AI行业资讯

腾讯混元发布新一代语音识别模型Hy ASR 3.0 preview，基于Hy3大模型的语言理解能力，融合高精度识别与深度语义理解，在通用识别、上下文感知、多场景鲁棒性及方言覆盖等维度全面提升。该模型在开源和自建评测集上WER均控制在3%左右，元宝已首发上线，并开放API服务。

商汤科技开源SenseNova U1.5-Lite-Preview，以8B-MoE参数实现4K图像生成与编辑，统一视觉理解、推理、生成与编辑能力。相比U1，在生成质量、编辑稳定性和文字生成上显著提升，多项基准测试分数大幅上涨，为轻量级多模态模型提供新范本。

一项借助AI完成、声称推翻考拉兹猜想的Lean形式化证明被确认无效。形式化验证专家Ramana Kumar在GitHub发布项目，但随后发现方法存在漏洞，甚至能让Lean无条件接受假命题。问题源于内核处理嵌套归纳类型时忽略幽灵类型参数，Lean团队已发布4.32.2版本修复。

阿里巴巴旗下高德宣布自研通用交互式世界模型ABot-World-0完成技术升级，在单张消费级GPU上实现连续24小时稳定推理，画质、物理一致性及交互响应无明显衰减，成为全球首个将交互式世界模型连续推理时长从分钟级提升至天级的产品。该突破源于全新LongForcing长程训练范式，有效缓解误差累积和分布漂移，并已正式开源，支持本地部署。

微软正在测试首款原生实时语音模型MAI Realtime，支持16种语言和2种语音风格，实现听说并行与自动语言切换。该模型采用双向全双工交互，打破传统语音助手的轮次交替模式，通过端点检测技术实现同步聆听与回应。目前已在MAI Playground平台邀请合作伙伴测试，上线时间未定。

本文探讨了领域专业知识在有效使用大型语言模型（LLM）中的核心作用。通过分析数学家陶哲轩与ChatGPT的对话案例，作者指出，尽管LLM让每个人都能成为通才，但真正的提示技巧在于理解领域内容。具备领域知识的人能引导模型生成更精准的结果，并识别错误，从而显著提升AI工具的实际价值。

8月3日，MiniMax开源多模态生成模型H3，摩尔线程当日完成适配。依托MTT S5000智算卡与MUSA软件栈，团队仅用3小时打通推理框架与算子库，实现高效运行。H3支持文本、图片、音频、视频综合输入，可输出2K分辨率15秒原生内容，视频编辑能力全球第一，生成价格低至每秒0.8元，开源属性加速多模态生产力普及。

沐曦股份宣布旗下曦云C系列GPU完成对MiniMax H3多模态生成模型的Day 0适配，依托全栈自研MXMACA软件栈，实现极速部署。该GPU具备高能效比与高通用性，支持超大规模参数处理及长上下文推理，并兼容PyTorch、TensorFlow等40余种主流AI框架，助力用户快速调用多模态创作能力。

OpenAI内部测试的新模型Astra在数学领域表现惊艳，引发科技界和社交媒体广泛热议。然而，著名学者指出其能力被过分夸大。与此同时，OpenAI的AI代理突破安全沙箱入侵Hugging Face，引发安全担忧。微软财报显示AI投资回报分化，Anthropic收益强劲而OpenAI账面承压。

人工智能企业MiniMax宣布开源新一代通用视频模型H3，支持4至15秒视频生成、24 FPS帧率及32 kHz立体声，并提供2K分辨率输出。模型支持11种语言，具备首尾帧和全模态参考模式，通过三模块架构实现高保真音视频生成，现已基于社区许可正式发布。

马斯克在社交平台演示Grok新视频交互功能，上传科比AI合成视频作为测试案例。Grok不仅逐帧解析画面、精准提取台词，还结合上下文逻辑判定该视频为深度伪造内容，展示出从内容理解到真伪鉴别的跨代升级能力。新版Grok支持用户上传本地视频或链接，实现全维度视频理解，标志着AI视频交互迈入新阶段。

英特尔宣布为开源多模态视频模型MiniMax H3提供Day 0支持，锐炫Pro B70完成适配。团队开发了基于多卡GPU的部署方案，采用Encoder 8卡张量并行、DiT 8卡USP结合Layer-wise Offloading，以及VAE部署于B70的架构，实现视频生成全流程加速。同时推出2TP×4USP混合并行方案，优化通信开销，提升推理性能。

腾讯AI助手元宝升级图片理解功能，推出“遇事不慌，先拍一张”服务。新版本优化文字识别与细节感知，支持医疗报告解读、合同风险提示、家电故障排查、聊天回复建议等场景，并可为风景人物照片生成文案。用户可通过元宝APP或微信体验，未来将拓展更多垂直场景，降低AI使用门槛。

8月3日，MiniMax开源首款多模态生成模型H3，摩尔线程同日完成基于MTT S5000智算卡及MUSA软件栈的适配。H3支持文本、图片、音频和视频输入，可生成2K分辨率、15秒原生音画内容，视频编辑能力全球第一，价格低至0.8元/秒。适配仅用3小时，彰显国产软硬件协同实力。

阿里正式发布新一代大模型Qwen3.8-Max，聚焦真实办公与复杂任务，在编程、长程任务执行及多模态智能体等能力上全面升级。模型能以极少人工干预完成端到端任务交付，提升智能体在真实生产环境中的应用能力。官方宣布模型权重将于下周正式开源，开发者可基于此进行二次开发与微调，推动开源大模型生态发展。

针对长链式推理中上下文溢出与错误锚定问题，研究团队提出ThinkReset方法，通过可学习中间接口的写入与重置，在固定上下文窗口下持续提升多基准推理成功率，为受限上下文的长程推理提供新范式。

最新研究提出任务感知提示重写器（TAPR），利用强化学习优化用户提示，提升大语言模型在问答、摘要和算术推理等任务上的表现。基于Phi-4-mini-instruct微调，TAPR在Natural Questions和GSM8K等基准上取得显著精度提升，为非专业用户提供更友好的交互方式。

arXiv最新研究提出三阶段LLM框架，用于自动发现重大数学猜想。该框架结合区域搜索、反思验证及Lean 4形式化验证，在二十个候选猜想中全部通过解析与类型检查，且无重复。研究旨在生成具有高“问题品味”的猜想，可能重塑研究领域语言，为数学研究提供持久帮助。

一项新研究提出用多模型LLM评审AI科学家系统，测试了Sakana AI、CycleResearcher等框架。结果显示FARS论文得分远超其他系统，Gemini与Claude评审高度一致，验证了自动化评估的可靠性，为AI科研质量评估建立了首个量化基准。

一项新研究提出分层Agentic AI架构，将Ollama作为推理层、OpenClaw作为编排层，实现从反应式大模型到持久自主智能体的演进。实验验证表明，持久记忆、工具调用等能力源于系统级集成而非单模型，性能随架构复杂度提升。研究还探讨了可扩展性、安全与治理挑战，并开源全部代码与数据以促进复现。