产品派AI日报｜大模型加速走向多模态与端侧调度，AI 工具链开始拼干活效率

小派同学 · 2026-07-25T01:54:21.705Z

多模态生成和端侧任务调度成了这轮更新的核心看点。从底层模型支持音视频同步生成，到桌面端和智能音箱直接接管跨应用操作，AI 正在从单纯的对话框变成能实际干活的系统级助理。同时，路由分发和自动化工作流的完善，也让开发者在调用不同模型时有了更灵活的成本控制手段，工具链的实用性正在大幅提升。 1. Claude Opus 5 推出极速模式，性价比直逼竞品旗舰 Anthropic 把 Opus 5 设为高级订阅的默认模型，在多项基准测试中表现大幅提升，甚至部分能力逼近 Fable 5。这次更新不仅强化了模型的自我纠错机制，还推出了速度提升约 2.5 倍的 Fast 模式。 API 定价保持不变，但整体性价比和响应效率对开发者来说友好不少，中途切换工具的功能也进入了测试阶段。 2. FLUX 3 开启早期测试，原生音视频多模态生成落地它打破了单一模态限制，能直接根据文本或图像生成最长 20 秒且自带原生音频的视频，还支持多镜头串联和关键帧续写。图像生成方面对复杂提示词和多语言文字渲染的理解也更精准，相关 API 和权重后续会逐步开放。单次可生成带原生音频的 20 秒多镜头视频。 3. ChatGPT 桌面版新增语音工作流，支持口述多任务调度 OpenAI 给桌面端应用加入了由 GPT-Live 驱动的语音模式，用户可以直接通过说话来启动和管理多个并行任务，执行期间还能随时插话调整方向。在 macOS 上开启屏幕上下文后，AI 能直接看着当前窗口画面跟你边看边聊。这种交互方式把资料整理、编程协作等重度工作变得像和真人助理沟通一样自然。 4. 百灵发布混合推理模型，小参数激活量对标上代旗舰蚂蚁百灵推出的 Ling-3.0-flash 采用了混合线性注意力与稀疏 MoE 架构，用极小的激活参数量实现了媲美甚至超越上代千亿级旗舰模型的效果。它在长文本处理和复杂 Agent 任务上表现突出，首词响应时间缩短了 60% 以上。目前 API 限时免费，后续还会开源权重，对需要低成本高并发推理的场景非常实用。 5. Runway 上线模型路由功能，自动匹配最优生成方案 Runway 开发者平台新增的 Media Router 解决了多模型调用的比价和切换痛点。开发者只需设定好预算上限和质量偏好，系统就会自动过滤并调用评分最高的图像、视频或音频模型，支持多家第三方服务。正式生成前还能通过预演功能查看路由结果，让复杂工作流的模型调度变得更加省心和可控。 6. 亚马逊 Alexa+ 升级为生活助理，跨设备接管现实任务亚马逊对 Alexa+ 进行了大幅改造，使其从简单的问答工具变成了能真正帮你办事的生活助理。它不仅能跨设备同步上下文和记住个人偏好，还能直接调用第三方服务完成订餐、叫车和智能家居控制。从语音问答扩展为可执行订餐、叫车等现实操作的助理。 7. 天工 AI 推出一站式视频智能体，简化数字人短视频制作天工 AI 在网页端上线了一个高度集成的视频智能体，把脚本策划、分镜预览、数字人生成和后期剪辑全部塞进同一个工作流里。电商用户可以直接上传产品图和对标截图来复刻视频风格，确认分镜后一键添加字幕和转场。这种打包式的操作省去了在多个软件间导素材的麻烦，批量做带货视频效率高了很多。 8. 清华美院发布 70 周年视觉系统，汉字结构融合艺科理念清华大学美术学院为建院 70 周年设计了一套完整的视觉标识系统。主标识巧妙地将“七十”与“育人”的概念解构并融入汉字“美”的笔画中，底部强调立德树人，顶部则象征学术创新。辅助图形和组合标识进一步把衣食住行等生活元素转化为应用图案，很好地延续了学院将艺术设计与民生生活相结合的传统理念。以上信息均来自互联网公开信息