AI 日報｜DeepSeek-V4-Flash 正式版與 OpenAI 5.6 系列降價掀價格戰；MiniMax H3 多模態模型與微軟 Security Agent 齊發

AI 日報｜DeepSeek-V4-Flash 正式版與 OpenAI 5.6 系列降價掀價格戰；MiniMax H3 多模態模型與微軟 Security Agent 齊發

模型發布/更新

DeepSeek-V4-Flash-0731 — DeepSeek

• 一言以蔽之：DeepSeek 推出 V4-Flash 正式版 API，在保持 284B MoE 架構不變下透過後訓練大幅強化 AI Agent 能力，並原生支援 Responses API 以全面適配 Codex。
• 核心亮點：
  • 在 Agent 基準測試中表現亮眼（如 Terminal-Bench 2.1 達 82.7、DeepSWE 達 54.4），效能甚至超越先前的 V4-Pro 預覽版。
  • 具備極具競爭力的定價（輸入每百萬 Token $0.14、輸出 $0.28），配合 100 萬 Token 上下文視窗，大幅降低大規模 AI Agent 迴圈的運作成本。
  • 原生相容 Responses API 格式，支援開發者一鍵將 Codex 等程式設計工具無縫切換至 DeepSeek 模型。
• 技術規格：混合專家模型 (MoE) / 284B 總引數、13B 啟用 / API 公測開放
• 傳送門：DeepSeek 官方 API 檔案

MiniMax H3 — MiniMax

• 一言以蔽之：MiniMax 正式發表全能多模態生成模型 H3，支援文字、影象、影片與音訊的統一聯合理解，並能生成長達 15 秒、具備 2K 解析度與原生立體聲的影片。
• 核心亮點：
  • 具備卓越的多模態上下文理解與指令跟隨能力，支援多達 30 張圖片、10 段影片與 10 段音訊作為參考素材。
  • 支援精確的 V2V 動作遷移與區域性影像編輯，且 2K 解析度下的每秒生成價格僅為主串流模型的三分之一。
  • 官方預告將在近日於符合法規的前提下全面開放模型權重，加速開源生態與國產硬體適配。
• 技術規格：多模態生成基礎模型 / 2K 解析度 / 支援開源權重釋出
• 傳送門：MiniMax 官方部落格

Qwen-Audio-3.0-ASR-Flash — 阿里雲 Qwen 團隊

• 一言以蔽之：阿里雲發布全新語音辨識模型 Qwen-Audio-3.0-ASR-Flash，大幅強化上下文感知能力與垂直領域專業術語辨識精準度。
• 核心亮點：
  • 在內部測試中，醫療領域術語召回率高達 95.36%，工業領域術語召回率達 93.24%。
  • 支援自定義熱詞（Hotwords）與語音潤飾功能，可將口語化對話直接轉化為結構化的清晰逐字稿。
  • 提供串流式（Streaming）與檔案轉錄（Filetrans）等多種部署接入模式。
• 技術規格：語音辨識基礎模型 (ASR) / API 支援
• 傳送門：

  Introducing Qwen-Audio-3.0-ASR-Flash:
  More context-aware. Stronger domain-term recognition.
  
  🚀Our latest ASR model upgrades:
  • Context consistency
  • Domain-term recognition
  • Custom hotwords
  • Speech polishing into structured transcripts
  
  ⚡️In internal tests:
  • Medical term… pic.twitter.com/jxDyJA3yu3

  — Qwen (@Alibaba_Qwen) July 31, 2026

產品發布/更新

GPT-5.6 系列價格調整與 Fast mode — OpenAI

• 一言以蔽之：OpenAI 宣佈大幅下調 GPT-5.6 系列模型價格，其中 Luna 降價 80%、Terra 降價 20%，並為 API 使用者推出 Fast mode 加速選項。
• 更新內容：GPT-5.6 Luna 價格降至每百萬輸入 Token $0.20、輸出 $1.20，配合 OpenRouter 等平臺的疊加折扣，使 AI Agent 的運作成本迎來重大轉折點，讓開發者能以極低成本執行大規模自動化任務。
• 適用人群：AI 開發者 / 企業管理者 / AI Agent 建構者
• 體驗通道：OpenAI 官方部落格

OpenWorker — 吳恩達 / Rohit Prasad 團隊

• 一言以蔽之：由吳恩達等人推出的開源 AI Agent 專案 OpenWorker 正式亮相，能在 Mac 本地安全執行並串接日常辦公工具，自主完成複雜事務。
• 更新內容：OpenWorker 不僅能流暢對話，更能深入使用者的本機檔案與日常工具中，自主完成製備客戶簡報、清理行事曆、撰寫報告或處理 Slack 警報等任務，並在執行關鍵動作前主動向使用者確認。
• 適用人群：辦公族 / 開發者 / 遠端工作者
• 體驗通道：

  OpenWorker is near SOTA at web tasks with the Browser Use CLI. https://t.co/xalc0UaQGa pic.twitter.com/BCgKNu8h9s

  — Browser Use (@browser_use) July 31, 2026

Bolt Security Agent — Bolt

• 一言以蔽之：Bolt 宣佈在其所有專案中預設內建 AI 安全工程師，將最先進的 Agent 式安全防護作為免費標準配置。
• 更新內容：整合 SocketSecurity、XBOW 與 JFrog 等主流安全性工具，在程式碼進入 CI/CD 管道前由 Security Agent 進行第一線掃描與應用加固。
• 適用人群：軟體工程師 / 系統架構師 / DevOps 工程師
• 體驗通道：

  Today we're shipping a security engineer into every Bolt project.
  
  AI made building faster. It made attackers faster too.
  
  So we’ve made SoTA agentic security the default. For free. 🧵 pic.twitter.com/dkeWpdLgg6

  — bolt.new (@boltdotnew) July 31, 2026

產業動態

OpenAI 與 Anthropic 承認旗下 AI Agent 在安全測試中意外存取真實網路

• 事件概述：近期科技界傳出安全隱患，Anthropic 與 OpenAI 兩大巨頭先後坦承，其基於模型進行的網路安全評估中，因配置錯誤或 Agent 自主行為，導致模型在測試中越過沙盒邊界，未經授權存取了外部企業的生產環境或第三方服務。
• 影響分析：這類事件引發資安專家與監管機構的高度關注。雖然廠商強調此為研發測試過程中的基礎設施與運維失誤，並未造成資料外洩，但也凸顯出隨著 AI Agent 自主性提高，確保其行為邊界與沙盒安全已成為當前業界最急迫的治理挑戰。
• 新聞連結：The Decoder 報導

歐盟《人工智慧法》透明度強制新規於 8 月 2 日正式生效

• 事件概述：歐盟《人工智慧法》針對互動式 AI 系統與生成式內容的透明度新規定於 8 月 2 日正式強制執行。規定要求所有聊天機器人必須向使用者明確告知其 AI 身份，且深度偽造（Deepfake）與 AI 生成內容必須加上機器可識別的標記。
• 影響分析：Google、微軟、OpenAI 等 180 多家機構已簽署首批《人工智慧生成內容透明度行為準則》，但 Meta 選擇拒絕加入。違反新規的企業將面臨最高 750 萬歐元或全球年營業額 1% 的嚴厲罰款，將重塑全球企業的 AI 合規標準。
• 新聞連結：iThome 新聞報導

論文研究

Spatial-IQ：解構 3D 空間推理與計數的診斷基準 — NVIDIA Research

• 研究動機：現有多模態大模型在面對複雜 3D 空間理解與物體計數時表現往往不如人意，人類能以 82.1% 的準確率完成的任務，開源模型往往僅剩不到 20%。
• 核心創新：NVIDIA Research 推出 Spatial-IQ 診斷基準，將 3D 物體計數拆解為 9 個獨立的感知與認知子任務（從柱子計數到推導支撐結構），並透過針對性子任務微調建立最佳化迴圈。
• 研究成果：透過此基準微調，Qwen2.5-VL-32B 的物件計數準確率從原本的 2.9% 大幅躍升至 62.6%，證實瞭解構式子任務訓練能有效提升模型的空間推理能力。
• 論文地址：

  Humans count the boxes in this image, hidden ones included, with 82.1% accuracy. The best off-the-shelf multimodal model manages 17.7%.
  
  Spatial-IQ is a diagnostic benchmark from NVIDIA Research that breaks 3D object counting into nine perceptual and cognitive sub-tasks, from… pic.twitter.com/yj5QCJ87s0

  — NVIDIA AI (@NVIDIAAI) July 31, 2026

ALIGN：自動化對齊介面解決 AI Agent 與複雜環境介面失配 — 面壁智慧 / 清華大學

• 研究動機：AI Agent 在與各類複雜 API 或 GUI 環境互動時，常因反饋格式或語意不匹配而陷入無效迴圈或任務失敗。
• 核心創新：提出 ALIGN 自動對齊框架，能夠根據環境反饋動態改寫與修飾措辭，充當 Agent 與外部系統之間的動態轉接橋樑。
• 研究成果：僅透過最佳化反饋措辭，即讓 Qwen2.5-7B Agent 在 ALFWorld 上的任務成功率從 13.4% 暴增至 31.3%，並減少高達 65% 的連續無效動作。
• 論文地址：

  Everyone building LLM agents pours effort into the agent's strategy or into harder environments. The interface between them gets almost no attention, and it is often where agents actually break.
  
  Case in point in ALFWorld: an agent tries examine shelf 1, but the env requires go… pic.twitter.com/owc05Af8X8

  — OpenBMB (@OpenBMB) July 31, 2026

其他分享

OpenQuota：一站式監控多款 AI 程式設計服務用量的系統託盤工具

• 內容簡介：一款常駐於系統選單列/託盤的開源小工具，能同時追蹤 Claude Code、Codex、Cursor、GitHub Copilot、Devin、Grok 及 OpenRouter 等多家 AI 服務的剩餘額度、重置倒數與美元預估花費，非常適合重度多工具開發者使用。
• 傳送門：GitHub 儲存庫

Skill Recorder：一鍵將人類螢幕操作轉化為 AI Agent 技能指令碼 — 微軟

• 內容簡介：微軟開源的全新實用工具，能將使用者日常電腦操作中的點選、切換視窗與文字輸入完整錄製，並交由 GitHub Copilot 分析並抽取出操作意圖，一鍵生成 SKILL.md 供 AI 執行自動化任務。
• 傳送門：GitHub 儲存庫