一、今日摘要

过去三天，AI 竞争重心进一步从"拼参数"转向"拼推理效率与 Agent 能力"。OpenAI 一口气推出旗舰 GPT‑5.6（Sol/Terra/Luna 三档）与全双工语音模型 GPT‑Live；Meta 发布面向智能体的 Muse Spark 1.1 并首次开放 Meta Model API；腾讯把 295B 的 Hy3 开源，继续走"高性价比开源"路线；Google 把"计算机操控"能力原生塞进 Gemini 3.5 Flash。与此同时，Apple 正式起诉 OpenAI，指控其通过挖角窃取商业机密——这场诉讼背后，是硬件、人才与生态的全面角力。对开发者而言，本周最值得关注的是模型的"工具调用范式"和"Agent 原生设计"正在被重写。

二、今日 AI 前沿速览

1. OpenAI 发布 GPT‑5.6（Sol/Terra/Luna 三档定价），主打"默认高效、按需拉满"，并引入 Programmatic Tool Calling（可编程工具调用）。[1]
2. OpenAI 同步推出 GPT‑Live‑1 / GPT‑Live‑1 mini 全双工语音模型，取代 ChatGPT 现有高级语音模式，复杂任务后台委托给 GPT‑5.5。[2]
3. Meta Muse Spark 1.1（7 月 9 日）发布，主攻 Agent、工具/计算机操控与编程，首次开放 Meta Model API（公测）。[3]
4. 腾讯 Hy3 开源（7 月 6 日）：295B MoE、21B 激活、256K 上下文，宣称对标 2–5 倍参数量的旗舰开源模型。[4]
5. Apple 起诉 OpenAI（7 月 10 日），指控其系统性窃取商业机密以自研硬件设备。[5]
6. Google Gemini 3.5 Flash 将"计算机操控（computer use）"升级为原生内置工具，面向长程 Agent 与企业自动化。[6]
7. 大模型竞技榜（统计周期 6/29–7/5）显示 Claude 系列继续霸榜，国产 qwen3.7‑max‑preview 升至综合榜第 15 位。[7]

三、重点事件详细解读

3.1 OpenAI GPT‑5.6：三档定价 + 可编程工具调用，把 Agent 成本打下来

发生了什么

7 月 9 日，OpenAI 发布新一代旗舰 GPT‑5.6，分为 Sol、Terra、Luna 三个尺寸，定位"默认高效、按需拉满"。同日，OpenAI 宣布 GPT‑5.6 已成为 Microsoft 365 Copilot 的首选模型。[8]

核心技术或产品变化

按官方 API 定价页，短上下文每百万 tokens 报价为：Sol $5 输入 / $30 输出、Terra $2.5 / $15、Luna $1 / $6。[9] 更关键的是 Responses API 中新增的 Programmatic Tool Calling（可编程工具调用）：模型可以自己写并运行轻量程序去协调工具、处理中间结果、决定下一步动作，从而在"工具密集型任务"中减少 token 消耗和模型往返次数。[1] 缓存机制也更可预测（支持显式缓存断点、30 分钟最短缓存生命周期）。据第三方实测反馈，Sol 在 Terminal‑Bench 2.1 上取得 91.9% 的智能体编程分数，但用于日常简报/邮件分拣时，Terra 已"看不出差距"。[10]

为什么重要

过去一年，Agent 应用最大的隐性成本是"每一步工具结果都要塞回模型"。可编程工具调用把"编排逻辑"下沉到模型自己生成的代码里，直接压低了 token 和延迟成本——这是从"更强的模型"转向"更省的工程范式"的信号。

对开发者的影响

做 Agent、RAG、工作流的团队值得优先评估 Terra 作为主力档：多数常规任务它已够用，Sol 留给复杂研究/多源对比这类"硬骨头"。需要注意的是，网传"1.5M 上下文"目前仍属未证实传闻，官方定价页并未标注该数字，选型时不要据此下结论。[11]

3.2 OpenAI GPT‑Live：全双工语音，把"轮流说话"变成"边听边说"

发生了什么

7 月 8 日，OpenAI 发布 GPT‑Live‑1 与 GPT‑Live‑1 mini，并用它们替换 ChatGPT 现有的高级语音模式，全球在 iOS/Android/Web 上线。[12]

核心技术或产品变化

其核心是全双工（full‑duplex）架构：模型可以同时听和说，能用"嗯""对"这类短反馈表示在听，也能在你思考时保持安静，从而自然处理打断、停顿与语速变化。遇到需要联网、深度推理的复杂问题，GPT‑Live 会把任务委托给后台的前沿模型（发布时为 GPT‑5.5），在其计算时继续维持对话。付费用户默认用 GPT‑Live‑1，免费用户默认 mini。[13]

为什么重要

这是语音交互从"STT→LLM→TTS 三段式流水线"转向"语音原生 + 前台/后台分工"的一次范式切换。前台模型专注低延迟对话体验，后台模型负责重推理，兼顾了自然度与智能上限。

对开发者的影响

做语音助手、实时翻译、客服和陪练类应用的团队应重点关注这套"前台轻量对话 + 后台委托推理"的分层思路，它可能成为语音 Agent 的通用架构。同时要注意全双工带来的新问题：打断处理、并发音频流、以及后台调用带来的成本与延迟波动。

3.3 Meta Muse Spark 1.1：闭源、Agent 原生，且第一次开放 API

发生了什么

7 月 9 日，Meta 超级智能实验室（MSL）发布 Muse Spark 1.1，并首次推出公测版 Meta Model API。[3]

核心技术或产品变化

Muse Spark 1.1 是一款多模态推理模型，专为 Agent 任务设计，在工具/计算机操控、编程、多模态理解上均有提升，具备 1M token 上下文。它是闭源/闭权重（与开源 Llama 家族不同），meta.ai 面向消费者免费，API 定价为每百万 tokens $1.25 输入 / $4.25 输出，并赠送 $20 额度。[14] 独立评测也指出其短板：长程 Agent 任务仍弱于 GPT‑5.5 与 Claude Opus 4.8。[15]

为什么重要

一向以开源著称的 Meta，在旗舰 Agent 模型上选择闭源 + 开放 API，是一个明显的商业化转向：它想直接争夺开发者调用量，而不仅是"发权重、攒生态"。

对开发者的影响

对预算敏感、又需要多模态 + 长上下文的团队，Muse Spark 1.1 的价格颇具吸引力。但若核心场景是长程、多步自治 Agent，现阶段仍建议以 GPT‑5.5/Opus 4.8 为基线做对照测试，不要仅凭价格切换。

3.4 腾讯 Hy3 开源：295B MoE，走"以小博大"的性价比路线

发生了什么

7 月 6 日，腾讯混元团队正式发布并开源 Hy3，同步上线 GitHub、Hugging Face、ModelScope、OpenRouter 等平台。[4]

核心技术或产品变化

据官方模型卡，Hy3 为 295B 总参数、21B 激活的 MoE 模型，另有 3.8B 的 MTP 层用于投机解码；80 层、192 个路由专家（top‑8）+1 个共享专家、GQA、256K 上下文，BF16 精度。[16] 官方称其性能超过同尺寸模型，并可与参数量 2–5 倍的旗舰开源模型抗衡。[17]

为什么重要

Hy3 延续了国产开源"用激活参数换成本"的思路：MoE + MTP 让它在旗舰级能力和可控推理成本之间取得平衡，且推理生态（vLLM、SGLang）已就绪。

对开发者的影响

需要私有化部署、又不想承担千亿全参激活成本的团队，Hy3 是本周最值得实测的开源选项。参考配置为 8×H200 或 8×H20‑3e(141GB) 等，256K 上下文适合长文档 RAG 与代码库级任务。建议用自己的评测集对比 DeepSeek V4、Qwen 系列后再定型。

3.5 Apple 起诉 OpenAI：硬件野心背后的"人才与机密"之争

发生了什么

7 月 10 日，Apple 在美国加州北区联邦法院起诉 OpenAI，指控其窃取商业机密、违反合同，用于自研消费级硬件设备。[5]

核心技术或产品变化（事件本身）

诉状称，这一行为由 OpenAI 高层主导，包括首席硬件官 Tang Tan；指控包括在招聘中使用 Apple 内部项目代号、要求候选人带 Apple 硬件部件到面试"展示"、指导离职员工规避安全流程等。[18] 有报道提到 OpenAI 已雇佣 400 余名前 Apple 员工。[19] OpenAI 方面回应称"对他人商业机密没有兴趣"。[20]

为什么重要

这标志着 Apple 与 OpenAI 合作关系出现重大裂痕，也把"AI 公司做硬件"这一趋势推到台前——竞争已从模型层蔓延到人才、供应链与终端设备。

对开发者的影响

短期不影响技术选型，但值得关注两点：一是 OpenAI 硬件设备若落地，可能带来新的端侧 AI 交互入口；二是行业人才与商业机密的合规红线正在收紧，涉及跨公司协作与招聘的团队应重视信息隔离。目前这仍是"指控"，最终事实以司法进展为准。

3.6 Google Gemini 3.5 Flash：把"操控电脑"做成原生工具

发生了什么

Google 宣布"计算机操控（computer use）"已作为内置工具原生集成进 Gemini 3.5 Flash，取代此前独立的 Gemini 2.5 Computer Use 模型。[6]

核心技术或产品变化

开发者可用 3.5 Flash 构建能"看、想、动手"的自定义 Agent，跨浏览器、移动端与桌面环境操作，面向持续软件测试、企业自动化等长程任务。3.5 Flash 支持文本/图像/音频/视频输入、约 1M 上下文、64K 输出，并提供不同 thinking 档位以平衡质量、成本与延迟。[21]

为什么重要

把"计算机操控"从独立模型收编为主力 Flash 模型的内置能力，意味着 Agent 的"动手"能力正在被标准化、平民化——这是 Agent 从 Demo 走向生产的关键一步。

对开发者的影响

做 RPA、自动化测试、办公自动化的团队可以重点评估。但要清醒：计算机操控类 Agent 的安全边界（越权操作、误点击）风险很高，Forbes 也提醒"不了解就不要开启"，[22] 生产环境务必加沙箱、审计与人工确认。

四、今日技术知识点：Programmatic Tool Calling 与传统工具调用有什么不同？

概念是什么

传统的"函数/工具调用"是：模型每次输出一个工具调用 → 你的代码执行 → 把结果塞回模型 → 模型再决定下一步。每一步都要经过模型一次"往返"。**Programmatic Tool Calling（可编程工具调用）**则让模型直接生成一段轻量程序，由这段程序去协调多次工具调用、过滤中间数据、只保留有用的部分，再把精炼结果交回模型。[1]

基本工作原理

可以理解为把"编排循环"从"模型 ↔ 应用"之间，下沉到"模型生成的代码"内部。工具的大量中间输出（比如一次返回几千行日志）先在程序里被过滤压缩，模型只看到"提炼后的关键信息"，而不是把原始数据一股脑塞进上下文。

为什么最近受到关注

因为 Agent 应用的成本和延迟，大头往往不在"模型多聪明"，而在"往返多少次、塞了多少无用 token"。这种范式能显著减少往返次数与 token 消耗，是"降本"层面的工程突破。

实际开发中如何使用

适合工具密集、中间结果庞大的场景：多数据源检索、批量文件处理、长流程自动化。落地时把"可被程序过滤的中间产物"和"必须由模型判断的关键信息"区分开，让程序承担搬运和过滤，让模型承担决策。

常见误区

它不是"让模型无监督地随便跑代码"。生产中仍要限制可用工具、加超时与配额、对生成的编排逻辑做审计；也不要指望它替代 RAG 或记忆系统——它解决的是"如何更省地调用工具"，不是"知识从哪来"。

五、今日值得关注的工具 / 开源项目

• 腾讯 Hy3（开源，强烈建议实测）：295B/21B MoE、256K 上下文，主打高性价比推理与 Agent 能力，vLLM/SGLang 部署方案齐全。适合需要私有化、长上下文、代码/Agent 任务的团队。地址：GitHub Tencent-Hunyuan/Hy3、Hugging Face tencent/Hy3、ModelScope。[16][17]
• Meta Model API（公测）：想低价试用多模态 + 1M 上下文 Agent 模型的团队可以薅一下 $20 免费额度，但长程 Agent 任务建议做对照测试后再上生产。[14]

六、今日趋势判断

把这几天的信息放在一起看，有三条趋势正在变清晰。

其一，竞争重心正从"参数规模"转向"推理效率 + Agent 原生"。 这是已经发生的事实：GPT‑5.6 的可编程工具调用、Gemini 3.5 Flash 的原生计算机操控、Muse Spark 1.1 的 Agent 定位、Hy3 的 MoE 高性价比，几乎所有头部动作都在回答同一个问题——“如何让 Agent 更便宜、更可靠地干活”，而不是"参数又大了多少"。

其二，开源与闭源的边界在重新划线。 这是基于事实的推断：腾讯继续押注开源以争夺生态，一向开源的 Meta 却在旗舰 Agent 模型上转向闭源 + 开放 API。这说明"开源/闭源"越来越是一种商业策略选择，而非技术站队；对开发者而言，未来很可能是"闭源打体验、开源打成本"的长期并存。

其三，AI 竞争正外溢到人才、硬件与法律层面。 Apple 起诉 OpenAI 是最直接的信号，但需要强调其不确定性：目前所有指控仍处于司法程序初期，尚无定论，不应把"指控"当作"已证实"。它真正的看点在于——当模型能力逐渐趋同，人才、供应链和终端硬件正成为下一个主战场。

对一线开发者来说，本周的行动建议很朴素：优先用自己的评测集，把 Terra、Muse Spark 1.1、Hy3 拉到同一张桌子上比成本与效果；对"计算机操控"类 Agent 保持技术热情，但对其安全边界保持工程克制。