2026年7月24日星期五

内容速览

• OpenAI 和 Anthropic 相继推出针锋相对的语音升级：GPT-Live 登陆桌面端并支持多智能体语音控制，而 Claude 语音模式终于运行在 Opus/Sonnet 上，并支持调用 Gmail、Slack 和 Calendar 工具；Black Forest Labs 发布统一了图像、视频、音频和工厂机器人技术的 FLUX 3；OpenAI 推出 ChatGPT Health，可连接 Apple Health 和医疗记录以提供个性化问答。
• Google 自身的数据显示 AI 普及面广但应用尚浅，已触及美国 68% 的职业，但仅覆盖典型工作中约 21% 的任务；Elon Musk 预测 AI 将在五年内超越人类；微型机器人策略仅用 0.7% 的参数便将 OpenVLA-OFT 击败 18%；还有一人利用 GPT 在 5 天内攻克了 6 个未解的 Erdős 数学难题。
• Runway 和 Cursor 均推出了“路由器”（router），可根据成本、质量或速度偏好为每次请求自动选择最佳 AI 模型；Screenpipe 可在本地录制屏幕和音频以作为 AI 上下文；Google Selfie Video 提供了备用账户登录方式；UI SFX 发布了涵盖 12 种可切换风格的 78 个开源语义化 UI 音效提示。

头条新闻

• OpenAI 将 ChatGPT Voice 引入桌面端，支持多智能体控制. GPT-Live 现已支持 macOS 和 Windows 桌面应用，允许用户通过语音同时指挥在 ChatGPT Work 和 Codex 中运行的多个智能体。自定义快捷键可在任何应用上方调出。已向 Plus、Pro、Business、Edu 和 Enterprise 计划开放。 ^[1]
• Anthropic 升级 Claude 语音模式，引入 Opus、Sonnet 与工具调用权限. 语音请求现在运行在 Claude 最智能的模型上，而不仅限于 Haiku，并且能够在对话中途访问 Gmail、Google Calendar、Slack、Canva 和 Notion。语言支持扩展至西班牙语、法语、印地语和日语。现已在移动端、桌面端和网页端开启公测。 ^[2]
• Black Forest Labs 发布 FLUX 3：统一的图像、视频、音频与机器人模型. 这款“视觉智能”模型可生成带有原生音频和连贯画面的 20 秒视频片段。BFL 还衍生出了 FLUX-mimic，这是一个用于 Audi 工厂生产线的机器人控制变体，仅需约 30 分钟的演示数据即可学习新任务，而无需 30 小时以上。开源权重的 FLUX 3 Dev 模型已针对工厂硬件进行了尺寸优化。 ^[3]
• ChatGPT Health 推出：连接医疗记录与 Apple Health. 正面向网页端和 iOS 端 Free、Go、Plus 和 Pro 计划中已登录的 18 岁及以上美国用户逐步推出。已连接的健康数据不会用于训练基础模型或定向投放广告。OpenAI 报告称每周有超过 300M 人向 ChatGPT 咨询健康问题。 ^[4]
• Claude Managed Agents 更新增加推理力度控制、会话预设及单会话 500 项技能. 按任务调低智能体的推理力度以节省成本，在单次创建调用中捆绑最多 50 条消息，每个会话可叠加多达 500 个特定任务指令集，此外还提供用于记忆存储的 webhook 以及面向子智能体的事件流传输。 ^[5]
• Microsoft 超级智能团队推出 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash. 两款全新的自研模型：下一代图像 AI 以及更快、更便宜的语音引擎。 ^[6]
• 加拿大数学家 Jacob Tsimerman 荣获菲尔兹奖并加入 OpenAI. 荣获 2026 年菲尔兹奖的 Tsimerman 即将加入 OpenAI，从事 AI 安全研究工作。 ^[7]
• Patreon 在 AI 变革浪潮中裁员 20%. 首席执行官 Jack Conte 表示，AI 已经从根本上改变了科技公司的工作和组织方式。 ^[8]

深度精选

• Google 自身数据显示 AI 普及面广但应用尚浅. 根据 Google 的内部数据，职场 AI 的使用已触及美国 68% 的职业，但仅覆盖了典型工作中约 21% 的任务。 ^[9]
• Elon Musk 预测 AI 将在五年内超越人类. 在接受 Economist 采访时，Musk 表示人类可能在十年内不再掌握控制权，但他对此持“乐观”态度，因为我们无法阻止其发展，所以不如享受这一过程。 ^[10]
• 微型机器人策略仅用 0.7% 的参数便将 OpenVLA-OFT 击败 18%. 一种极其高效的策略仅用极小部分的算力，便在机器人操作任务上取得了最先进的成果。 ^[11]
• 一人利用 GPT 在 5 天内攻克 6 个未解的 Erdős 数学难题. 一名研究人员独立利用 OpenAI 的 GPT，解决了传奇数学家 Paul Erdős 留下的六个此前未解的难题。 ^[12]
• 每日 AI 技能：在合并 AI 生成的代码前运行决策审计. Victor Taelin 的工作流程：审计 AI 的选择，而不是逐行审查代码。要求智能体列出每一个重要决策，标记临时修复方案，并运行一次“自豪感门控”（pride gate）——智能体愿意在生产环境中为这个分支背书吗？ ^[13]
• The Rundown 如何培养 AI 直觉. 按角色制定的 AI 熟练度标准，明确界定了不可接受、符合预期和卓越的 AI 使用方式。团队规则：AI 是放大器而非拐杖、每周花 2 小时寻找可自动化的繁琐任务、每人每月 200 美元的 AI 工具预算。 ^[14]
• 算法工坊：生成式 AI 与艺术自动化的漫长历史. 深入探索 AI 在艺术中的角色，如何仅仅是数百年来工具重塑创意实践这一漫长故事的最新篇章。 ^[15]
• 让它能用 vs. 让它好用. 设计思考：“这就是设计的工作：把东西做得如此出色，以至于让人觉得理所应当。” ^[16]

工具与发布

• ChatGPT Health. 连接 Apple Health 和医疗记录，围绕您的健康数据进行对话。 ^[4]
• GPT Live. OpenAI 的自然语音模型，现已登陆桌面端和 Codex，支持多智能体控制。 ^[1]
• Claude Voice 支持 Opus/Sonnet. 语音模式现已运行在更智能的模型上，并支持调用 Gmail、Slack 和 Calendar 工具。 ^[2]
• Claude Managed Agents. 自主智能体运行时，具备推理力度控制、会话预设和 500 项技能。 ^[5]
• Runway Media Router. 根据质量/速度/成本偏好，为每次请求自动选择最佳的图像、视频或音频模型。 ^[17]
• Cursor Router. 通过成本、平衡和智能模式将每次编程请求路由至最匹配的模型；最高可节省 60%。 ^[18]
• Google Selfie Video. 通过将一段简短的实时视频与此前安全录制的视频进行比对，实现备用账户登录。 ^[19]
• Screenpipe. 在本地录制屏幕和音频，使过往工作内容可被搜索，并为 AI 智能体提供长期上下文。 ^[20]
• UI SFX. 78 个开源、语义化的 UI 音效提示，包含 12 种可切换风格，适用于网页、移动端、SaaS 和游戏。 ^[21]
• Unsloth Laguna-S-2.1 GGUF. 可使用 llama.cpp 在本地运行的量化模型。 ^[22]
• Which AI?: Guess the Designer. 每日小游戏：猜猜每个落地页是由 Gemini、Claude 还是 GPT 设计的。 ^[23]
• 论布局编排（On Layout Choreography）. 当列表重新排序、面板展开以及元素进入或离开时，布局动画能够保持空间记忆的完整性。 ^[24]

Prompt of the day