AI 行业周报 · 2026 年 7 月第 2 周（7/06 - 7/12）

覆盖 2026-07-06 至 2026-07-12；仅收录本周有明确发布日期、可追溯来源且具行业影响的动态，共 26 条事件。

1. 头部大厂

国外

• OpenAI 发布 GPT-Live 全双工语音模型（7 月 8 日）
  GPT-Live 可同时聆听与说话，并在语音对话不中断的情况下调用前沿文本模型完成搜索、推理和智能体任务；GPT-Live-1 与 mini 版本开始向 ChatGPT 用户滚动开放。OpenAI · TechCrunch

• OpenAI 推出 GPT-5.6 系列与 ChatGPT Work（7 月 9 日）
  GPT-5.6 分为 Sol、Terra、Luna 三档，强调编码、网络安全和 token 效率；同期推出可跨应用与文件执行完整工作流的 ChatGPT Work。TechCrunch

• Anthropic 将 Claude Cowork 扩展至网页与移动端（7 月 7 日）
  Cowork 开始面向 Max 用户在 iOS、Android 和 Web 端测试，支持云端后台任务及跨设备续接；本地文件等完整能力仍保留在桌面端。Claude 发布说明 · The Verge

• Anthropic 上线 Claude Reflect 使用回顾（7 月 9 日）
  Claude 在设置中新增月度回顾、专注时间和休息提醒，向开启记忆的 Free、Pro、Max 用户展示主题与使用节奏，以强化对 AI 工作习惯的可见性。Claude 发布说明 · TechCrunch

• Google 扩展 Gemini API Managed Agents（7 月 7 日）
  Managed Agents 新增后台执行、远程 MCP、定制函数调用和凭据刷新，让开发者用单一 API 端点托管推理、代码执行、文件与 Web 信息处理。Google

• Google Cloud 全面开放 AlphaEvolve（7 月 8 日）
  Gemini 驱动的算法优化智能体 AlphaEvolve 在 Gemini Enterprise Agent Platform 上向 Google Cloud 客户正式开放，可从基线算法出发自动搜索并返回可读的优化代码。Google

• Meta 发布面向智能体编码的 Muse Spark 1.1（7 月 9 日）
  Muse Spark 1.1 主打多步推理、复杂工作流、缺陷修复与大型代码迁移，并以较低 token 定价加入企业级编码模型竞争。TechCrunch

国内

• 腾讯混元 Hy3 正式版发布并开源（7 月 6 日）
  Hy3 采用 295B 总参数、21B 激活参数的 MoE 架构，支持 256K 上下文，重点提升 Agent、代码和幻觉控制，并以 Apache 2.0 协议开放。腾讯新闻

• 阿里内部禁用 Anthropic 工具并转向 Qoder（7 月 6 日）
  报道称阿里将 Claude Code 列为高风险工具，要求员工卸载并迁移至自研 Qoder；事件凸显中美模型公司在安全指控、服务条款和供应链自主上的张力。CNBC

2. 创业公司

国内

• MiniMax 完成逾 160 亿港元新一轮融资（7 月 10 日）
  本轮吸引主权基金、国际长线资金及中资机构，资金将用于 AI 基础设施、模型研发与全球商业化；公司同时承诺支持开源社区。36氪

• Kimi 推进 AI 原生信用卡与智能体支付探索（7 月 10 日）
  月之暗面 Kimi 与美国运通、农业银行合作首张 AI 原生信用卡，并将其视作向智能体支付场景延伸的入口。新浪财经

海外

• Prime Intellect 获 1.3 亿美元 A 轮融资（7 月 8 日）
  公司计划扩展帮助企业训练和构建自有 AI 智能体的基础设施与平台，融资反映定制化 Agent 和分布式训练需求继续升温。TechCrunch

• Norm Ai 获 1.2 亿美元 C 轮融资（7 月 7 日）
  该法律与合规 AI 公司本轮估值达 12 亿美元，继续建设从监管内容建模到工作流执行的全栈法律 AI 产品。PR Newswire

3. 基础模型（含视频 / 多模态 / 开源）

• Meta 推出 Muse Image 与 Muse Video（7 月 7 日）
  Meta 发布新一代图像与视频生成模型，展示其在视觉生成、编辑和多模态内容生产方向的统一布局。Meta AI

• NVIDIA 发布统一音频文本模型 Audex（7 月 7 日）
  Nemotron-Labs-Audex-30B-A3B 将语音与音频理解并入文本骨干，研究重点是扩展音频能力的同时避免原有文本智能回退。arXiv · MarkTechPost

• Robbyant 开源 LingBot-Video（7 月 8 日）
  项目公开视频生成模型与相关代码，定位于更长时程的视频及世界模型研究，为社区提供可复用的生成管线。GitHub

• Robbyant 发布 LingBot-VA 2.0（7 月 11 日）
  LingBot-VA 2.0 是面向 Physical AI 的因果视频—动作模型，尝试把视觉预测与动作决策统一到可交互世界建模中。MarkTechPost

4. 论文与研究进展

• 研究揭示多模态智能体实现缺陷的系统性风险（7 月 7 日）
  论文对多模态 Agent 的实现错误进行系统研究，提示模型能力之外，工具接入、状态处理与工程实现本身也是可靠性瓶颈。arXiv

• Agent 数据注入攻击被验证为现实威胁（7 月 7 日）
  研究分析智能体处理外部数据时遭注入操控的可行性，强调数据边界、来源隔离及执行前验证的重要性。arXiv

• PolyWorkBench 评测多语言长周期智能体（7 月 8 日）
  新基准将多语言能力与长任务规划结合，用于观察 Agent 在跨语言、长时程执行中的稳定性与退化模式。arXiv

• 多智能体防火墙架构探索敏感数据保护（7 月 11 日）
  论文提出以多个专职 Agent 构成隐私防火墙，在语言模型交互前后识别、隔离和控制敏感信息流。arXiv

5. 开源项目与社区讨论（GitHub trending / HN / X）

• Mozilla 开源 LLM 控制平面 Otari（7 月 8 日）
  Otari 面向多模型和多供应商环境提供统一控制、治理与可观测层，反映企业开始把模型路由与策略管理视作独立基础设施。Mozilla AI

• Google Labs 公开 Stitch 的 Agent Skills（7 月 11 日）
  Stitch 插件面向 Claude Code、Cursor 和 Codex 等编码智能体开放，把 UI 设计与前端生成流程封装为可复用技能，受到开发者社区关注。GitHub 趋势报道

• “Ghost Font”在 Hacker News 引发 AI 可读性讨论（7 月 12 日）
  一款声称“人可读、AI 不可读”的字体登上 HN 热榜，讨论焦点集中在视觉对抗样本、无障碍体验及内容保护的实际边界。Hacker News

6. 其他趋势（监管、法律、基础设施与就业）

• AWS 推出 Lambda MicroVMs（7 月 9 日）
  新能力提供接近即时启动、具虚拟机级隔离的 serverless 计算环境，适合需要更强隔离和弹性执行的 AI Agent 工作负载。AWS

• 欧盟理事会通过 AI Omnibus（7 月 10 日）
  欧盟继续调整 AI 监管实施框架；与此同时，通用 AI 模型相关义务的执法节点临近，企业合规准备进入倒计时。Mondaq