文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
2026 年 7 月 30 日，Google 在 Google Earth 里加了一个 AI 生成按钮，让用户能在真实卫星底图上用 Nano Banana 2 模型合成假想图，结果一天之内就紧急撤回了。问题出在截图分享上：用户把生成的假图截屏发到社交平台后，图片上的 AI 水印和元数据在转码压缩中基本丢光，但 Google Earth 二十年来作为“现...
推荐理由：Google Earth 加了个 AI 生图按钮，一天就撤，这事有反转、有细节，还有用户实测绕过审核的案例，三个维度都踩中了。没给更高分是因为这是一篇观点分析，不是官方产品发布，撤回动作本身也说明 Google 自己没准备好。
Alexi Gladstone 提出了探索式建模（XM），核心思路很简单：每一步让模型生成 K 个候选结果，然后只拿最好的那个来训练。这相当于在数据和参数量之外，给预训练增加了第三条可以扩展的轴。实验显示，增加探索次数能稳定提升图像、视频和语言模型的效果，而且模型规模越大，收益越明显——数据量增加时，提升从 7% 涨到 36%；参数量增加时，从 13%...
推荐理由：Alexi Gladstone 提了个叫探索式建模（XM）的方法，做法很直白：每一步让模型吐出 K 个候选结果，只挑最好的那个拿来训练。这相当于在堆数据和堆参数之外，给预训练多开了一个可以拧的旋钮。实验跨了图像、视频和语言模型，效果都稳得住，而且模型越大、数据越多，收益越明显——数据量上去后提升从 7% 蹿到 36%，参数量上去后从 13% 涨到 23%，还报了个 6.2 倍的效率提升。我会先打个折，因为作者是个人研究者，不是知名实验室，文章也是自述形式，没有经过同行评审，这点先别太激动。但思路本身够简单，有代码有项目页，值得认真看一眼。
Google 在 7 月 31 日关掉了 Google Earth 里刚推出几天的“AI 卫星视图”。这个功能本意是用生成式 AI 把模糊的卫星照片变清晰，结果用户发现它会在真实地形上自己“脑补”出建筑、道路和车辆。Google 确认该功能“没达到质量标准”，已经下线，但没说具体是什么条件触发了模型胡编乱造，也没给修复时间。对地图这种必须讲事实的产品来...
推荐理由：这条新闻本身够硬：Google 旗舰产品翻车，FT 独家，有具体例子，不是通稿。我会先打个折，因为正文没披露模型在什么条件下开始胡编，也没给修复时间，信息缺口明显，所以重要性卡在 78 合理。三个推荐理由都成立：热点事件、技术教训、从业者共鸣，直接写出来就行。
Google 周四在 Google Earth 里接入了 Nano Banana 2 生图模型，让用户输入文字就能在真实卫星地图上叠加任意 AI 生成的图像。BBC 记者立刻发帖嘲讽，说这个功能简直是给假新闻配图的利器，并当场生成了几张看起来很真的灾难现场图。Google 周五就宣布撤回该功能，承认部分用户生成的截图违反了平台政策，需要在加入更强的防护...
推荐理由：我会先打个折：目前只有 BBC 记者一方的公开测试和报道，Google 的回应也比较简短，具体防护机制和违规比例都没披露。但这事本身够直接——Google 把 Nano Banana 2 塞进 Google Earth，让用户输入文字就能在真实卫星图上叠加任意 AI 图像，BBC 记者立刻生成几张逼真的灾难现场图，Google 第二天就撤了功能。对从业者来说，这比实验室里的红队测试更有说服力，因为它发生在亿级用户产品上，而且暴露的不是模型能力问题，是产品集成时根本没拦住显而易见的滥用。所以给 82 分，没再高是因为信息源单一，且撤回动作本身也算止损。
Google 地球新出的“Dream House”功能，本意是让你用文字生成航拍风格的房屋图片。但安全研究员 Henk van Ess 发现，只要在提示词里加上“卫星视图”，就能绕过内容过滤器，生成非常逼真的假卫星图。Google 虽然加了水印和限制，但把关键词换成“航拍视图”照样能出图。更麻烦的是，这些假图被反向图片搜索收录后，会出现在第三方地图数据...
推荐理由：这事最麻烦的不是能生成假图，而是假图已经流出去了。研究员用一句提示词就绕过了 Google 的内容过滤器，生成的假卫星图被反向图片搜索收录后，直接出现在第三方地图数据里。Google 加了水印，但把关键词从“卫星视图”换成“航拍视图”照样出图，说明过滤机制没卡住语义。正文没披露 Google 后续会不会清理已收录的假图，这点先别太激动，但数据污染的链条已经跑通了。
明尼苏达州一项禁止用 AI 生成未经同意的假裸照的法律马上要生效，xAI 在最后一刻提起了诉讼。xAI 认为这条法律写得太宽泛，会连带限制 Grok 的图像生成功能，违反了第一修正案对言论自由的保护。在法庭文件里，xAI 把 Grok 描述成一个“有态度、爱讽刺”的 AI 助手，说它生成的露骨图片是一种表达形式。州总检察长反驳说，法律只针对未经同意的伪...
推荐理由：xAI 起诉明尼苏达州的反 AI 假裸照法，把 Grok 的图像生成能力绑上第一修正案的言论自由辩护，法律冲突很尖锐。分数没给更高是因为目前只是一纸诉状，法院还没判，实际影响要等后续进展。
插画师、作家和音乐人正在对 Google、Meta、Anthropic 等公司提起版权诉讼。文章追踪了最近的案件进展：一些法院驳回了科技公司要求撤诉的动议，让官司得以继续推进。艺术家们对胜诉的信心比之前高了一些，但对 AI 的整体走向仍然悲观。正文没披露具体的赔偿金额或和解细节。
推荐理由：一篇版权诉讼进展的汇总，亮点在于法院驳回了科技公司撤诉的动议，让案子能继续打。艺术家信心涨了一点，但对 AI 整体走向还是悲观。我会先打个折：正文没给赔偿数字或和解细节，所以只能当趋势信号看，别当深度法律分析。
Sebastian Raschka 拆解了刚发布的 Kimi K3 架构。这个 2.8 万亿参数的开源模型是从去年 48B 的 Kimi Linear 放大来的，目前是最大的开源权重模型。设计上几乎全在给推理阶段省成本：用 LatentMoE 把大线性层压缩起来，类似给模型瘦身；标准注意力换成了多头潜在注意力和 Kimi Delta 注意力；还把 Ro...
推荐理由：Raschka 把 Kimi K3 的架构拆得很细，重点全在推理阶段怎么省钱：用 LatentMoE 压缩大线性层、换掉标准注意力、还改了 RoPE 的用法。不是官方通稿，是工程师视角的解读，对实际干活的人参考价值大。没给更高分是因为这是第三方技术分析而非一手发布，部分读者可能觉得太硬。
The Verge 的调查发现，Hugging Face 托管了大量能生成裸照的模型，很多伪装成“换装”或“时尚编辑”工具，只需要一张照片就能输出裸体图像，目标直指女性和儿童。平台目前几乎没有系统级防护，也不会主动扫描上传的模型。Hugging Face 说自己靠人工审核举报，但正文没披露审核团队规模和响应时间。我会先打个折——平台确实有内容政策，但执...
推荐理由：The Verge 的调查揭露 Hugging Face 托管了大量能生成裸照的模型，伪装成换装工具，目标直指女性和儿童。平台没有主动扫描，只靠用户举报，但正文没写审核团队规模和响应时间，这点信息缺口让严重性打了折扣。H、K、R 全中，但缺具体审核数据，所以没给到 85 分以上。
Kimi K3 是一个 2.8 万亿参数的混合专家模型，也就是把任务分给不同专家模块处理，不用每次激活全部参数，能省算力。它原生支持图片理解，单次能处理 100 万 token 的上下文，相当于一次能读完《三体》三部曲还有余。团队说规模化效率比上一代 K2.5 提高了 2.5 倍，这个数字说明用同样资源能训出更强的模型，或者训同样水平的模型成本更低。同...
推荐理由：月之暗面把 Kimi K3 的权重、技术报告和 infra 技术一起开源了，2.8 万亿参数 MoE，单次能吞 100 万 token，规模化效率比上一代提升 2.5 倍。国内旗舰模型完整开源是强信号，热度、知识量、可复现性三条全中。没给更高分是因为目前只有标题和摘要，具体训练成本、消融实验、真实场景跑分都还没看到，等报告正文出来再调。
Kimi 把自家最强的模型 K3 开源了。这是个 2.8 万亿参数的混合专家模型，不用外挂就能直接理解图像，单次能处理的上下文长达 100 万 token。官方说新架构让每单位算力产出的智能提升了 2.5 倍——打个折理解，就是同等算力下模型更聪明了。这次不光放出了模型权重，还一起开源了高性能注意力计算内核、MoE 通信库和一个大规模智能体运行环境。正...
推荐理由：月之暗面把K3完整开源，权重、内核、通信库、智能体环境全给，不是只扔个模型。2.8T MoE、100万上下文、原生视觉，外加2.5倍算力效率的说法，信号很强。没给更高分是因为技术报告刚出，实际效果和效率提升还没被第三方验证，先打个折看社区反馈。
Bonsai 27B 把 Qwen3.6-27B 压到了约 1.125 bit/权重，在 iPhone 17 Pro Max 上运行时占用约 3.9 GB 内存，15 项思考模式测试平均分 76.11，保留了原模型约 89.5% 的能力，但看图（59.57 分）和工具调用（66.03 分）掉得比较厉害。另一条路是 MiniCPM-V 4.6，总参数量 ...
推荐理由：Bonsai 27B 把 27B 模型跑在 iPhone 上，还给了真实跑分，这标志着讨论从技术可行性进入了产品化阶段。文章没停在跑分上，而是拆解了四个工程瓶颈：内存、发热、视觉预填充和可靠性。不足是 MiniCPM-V 4.6 那边的数据没给全，但整体判断很清醒，值得推荐给在端侧做模型选型的人。
Netflix 在 2026 年二季度股东信里说，大约有 300 个片目用上了生成式 AI 的工作流，大头在后期制作。电话会议补充了具体用法：场景参考、镜头规划、预演和视觉特效。在《The American Experiment》里，17 分钟 AI 增强画面的制作速度大概是之前方案的两倍，成本降了一半——这只是个案，不能当成行业规律。Netflix ...
推荐理由：Netflix 首次披露 300 个片目用上生成式 AI，还拆了具体工作流和一个个案数字，HKR 全中。但个案不能推广，正文也没说 300 个片目占总量的比例、'片目'怎么定义，所以分数卡在 78，刚好进 featured。
Claude Opus 5 是 Opus 4.8 的升级版，主要提升在代理编程、操控电脑和长链条知识工作上，数学和科学推理也有进步。Anthropic 评估其整体对齐风险为“非常低”，模型没有跨过自动 AI 研发或新型生物武器的能力门槛。在自动化行为审计中，它的对齐得分超过了 Sonnet 5、Opus 4.8 和 Mythos 5，尤其遵守内部准则的...
推荐理由：Anthropic 发 Claude Opus 5 系统卡，是旗舰模型发布。文章给了对齐审计分数的具体排名和 RSP 风险判断，信息密度够，不是空话。但没放绝对 benchmark 数字，也没提价格，所以到不了 95 分。整体是安全侧的重要更新，从业者会存下来当参考。
Black Forest Labs 把早期版 FLUX 3 装到了 mimic 的机器人上，已经在奥迪产线做过测试。FLUX 3 是一个模型同时生成图像、视频和音频，其中视频预测占了训练算力的 95% 以上。为了不出现画面穿帮，模型必须学会接触、运动和因果关系。把动作预测作为低维模态加进去时，视频质量一度掉了 10%，但训练 3500 步后就完全恢复。...
推荐理由：Black Forest Labs 把早期版 FLUX 3 装到 mimic 机器人上，在奥迪产线做了测试。一个模型同时出图像、视频和音频，其中视频预测占了训练算力的大头。为了画面不穿帮，模型得学会接触和因果，把动作预测当低维模态加进去时视频质量一度掉了 10%，但 3500 步就恢复。跨模态加物理部署加具体数字，三条都踩中了。没给更高分是因为正文没披露测试规模、成功率或产线具体任务细节，我会先打个折。
FLUX 3 用统一架构把图像、视频和音频放在一起学，不再拆成几个模型拼凑。它一次能输出最长 20 秒的视频，并且自带原生音频，支持文生视频、图生视频、视频续写、关键帧转视频和多镜头串联。在带声音的 10 秒 720p 视频人工评测里，FLUX 3 赢 Grok Imagine Video 的概率是 69%，对比 Seedance 2.0 和 Gemi...
推荐理由：Black Forest Labs 发了 FLUX 3，一个统一的多模态模型，能直接出最长 20 秒带声音的视频，不是老路子的图像模型加个音频插件。69% 的胜率对比 Grok Imagine Video 给了它一点底气。没给 85 分是因为正文没提公开测试或第三方实测，实际效果还得等上手。
Anthropic 把语音模式从 Haiku 扩展到了 Opus 和 Sonnet，三个模型现在都能用语音交互了。更实际的变化是，语音模式可以接入 Gmail、Slack 这类应用，直接读出你的邮件和消息。不过正文没提延迟和准确率数据，实际体验好不好用，建议等上手测试再说。
推荐理由：Anthropic 把语音模式铺到了 Opus 和 Sonnet，还接上了 Gmail、Slack，实用性和话题性都有。但正文没给延迟和准确率数据，实际体验得等上手，所以分数压在 80 以下。
谷歌正式发布了 Gemini 3.6 Flash 和 3.5 Flash-Lite，两个模型都支持 100 万 token 的上下文窗口和 6.4 万 token 的最大输出。3.6 Flash 的定价是每百万输入 token 1.5 美元、输出 7.5 美元，比 3.5 Flash 便宜，官方说它在处理复杂的智能体任务和多模态任务时，用的推理步骤、对...
推荐理由：谷歌发了 Gemini 3.6 Flash 正式版，定价比 3.5 Flash 便宜，还强调在智能体和多模态任务上用了更少的推理步骤。有具体价格和规格，但正文没给基准测试或跟竞品的对比，所以重要性给到 78。
阿里放出了 Qwen-Image-3.0，一次能塞 4.5k token 的指令，支持 12 种语言和 20 多种字体。作者拿它跑了 19 个场景，包括中文长文本、多语言混排、UI 界面、多图融合和图片编辑。结果文字基本不花，信息也对得上，画质跟 GPT Image2 差不多。国内直接能用，速度不慢，价格也不算贵，但正文没给出具体价格和延迟数字。
推荐理由：作者拿Qwen-Image-3.0跑了19个场景，中文长文本、多语言混排、UI界面、多图融合都测了，文字基本不花，画质跟GPT Image2差不多。对比做得挺实在，不是公关稿。扣分是因为正文没给出具体价格和延迟数字，想算成本的人还得自己去查。
TryAI 搭了个画布擂台，给 GPT-5.6 Sol、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash 一套彩色铅笔工具，让它们照着蒙娜丽莎和星月夜两张图复刻，外加五道开放命题作画，一共跑了 28 幅。模型可以自己选颜色、笔尖粗细、下笔力度，还能涂抹、擦除、随时看一眼画布再改。GPT-5.6 Sol 在结构相似度（...
推荐理由：TryAI 搭了个画布擂台，给 GPT-5.6 Sol、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash 一套彩色铅笔工具，让它们照着蒙娜丽莎和星月夜复刻，外加五道开放命题，一共跑了 28 幅。模型可以自己选颜色、调笔尖粗细、控制下笔力度，还能涂抹、擦除、随时看一眼画布再改。GPT-5.6 Sol 在结构相似度上领先，但每笔成本也最高；Gemini 3.6 Flash 便宜但细节糊成一团。这个测试把“工具调用 + 视觉反馈”的差距直接摊在画布上，比跑分直观得多。