大家好，我是ALLMHUB，AI前沿简报将为您定期整理AI最新咨询，助您在极短的时间里了解AI界的各类大事件。
本期，AI领域迎来技术密集发布期，涵盖语音识别、视频生成、编程助手等多个赛道。谷歌升级Gemini Live增加实时画面提示，智谱AI推出全球首个手机Agent，字节跳动首次开源36B大语言模型，快手发布8B模型新纪录，ElevenLabs推出支持70+语言的v3 API。腾讯、阿里等国内厂商也在IDE工具和编程平台上发力，而Meta与Midjourney的合作则预示着AI美学技术的新突破。
智谱AI推出全球首个手机Agent
智谱AI发布AutoGLM 2.0，采用"Agent+云手机+云电脑"架构，AI在云端独立运行，支持24小时离线任务。用户可通过语音控制云端虚拟设备，完全不占用本地资源，即将上线定时任务功能。
快手8B模型刷新多项基准纪录
快手科技发布基于Qwen3-8B-Base的Klear-Reasoner模型，在多项基准测试中刷新8B模型纪录，并开源了完整权重与训练流程，展现出强大的推理能力。
OpenAI灰度上线学习卡片功能
ChatGPT正面向部分用户测试FlashCards学习卡片功能，在Study and Learn模式下可自动生成互动测验，通过卡片形式帮助用户学习和记忆知识点。
谷歌Photo推出对话式AI修图
Google Photos即将支持通过语音或文字描述编辑图片，无需手动操作工具。该功能将在Pixel 10上首发，并支持C2PA Content Credentials显示图片编辑历史。
钉钉发布新一代语音识别模型
钉钉与通义实验室联合推出Fun-ASR语音识别大模型，具备高效处理复杂语音信号、精准识别行业术语、支持多语言识别等能力，提供专属模型定制服务。
字节跳动首次开源36B大语言模型
字节Seed团队发布Seed-OSS系列开源模型，包含36B参数和512K上下文处理能力，提供Base版和无合成数据的纯净版，采用Apache 2.0协议开放下载。
ElevenLabs发布多语言语音API
ElevenLabs推出v3 Alpha API，专为异步场景设计，支持超过70种语言和无限数量说话人，号称是其最具表现力的文本转语音模型，引入对话模式和高级音频标签功能。
谷歌Gemini Live重大升级来袭
谷歌宣布Gemini Live将新增实时画面提示功能，深度整合Calendar、Keep和Tasks三大应用，语音交互更加自然流畅，将于8月28日随Pixel 10系列首发。
腾讯CodeBuddy IDE接入顶级模型
腾讯CodeBuddy IDE国内版开启公测，接入DeepSeek V3.1等前沿模型，实现从需求到部署的全流程自动化编程，内置腾讯云EdgeOne Pages等开发工具。
阿里推出新一代编程平台Qoder
阿里发布Agentic Coding编程平台Qoder，集成全球顶尖编程模型，一次可检索10万个代码文件，内置Quest Mode让AI扮演全栈工程师角色，自主完成编程任务。
Meta携手Midjourney优化AI美学
Meta与Midjourney达成授权合作，Meta未来的AI模型和产品将使用Midjourney的美学技术，有望显著提升AI生图和视频的美学表现效果。
马斯克称中国公司是xAI劲敌
马斯克在X平台表示xAI将超越除谷歌外的所有公司，并坦言中国公司将是最难对付的竞争对手，因为拥有更多电力资源和强大的硬件制造能力。同时xAI开源了Grok 2.5模型。
更多大模型咨询及使用教程尽在ALLMHUB