 ChatGPT Health 健康功能

OpenAI 于 2026 年 7 月 23 日宣布，向所有 18 岁以上美国用户开放 ChatGPT Health 功能，覆盖免费到 Pro 的全部订阅计划。用户可整合 Apple Health、MyFitnessPal 等健康数据，以及 Epic、Oracle Health 等医疗记录，并在所有对话中调用这些信息。公司称每周健康查询已达 3 亿次，测试期间 70% 的此类查询发生在专属健康中心之外。

TechCrunch

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

Claude 语音模式终于用上 Opus 了：从"随口问答"升级成能调工具、换语言的实时参谋

via AI新闻资讯 (author: AI Base)

Telegraph

Claude 语音模式终于用上 Opus 了：从"随口问答"升级成能调工具、换语言的实时参谋

有些难题，光靠打字是解不开的。Anthropic 今天给 Claude 语音模式动了一次关键升级——它不再只跑轻量级的 Haiku，而是能运行在 Claude Opus、Claude Sonnet 和 Claude Haiku 三档模型上，同时接上了 Gmail、Slack 这类已连接的工具，并把支持语言扩到了更多。 这步升级有来由。今年早些时候 Claude 加了免提对话后，人们很快把语音模式用到了更复杂的场景:更长的会话里，靠说话而非打字去啃真实的业务问题。但那会儿语音模式只跑 Haiku，选它是为…

德国黑森林实验室发布Flux3 多模态模型：原生音频生成， 20 秒音视频同步输出

德国AI初创公司黑森林实验室正式发布多模态基础模型Flux3。该模型基于Self-Flow架构打造，配备专用的图像、视频、音频及动作编解码器，实现了对物理与数字环境的统一理解与生成。

性能碾压Luma与Runway，对标顶尖模型

作为首款支持原生音频生成的模型，Flux3 可一次性输出长达 20 秒的音视频同步片段，并涵盖文本/图像/视频转视频、基于关键帧的转场及多语言对话等功能。在720p分辨率、 10 秒片段的早期测试中，Flux3 性能以93%胜率超越Luma Ray3.2，以77%胜率碾压Runway Gen-4.5，并在与Seedance2. 0 及Gemini Omni Flash等顶尖模型的对标中保持微弱优势。

进军机器人领域，分阶段推出策略

公司联合Mimic Robotics开发了适用于机器人领域的视频动作模型Flux-mimic，目前已在奥迪工厂开展生产任务测试，将AI能力从纯数字世界延伸到实体制造场景。BFL采取分阶段推出策略，Flux3 Video现已上线，Flux3 Image与开源权重的"Flux3 Dev"也将在近期陆续发布。

via AI新闻资讯 (author: AI Base)

腾讯甩出 WorkBuddy Bench：一套把代码、网页、办公、安全全装进来的编码智能体考场

via AI新闻资讯 (author: AI Base)

Telegraph

腾讯甩出 WorkBuddy Bench：一套把代码、网页、办公、安全全装进来的编码智能体考场

评测编码智能体，过去总在几块割裂的场子里打转——修 bug 的看 SWE-bench，做前端的看 Design2Code，生产环境的基准又多半关着门不让外人审计。腾讯这次把四块拼到一处，端出一个叫 WorkBuddy Bench 的多领域评测套件，论文已挂在 arXiv 上。它最较劲的地方不在于题多，而在于这些题从根上就防着"背答案"。 整套基准横跨四个工作领域:代码（仓库级软件工程）、网页(前端制品)、办公(多文件业务流程)和安全(红蓝队)。规模分别是80、70、50、60个任务，合计260道。关键点…

ChatGPT 桌面端装上了"真人口吻"：GPT-Live 语音上线，你说话它就在后台干活

OpenAI 今天给 ChatGPT 桌面应用动了一刀大升级——这个已经和 Codex 合体的客户端，正式引入了由 GPT-Live 模型驱动的 ChatGPT Voice 语音模式。新版里，用户可以在聊天（Chat）、办公(Work)和编程(Codex)三个板块里，直接用语音发起、检查或调整任务，把多线程工作协同这件事，从敲键盘挪到了动嘴皮。

这条线的由来并不短。OpenAI 在2024年首次给 ChatGPT 加上语音识别，随后一路猛攻语音技术，直到最新发布的 GPT-Live 模型，才真正把全双工能力跑通——它能一边聆听、一边说话，让 AI 对话的体感更贴近真人。OpenAI 在声明里把愿景说得很直白:未来用户只需口述需求，ChatGPT 就能顺着你的思路，快速推进多项任务。

新语音模式最关键的本事，是支持用户从单一对话里启动多个工作流程，并且在智能体后台默默把任务跑完的同时，你还能继续跟它聊。OpenAI 拿规划一次商务旅行举了例:你可以让 ChatGPT 去翻日历查冲突、扫收件箱看航班有没有变、顺手把会议记录准备好——而这一切，都发生在"你冲咖啡或者干别的"的工夫里。比起单纯把语音当输入框，这种"你说话、它办事、彼此不耽误"的交互，正是 GPT-Live 想拉开差距的地方。

via AI新闻资讯 (author: AI Base)