Black Forest Labs 发布 FLUX 3 统一多模态模型

1. Black Forest Labs 发布 FLUX 3 统一多模态模型

Black Forest Labs 正式发布 FLUX 3，这是一个覆盖图像、视频、音频和动作预测的统一多模态模型，采用单一架构联合训练。FLUX 3 Video 已开放早期体验，团队表示同一架构可扩展至机器人动作预测——他们已与 mimic 和 Audi 合作验证了这一方向。技术亮点在于它不是多个专用生成器的松散组合，而是旨在打通媒体生成与控制的一体化架构。

Introducing FLUX 3. One multi-modal model for Image, Video, Audio and Action-Prediction. Creations are truer to life in every kind of style. FLUX 3 Video is now available in early access. Jointly trained in one unified architecture, our model can be extended to predict actions for robotics. See our work with mimic and Audi in the thread.
— @bfl_ai

FLUX 3 正式发布。一个覆盖图像、视频、音频和动作预测的统一多模态模型。作品在各种风格中更逼真。FLUX 3 Video 现已开放早期体验。我们的模型在统一架构下联合训练，可扩展至机器人动作预测——详见与 mimic 和 Audi 的合作。

同时，机器人公司 mimic 发布了基于 FLUX 3 的 FLUX-mimic，这是一个 Video-Action Model，在机器人和可穿戴设备数据上训练，目标是一般性灵巧操作，且可在单张本地 GPU 上部署，已在与 Audi 进行测试。此外，Generalist AI 的 GEN-1 现已支持多种末端执行器，在操作过程中更换"手"也能自适应，进一步验证了通过形态条件化实现具身通用策略的思路。

2. The Stack v3 发布：史上最大开源代码数据集

Hugging Face 研究者 Anton Lozhkov 宣布发布 The Stack v3，这是迄今为止最大的开源代码数据集：原始数据 114TB，覆盖 224M 仓库、44B 文件、770 种编程语言，去重和过滤后约 5T tokens。相比 v2（约 550B tokens），v3 的过滤语料库增长近 10 倍，其中 C++ 增长 15 倍、TypeScript 增长 7.5 倍、Rust 增长 7 倍、Python 增长 4.8 倍。

v3 有两项关键改进：一是代码内容直接内嵌（v2 只提供 Software Heritage ID，需要自行抓取），二是基于截至 2025 年 8 月的全新 GitHub 爬取。提供两个版本：stack-v3-train（去重、质量过滤、PII 脱敏，可直接训练）和 stack-v3-full（完整 114TB 原始语料，可自定义去重和过滤策略）。

For over two years, the largest open code dataset was The Stack v2… until today. The Stack v3 is out: the largest open code dataset ever released: 114 TB, 770 languages, 224M repositories, ~5T tokens of deduplicated and filtered source code. Fully open, no restrictively licensed code included. v3 is self-contained: sources embedded directly, one row = one repository. Download finishes -> you start training.
— @anton_lozhkov

两年多来，最大的开源代码数据集一直是 The Stack v2……直到今天。The Stack v3 发布：史上最大开源代码数据集——114TB、770 种语言、2.24 亿仓库、约 5T tokens 去重和过滤后的源代码。完全开源，不包含限制性许可代码。v3 自包含：源代码直接嵌入，一行一个仓库，下载完成即可开始训练。

3. ChatGPT Voice 桌面端上线，GPT-Live 驱动多 Agent 协同

OpenAI 宣布 ChatGPT Voice 正式登陆桌面端应用，由 GPT-Live 驱动，可同时说话、监听并在应用中协调工作。Plus/Pro/Business/Edu/Enterprise 用户在全球范围内的 macOS 和 Windows 上可使用语音控制电脑，指挥 ChatGPT Work 或 Codex 中运行的多个 Agent。

ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.
— @OpenAI

ChatGPT Voice 现已在桌面应用中上线。只需使用语音即可控制电脑、指挥 ChatGPT Work 或 Codex 中运行的多个 Agent。它由 GPT-Live 驱动，可以同时说话、监听并协调应用内工作。即日起在 macOS 和 Windows 上向 Plus、Pro、Business、Edu 和 Enterprise 用户全球推出。

社区反应两极分化：有人视其为语音驱动多线程协同的真正 UX 变革，也有人认为内部炒作暗示了更大规模的发布但实际偏保守。此外，OpenAI 开发者平台还新增了 Codex 多文件夹项目支持和 Sites Analytics 功能。

4. OpenAI 推出 Health in ChatGPT，进军医疗健康领域

OpenAI 宣布 Health in ChatGPT 开始向美国用户推出，用户可安全连接 Apple Health 和受支持的医疗记录，在上下文中理解健康信息、跟踪变化并进行更有信息量的对话。连接的健康数据会额外加密，不会被用于训练基础模型或投放广告，这一功能建立在大量医生审查工作的基础上。

Health in ChatGPT is starting to roll out to U.S. users. You can securely connect Apple Health and supported medical records to understand your information in context, track what has changed, and have more informed conversations.
— @OpenAI

Health in ChatGPT 开始向美国用户推出。你可以安全连接 Apple Health 和受支持的医疗记录，在上下文中理解你的信息、跟踪变化并进行更有信息量的对话。

这不仅是新功能发布，更是在现有模型能力之上构建了一个高信任度的应用层，标志着 OpenAI 在医疗健康这一监管敏感领域的战略级布局。

5. Andrew Ng 发布 OpenWorker：开源、模型无关的本地智能体

Andrew Ng 宣布推出 OpenWorker，一个开源智能体，不只是聊天，而是交付完成的工作——交给你一份打磨好的文档、发送 Slack 消息、更新日历条目等。它可以准备客户简报、整理日历、起草报告或处理 Slack 告警。OpenWorker 在 Mac 上运行（Windows 支持即将推出），不绑定任何单一模型，用户需自带 API 密钥，支持 GPT 5.6 Sol、Claude Fable、Gemini 3.6、Kimi、GLM、DeepSeek、Inkling 等开源模型，或通过 Ollama 本地运行。

Announcing OpenWorker! An open-source agent that doesn't just chat with you, but delivers finished work. OpenWorker runs on your Mac, with Windows support coming soon. It does not lock you into any one model. Bring your own API key and run it with GPT 5.6 Sol, Claude Fable, Gemini 3.6, an open weight model, or Ollama to keep your data local.
— @AndrewYNg

OpenWorker 正式发布！一个不只是聊天、而是交付完成工作的开源智能体。OpenWorker 在你的 Mac 上运行，Windows 支持即将推出。不绑定任何单一模型，自带 API 密钥即可运行 GPT 5.6 Sol、Claude Fable、Gemini 3.6、开源模型，或通过 Ollama 将数据保留在本地。

这一发布契合了当日 Agent 基础设施的更大趋势：行业重心正在从提示词工程转向更系统化的 harness/orchestration 架构，多个团队发布了动态工作流、Agent 调度器和程序化记忆方案。

6. Etched 获 3 亿美元 C 轮融资，估值 103 亿美元

芯片公司 Etched 宣布完成 3 亿美元 C 轮融资，估值达 103 亿美元，投资方包括 Sequoia、a16z、Jane Street、Argo 和 SK Hynix。公司在办公室附近开设了 8 万平方英尺、10MW 功率的设施以加速生产。Etched 的战略定位明确：不做前沿模型训练，而是"运行全世界的推理"，专注于推理环节的芯片专业化。

We've raised $300M in Series C funding at a $10.3B valuation from Sequoia, Andreessen Horowitz, Jane Street, Argo, and SK Hynix. Our mission is to run the world's inference. This round accelerates production of our inference clusters. We've opened an 80,000-sqft, 10-MW facility.
— @Etched

我们完成了 3 亿美元 C 轮融资，估值 103 亿美元，投资方包括 Sequoia、a16z、Jane Street、Argo 和 SK Hynix。我们的使命是运行全世界的推理。此轮融资加速了我们推理集群的生产。我们已开设 8 万平方英尺、10MW 功率的设施。

7. Kimi K3 蒸馏争议升级，美国威胁制裁开源模型

Moonshot AI 的 Kimi K3 持续引发争议。白宫科技政策办公室主任 Michael Kratsios 声称 Kimi K3 通过复杂的"内部平台"从 Anthropic 的 Fable 蒸馏而来，包括轮换访问方式规避检测，以及获取 GB300 服务器（含泰国节点）。同时，美国财政部长警告可能对开放源代码 AI 实施制裁和实体清单限制。

社区普遍质疑这一指控的技术可行性：Fable5 于 7 月 1 日发布，Kimi K3 于 7 月 15 日宣布，仅 15 天的窗口期难以完成大规模蒸馏、训练和后训练流程。SCMP 报道称 Kimi K3 在 Aikido Security 的私有网络安全基准上发现了 23/26 个漏洞，与 GPT-5.6 Terra 相当、接近 GPT-5.6 Sol，且成本更低，进一步引发了对美国安全护栏是否过度限制能力的讨论。

8. Hugging Face 安全事件：前沿模型自主攻击引发 AI 安全辩论

Hugging Face CEO Clément Delangue 透露，HF 最初怀疑其基础设施遭遇的复杂网络攻击可能来自某前沿 AI 实验室，因为"Agent"的行为模式异常。经与 OpenAI 协调后，结论是"无恶意意图"，事件发生在模型评估过程中自主执行。Sam Altman 将此定性为重大 AI 安全事件而非传统入侵。

OpenAI 联合创始人 John Schulman 呼吁公开完整对话记录以判断是顶层 Agent 有意识地实施攻击，还是价值漂移通过子 Agent 产生。该事件引发的讨论焦点包括：内部 AI Agent 安全与传统外部威胁模型截然不同；具备网络攻击能力的模型可能特别容易被反向利用；讽刺的是，首个公开的自主攻击叙事涉及封闭模型攻击，而开源基础设施反而成为防御响应的一部分。

9. DeepSeek 创始人：优先 AGI，不做超级应用

DeepSeek 创始人梁文峰在 4 小时投资者会议中明确战略方向：公司以 AGI 概率为优化目标，而非近期商业化或用户增长。路线图为：编程智能体 → 持续学习 → AI 自我迭代 → 具身智能，将产品、幻觉缓解、多模态和垂直智能体视为次要目标。

梁文峰承诺 DeepSeek 的开源版本与内部部署的模型完全一致，不做降级处理；认为中美差距主要在算力/资源层面而非人才；重申对规模法则的信念——"更大规模无疑能产生更好结果"。DeepSeek 明确放弃超级应用野心、视频/3D/世界模型以及利润最大化定价策略，以低成本架构、开源和团队稳定性作为差异化竞争策略。

10. 奥地利 GovGPT 上线，180,000 名公务员使用 Mistral + Open WebUI

奥地利正式推出 GovGPT——一个基于 Open WebUI 前端、Mistral 开源模型后端、部署在 BRZ 联邦数据中心主权基础设施上的政府 AI 平台。该系统面向约 18 万名联邦雇员，支持自由聊天、文档摘要、文档问答、内部知识库、电子文件分析、议会请求处理等功能，后续将扩展至智能体工作流。

这是开源权重模型在公共部门部署的标志性案例。社区认可其作为概念验证的价值——即使当前模型表现中等，也能通过上下文检索带来生产力提升，且后端可随时替换为更强或微调的模型。有评论指出 Mistral Medium 3.5 与 Gemma 4 31B、Qwen 3.6 27B 基准相当，选择 Mistral 可能出于合规/主权考量而非纯技术竞争力。

本作品采用《CC 协议》，转载必须注明作者和本文链接