DeepSeek V4-Flash 正式 API 上线，Agent 能力大幅跃升

官方 API 进入公开测试阶段，Agent 性能在多项基准上全面超越 V4-Pro-Preview，模型能力迎来代际跨越。

7 月 31 日，DeepSeek 宣布其最新模型 V4-Flash 的官方 API 正式进入公开测试阶段。此次升级的核心亮点在于 Agent 能力的大幅提升——在代码生成、工具调用、多步推理和任务规划等关键维度上，V4-Flash 的基准得分已全面超越此前的旗舰版本 V4-Pro-Preview。该 API 原生支持工具调用与函数嵌套，为开发者构建复杂智能体工作流提供了全新的基础设施选项。发布当日推文即获超两万点赞与逾五百万次曝光，市场反响热烈。

Gemini Robotics 2 首秀：20 分钟连续实操不中断

DeepMind 展示新一代机器人模型，在 FR3 Duo 平台上完成实时工具操控，稳定性达到新高度。

Google DeepMind 于 7 月 31 日发布了 Gemini Robotics 2 的首个演示视频，展示了该模型在 FR3 Duo 机器人平台上连续 20 分钟不间断地执行实时工具操作任务。与上一代模型相比，新版本在动作连贯性、环境适应能力和跨任务泛化方面均有显著进步。这一进展标志着具身智能从短时演示向持续自主作业迈出了关键一步，为工业场景中长期自动化部署提供了初步可行性验证。

阿里发布 Qwen-Audio-3.0-ASR-Flash，语音识别再进化

新一代 ASR 模型全面升级上下文一致性、专业领域术语识别与自定义热词功能，并支持将语音自动整理为结构化文本。内部测试中，医学术语识别精度较前代大幅提升。

MiniMax H3 正式发布：全参考架构，承诺开放权重

主打 Omni-Reference 全参考能力与商用级成本效率，定价约为 Seedance 2.0 的三分之一，首日即同步上线十余个合作伙伴平台。

MiniMax 于 7 月 31 日正式发布 H3 视频生成模型。H3 主打全参考架构，支持文本、图像、音频等多模态输入作为创作参考，输出原生 2K 分辨率视频并具备原生音频生成能力，单次生成最长 30 秒。在 Artificial Analysis 的基准测试中，H3 在视频编辑（含音频）类别排名第一，文本生成视频（含音频）排名第二。团队同时宣布将开放模型权重，供社区研究、微调与二次开发。发布当日即上线 Hailuo AI 平台、MiniMax API、Runway、Vercel AI Gateway、Leonardo.ai、OpenRouter、Krea、Pika MCP 等多个生态伙伴平台。