AI日报：黑森林实验室放出Flux3；Claude Opus现已支持语音模式；快手入局AI互动内容赛道

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。

1、黑森林实验室放出 Flux3：首个原生生成音频的多模态基础模型，20 秒音画同步一次成型

黑森林实验室发布的Flux3多模态基础模型， 首次 实现了原生音频生成，并在音视频同步、图像生成和动作控制方面表现出色，展现了其在人工智能领域的领先地位。

2、Claude Opus现已支持语音模式：从随口问答升级成能调工具、换语言的实时参谋

Claude 语音模式的升级显著提升了其处理复杂问题的能力，同时增加了对多种模型和工具的支持，使用户能够更高效地利用语音交互完成任务。

3、快手入局AI互动内容赛道，开放首批创作者招募

快手正式宣布推出‘AI互动内容’创作功能，标志着短视频平台竞争从传统内容时长延伸至交互式体验领域。该功能依托大模型，允许用户通过文字输入、选项选择主动参与内容走向，打破传统短视频单向传播模式。业内分析认为，这是快手在短视频存量竞争下的关键落子，旨在提升用户留存和推荐算法反哺。

4、小鹏人形机器人广州工厂开启小批量试生产 预计2026年实现量产

小鹏人形机器人广州工厂正式开启小批量试生产，标志着其量产冲刺进入倒计时。公司计划在2026年实现量产，并逐步应用于全球门店及商业场景，通过整合集团核心能力加速商业化落地。

5、腾讯混元合二为一：多模态与大语言模型部门合并，姚顺雨统管冲全模态上限

腾讯宣布将混元多模态模型部门与大语言模型部门合并，设立基础模型部，由姚顺雨统一管理。此举旨在提升模型研发与协同效率，探索全模态模型的智能上限。

6、微软自研双模型MAI-Image-2.5-Pro与MAI-Voice-2-Flash发布：不蒸馏第三方，已落地Bing和PowerPoint

微软推出自研AI模型MAI-Image-2.5-Pro和MAI-Voice-2-Flash，分别面向高质量图像生成和高并发语音交互场景，强调训练数据可追踪且不依赖第三方模型蒸馏。两款模型已在多个产品中落地，并显著提升了效率和成本效益。

7、腾讯甩出 WorkBuddy Bench：一套把代码、网页、办公、安全全装进来的编码智能体考场

腾讯推出 WorkBuddy Bench 多领域评测套件，涵盖代码、网页、办公和安全四个领域，任务均从真实场景逆向工程而来，防止背答案。评测方式多样，强调抗污染能力，并公开数据集以提升透明度。

8、阿里开源0.8B文档解析模型OvisOCR2，端到端方案登顶OmniDocBench

阿里开源的OvisOCR2模型在文档解析领域取得重大突破，以0.8B参数规模实现端到端解析，超越传统流水线方法，为RAG检索、智能问答和企业知识库提供高效支持。