AI 日报｜FLUX 3 Image 发布；Perplexity 开源决策模型 pplx-decider-27b
模型发布/更新
FLUX 3 Image — Black Forest Labs
- 一句话概括：Black Forest Labs 发布旗舰图像模型 FLUX 3 Image，支持原生 4K 渲染与多轮精准编辑。
- 核心亮点：支持最高 4K 分辨率生成，可使用最多 10 个参考图进行组合创作。
- 编辑能力：支持在不改变其他像素的情况下进行多轮精准局部编辑，并可通过 bounding box 进行图像布局。
- 传送门：官方公告
pplx-decider-27b — Perplexity
- 一句话概括：Perplexity 宣布开源多模态决策模型 pplx-decider-27b，并推出全新的 Decisions API。
- 技术规格：输入 token 价格为 4 美分/百万，输出 token 免费。
- 评测表现：在 11 个决策基准上总体准确率达到 85.71%，专门输出固定答案集的概率分布。
- 传送门：
MAI-Transcribe-2-Streaming — Microsoft AI
- 一句话概括：Microsoft AI 发布全新实时语音转写模型 MAI-Transcribe-2-Streaming，登顶多个语音识别基准。
- 性能表现：在 AA-WER 实时语音识别榜单中夺得第一，最终转写错误率仅为 2.5%。
- 成本与延迟：延迟低至 0.13 秒，流式转写定价为每小时音频 0.54 美元。
- 传送门：Vercel 变更日志
产品发布/更新
Claude Code Mods — Anthropic
- 一句话概括：Anthropic 推出 Claude Code Mods 功能，允许开发者使用 TypeScript 自定义模型行为与界面。
- 功能特性：支持通过几行 TypeScript 代码修改行为、定制 UI 并接入专属功能。
- 生态分发：Mods 随插件一同分发，可在 CLI 或桌面应用中通过 /plugin 命令直接安装。
- 传送门：官方博客
Speech Beta — Suno
- 一句话概括：Suno 推出 Speech Beta 功能，支持在生成语音的同时自动匹配原创背景音乐。
- 功能亮点：这是首个能够将语音与定制化背景音乐作为单条音轨整体生成的音频大模型。
- 体验通道：功能已向所有用户开放，用户需更新 App 体验最新版本。
- 传送门：官方博客
VM Sandboxes — Modal
- 一句话概括：Modal 正式发布 VM Sandboxes，为 AI 智能体提供具备完整 Linux 环境的虚拟机。
- 环境支持：只需设置 runtime=“vm” 即可获得支持 Docker、FUSE 和内核功能的完整 Linux 虚拟机。
- 性能优势：延续了原有 Sandbox 的 API、modal.Image、亚秒级冷启动和内存爆发能力。
- 传送门：官方博客
行业动态
OpenAI 披露并挫败模型蒸馏攻击 — OpenAI
- 一句话概括：OpenAI 披露并通报了一起有组织的针对其模型推理链的蒸馏窃取攻击行动。
- 事件概述：7 月底短时间内出现来自 4000 多个用户的 16000 次针对推理链的异常请求。
- 处置进展：OpenAI 关联排查并关停了超过 15000 个违规账号，全面强化了针对模型蒸馏的防护措施。
- 传送门：The Decoder 报道
论文研究
InstructMesh — MIT CSAIL / Google / 东北大学
- 一句话概括：MIT CSAIL 联合 Google 等机构推出 InstructMesh，支持用户通过自然语言修复并打印 AI 生成的 3D 模型。
- 核心创新：将微软 TRELLIS 的 3D 生成能力与 GPT-4 的推理能力深度结合。
- 应用场景：允许用户使用自然语言对 AI 生成的 3D 设计进行标注与精细修改后再行物理打印。
- 传送门：MIT 官方报道
其他分享
ChatGPT Usage Explorer — Epoch AI
- 一句话概括：Epoch AI 联合 YouGov 推出 ChatGPT Usage Explorer，公开了基于 5000 名真实用户的聊天元数据分析。
- 数据规模：数据集覆盖 2022 年 12 月至 2025 年 12 月的约 66 万次对话和 830 万条消息。
- 趋势发现：数据显示高频活跃用户比例逐年显著上升，平均对话长度也有所增长。
- 传送门：官方报告
