Meta 发布其 Muse 模型，NVIDIA 为 AI 智能体推出 Vera CPU，Claude Cowork 登陆移动端

Meta 以自研的首批媒体模型开启新战线，NVIDIA 详解为 AI 智能体量身打造的 Vera CPU 架构，Claude Cowork 也扩展到了移动端和网页端。与此同时，GitHub Copilot 应用向所有套餐开放，Cohere 推出面向阿拉伯语的新语音识别模型，Anthropic、Google、OpenAI 和 xAI（现为 SpaceXAI）也发布了一连串更新。

Meta 推出 Muse Image 和 Muse Video，其首批媒体模型

7 月 7 日 — Meta Superintelligence Labs 发布 Muse Image 和 Muse Video，这两款是该部门在内部开发的首批媒体生成模型。Muse Image 被描述为 Meta 有史以来最先进的图像模型：它能严格遵循指令，支持精确编辑，可基于多个参考同时进行构图，并利用 Instagram 的社交上下文。值得注意的是，它的运作方式更像智能体，而非简单的文本转图像转换器：它会调用工具、自我精炼，并在推理时随着分配给它的计算量增加而提升输出质量——这种行为是在强化学习（Reinforcement Learning）训练过程中自然出现的，模型学会了这一策略以优化图像质量。该模型也集成到了 Meta 的协作式媒体生成工具 Muse Spark 中。

Muse Video 以早期预览形式亮相，与 Muse Image 共享相同的预训练基础。它提供较高的视觉保真度和原生音频支持，尽管 Meta 也承认仍在处理一些差距，尤其是音频与视频同步方面。两款模型都已部署到 Meta AI 应用和网页端，以及 Instagram Stories 和 WhatsApp 上——最初仅覆盖少数国家，后续还将扩展。每张生成图片都内嵌 Content Seal，这是一种隐藏的来源标记，即使经过修改也能保持不变。

在竞争层面，第三方对 Image Arena 的统计已经将 Muse Image 排在第 2 位，落后于 OpenAI 的 GPT Image 2，但领先于 Nano Banana（Google）、Grok Imagine（xAI）和 MAI Image（Microsoft）。

🔗 Meta AI 公告

NVIDIA Vera——为智能体循环设计的 CPU

7 月 7 日 — NVIDIA 详解 Vera 的架构，这是一类专门为智能体循环设计的新型 CPU——即模型两次请求之间的一连串工具调用、代码执行和数据处理。与传统数据中心 CPU 主要优化可出租核心数量不同，Vera 更强调单核性能最大化。

这款 CPU 基于 Olympus，也就是 NVIDIA 自研的核心，比上一代 Grace 在每周期指令数（IPC）上高出 50%，并通过一块单体计算芯片集成了 88 个核心。

Perplexity 已在其真实的智能体工作负载上测试了 Vera：一个先克隆仓库再在沙箱（sandboxes）中运行测试的流程，速度大约比 x86 快 1.5 倍，而并发沙箱的启动速度最高可快 1.9 倍。该公司正在考虑将 Vera 投入生产环境。

特性	NVIDIA Vera
核心	Olympus（相比 Grace，IPC +50%）
核心数量	88
内存带宽	1.2 TB/s LPDDR5X（< 40 W）
核心间带宽	3.4 TB/s（竞争对手的 3 倍）
智能体加速（Perplexity）	比 x86 快 1.5 到 1.9 倍
SQL 加速（Starburst）	快 3 倍
延迟提升（Redpanda）	最高减少 6 倍

NVIDIA 还确认了其路线图：下一代 Rosa 将搭载 Rigel 核心（Arm v9.2 架构），拥有更高的 IPC、更大的 L2 缓存以及更高效的内存管理，同时保持相同的硅片面积。Vera 还承载了 NVIDIA Vera Rubin 平台的 GPU，并驱动 BlueField-4 STX 存储处理器。

“The world counts in seconds. Agents count in nanoseconds. NVIDIA Vera is built for this new category — and speed — of work.”

🇨🇳 世界以秒计时。智能体以纳秒计时。NVIDIA Vera 正是为这一全新工作类别——以及这种执行速度——而设计的。 — Ian Buck，NVIDIA

🔗 NVIDIA 官方博客文章

Claude Cowork 登陆移动端和网页端

7 月 7 日 — Anthropic 宣布将 Claude Cowork 扩展到移动端和网页端。其理念是：在工作站上把任务交给 Claude，然后通过手机跟踪进度并获取结果——核心卖点是即使合上笔记本电脑，Claude 也能继续在后台工作。

在网页和桌面端，Chat 与 Cowork 现已融合到一个共享空间中：同一个地方可以查看两种模式下的项目和产物，而启动 Claude 任务的方式也与发起普通对话相同——无需再根据是和 Claude 聊天还是把任务委托给它而在两个不同界面之间切换。该功能将以分阶段 Beta 的方式在数周内逐步推出，先从 Max 套餐开始，之后再扩展到其他订阅方案。

为配合这次发布，Anthropic 将 Cowork 的使用上限临时翻倍至 8 月 5 日，以便用户在这一过渡期内向 Claude 委派更大任务时，不会过早消耗掉常规额度。与此同时，官方还在 claude.com 上发布了专门文章《Claude Cowork on web and mobile: hand off work anywhere》。这次移动端扩展让 Cowork 成为经典 Chat 的异步对应物：对话仍以实时交流为中心，而 Cowork 则成为一个可远程跟踪此前一天交办工作进展的空间。

🔗 @claudeai 公告

GitHub 将 Copilot 应用向所有套餐开放

7 月 7 日 — GitHub 将其 Copilot 桌面应用——这款于 5 月底/6 月初推出的智能体开发中心，此前仅向部分用户开放——向所有用户开放。该应用支持 macOS、Windows 和 Linux，并且现在所有 Copilot 套餐都可使用，包括免费版（Copilot Free）和 GitHub Education，这两个层级此前都无权使用。

另一个值得注意的变化是：即使没有 Copilot 订阅，用户仍可通过提供自己的密钥（Bring Your Own Key, BYOK）并连接到自己选择的模型供应商来使用该应用——这为不想直接向 GitHub 承担财务承诺的用户提供了入口，也让该应用扩展到那些已经具备第三方 API 访问权限的开发者。对于 Business 和 Enterprise 套餐，访问权限仍需管理员在 policy 设置中启用 Copilot CLI，GitHub 由此保留了面向企业部署的控制手段。

这一开放由官方 @github 账号在更新 changelog 前一小时发布的推文确认，大幅扩大了该应用的潜在受众；距离其预览版发布还不到一个月。它也延续了近期 Copilot 计费演进的同一逻辑（cost centers、按用户预算）：让更多人能够使用该工具，同时为组织保留必要的防护措施。

🔗 GitHub 官方 changelog

Anthropic 补充本周动态

Claude for Open Source 扩展至维护者

7 月 7 日 — Anthropic 扩大了 Claude for Open Source 计划，该计划为用户提供 6 个月的免费 Claude Max 20x，现已面向更广泛的贡献者开放：项目维护者、常规贡献者（core contributors）、在整个生态中推动 pull request 落地的人，以及维护关键包的人员。申请可通过 claude.com 上的专门页面提交。这是对现有计划的扩展，而非全新启动，但对更广泛维护者群体的开放，使其成为开源开发者社区值得关注的公告。

🔗 @ClaudeDevs 公告

Claude Code v2.1.202 和 v2.1.203——补齐 changelog

7 月 7 日 — 这两个 Claude Code 版本补上了自 7 月 4 日 v2.1.201 以来的更新。v2.1.203 为后台智能体带来了一大波可靠性修复：macOS 上启动时会卡住 15 到 20 秒的会话、智能体在返回到 claude agents 时会悄悄丢失工作的情况，以及与每轮重新分析 transcript 相关的内存/CPU 回退。安全方面也有一个重要修复：它堵上了 ANTHROPIC_BASE_URL 变量的潜在泄漏，原本这可能会让 API 密钥在后台会话中被发送到默认端点。该版本还将二进制体积减少了大约 7 MB。

而 v2.1.202 则在 /config 中加入了 “Dynamic workflow size” 设置，用于调节工作流中生成的智能体数量，增加了用于跟踪其活动的 OpenTelemetry 属性，并修复了移动端/网页端 Remote Control 以及语音听写的多个问题。

🔗 官方 CHANGELOG.md

Hugging Face 加入 Azure，Sakana AI 在 ICML 2026 发布论文

Hugging Face 登陆 Microsoft Foundry Managed Compute

7 月 7 日 — Hugging Face 详细介绍了与 Microsoft 的合作：一组精选的开放权重模型，每周更新一次，加入 Microsoft Foundry Managed Compute 目录，这是一个托管的 GPU 平台（PaaS）。这些权重预先托管在 Azure 上，并配有可直接使用的运行时——vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp，以及 hf-serve，这是 Hugging Face 自有的多模型服务器，用于 LLM/embeddings 之外的模态。

在发布前，筛选流程会进行合规、许可证和安全审查：只接受 SafeTensors 格式的权重，不接受未经审查的非可信代码（trust_remote_code），图像还会扫描 CVE。部署分 5 个步骤完成，运行在 NVIDIA A100、H100 或 AMD MI300X 加速器上。该功能目前已进入预览（preview）；路线图则包括更广覆盖以及支持 Bring Your Own Weights。

🔗 Hugging Face 博客文章

Sakana AI 发布 Sheaf-ADMM，一种透明的多智能体协调方案

7 月 5 日 — Sakana AI 发布 Sheaf-ADMM，这是一项被 ICML 2026 接收的框架，结合了分布式优化（ADMM）和层理论（sheaves，应用拓扑学），用于让多个信息受限的 AI 智能体协同工作，而不依赖在隐藏状态中进行不透明的信息传递。任务被拆分为相互重叠的片段，每个片段对应一个智能体，智能体通过三步进行协商——局部提案、与邻居寻找共同点、记忆分歧——直到达成可解释的全局一致。

在一个多智能体数独任务中，每个智能体只能看到一行、一列或一个区块，该方法的解题率达到 93%，而参数相当的消息传递基线仅为 11%。在带有领域偏移的 MNIST 分类任务上，它保持了 86% 的准确率，而标准 CNN 则降至 11%。在迷宫任务中，它与经典基线持平，同时通信通道小 8 倍。

🔗 Sheaf-ADMM —— Sakana AI 博客

Google Gemini：从古代到小型企业

面向历史学家的 Gemini，锚定 Aeneas 和 Ithaca 模型

7 月 7 日 — Google DeepMind 推出 “Predicting the Past”，这是 Google Antigravity 中的新 Skill，它将 Gemini 锚定到其专家模型 Aeneas（拉丁铭文破译）和 Ithaca（古希腊文本）。目标是让历史学家和铭文学家能够用通俗英语探索古代文本，而无需编码技能——该 Skill 将 Gemini 的推理能力与这两款专用模型的深度专业知识结合起来，生成定制化分析和可视化，并在多源材料之间识别大规模模式。

该项目依托于与历史学家 Thea Sommerschield 的研究合作，她曾与 Google DeepMind 一起参与了多项案例研究，这些研究记录在文章 “Workflows — Conversing with antiquity” 中。

🔗 @GoogleDeepMind 线程

Gemini App——商业笔记本与 Google Business Profile 集成

7 月 6 日 — Gemini 为个体经营者和小型企业推出了新工具：可将 Google Business Profile 直接连接到 Gemini，或将其添加到 business notebook 中，以便获得个性化洞察和可执行动作，而无需在每次对话时都重新解释自己的业务背景。business notebooks 允许添加资料来源或旧对话来构建持久的知识库，而不是每次交流都从白纸开始。Google 将这些工具定位为一种让 Gemini 变成能深度理解用户品牌的伙伴的方式。该功能已在全球范围推出，但欧洲经济区和英国除外。

🔗 @GeminiApp 推文

Runway 生成演示文稿，xAI/SpaceXAI 丰富 Grok Voice

Runway 推出 Slide Maker

7 月 7 日 — Runway 为其应用添加了 Slide Maker：只需一段简单的文本描述，该工具就能生成一张完全设计好的演示幻灯片，无需使用预设模板。Runway 将其描述为一种通过简单描述想法即可获得视觉精致结果的方式，而不是从通用默认模板出发。此次扩展延续了 Runway 在企业场景中的使用边界，从纯视频和图像生成拓展到更广泛的领域；与 6 月 25 日推出、用于自动化营销简报的 Agent 2.0 并列，这两款工具如今都面向创意和办公团队，而不仅仅是视频内容创作者。

🔗 @runwayml 推文

Grok Voice 新增 21 种声音（xAI/SpaceXAI）

7 月 6 日 — xAI——现已更名为 SpaceXAI（见简讯）——为 Grok Voice 推出 21 种新声音，加入原有的五种声音。所有声音都支持多语言，并可立即在实时 Voice Agent API、Text-to-Speech API 以及 7 月 1 日推出的新 Grok Voice Agent Builder 中使用。每种声音都针对特定用途进行“选角”——客服、角色、解说、广告、教育——并支持控制发音的标记（停顿、耳语、强调）。原有的五种声音也已重新训练，以获得更自然的措辞。开发者还可以基于大约一分钟的音频克隆自定义声音。

🔗 x.ai/news

OpenAI：iOS 上的 Codex Remote 与新的经济型语音模型

Codex Remote 在 ChatGPT for iOS 中迎来一波新功能

7 月 6 日 — ChatGPT for iOS 的 1.2026.181 版本为 Codex Remote 带来一系列新功能，Codex Remote 是可通过移动应用访问的代码代理版本。现在可以直接从对话中创建、搜索、打开、复制（fork）并管理 Codex 任务，还能按状态（已索引、未索引）、按分支或按上一轮对差异进行筛选。应用还新增了发送前图片和附件文件预览、私钥 SSH 支持，以及在任务菜单中显示用量上限和积分。

“Big release for Codex Remote in the latest ChatGPT iOS update! We added many things. Threads management tools are now available (hello Chief of Staff). You can now filter your diff with unstaged, staged, branches, etc. Support for SSH keys login, and much, much more!”

🇨🇳 ChatGPT for iOS 的最新版本中，Codex Remote 获得了重大更新！我们加入了很多内容。线程管理工具现在可用了（欢迎 Chief of Staff）。你现在可以按未索引更改、已索引内容、分支等来筛选你的 diff。支持通过 SSH 密钥登录，还有更多功能！ — @Dimillian

🔗 官方 Codex 更新日志

GPT-Realtime-2.1-mini 已在 API 中可用

7 月 7 日 — OpenAI 在 API 中推出 GPT-Realtime-2.1-mini，这是其经济型语音模型的新版本，加入了推理和工具使用能力——这些能力此前仅限于更高端的 Realtime 模型——同时保持与 GPT-Realtime-mini 相同的价格。这一经济型产品线面向对每分钟成本敏感的部署场景，例如大规模语音代理。发布推文获得的互动量明显高于当天其他帖子（361,000 次浏览），显示开发者社区对此兴趣浓厚。

🔗 @OpenAIDevs 的推文

Replit 补上了 7 月 3 日的更新日志

7 月 3 日 — Replit 发布了一份此前扫描中未被注意到的产品更新日志，托管在 docs.replit.com/updates，而不是通常监控的主博客上。共有三项新内容：桌面应用（Replit Desktop App）的全面重做，它延续了网页端体验，同时增加了原生功能——可同时处理多个应用、当代理需要人工介入时一眼看到通知、无需切换窗口即可预览已打开的应用。

Whop 支付集成现在可以由对话代理直接操控：只需让它添加支付，它就会创建 Whop 账户、连接账户并构建支付模块，无需外部配置，也无需复制粘贴 API 密钥。最后，现在可以一步从 Pro 套餐降级到 Core 套餐，无需经过中间的取消步骤。

🔗 Replit 更新日志

Cohere 发布面向阿拉伯语的开源 SOTA ASR 模型

7 月 7 日 — Cohere 发布 Cohere Transcribe Arabic，这是一款面向阿拉伯语的开源语音识别（Automatic Speech Recognition, ASR）模型，由其于 2026 年 3 月发布的 20 亿参数 “frontier” ASR 模型衍生而来。目标是弥补阿拉伯语在 AI 语音系统中的覆盖短板，而该语言拥有超过 3 亿母语者，分布在约三十种方言变体中。

该模型在 Hugging Face 的 Open Universal Arabic ASR Leaderboard 上排名第一，平均词错误率（Word Error Rate, WER）为 25.87——比此前的领先者（Meta 的 OmniASR-LLM-7B）低 2.45 个百分点，比 OpenAI 的 Whisper Large V3 低 11 个百分点。在母语者进行的对比评估中，它在 95.8% 的情况下被认为优于 Whisper。该模型针对 vLLM 进行了优化，吞吐量（RTFx）达到 525，而 Whisper Large V3 为 146，OmniASR 7B-LLM 为 66。

阿拉伯语 ASR 模型	平均 WER	RTFx（吞吐量）
Cohere Transcribe Arabic	25.87	525
OmniASR-LLM-7B (Meta)	比 Cohere 高 2.45 个百分点	66
Whisper Large V3 (OpenAI)	比 Cohere 高 11 个百分点	146

这些权重已在 Hugging Face 上以 Apache 2.0 许可证发布，同时也可通过 Cohere API 或 Model Vault 访问。

“We’ve built Cohere Transcribe Arabic, the world’s most accurate open-source model for Arabic speech recognition. Available under Apache 2.0”

🇨🇳 我们开发了 Cohere Transcribe Arabic，这是世界上最精确的阿拉伯语开源语音识别模型。采用 Apache 2.0 许可证发布。 — @cohere

🔗 Cohere 官方博客文章

简讯

Fable 5 延长至所有付费套餐，持续到 7 月 12 日 — Anthropic 临时扩大了对 Claude Fable 5 的访问：该模型最多可使用每周用量上限的 50%，之后将切换为使用积分或其他模型。🔗 来源
《Claude Code 的诞生》—— 官方迷你纪录片 — Anthropic 讲述了 Claude Code 的历史：它如何从内部 CLI 成长为旗舰编码代理，并由研究人员和早期用户共同讲述。🔗 来源
Gemini Spark 实时跟踪主题 — 这项功能（自 7 月 1 日起在 macOS 上为测试版）现在可以对事件做出反应，例如在所关注球队每场比赛后自动发送赛后分析。🔗 来源
NotebookLM Short Video Overviews 正式可用 — 自 6 月 30 日起面向 Ultra/Pro 订阅者测试的 60 秒竖屏视频，现在已在移动端和网页端向所有英文用户正式开放。🔗 来源
Gemini CLI — 7 月 5 日至 7 日 nightly 版本 — v0.51.0-nightly.20260707 将 ~/.gitconfig 在 macOS sandbox 中设为只读，并保留字符串字面量中的转义序列。🔗 来源
使用 MaxText/Pathways 进行弹性 TPU 训练 — Google 详细说明了其 JAX/Pathways 生态如何将 TPU 故障转换为可捕获的 Python 异常，替换故障 worker，并在两分钟内恢复训练。🔗 来源
用户级 AI 预算已集成到 GitHub 计费 UI — 过去只能通过 REST API 访问的 cost center 用户级预算功能，现在可直接在 Enterprise Cloud 计费界面中配置。🔗 来源
Copilot Billing Preview 应用将于 8 月 3 日下线 — GitHub 将其重定向到现已集成到计费设置中的跟踪功能（AI 用量、预算、cost center）。🔗 来源
Suno 和 Wan 搭上世界杯热潮 — Suno 允许用户在手机上创建个性化球迷助威歌曲，Wan 则推出 “Superstar Poster” Skill，可根据人像和球衣生成足球海报。🔗 来源
NVIDIA 公布其在 ICML 2026 的参与成果 — 74 篇 NVIDIA 论文被接收，约 2,000 篇论文引用了 NVIDIA GPU，另有 145 篇论文将 Nemotron 作为研究基础。🔗 来源
xAI 变为 SpaceXAI — X 账号 @xai 和 x.ai 网站正式确认以 SpaceXAI 品牌进行重塑，落实了 SpaceX 在 2026 年 4 月已宣布收购 xAI 的消息。🔗 来源
Realtime 延迟至少降低 25% — OpenAI 宣布，借助改进的缓存机制，Realtime 全部语音模型的 p95 延迟下降。🔗 来源

这意味着什么

在媒体生成领域，Meta 强势入场，推出了 Muse Image 和 Muse Video 这两个首批自研模型，并立即在 Image Arena 中排到第二，仅次于 OpenAI 的 GPT Image 2。Muse Image 采用代理式行为——自动精炼、使用工具、在推理时扩大计算规模——这说明一个趋势正在成形：即便是图像生成，这一长期被视为简单 prompt-图像往返的任务，也正在变成由代理驱动的迭代式工作。与此同时，Runway 通过 Slide Maker 将业务边界扩展到办公场景，而 Suno 和 Wan 则借助体育热点推动各自的面向大众工具。

在基础设施方面，NVIDIA 正式阐明了一个在过去几个月里悄然影响行业的观点：代理式循环与模型训练的需求并不相同。Vera 更重单核性能而非核心密度，而 Perplexity 在真实环境下给出的数据（最高比 x86 快 1.9 倍）为这一论点提供了支撑。Hugging Face 在软件层面采取了互补路径，让其开源权重目录能够一键部署到微软的 Azure 基础设施上——这是减少模型与生产执行之间摩擦的两种不同方式。

开发者工具链继续向“代理无处不在”迈进。Claude Cowork 扩展到移动端，让用户能在手机上跟进委派任务；GitHub 将 Copilot 应用向所有套餐开放，包括免费套餐；Codex Remote 则在 ChatGPT for iOS 中通过线程管理和 SSH 支持变得更加成熟。再加上 Replit 对桌面应用的重做以及由代理驱动的支付集成，这一周进一步确认：用 AI 编码的参考界面已不再只是终端或 IDE，而越来越多地转向移动端和第三方集成。

最后，两个公告提醒我们，生成式 AI 并不只限于英语，也不只限于单代理。Cohere 用一款面向阿拉伯语的 SOTA 语音识别模型填补了一个真实空白——阿拉伯语拥有超过 3 亿使用者，但历史上一直被主要为英语而设计的系统忽视；而现已更名为 SpaceXAI 的 xAI 也走类似路线，为 Grok Voice 增加了 21 种新的多语言声音。研究方面，Sakana AI 的 Sheaf-ADMM 框架则针对一个不同但相关的问题：如何让多个信息受限的代理协同工作而不依赖黑箱——这正是多代理系统要随着普及而变得可靠所必需的前提。