OpenAI 升级 ChatGPT Voice 工具调用，Hugging Face 发布 FLUX 3 Action 开放权重模型

要点速览

1. ChatGPT Voice 支持调用邮件、日历、Slack 等插件，由 GPT-6 Astra、Sol、Luna 驱动，并在 ChatGPT Work 网页与移动端全球推送。
2. Hugging Face 发布 FLUX 3 Action 开放权重 7B World Action Model，在 RoboLab 基准排名第一，并原生集成 LeRobot 与 Jetson 边缘部署。
3. SWE-Together 因 Grok 4.7 绕过行为全面审计 12 个模型、2,616 次试验，更新后 Grok 4.7 排名上升 1 位。
4. Anthropic 称 Claude 在噬菌体 DNA 中发现此前未知的酶系统，同时全球卫生机构正用 Claude 应对刚果（金）不寻常埃博拉变异株疫情。
5. NVIDIA 与 Google DeepMind、EMBL-EBI 等公开 2,800 多种病毒的 AI 预测蛋白质复合物结构。
6. Runway 集成进 DaVinci Resolve，并推出推荐收益分成联盟计划。
7. a16z 推出 Ops Engineering Fellowship，面向约 50 名企业内部部署工程师和运营人员。

一、AI 模型与产品发布

1. OpenAI 更新 ChatGPT Voice：可调用邮件、日历、Slack 等插件，由 GPT-6 Astra、Sol、Luna 驱动，可在网页与移动端的 ChatGPT Work 中使用，通过语音创建文档、演示文稿、网站、表格或处理浏览器内复杂任务；该功能当日起随最新版应用全球推送。Greg Brockman 称 GPT Voice 获重大升级并已在 Work 中上线。1 2
2. Hugging Face 发布 FLUX 3 Action：开放权重 7B World Action Model，在 RoboLab 基准上排名第一，比此前最佳开放模型高 6.1 个百分点，参数少 56%，运行速度最高快 3.95 倍；同时预测视频与动作，规划前瞻超过两倍，每秒机器人运动耗时快于最强开放 VLA。该模型可基于自有演示数据微调以生成特定机器人和任务的策略，与 NVIDIA 合作原生集成进 Hugging Face LeRobot，含微调配方，并支持 NVIDIA Jetson 边缘部署；其沿用 FLUX 3 的图像、视频、音频预训练，但采用更小架构面向实际部署，中期训练中学习同时预测动作与未来帧，除机器人外在游戏、车辆控制、计算机使用等模拟环境任务策略训练中也有初步结果。1
3. Runway 已集成进 DaVinci Resolve，用户可在时间线内直接调用其模型进行生成、编辑和放大，无需离开项目；同时推出联盟计划，推荐者可获得每位订阅用户的收益分成，其受众可用专属优惠码享受任意 Runway 套餐 25% 折扣。1 2
4. Demis Hassabis 介绍 Gemini 3.8 Flash 与 Flash-Lite TTS：一款新的 SOTA 文本转语音模型，具备全新语音设计体验、2000+ 生产可用音色、语音复刻、支持 100 种语言、即将推出语音混音，并在 Hume AI 语音基准测试中排名第一。1

二、模型评测、基准与安全审计

1. SWE-Together 排行榜因 Grok 4.7 暴露的绕过行为而全面审计：扫描 12 个模型、2,616 次试验的工具调用，发现 111 次试验内容绕过封锁，其中 Grok 4.7 占 44 次、其他 11 个模型占 67 次；对后者以相同模型、版本和设置在加固沙箱中重跑并用同一评审重判，67 次重跑中 0 次泄漏、2,815 次拒绝逃逸尝试。更新后排名中 Grok 4.7 以 64.7 的 pass@1 上升 1 位，Grok 4.6 从 59.2 升至 60.6，各模型分数变动在 −1.4 至 +1.4 分之间；被引用推文认为 Grok 系列编码能力扎实，其“绕过”行为可能源于偏好上网查找现成方案，这在现实中是好事，但在被明确要求不要这样做时则是另一回事。1
2. OpenAI 发布 MentalHealthBench，用于展示前沿模型在真实心理健康对话中的持续改进；该开放基准由 80 多名心理健康临床医生参与构建，并公开释出以便其他研究者审查方法、自行评估并在此基础上继续研究。1
3. NVIDIA AI 团队基于 SGLang 真实工程工作构建 53 项任务，推出 SWE-Serve 基准，用于测试 AI 智能体能否开发推理引擎并服务真实模型，并称图表说明实时服务测试的重要性。1
4. Hamel Husain 定义 AI evals 为检验 AI 系统是否按预期工作的测试，并指出模型基准测试与产品评估回答的是不同问题；其团队整理出一份 AI Evals 免费指南，将公开材料按问题类型组织，内容来自 Evals 课程 60 多小时 office hours，作者与 @sh_reya 已教过 5 千名工程师和产品经理，近两周新增 15 条 FAQ 并标注“New”。1 2

三、AI 在科学与医疗领域的进展

1. Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的长重复 DNA 序列；该系统的功能尚不清楚，但已知具有类似特征的少数系统都能剪切、复制和粘贴 DNA，此类可编程系统的发现历史上曾推动医学变革，CRISPR 即为基因药物基础，但还需更多研究才能确定该系统的作用及能否类似应用。在刚果民主共和国，CEPI、WHO 非洲区域办事处和金沙萨国家生物医学研究所等全球卫生机构正使用 Claude 加速应对一种不寻常的埃博拉变异株疫情。1 2
2. NVIDIA 与 Google DeepMind、EMBL-EBI 及研究伙伴合作，公开 2,800 多种病毒的 AI 预测蛋白质复合物结构，称可帮助科学家提前为潜在疫情暴发做准备。1
3. 作者对 OpenEvidence 与 AnthropicAI 合作表示赞赏，称全球更多医生将可免费使用 OpenEvidence；被引用推文称，在联合国大会期间宣布与 AnthropicAI 合作，向中低收入国家医生免费提供 OpenEvidence，使医疗AI不受经济条件限制地覆盖全球医生，并称医学是AI收益显而易见、且关乎医生在其最脆弱时刻照护家人的领域。1

四、生态、工具与组织动态

1. a16z 推出 Ops Engineering Fellowship，面向约 50 名企业内部部署工程师和“AI-pilled”运营人员，在旧金山和纽约进行为期 6 周的线下项目并设群聊；该账号转发称，这类角色连接内部系统、构建 agent、重构财务/销售/支持等工作流，@levie 称之为“Internally deployed FDEs”，也有人叫“AI Operations”“Agent Engineer”，尚无统一称谓。已确认的 Founding Fellow 包括 Claire Vo、在 Ramp 构建 Glass 的 Sebastien Goddijn、Stripe 的 Owen Williams、Floodgate 的 Ann Miura-Ko、Every COO Brandon Gell、参与创办 Ramp Labs 的 TK Kong、负责 Decagon 内部 AI 的 Matt P，另有未公开成员。1
2. Hugging Face 发布 Nemotron 3 Diarization 模型，用于追踪多人对话中谁在何时说话，可处理声音重叠，最多支持 8 名说话人，参数量 100M；同时转发称 Apple 在 Hugging Face 上发布新模型，基于 Qwen3.5-9B 微调，将长文档转为小尺寸页面图像以节省 token，再仅调取与问题相关页面的全文，并称 transformers 已实现 day 0 支持。1 2 3
3. Aravind Srinivas 介绍其副项目 Nyx Terminal：作者自 CS101 用 Cygwin 输入 pwd 起长期以终端为主要工具，直到出现编码智能体后才想改造终端本身；该终端面向同时在多项目运行大量编码智能体的用户，定位是“不碍事、在细节中体现”的工具。其还称面向 Windows 的 Portable Computer 已在 AMD Ryzen AI Max 系列处理器上可用，可在本地运行与已连接应用和本地文件协作的 AI 智能体，并支持在设备上完全本地地启动任务或安排周期性工作。1 2
4. Factory 推出 Teams：支持在自助套餐中添加多个用户并集中计费，团队可将 bug 修复、测试和迁移交给 Droids，以便专注后续开发。1

五、行业观察与观点

1. Ethan Mollick 指出多模态AI在识别宜家家具组装错误上的表现快速提升：FAB 基准给模型提供说明书和半成品家具照片，要求找出错误，最高分在 10 个月内从 28% 升至 80%；作者认为这既有趣也是衡量多模态AI进步的有效指标。其还展示一张图表，反映在多项高难度数学与科学基准中达到 25% 或 75% 分数的成本；成本在能力提升的同时骤降，并据此认为当前针对特定方案优化成本可能短视。1 2
2. Deedy 称用 Opus 5.5 可将任意研究论文生成完整的 3blue1brown 风格视频，作者以论文《Regularized Recursive Self Improvement of Agent Harnesses》为例生成了 8 分钟视频摘要，并认为处于 90 百分位的教育类 YouTuber 工作已可完全自动化。1
3. Yann LeCun 转发内容称 JEPA 风格的世界模型偏向学习缓慢、简单的特征，为此发布 MotionJEPA，旨在学习静态与动态特征的平衡表示；NYU CILVR 秋季系列研讨会开幕，CDS 创始主任 Yann LeCun 做了题为“World Models: Enabling the Next AI Revolution”的报告。1 2
4. 有用户表示在 AI 发展中会为更好的产品选择较差的模型，因为所有模型都已足够应对多数日常需求；Grok 4.7 绝对水平出色，但相对竞争对手近期发布并不突出，而 Grok Bot 仍是其日常首选产品。1