DeepSeek 上线实验性多模态视觉模型 V4-Flash-Vision-Exp 并开放 API

深度求索上线实验性多模态视觉模型 DeepSeek-V4-Flash-Vision-Exp 并开放 API，支持图文混合输入，纯文本能力与 V4-Flash 持平，视觉 Agent 能力接近 Opus-4.8，图片按 token 计费且价格与 V4-Flash 一致。

OpenAI 宣布将驱动其顶级 AI 智能体的底层核心框架 Codex Harness 全面开源，采用 Apache-2.0 许可，任何人都可修改和商用。该框架包含 CLI、SDK 和 app-server 三大组件，支持将 Agent 无缝嵌入自有业务界面，标志着 AI 应用从“通用聊天框”向“原生业务集成”的范式转变。

Google 于 8 月 13 日发布 Gemini 3.7 Flash，在编程、网页开发与复杂文档处理等场景较上一代显著提升，API 输入价格降至 $0.75/百万 token，约为上一代原价的一半，新模型同步上线 Gemini Spark。

荣耀在广州发布首款机器人手机Robot Phone，以四自由度钛合金灵巧云台、Agentic OS系统级Agent架构与ARRI电影级影像能力，将手机从被动屏幕推向具身交互新形态，售价9999元起，8月18日开售。

小红书研发团队正在内部测试独立AI应用OpenStoryline，旨在通过自然语言交互降低视频编辑门槛。同时，公司成立Red&Live部门聚焦短视频业务，以应对用户增长压力并构建AI赋能闭环。

月之暗面推出Kimi K2.5开源模型，在智能体评测中表现顶尖，采用原生多模态架构。模型在编程领域有显著提升，支持视觉编码和Agent集群机制。

DeepSeek计划在农历新年期间发布DeepSeek-V4模型，作为自R1模型发布一年后的重要升级。新模型在代码生成、数据模式理解和模型衰减解决方面取得突破，提供显著技术优势。

字节跳动推出Seed1.8模型，标志着AI技术布局进入新阶段。该模型集成多模态能力，能直接执行任务并响应用户需求转向操作执行。

Open-AutoGLM Phone Agent 是基于 AutoGLM 的移动智能助理框架，能通过多模态方式理解手机屏幕并自动执行任务。作为首个具备 “Phone Use” 能力的 AI Agent，它支持 50 + 中文应用，采用 ADB 控制 + 视觉语言模型 + 智能规划的工作机制，内置安全防护措施。虽然性能仍有提升空间，但为 AI 助理技术开辟了新方向。

微舆 BettaFish 是一款创新的多 Agent 舆情分析助手，通过 AI 驱动的全域监控、复合分析引擎和多模态能力，帮助用户打破信息茧房，获得全面的舆情洞察。该产品由 35 位开源贡献者共同开发，采用多 Agent 协同架构，支持公私域数据融合，具有轻量化和高扩展性特点，适用于各类决策场景。