AI日报：MiniMax发布全模态模型H 3；Seedance 2.5发布，30秒一镜到底；DeepSeek
2026-07-31 15:58
欢迎来到【 AI日报 】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。
新鲜AI产品 点击了解 ： https://app.aibase.com/zh
1、 MiniMax 发布通用全模态模型H3，15秒2K音视频生成价格不到主流模型三分之一
MiniMax发布通用全模态模型H3，实现了文本、图像、视频、音频的统一理解与生成，标志着多模态生成模型从专用专家向通用助手迈出关键一步。H3在指令遵循、品牌信息呈现、V2V动作迁移等场景下表现出商用级稳定性，已可应用于广告、电商、游戏、UI设计等多个商业领域。同时，H3在设计初期就考虑了多款国产芯片的兼容性，其开源将进一步降低国内企业在多模态AI应用上的技术门槛。
【AiBase提要:】
📹 H3支持原生双声道音视频输出， 最高 可生成15秒2K分辨率内容。
🧠 引入Contextual Omni Representation技术，使自然语言成为连接各类模态的通用桥梁。
📦 MiniMax宣布将在符合相关法律法规的前提下开源 H3模型 权重，推动开源生态建设。
2、字节跳动 Seedance 2.5 发布：30 秒一镜到底，AI 视频开始会讲故事了
字节跳动发布 Seedance 2.5 视频生成模型，将单次视频生成时长提升至 30 秒，并具备长叙事能力、多模态参考和编辑能力，可完成完整创作。
【AiBase提要:】
🎥 Seedance 2.5 提升视频生成时长至 30 秒，支持多镜头叙事和逻辑关联的镜头组织。
🔄 支持多轮延长能力，保持人物主体、场景、画面风格及音效一致性。
👥 支持输入最多 30 张图片、10 段视频和音频，精准还原多人形象与声音。
3、DeepSeek-V4-Flash正式版上线，130亿激活参数撬动Agent战场
DeepSeek-V4-Flash正式版API公测上线，标志着其在Agent赛道上的重要进展。该模型在多项基准测试中表现优异，且激活参数仅为130亿，与旗舰模型V4-Pro相比具有显著成本优势。同时，其自研Agent框架DeepSeek Harness 首次 亮相，并支持OpenAI的Responses API格式，便于开发者迁移应用。
【AiBase提要:】
🔥 DeepSeek-V4-Flash正式版上线，性能逼近旗舰模型V4-Pro。
💡 激活参数仅130亿，成本优势显著，适合Agent场景应用。
🚀 支持OpenAI Responses API格式，便于生态迁移。
4、DeepMind发布Gemini Robotics ER 2， 首次 解锁多机协同
文章介绍了DeepMind发布的Gemini Robotics ER2模型，该模型在多机器人协同、实时决策和任务监控方面取得重大突破，标志着具身智能向规模化商用迈出了坚实一步。
【AiBase提要:】
🧠 新一代具身推理模型Gemini Robotics ER2实现多机器人协同作业突破
🚀 实现实时决策与持续任务监控，提升任务执行效率
🤝 引入多机器人协作机制，推动具身智能规模化商用
5、谷歌将 Nano Banana2集成至 Google Earth，支持在线AI生成地理场景图像
谷歌宣布将 最新 Nano Banana2 AI图像生成模型集成至Google Earth，面向全球用户开放AI图像生成功能，提升地理空间内容的可视化能力。
【AiBase提要:】
🌍 谷歌将Nano Banana2 AI图像生成模型集成至Google Earth，提升地理空间内容的可视化能力。
🎨 用户可通过输入场景描述生成高精度自定义图像，适用于教育、专业应用及个人创作等多个场景。
🚀 生成式AI进一步融入数字地图和空间计算平台，为教育、城市规划、建筑设计等行业带来更丰富的可视化应用空间。
6、华为开源5050亿参数openPangu-2.0-Pro模型，权重与推理代码同步开放
华为正式开源盘古AI模型品牌openPangu旗下openPangu-2.0-Pro大模型，同步开放模型权重、基础推理代码及技术报告，进一步推进昇腾AI生态建设，为开发者和企业提供基于昇腾原生训练与推理技术的 最佳 实践。
【AiBase提要:】
🧠 openPangu-2.0-Pro是基于昇腾NPU训练的大规模混合专家（MoE）语言模型，总参数规模约505B（5050亿）
🚀 模型支持512K上下文长度，训练数据规模约34T Tokens，并通过后训练阶段提升综合性能
🌐 华为开源openPangu-2.0-Pro模型，进一步推进昇腾AI生态建设，为开发者和企业提供 最佳 实践
详情链接:https://www.huaweicloud.com/product/modelarts/studio
7、阿里千问发布Qwen-Audio-3.0-ASR-Flash，语音识别攻克专业场景最后一公里
阿里千问发布Qwen-Audio-3.0-ASR-Flash，语音识别攻克专业场景最后一公里。新模型在五大维度实现升级，包括长音频上下文记忆、内置多行业词库、分级热词定制、集成语音润色以及多语言支持。该模型已在多个领域广泛应用，如会议纪要、实时字幕、教育录播和智能客服等。
【AiBase提要:】
🧠 长音频上下文记忆，转写时可参考前文语义，几小时会议中的人名、技术概念全程保持一致。
💼 内置多行业词库，医疗场景专业词召回率达95.36%，IT编程达91.87%。
🌐 一套模型覆盖30余种语言，七语种平均语义错误率17.09%，优于Azure、Gemini等同业模型。
8、特斯拉中国车机正式接入豆包大模型
特斯拉中国正式推送2026.14.13版本的车机软件更新，其中最引人注目的是引入了豆包大模型，提升了车机系统的智能交互体验。不过，该功能需要用户开通 高级 车载娱乐服务才能使用。
【AiBase提要:】
✅ 特斯拉中国开始推送2026.14.13版本车机软件更新。
🤖 此次更新引入了豆包大模型，提升智能交互体验。
🔑 需要开通 高级 车载娱乐服务才能使用AI大模型功能。