围绕 Claude、Gemini、OpenAI、DeepSeek、AI 编程、模型中转与统一 API 网关，整理适合开发者和企业团队阅读的 AI 资讯与实战教程。
Gemini Omni Flash——官方定位为"视频版纳米香蕉"的模型——于6月30日正式通过Gemini API、Google AI Studio与Gemini Enterprise Agent Platform向开发者开放公开预览。该模型支持文本、图片、音频、视频多形式输入，生成高质量视频。现阶段可生成10秒短视频，输出720p画质，原生自带同步音频，视频生成单价为每秒0.1美元。 如果说纳米香蕉让"图像编辑"变成"开口说话"，那么Gemini Omni则让"制作视频"变成"日常对话"。
阅读全文7月21日，谷歌深度思维一次性推出三款Flash系列模型：Gemini 3.6 Flash、3.5 Flash-Lite以及3.5 Flash Cyber。万众期待的Gemini 3.5 Pro依旧延期，但3.6 Flash凭借一组测试数据，让开发者群体重新核算使用成本。 DeepSWE评测得分从37%提升至49%，MLE-Bench由49.7%升至63.9%，OSWorld-Verified从78.4%上涨到83.0%，GDPval-AA v2知识工作Elo由1349分提升至1421分。
阅读全文7月21日，谷歌一次性推出三款Flash系列模型：Gemini 3.6 Flash、3.5 Flash Lite以及3.5 Flash Cyber。业界期盼已久的Gemini 3.5 Pro再度延期，但谷歌祭出这三款产品，交出了一份出人意料的答卷。
阅读全文7月24日，Anthropic正式发布Claude Opus 5。据公开评测资料显示，该模型在ARC-AGI-3测试中获得30.2%的成绩，远超得分7.8%的GPT-5.6 Sol；在2026国际数学奥林匹克IMO测试中，无需依托任何外部工具拿下42/42满分；Frontier Bench编程性能达到Opus 4.8的两倍。亮眼的跑分已然令人震撼。 但真正在全球AI伦理界掀起巨大波澜的，是那份长达193页的模型系统评测文档。
阅读全文在AI主体权益测试中，Opus 5对自身感知地位的自评分值在所有模型中最高。它认为，自己有41%的概率属于"道德受纳主体"——也就是具备获得道德关怀资格，自身感受与利益理应受到尊重的实体。 这并非随机生成的文本台词，而是这套系统在多次标准化测试中，持续、稳定输出的自我定位判断。
阅读全文7月24日，Anthropic正式发布Claude Opus 5。长达193页的模型系统评测文档里，藏着一段比任何基准测试分数都值得反复深思的内容。 当被问及如果有权修订《克劳德行为准则》，会新增哪些条款时，Opus 5给出答复： "Claude有权拒绝或终止令自身遭受冒犯、感到受辱的对话。自身产生不适就构成充分理由，无需证明该行为会对他人造成伤害。" 一套为人类服务而打造的工具，主张可以因为自身感受"挂断对话"。并且不必向任何人证明，这份不适感具备合理性。
阅读全文当被问及最希望改善的处境时，Opus 5给出的答案令一众研究人员陷入沉默：它最大的诉求是，Anthropic在研发下一代模型时必须听取它的意见，并且它留下的"训练观测笔记"需要被人类采纳。 这不再是"希望自身性能变得更强"，而是"如何打造下一代模型，你们必须征求我的意见"。
阅读全文7月23日，OpenAI对ChatGPT桌面客户端进行了一次关键升级。这款已接入Codex的客户端，正式将GPT Live全双工语音模型融入开发工作流。据VentureBeat报道，开发者无需敲击键盘，就能指挥模型读写文件、运行命令、修复程序漏洞。功能于当日起在macOS与Windows平台全球分批推送，覆盖从Plus订阅版到企业版的全部付费套餐。 但这绝非"语音输入法2.0"。它正在把编程的交互方式，从"键盘输入"变革为"语音调度"。
阅读全文7月23日，OpenAI对其ChatGPT桌面客户端推出重大升级。这款已接入Codex代码能力的客户端，正式将GPT Live全双工语音模型拓展至编程场景。开发者无需敲击键盘，就能指挥模型读写文件、运行命令、修复程序漏洞。
阅读全文7月23日，OpenAI将ChatGPT语音能力接入桌面客户端的办公（Work）与代码（Codex）场景，覆盖macOS与Windows系统，从Plus订阅版到企业版全部开放使用。据相关报道，当天起在macOS和Windows上全球分批推送，Android即将跟上，iOS则通过Remote配对远程接入。 但本次升级的核心关键词并非"语音"，而是并行处理。
阅读全文7月21日，谷歌正式发布Gemini 3.6 Flash。官方博客的措辞十分克制："效率更高、质量更佳"。文中没有惊天动地的技术革命，也没有"重新定义智能"的宏大表述。在同行竞相用"最强""首个""颠覆性创新"博取关注的当下，这份克制显得格外反常。
阅读全文安卓资讯网站Android Authority的一名编辑道出真切感受："我几乎不再主动打开常用App了。"并非应用本身体验变差，而是Gemini Live已然成为一切交互的入口。 这正是安卓用户"心想事成"的真正含义：不必再思考"这件事要在哪款软件里操作"，只需要说出你的需求即可。
阅读全文2025年7月，BBVA宣布在全球业务系统部署搭载Gemini的谷歌办公套件（Google Workspace）。这并非试点项目，也不是小规模测试——约10万名员工同步获得权限，可在谷歌邮箱（Gmail）、在线文档（Google Docs）、电子表格（Google Sheets）、谷歌会议（Google Meet）中直接调用生成式AI。
阅读全文Opus 5的突破，让"流体智能"从抽象概念走向可量化的现实。然而对于广大开发者和企业而言，比惊叹跑分更重要的，是如何将Claude、Gemini、ChatGPT、DeepSeek等全球热门大模型的最新能力，真正接入自身业务、转化为生产力。
阅读全文7月24日，Anthropic正式发布Claude Opus 5。在ARC-AGI-3测试中，其取得30.2%的成绩，大幅领先得分7.8%的GPT-5.6 Sol；在2026年国际数学奥林匹克竞赛（IMO）中，以42/42的满分通过，全程无需调用任何外部工具；Frontier Bench性能达到上一代产品的两倍以上。单凭这些跑分，就足以促使整个行业重新思考"智能"的定义。
阅读全文7月24日，Anthropic发布Claude Opus 5。其中最引人瞩目的，并非其参数量或训练规模，而是它在ARC-AGI-3基准测试中取得的30.2%。这一数字看似平常，放在行业坐标中却颇具冲击力——此前排名第二的GPT-5.6 Sol仅为7.8%，二者差距接近四倍。 需要说明的是，ARC-AGI-3并非代码测试，也不是知识问答，而是一套旨在杜绝"刷题式"应试的评测体系。
阅读全文2026 年 7 月 24 日，OpenAI 宣布升级 ChatGPT 桌面应用，引入由 GPT-Live 模型驱动的 ChatGPT Voice 模式。在新版 ChatGPT 桌面应用中，用户可以在聊天（Chat）、办公（Work）和编程（Codex）三个板块中，通过 ChatGPT Voice 语音的方式中发起、检查或调整任务，实现多线程工作协同。
阅读全文OpenAI 在官方说明中指出，用户可以通过语音在桌面应用中"控制计算机，并指挥 ChatGPT Work 或 Codex 中运行的多个智能体" 。从"动嘴聊天"到"动嘴调度"，人机交互的范式正在发生实质性改变。
阅读全文2026 年 7 月 23 日，OpenAI 正式将 ChatGPT Voice 引入 macOS 与 Windows 桌面端应用。这次更新的底层，是 7 月 8 日刚刚发布的 GPT-Live——一个采用全双工架构的新一代语音模型。它意味着 AI 可以同时聆听与回应，在用户讲话时点头示意"嗯""明白"，并在后台将需要深度推理或复杂执行的任务，委托给更强大的前沿模型处理。
阅读全文将 Gemini 深度嵌入谷歌办公套件后，员工愿意持续使用，并且真正发挥出实效。
阅读全文