夜雨聆风
今天微软悄悄放出的新动作。
MAI-Realtime，一个真正能同时听和说的全双工语音模型，已经出现在微软MAI Playground的隐藏入口里。支持英语、中文、日语、韩语等17种语言，目前有Victoria和Grant两个声音，自然度明显超过现有的Copilot语音模式，还能中途切换语言，并支持工具调用。
这是微软自研MAI系列的首个端到端实时语音模型。此前微软语音能力高度依赖OpenAI，这次明显是想把主动权拿回来。目前还在合作伙伴内测阶段，正式发布时间未定，但已经足够让语音赛道紧张起来。
模型发布与更新
继阿里巴巴推出Qwen3.8-Max后，API现已可用，开源权重计划下周发布。
英伟达同步开放了Nemotron VoiceChat 11B模型权重。这是首个支持实时工具调用的开源全双工语音模型，采用混合Mamba/Transformer架构，端到端语音理解与生成，延迟压到约450毫秒，适合做可打断的实时语音代理。
DeepSeek也更新了V4 Flash正式版，代理能力和推测解码进一步强化。MiniMax则把H3视频模型权重上传到了Hugging Face，但许可证明确排除了美国、欧盟、英国和韩国。
全球其他热闻
英国光子芯片初创公司OLIX一天内完成3.12亿美元B轮融资，估值直接飙到33亿美元（半年内翻了三倍多）。Arm、Hudson River Trading以及Netflix联合创始人Reed Hastings都参与了，英国主权AI基金也进场。公司主打光学互联专用推理芯片，目标2027年下半年交付首款产品，正面挑战现有HBM架构。
CrowdStrike最新威胁报告显示，AI赋能的攻击活动同比上涨89%。同时，一项新基准把AI代理放入模拟公司环境测试合规性，结果表现最好的代理也只在36.2%的试验中真正遵守规则。
国内重点
中国信息通信研究院最新测算：2025年中国人工智能产业规模已经超过1.2万亿元，同比增长40%。截至2026年6月，AI企业数量突破6600家，全球占比约15%，已形成从基础底座到行业应用的完整体系。
Genspark（景鲲团队）发布了GenOffice——号称全球首个全功能开源AI办公套件，支持文档、表格、PPT、PDF，免费无广告，内置Super Agent。官方称由一名工程师用一周时间、约1万美元Token完成Alpha版，代码已开源至GitHub。
社媒小道消息
X上TestingCatalog账号率先曝光微软MAI-Realtime的隐藏入口和演示细节，讨论热度迅速拉高，焦点集中在“微软这次能不能真正做出能打断、能同时聊的语音体验”。
国内社媒则一边关注Qwen3.8-Max下周开源可能带来的冲击，一边围观GenOffice这种“一周出产品”的开发效率，认为AI原生软件的迭代节奏正在加速。
OpenAI内部Astra模型在数学问题上的突破余温还在，但今天真正占话题中心的，已经是实时语音和开源模型的双重推进。
今天的AI圈，语音在抢入口，开源在抢生态，算力在抢效率。
以上。
关注鲲图智能，每天给你扒最新的全球AI大事件。全球前沿的图片（image2等）、视频（ltx、grok等）、文本（gpt5.6等）模型以及业务搭配方案私聊联系我。
