字节跳动正式发布视频创作模型 Seedance 2.5。新模型单次可生成 30 秒视频，支持多轮延长、图片视频音频混合参考和时间戳定向编辑，正在陆续上线即梦 AI 网页端与豆包专业版。

单次生成时长提升到 30 秒

Seedance 2.5 延续统一的音视频联合生成架构，一次生成画面与声音。单次视频长度从 Seedance 2.0 的 15 秒提升到 30 秒，创作者可以在一个结果中安排更多镜头和更完整的情节，不必先把内容拆成多个短片段。

模型还支持在已有结果上继续延长视频。延长不是简单重复最后一帧，而是接着原有主体、场景和叙事节奏生成后续镜头。对剧情短片、广告分镜和教学演示来说，这种方式可以减少手工拼接片段和处理转场的步骤。

“支持多轮延长”不等于一次直接生成数分钟视频。用户先生成最长 30 秒的片段，再以已有结果为基础继续生成后续内容。

一次最多参考 50 个素材

Seedance 2.5 单次最多可接收 30 张图片、10 段视频和 10 段音频。图片可以用来指定角色、场景或视觉风格，视频可以提供动作与运镜参考，音频则可用于表达节奏、对白或声音方向。

多种素材可以在同一次创作中组合使用。例如，用户可以用角色图片锁定人物外观，用一段视频指定镜头运动，再加入音频控制整体节奏。相比只用文字提示词，这种输入方式更适合需要多个主体、多个场景或连续镜头的内容。

模型也加强了白模、运动和创意参考。白模是没有贴图材质的 3D 场景或物体，创作者可以先用它确定空间结构、主体姿态、运动轨迹和镜头位置，再让模型生成带有材质、色彩和光照的画面。这样做的重点是先固定构图与调度，再处理视觉表现。

可以按时间段修改音视频内容

Seedance 2.5 加入时间戳控制。生成前，用户可以在提示词中说明某个时间段应出现的情节、视角、运镜和节奏；生成后，也可以选择指定片段，修改其中的角色、动作、声音或剧情，而不必从头生成整条视频。

模型同时支持绿幕编辑、视角与运镜编辑、参考编辑。绿幕素材可以保留主体并替换背景；视角与运镜编辑用于调整观察方向和镜头运动；参考编辑则让新结果按照给定图片或视频的内容进行修改。对只需要更换商品、背景或部分动作的任务，定向编辑比整段重做更直接。

这些能力把“生成”和“修改”放进同一套流程。用户可以先得到一版视频，再针对不符合要求的时间段继续调整，适合需要反复修改的广告、短片和演示内容。

普通用户可以从两个入口体验

Seedance 2.5 正在陆续上线即梦 AI 网页端和豆包专业版。进入对应产品的视频生成功能后，在模型选择中找到 Seedance 2.5 即可使用。

面向开发者和企业用户的火山方舟 API 将在后续上线。当前可直接使用的入口以即梦 AI 网页端和豆包专业版为主。

DeepSeek-V4-Flash 正式版 API 于 7 月 31 日上线公测，版本更新为 DeepSeek-V4-Flash-0731。模型结构和尺寸保持不变，主要变化来自重新后训练，并新增原生 Responses API 与 Codex 接入能力；本次更新只作用于 Flash API。

这次更新只更换 Flash API 模型版本

调用 deepseek-v4-flash 的开发者现在使用的是 DeepSeek-V4-Flash-0731。它仍是 2840 亿总参数、单次激活 130 亿参数的混合专家模型，支持 100 万 Token 上下文。Token 是模型处理文本时使用的计量单位，100 万 Token 适合容纳大型代码仓库、长文档或多轮任务记录。

0731 版本没有更换模型结构，也没有扩大模型尺寸。更新集中在后训练阶段，即在基础训练完成后继续用指令、反馈和任务数据调整模型的行为。对使用者来说，这次改动的重点不是上下文窗口或参数量增加，而是 API 端的编程智能体适配。

本次升级不涉及 DeepSeek-V4-Pro API，也不涉及 DeepSeek APP 和网页端当前使用的模型。已经在这些入口使用 DeepSeek 的普通用户，不会因为这次 Flash API 更新自动切换到 0731 版本。

Responses API 让 Codex 可以直接连接 DeepSeek

DeepSeek-V4-Flash-0731 原生支持 Responses API。这个接口把文本输出、推理过程、函数调用、工具调用和流式事件放在同一套响应结构中，Codex 可以通过它与模型交互。开发者不再需要先把 Responses 请求转成 Chat Completions 请求，再转发给 DeepSeek。

DeepSeek 为 Codex CLI、ChatGPT 桌面端和 VS Code 的 Codex 插件提供了共用配置方案。这些客户端读取同一个 Codex 配置目录，配置模型提供方后即可选择 deepseek-v4-flash。当前能通过这条原生路径接入 Codex 的 DeepSeek 模型只有 V4-Flash。

Responses API 目前支持函数工具、服务端网页搜索，以及 Codex 使用的 apply_patch 自定义工具。它不接受图片和文件输入；file_search、code_interpreter、computer_use 和 MCP 等内置工具也不在当前支持范围内。接口采用无状态方式，不支持通过 previous_response_id 或 conversation 保存服务端对话状态，应用需要自行带上后续请求所需的上下文。

API 调用方式没有更换域名

Responses API 继续使用 https://api.deepseek.com。安装 OpenAI Python SDK 后，可以把 DeepSeek API Key、接口地址和模型名传给客户端：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

from openai import OpenAI

client = OpenAI(
    api_key="<your DeepSeek API Key>",
    base_url="https://api.deepseek.com",
)

response = client.responses.create(
    model="deepseek-v4-flash",
    instructions="You are a helpful assistant.",
    input="检查这个项目中的测试失败原因。",
)

print(response.output_text)

需要逐步显示输出时，可以把 stream 设为 True。流式响应通过一组带类型的 SSE 事件返回，正常完成时以 response.completed 结束，不使用 data: [DONE] 作为结束标记。迁移自其他 Responses API 服务的应用，需要检查自身是否依赖 DeepSeek 尚未支持的参数或工具。

上下文、输出长度和价格保持现有档位

DeepSeek-V4-Flash-0731 支持思考与非思考两种模式，默认开启思考模式。上下文长度为 100 万 Token，单次最大输出长度为 38.4 万 Token，并继续支持 JSON 输出、工具调用、Anthropic API、对话前缀续写和非思考模式下的 FIM 补全。FIM 是根据光标前后内容补全中间代码的方式，常用于代码编辑器。

当前人民币价格按每 100 万 Token 计算：缓存命中的输入为 0.02 元，未命中的输入为 1 元，输出为 2 元。缓存会复用请求开头已经处理过的相同内容，因此重复携带大型代码库说明、规则或长文档时，命中缓存可以减少输入费用。

开发者迁移时需要同时核对模型名和客户端能力。新项目可以直接使用 deepseek-v4-flash 与 Responses API；现有 Chat Completions 或 Anthropic API 项目仍可继续使用原有协议，只需确认调用的模型版本和思考模式符合预期。

giffgaff 在华号码停用后，先保护仍依赖旧号码的银行、邮箱和社交账号，再在停用日起 30 天内通过客服申请 PAC。拿到 PAC 后交给新的英国运营商完成携号转网，同时关闭自动续费，并在同一期限内处理账户余额，避免号码被回收。

先迁移仍依赖旧号码的账号

把验证码迁移放在第一位。先检查邮箱、密码管理器、银行、支付工具、社交平台、云服务和开发者账号，找出仍把 giffgaff 号码用于登录、短信双重验证或找回密码的服务。

如果某个账号仍保持登录，不要主动退出。进入安全设置，把短信验证换到能够长期控制的新号码；支持验证器应用、通行密钥或硬件安全密钥的服务，可以同时增加一种不依赖手机号码的验证方式。下载恢复代码后离线保存，并确认找回邮箱仍能正常使用。

已经收不到短信时，先使用现有登录状态、恢复代码或备用验证方式修改设置。没有这些入口的账号，需要联系对应服务的客服完成身份核验。不要把等待 giffgaff 恢复服务作为账号找回方案，因为已经停用的 SIM 不能重新激活。

先确认是服务受限还是号码停用

“被封”不是 giffgaff 帮助页面中的单一状态。账户或服务显示 disabled 时，限制可能来自付款、异常使用或账户审查，用户需要联系客户服务核验原因；客服复核后，部分服务限制可以解除。

已经收到 disconnected 或 deactivated 结果则不同。此时原 SIM 不能重新激活，处理重点应转向迁移账号和保留号码。查看账户面板、停服邮件和客服案件中的英文状态，可以避免在错误的流程里反复充值或更换手机设置。

从停用日期开始计算 30 天

号码被停用后，giffgaff 允许用户在 30 天内通过客服申请 PAC。PAC 是英国手机号码的携号转网代码，用来把原号码转到另一家英国移动网络。超过 30 天后，号码会返回可分配号码池，不能再申请 PAC，也不能要求 giffgaff 恢复原号码。

这里有两个不同的 30 天期限。第一个从号码停用之日开始，是申请 PAC 的期限；第二个从 PAC 签发之日开始，是 PAC 本身的有效期。拿到代码后仍要尽快交给新运营商，不能因为 PAC 已经到手就继续搁置。

普通的 PAC 自助方式包括账户页面、拨打 43431 或发送 PAC 到 65075，但这些方式要求用户在英国。已经在中国、号码已经停用或短信无法发送时，应直接登录 giffgaff 账户联系客户服务，并明确说明停用日期、手机号码、会员名，以及需要在 30 天期限内取得 PAC。

先确认新运营商能接收号码

PAC 只能把号码转到另一家英国移动网络。申请代码前，先确认新运营商允许你完成开户、身份验证、付款和 SIM 或 eSIM 激活，并了解它在中国使用时的漫游条件。不要只比较月费，更要确认自己能否实际开通并长期管理账户。

开通新服务后，把 PAC 提交给新运营商。英国号码迁移通常由新运营商发起，规则要求在一个工作日内完成。迁移期间可能出现短暂服务切换，因此重要账号的验证码迁移最好在提交 PAC 前完成。

新卡显示转网完成后，分别测试呼入电话、短信接收和账户登录，并确认号码已经显示为原 giffgaff 号码。测试通过前不要删除旧 eSIM、丢弃实体卡或清理与客服的沟通记录。

关闭续费并处理账户余额

如果账户仍能登录，进入付款设置关闭自动续费和自动充值，检查是否存在已经排队的下一期套餐，再移除不需要保留的付款方式。这样可以避免号码停用后继续按原设置扣款。

账户还有话费余额时，应在停用后的 30 天内联系客户服务申请退款。SIM 已经停用的用户可能需要在账户中重新添加付款卡，供退款原路处理。giffgaff 同时注明，因不允许的使用而停用的账户不提供余额退款；因此申请时应如实说明停用原因，并保留余额页面和客服答复。

对停用决定有异议时提交申诉

如果你认为停用判断有误，先向客户服务提交案件。内容写清姓名、giffgaff 手机号码、会员名、停服邮件日期、案件编号，以及希望对方采取的处理方式；相关邮件和账户页面可以截图留存。

客户服务无法解决时，可以继续提交正式投诉。投诉过程中仍要同步迁移验证码和申请 PAC，不要为了等待申诉结果错过 30 天期限。正式投诉在八周后仍未解决，或 giffgaff 已给出无法继续处理的最终答复时，可再进入独立通信申诉程序。

不要再用充值或偶尔发短信赌恢复

半年内充值、发短信或使用一次数据，解决的是普通的长期无活动停号问题。长期在英国境外使用触发的停服处理属于另一类情况。号码已经停用后，再充值、重装 App、切换漫游网络或重新添加 eSIM 都不能让原 SIM 重新激活。

最稳妥的顺序只有三步：先保住重要账号的登录权，再在停用后的 30 天内申请 PAC，最后处理续费、余额和申诉。任何需要等待客服回复的环节，都不应阻塞前两项操作。

OpenAI 从 7 月 30 日起下调 GPT-5.6 Terra 与 Luna 的 API 价格：Terra 输入和输出单价均降低 20%，Luna 均降低 80%。两款模型保留 105 万 Token 上下文，订阅价格与额度预算不变，但使用时消耗的额度减少；Sol 另提供速度最高提升 2.5 倍的 Fast mode，按标准处理的两倍计费，供延迟敏感请求选用。

Luna 与 Terra 的输入、输出价格同步下调

GPT-5.6 系列在 7 月 9 日全面开放，包含 Sol、Terra 和 Luna 三个型号。Sol 面向需要较高推理能力的复杂任务，Terra 在能力与成本之间取中间档，Luna 则用于对成本敏感、调用量大的工作。

7 月 30 日生效的新价格按每 100 万个 Token 计费。Token 是模型处理文字时使用的计量单位，一段中文通常会被拆成多个 Token。

这次调整没有改变 GPT-5.6 Sol 的标准 API 单价。Terra 的缓存输入价格为每 100 万 Token 0.20 美元，Luna 为 0.02 美元。缓存输入指重复使用且命中缓存的提示词内容，适合系统提示词、固定文档和多轮任务中反复出现的前缀。

Luna 的批量任务成本降到原来的五分之一

假设一次批处理共使用 100 万输入 Token 和 10 万输出 Token，暂不计算工具调用等额外费用。Luna 原价需要 1.60 美元，新价为 0.32 美元；Terra 原价需要 4.00 美元，新价为 3.20 美元。

Luna 更适合分类、信息抽取、固定格式生成和智能体中的常规执行步骤。Terra 适合日常问答、文档处理和需要工具调用的通用任务。实际选型仍应先用自己的数据和验收标准测试，再比较完成同一任务所需的总 Token、耗时与成功率。

百万级上下文不等于所有长度都按基础价计费

Terra 与 Luna 的上下文窗口都是 105 万 Token，单次最多输出 12.8 万 Token。上下文窗口可以理解为模型一次请求能够读取和处理的总内容容量，包括用户输入、工具结果和模型生成内容。

当输入超过 27.2 万 Token 时，整次请求的输入单价按基础价的 2 倍计算，输出单价按 1.5 倍计算。Terra 的长上下文输入与输出价格因此变为每 100 万 Token 4 美元和 18 美元；Luna 则为 0.40 美元和 1.80 美元。处理超长文档或长时间运行的智能体任务时，需要按这一档价格估算，而不是直接套用短上下文单价。

ChatGPT Work 与 Codex 订阅价格不变

Terra 和 Luna 继续在 ChatGPT Work、Codex 与 OpenAI API 中提供。Free 和 Go 用户可以使用 Terra；Plus、Pro、Business 与 Enterprise 用户可以选择 Terra 和 Luna。

ChatGPT 与 Codex 的订阅价格和额度预算没有调整。价格变化体现在用量折算上：调用 Terra 与 Luna 时消耗的额度减少。API 用户则直接按新的 Token 单价付费。

开发者可以通过 Responses API 或 Chat Completions API 调用两款模型。两者都支持文本输入和输出、图片输入、流式输出、函数调用与结构化输出，也可以在 Responses API 中使用网页搜索、文件搜索、代码解释器、Shell、MCP 和计算机操作等工具。

Sol 的 Fast mode 用两倍价格换取更低延迟

Priority Processing 在 7 月 30 日改名为 Fast mode。GPT-5.6 Sol 使用 Fast mode 时，速度最高可达到标准处理的 2.5 倍，价格是标准处理的 2 倍，模型能力不变。

API 请求可以把 service_tier 设置为 fast。原有的 priority 参数继续兼容，并会使用相同的处理方式。Fast mode 适合用户正在等待结果、延迟直接影响体验的请求；后台批处理更适合先比较标准处理与低成本模型的总费用。

OpenAI 在 API 中加入 GPT Transcribe 与 GPT Live Transcribe。前者适合处理已录制的音频文件，价格为每分钟 0.0045 美元；后者面向麦克风、通话等实时音频流，价格为每分钟 0.017 美元。两款模型均可利用上下文、关键词和语言提示改善专有名词与多语言内容的转录。

两款模型处理不同的音频流程

GPT Transcribe 用于把已经录好的语音转成文字。开发者上传一段完整录音后，可以等待模型返回最终文本，也可以在文件处理期间接收逐步生成的文字。这里的“流式”是边处理文件边返回结果，音频本身仍是一份已经存在的录音。

GPT Live Transcribe 处理持续到达的实时音频，例如麦克风输入、电话或直播音频流。它会在说话过程中返回新增的文字片段，并在一段语音提交后给出完整转录。需要即时字幕、在线会议记录或通话文字化的应用，更适合采用这条路径。

两者的区别不在于是否能逐步显示文字，而在于音频从哪里来。已有录音走文件转录；仍在说、仍在传输的音频走实时转录。

GPT Transcribe 直接接入音频转录接口

文件转录通过 /v1/audio/transcriptions 接口调用，模型名填写 gpt-transcribe。单个文件最大 25 MB，支持 mp3、mp4、mpeg、mpga、m4a、wav 和 webm 格式。返回结果包含转录文本和检测到的语言。

如果希望在处理完成前先看到部分结果，可以把 stream 设为 true。接口会持续返回新增文本，最后再给出完整转录。这适合较长录音的处理进度展示，但不等同于接收麦克风的实时音频。

普通录音转写不需要先设计复杂流程。上传文件、指定模型，再读取返回文本即可。需要区分不同说话人、输出单词时间戳、制作字幕格式或翻译成英文时，应选择对应的专用转录模型，而不是把这些任务交给 GPT Transcribe。

GPT Live Transcribe 面向实时连接

实时转录需要创建 type: "transcription" 的 Realtime 会话，并选择 gpt-live-transcribe。服务器端音频管线可以使用 WebSocket，浏览器里的音频输入可以使用 WebRTC。

应用把音频片段持续送入会话后，会收到增量转录事件。每个事件带来当前新增的文字；当一段音频被提交，接口再返回这段内容的最终转录。开发者可以自行决定何时提交一段语音，也可以配置语音活动检测，让服务器依据说话与停顿自动划分边界。

这个模型只负责把实时语音变成文字，不会像语音助手那样生成口头回答。做直播字幕、实时会议记录或通话转写时，这种职责更直接：应用拿到文字后，再决定是否用于搜索、摘要、存档或交给其他模型处理。

上下文提示帮助识别专有内容

两款模型都支持给转录补充上下文。开发者可以用自由文本描述录音主题，用关键词列出可能出现的人名、产品名、编号和行业术语，还可以给出预期输入语言。多语言录音或同一句话中切换语言时，可以同时提供多个语言提示。

这些关键词是识别提示，不是强制输出。只应放入录音中确实可能出现的词，并用实际音频检查结果，避免模型把没有说过的词带进转录。

对会议、客服通话和专业访谈来说，这项能力比只上传裸音频更实用。录音主题、客户编号、项目代号和产品名称都可以在请求中明确提供，减少模型仅凭发音猜测的范围。

价格按音频分钟计算

GPT Transcribe 的价格为每分钟 0.0045 美元，一小时录音约为 0.27 美元。GPT Live Transcribe 的价格为每分钟 0.017 美元，一小时实时音频约为 1.02 美元。

批量处理播客、采访或会议存档时，GPT Transcribe 的成本更低。只有业务确实需要边说边出字时，才需要为 GPT Live Transcribe 的实时处理方式付费。选择模型时，先判断音频是否已经录好，再判断用户能否等待文件处理完成，通常就能确定接入路径。

MCP 2026-07-28 规范已正式发布。协议核心改为无状态请求，移除初始化握手和会话 ID，让远程 MCP 服务器可以部署在无服务器、边缘平台或普通负载均衡器之后；TypeScript、Python、Go 与 C# 的 Tier 1 SDK 已同步支持。

MCP 服务器不再绑定一段会话

MCP 是 Model Context Protocol 的缩写，中文通常称为模型上下文协议。它规定 AI 应用如何用统一方式连接外部工具、数据和服务，例如让聊天助手查询数据库、调用企业系统或执行代码。

旧版协议通过 Streamable HTTP 调用工具时，客户端要先完成 initialize 与 initialized 握手。服务器随后发放 Mcp-Session-Id，后续请求都要携带这个会话标识。部署多个服务器实例时，请求通常需要持续回到保存该会话的实例，或者由所有实例共用一套会话存储。

2026-07-28 版本移除了这套协议级会话。每个请求都会携带协议版本和客户端能力等信息，可以由任意兼容的服务器实例独立处理。客户端如需提前了解服务器支持的版本和能力，可以调用新的 server/discover 方法。

无状态核心降低云端扩容门槛

没有协议级会话后，同一客户端的不同请求可以被普通轮询负载均衡器分配到不同实例。服务器不再为了维持 MCP 连接而依赖粘性路由或共享会话存储，也能在请求到来时启动实例、空闲时缩减资源。因此，MCP 服务器可以作为普通 HTTP 工作负载部署到无服务器平台、边缘计算平台或容器集群。

这项变化解决的是协议层的部署限制，不是一个新的云托管产品。开发者仍需选择实际运行代码的平台，并自行配置域名、鉴权、日志、数据访问权限和资源限额。业务确实需要跨请求保存状态时，也可以由工具返回明确的标识，例如购物篮 ID 或浏览器任务 ID，再由后续调用把它作为普通参数传回服务器。

网关可以直接读取工具与方法名称

新版 Streamable HTTP 请求必须带上 Mcp-Method 和 Mcp-Name 请求头。前者表示调用的方法，后者可标识具体工具。负载均衡器、API 网关、限流器和 Web 应用防火墙可以直接根据请求头做路由、授权或计量，不必先解析 JSON 请求体。

工具、提示词和资源列表的响应也增加了 ttlMs 与 cacheScope。客户端由此知道结果可以缓存多久，以及缓存能否在不同用户间共享。服务器还应以稳定顺序返回工具列表，减少重复拉取，并让上游提示词缓存更容易命中。

多轮交互不再依赖持续打开的双向连接

工具执行到一半时，有时需要用户补充参数或确认操作。新版引入 Multi Round-Trip Requests，简称 MRTR。服务器可以返回 input_required，列出需要客户端补充的内容；客户端取得回答后，再带着 inputResponses 重试原来的请求。

这套方式替代了部分服务器主动向客户端发起请求的流程。一次交互可以拆成多个完整的请求与响应，不必为了等待用户确认而一直占用双向数据流。服务器返回的 requestState 用来衔接步骤，任何可处理该状态的实例都能继续任务。

扩展与授权规则同步更新

新规范建立了正式的扩展框架。MCP Apps 可让服务器向支持它的客户端提供沙箱化交互界面；Tasks 扩展用于处理需要较长时间运行的工作，并通过任务句柄查询、更新或取消任务。扩展需要客户端和服务器共同支持，不会因为升级核心协议而自动启用。

授权部分增加了对 OAuth 2.0 与 OpenID Connect 部署的约束。客户端要校验授权响应里的发行者信息，注册凭据也必须绑定到签发它的授权服务器。动态客户端注册继续兼容旧实现，但已进入弃用流程，后续方向是 Client ID Metadata Documents。

Roots、Sampling、Logging 以及旧的 HTTP+SSE 传输方式也被标记为弃用。它们在至少 12 个月的弃用窗口内继续工作，新项目应采用规范给出的替代方案。

开发者需要升级两端实现

新版本包含破坏性变更，不能只改部署配置就让旧服务器自动变成无状态。TypeScript、Python、Go 和 C# 的 Tier 1 SDK 已支持 2026-07-28，Rust SDK提供测试版支持。开发者应先查看所用语言 SDK 的迁移说明，再分别升级客户端和服务器，并通过版本协商保留与旧实现的连接能力。

如果现有服务器依赖 Mcp-Session-Id、初始化阶段保存的客户端信息、服务器主动请求或长连接恢复机制，迁移时需要把相关状态改为显式参数、MRTR 或新的订阅机制。已经按独立 HTTP 请求设计的远程服务器，改造范围通常集中在协议头、请求元数据、发现方法和 SDK 接口。

OpenAI 已恢复 Codex 的 5 小时使用限额。本地消息与云端任务重新共享同一个 5 小时时间窗口，每周限额仍会叠加计算。Plus 和 Pro 用户达到套餐限额后，可以购买积分继续使用，也可以切换 GPT-5.4 mini，减少日常任务消耗的额度。

5 小时时间窗口重新生效

OpenAI 在 7 月 12 日临时取消了 Plus、Business 和 Pro 套餐的 Codex 5 小时限额。那次调整从一开始就被标记为临时措施，并没有取消每周限额。

7 月 29 日，Codex 负责人 Tibo Sottiaux 为全部 ChatGPT Work 和 Codex 用户重置了使用额度，并公布 GPT-5.6 Sol 的限额调整。Codex 当前定价页已经重新列出 5 小时时间窗口，说明这项短期限制再次生效。

5 小时限额控制短时间内能使用多少套餐内额度，每周限额控制更长周期的总量。两者会同时存在，并不是等到每周限额耗尽后才开始计算 5 小时限额。

本地消息与云端任务共用额度

Codex 的本地消息和云端任务共享同一个 5 小时时间窗口。在电脑上让 Codex 直接修改项目，以及把任务交给云端运行，都会计入这组限额。账户还可能受到额外的每周限额约束。

当前 Plus 套餐页面给出的本地消息参考范围如下：

这些数字是平均范围，不是每个账户都能固定发送的消息数。任务越复杂、输入的项目内容越多、输出越长，单次任务消耗的额度通常越多。

达到限额后仍有三种继续方式

Plus 和 Pro 用户达到套餐限额后，可以购买额外积分，不需要先升级订阅。积分会根据所用模型以及输入、缓存输入和输出的 Token 数量扣除；Token 可以理解为模型处理文字和代码时使用的计量单位。

日常修改、简单解释和小型代码任务可以切换到 GPT-5.4 mini。当前页面估算，使用 mini 模型可让本地消息限额延长约 2.5 至 3.3 倍，具体倍数取决于原先使用的模型。

用户也可以为额外的本地任务配置 API 密钥，这部分用量按 API 标准费率单独计费。采用灵活计费的 Business、Edu 和 Enterprise 工作区，则可以购买工作区积分继续使用。

在使用面板和命令行查看剩余额度

Codex 的使用面板会显示账户当前限额和剩余积分。使用 Codex CLI 时，输入 /status 可以直接查看剩余额度，不必退出当前会话。

5 小时窗口恢复后，长时间运行多个任务更容易先碰到短期限制。开始大型重构或同时运行多个任务前，先看一次使用面板；如果剩余额度较少，可以把简单任务切换到 mini 模型，或缩短一次交给 Codex 的上下文内容。

OpenAI 已公开 Codex Security CLI 与 TypeScript SDK，代码采用 Apache-2.0 许可证。开发者可以扫描完整仓库、指定目录或代码差异，并把结果导出为 SARIF、CSV 或 JSON；运行扫描需要 Codex Security 访问权限和账号或 API 凭据。

开源的是 CLI 和 TypeScript SDK

Codex Security 这次公开的是一套命令行工具和 TypeScript SDK。命令行工具适合开发者在终端、本地 Git 仓库和 CI 流程里调用；SDK 则让团队把扫描能力接入自己的内部工具。公开包名为 @openai/codex-security，当前代码中的版本号是 0.1.1，许可证为 Apache-2.0。

这与此前通过网页连接 GitHub 仓库的 Codex Security 服务不是同一个使用入口。CLI 直接接收本地仓库路径，也能只检查指定目录、两个 Git 版本之间的差异，或工作区里尚未提交的改动。扫描代码的前提是用户拥有仓库，或获得了明确的安全评估授权。

公开仓库采用单向镜像方式同步。外部开发者可以查看代码、提交问题和提出功能建议，但外部 Pull Request 不能直接导入 OpenAI 的内部主仓库。维护者会在主仓库处理被接受的改动，再同步到公开仓库。

三条命令完成首次扫描

CLI 需要 Node.js 22 或更高版本。真正执行扫描和导出结果时，还需要 Python 3.10 或更高版本。安装、登录和扫描可以按下面的顺序完成：

1
2
3

npm install @openai/codex-security
npx codex-security login
npx codex-security scan /path/to/repo

本地交互使用可以登录 ChatGPT 账号；远程服务器支持设备码登录；CI 等无人值守环境可以通过 OPENAI_API_KEY 或 CODEX_API_KEY 提供凭据。CLI 和 SDK 仍处于 beta 阶段并要求 Codex Security 访问权限。完整仓库扫描还可能要求 Trusted Access for Cyber，仅完成登录或设置 API Key 不会自动获得这项权限。

正式扫描前可以先加上 --dry-run。这个模式会检查仓库路径、扫描目标和输出目录，不会启动 Codex，也不会读取凭据或联网。它适合先排除路径写错、结果目录放错位置等配置问题。

可以扫完整仓库，也可以只看这次改动

日常开发不一定需要每次重扫全部代码。--path 可以把范围限制在某个服务或目录；--diff origin/main --head HEAD 用于检查两个版本之间的已提交变更；--working-tree --base HEAD 则检查暂存区和工作区里的改动。需要扩大检查范围时，可以选择 deep 模式。

团队还可以通过 --knowledge-base 提供架构文档、威胁模型和安全规则。威胁模型是对系统入口、信任边界和高风险路径的整理，能让扫描结合项目实际结构，而不是只看一段孤立代码。CLI 会递归读取指定目录中的 Markdown、文本、PDF 和 Word 文档。

扫描默认只生成报告，不会因为发现问题直接修改仓库。结果中会记录发现项、覆盖范围和报告文件。覆盖状态可能是完整、部分或未知；把一次扫描当成审查证据前，需要同时检查未覆盖区域和留待处理的问题。

报告可进入 CI 和代码审查流程

Codex Security 可以导出 SARIF、CSV 和 JSON。SARIF 是代码扫描工具常用的结构化格式，适合交给支持该格式的代码托管或安全平台继续处理。CI 中可以使用 --fail-on-severity high 设置严重级别门槛：扫描完成且出现达到门槛的发现时返回状态码 1，覆盖不完整或运行失败时返回状态码 2。

npx codex-security install-hook 可以给当前 Git 仓库安装提交前检查。它会在每次提交前扫描已暂存和未暂存的变更，默认阻止高严重级别发现或扫描错误，同时保留仓库里已有的 pre-commit 脚本。团队也可以用 bulk-scan 批量扫描 GitHub 账号或组织下的多个仓库，并通过同一个结果目录续跑中断的任务。

扫描结果应保存在被扫描仓库和其 Git 工作树之外。报告可能包含源码片段、漏洞细节和复现步骤，不适合提交进代码仓库、公开 Issue 或多人共享目录。在 macOS 和 Linux 上，已有输出目录还需要限制为当前用户可访问。

SDK 适合接入内部平台

TypeScript SDK 通过 CodexSecurity 类启动扫描，返回带类型的发现项、覆盖信息和报告路径。它支持完整仓库、指定路径、Git 差异和工作区扫描，也提供预检、成本上限、进度回调和取消能力。SDK 使用 ESM 模块，需要运行在 Node.js 22 或更高版本的服务端环境。

CLI 与 SDK 让团队可以检查公开实现、固定依赖版本，并把安全扫描接入已有流程；扫描过程仍会调用 Codex Security 服务并消耗账号或 API 侧的可用额度。对个人开发者，最直接的起点是先用 --dry-run 检查配置，再对一个自己有权评估的小型仓库执行标准扫描，确认结果目录和覆盖报告符合预期后再接入提交钩子或 CI。

火山引擎在 2026 年 7 月 28 日上线豆包搜索服务，面向企业和开发者提供 API、Skill、MCP 与 Agent Plan 接入。服务可返回原文 Markdown 和结构化数据，每月含 500 次免费搜索额度。

豆包搜索从 App 功能变成可接入服务

这次开放的不是一个新的消费级搜索入口，而是给企业和开发者使用的联网信息服务。开发者可以把它接到 AI Agent，也就是能够自动拆解任务、调用工具并交付结果的智能体。当任务涉及新闻、产品更新、行业信息或其他实时内容时，智能体可以先搜索，再根据返回的材料继续处理任务。

服务覆盖跨语言、多模态和垂直领域查询。“多模态”指搜索对象不只有纯文本，还可涉及图像等内容。它和传统搜索结果页的区别在于，返回内容可以直接交给程序继续处理，不需要人先打开网页再复制。

返回 Markdown 和结构化数据

豆包搜索支持返回原文 Markdown 与结构化数据。Markdown 是一种保留标题、列表和链接等层级的轻量文本格式；结构化数据则更方便程序提取标题、链接、摘要等字段。对研究、写作、客服或企业问答类智能体来说，这种输出比只返回一串网页链接更容易编排到后续流程中。

检索方式包括定向查询、语义改写和多轮检索。语义改写会把用户的自然语言需求整理成更适合查找的问题；多轮检索则允许智能体在任务进行中继续补充查询。例如，一个产品研究任务可以先查发布信息，再补查使用入口和价格，不必把所有关键词挤在一次请求中。

API、Skill 和 MCP 对应不同接入方式

独立使用时，企业和开发者可在火山引擎豆包搜索控制台开通服务，然后选择 API、Skill 或 MCP 接入。API 适合在自有程序中直接发起请求；Skill 可以把搜索封装成智能体可调用的工具；MCP 是 Model Context Protocol 的缩写，用统一方式让支持该协议的智能体客户端连接外部工具。

已在使用火山引擎 Agent Plan 的开发者，还可以把豆包搜索作为内置工具配置到 harness 中。Harness 可以理解为承载智能体运行、工具调用和任务流程的外层框架。这条路径的重点是配置现成搜索能力，而不是自行完成一套接口联调。

每月 500 次免费搜索

豆包搜索为企业和开发者提供每月 500 次免费搜索额度。超出后可选择按量后付费，也可购买月卡套餐。开发者可以先用免费额度做原型验证，检查业务问题的检索结果和返回字段能否接入现有流程，再决定是否进入持续调用。

对普通豆包用户来说，这次发布不是新增一个需要单独学习的搜索应用。它的直接用户是需要为自己的软件、网站或智能体补充联网信息的开发者和企业。最终用户会在问答、办公、投研、商业分析或内容生产类产品中间接使用这项能力。

• 豆包搜索：https://www.volcengine.com/product/SearchInfinity

月之暗面开放 Kimi K3 完整模型权重并发布技术报告。模型共 2.8 万亿参数，每次计算激活 1040 亿参数，支持约 100 万 Token 上下文和原生图像理解；权重已在 Hugging Face 提供下载。

Kimi K3 完整权重已开放下载

Kimi K3 的模型权重已经放到 Hugging Face，下载页面无需申请访问权限。仓库包含 96 个 Safetensors 权重分片，全部文件占用约 1.56 TB。Safetensors 是大模型常用的权重文件格式，可以在加载前读取文件结构，也避免执行文件中夹带的代码。

这次开放的是完整 Kimi K3 权重，不是缩小版模型。模型总参数为 2.8 万亿，实际处理每个 Token 时激活 1040 亿参数。它采用 MoE，也就是“混合专家”架构：模型共有 896 个专家模块，每个 Token 选择其中 16 个参与计算。这样可以扩大模型容量，同时避免每次推理都调用全部参数。

模型支持约 100 万 Token 的上下文窗口，并带有原生图像理解能力。上下文窗口决定一次请求能够容纳多少文字、代码、图片信息和对话历史。模型卡列出的输入模态为文字和图像，输出为文字。

技术报告公开模型结构

随权重一起发布的技术报告解释了 Kimi K3 的主要结构。模型由 93 层组成，注意力部分包括 69 层 Kimi Delta Attention（KDA）和 24 层 Gated MLA，并使用 Attention Residuals（AttnRes）在不同深度之间选择和组合信息。

权重采用 MXFP4 格式，激活值采用 MXFP8 格式。这里的 4 位和 8 位表示模型计算时保存数字所用的精度。更低精度可以减少存储和计算开销，但 Kimi K3 的整体体量仍然很大，下载完整仓库就需要约 1.56 TB 空间。

开放范围还包括高性能注意力内核、MoE 通信库，以及用于规模化运行智能体环境的基础设施。开发者可以结合技术报告了解模型训练与推理结构，而不只是在网页或 API 中调用成品模型。

开发者可以下载部署或调用 API

模型仓库包含 Transformers 所需的配置、分词器、图像处理器和模型代码。推理部署可使用 vLLM、SGLang 或 TokenSpeed；对应项目已经提供 Kimi K3 的运行说明。开发者也可以在 Kimi API 中选择 kimi-k3，通过兼容 OpenAI 或 Anthropic 的接口调用，无需自行下载完整权重。

Kimi K3 始终开启思考模式。多轮对话和工具调用需要把上一轮返回的完整 assistant 消息继续传入，包括 reasoning_content 和 tool_calls。如果只保留最终回答，模型会丢失用于延续任务的思考历史。终端用户也可以在 Kimi Code 中通过 /model 选择 Kimi K3。

开放权重使用 Kimi K3 License

模型代码和权重使用专门的 Kimi K3 License，不是 Apache-2.0 或 MIT。许可证允许使用、复制、修改、分发、再授权、销售、部署和微调模型，也允许制作衍生作品，但使用者需要保留版权与许可声明，并遵守适用法律。

许可证对商业服务设有额外条件。如果企业以 API 等形式向第三方提供模型推理或微调服务，企业及其关联方连续 12 个月合计收入超过 2000 万美元，需要先与月之暗面签订单独协议，才能将 Kimi K3 或其衍生作品用于商业用途。

如果使用 Kimi K3 的商业产品月活跃用户超过 1 亿，或月收入超过 2000 万美元，产品界面需要显著展示“Kimi K3”。内部使用，以及通过月之暗面官方产品或认证推理合作伙伴使用模型，不适用这两项额外要求。准备将模型用于商业服务的团队，应先按自己的业务模式核对完整许可证文本。

• 模型权重：https://huggingface.co/moonshotai/Kimi-K3
• 技术报告：https://github.com/MoonshotAI/Kimi-K3/blob/main/k3_tech_report.pdf

7 月 27 日，多名在中国使用 giffgaff 的用户收到内容一致的停服通知。通知称，服务主要供英国境内使用，漫游只面向短期旅行；被判定长期或永久在英国境外使用的号码将被断开。依赖该号码接收验证码的用户应立即迁移账号，并尽快申请 PAC 携号转网。

多名在华用户收到相同停服通知

2026 年 7 月 27 日，多名在中国使用 giffgaff 的用户公开了收到的英文邮件。邮件正文基本一致：giffgaff 在审查账户使用情况后，决定断开相关号码的服务。

通知把原因指向使用地点和持续时间。邮件写明，giffgaff 服务主要供英国境内使用，漫游用于短期旅行；当使用模式显示号码被长期或永久用于英国境外时，账户不再符合该移动服务的资格，服务及相关访问将很快停止。

这类通知直接针对具体号码。收到邮件的用户不能再把该号码当作稳定的长期境外收码工具。手机银行、邮箱、社交平台和开发者账号如果仍把它用于短信验证码或找回密码，应先换绑到能够持续控制的号码，并保存现有账号的恢复代码。

这不是常见的半年无活动停号

giffgaff 原有的无活动停号规则以六个月为周期。用户在六个月内拨打一次符合条件的电话、发送一次短信或彩信、使用一次移动数据，或购买一次话费和套餐，可以让 SIM 保持活跃。

7 月 27 日公开的停服邮件采用了另一套理由。邮件没有把停服归因于六个月没有使用，而是明确写到长期或永久在英国境外使用。定期发一条短信或充值只能满足无活动规则，不能改变号码长期连接境外漫游网络形成的使用记录。

两种规则的处理重点不同。无活动停号关注号码是否在半年内产生过指定活动；这批通知关注号码是否被长期放在英国境外使用。过去依靠半年内偶尔充值或发短信保号的做法，无法解决通知中指出的长期境外使用问题。

公平使用条款允许断开 SIM

giffgaff 的公平使用条款把英国之外的漫游定位为阶段性旅行用途。条款针对欧盟及部分指定目的地写明，漫游应符合度假或短期旅行的消费模式；在四个月内有 63 天或以上在境外使用、又不能证明主要在英国使用或停留时，可能被认定为不公平使用。

63 天规则只写给欧盟及指定目的地，不能直接当作中国漫游号码的安全期限。对中国等其他目的地，用户需要按实际收到的通知和账户状态处理，不能把一次回英国、一次充值或一次短信视为可以继续长期境外使用的保证。

同一份公平使用条款还写明，当 giffgaff 合理怀疑用户没有遵守规则时，可以加收费用，或在尝试联系用户后断开 SIM 或套餐。7 月 27 日邮件使用的措辞与这项执行权一致：先说明已审查使用情况，再通知服务即将被断开。

收到通知后先处理号码和验证码

先检查所有依赖该号码的账号。把短信双重验证改到新的长期号码，能改用验证器应用或硬件安全密钥的账号应同时调整；下载并离线保存恢复代码。对于银行、支付和邮箱账号，要确认找回邮箱、备用号码和身份验证信息仍然可用。

需要保留英国号码的用户应尽快联系 giffgaff 代理并申请 PAC。PAC 是英国移动号码的携号转网代码。giffgaff 的帮助页面写明，号码停用后的 30 天内仍可向代理申请 PAC；超过 30 天，号码可能回到号码池并被重新分配。能否在境外完成转网，还取决于接收号码的英国运营商及其开卡要求。

账户中仍有话费余额时，也应在停用后的 30 天内联系代理。帮助页面允许用户在这一期限内申请剩余话费退款，同时注明因不允许的使用而停用时不提供退款。申请时应保留停服邮件、余额页面和与代理沟通的记录。

在号码迁移完成前，不要退出仍保持登录状态的重要账号，也不要删除现有 eSIM 配置。先完成验证码换绑、恢复方式检查和 PAC 申请，再处理旧卡，可以减少号码突然失效带来的账号找回风险。

腾讯于7月27日在安卓和iOS版手机QQ上线全新QQ宠物。用户可搜索“QQ宠物”进入，领养3D企鹅、狗狗或蒜头鹅，并通过喂食、洗澡、打工和好友串门互动；宠物接入Hy3大模型，可主动回应并生成每日宠物日记。

QQ宠物回到手机QQ

QQ宠物已在安卓和iOS版手机QQ上线。打开手机QQ后，直接搜索“QQ宠物”就能进入，不需要另外安装一款宠物应用。

原版QQ宠物主要在电脑端运行，并于2018年停止服务。这次上线的是面向手机QQ重新设计的产品：宠物换成3D形象，互动入口也进入聊天列表和对话等手机QQ场景。

从单一企鹅变成三类3D宠物

新版保留了经典企鹅，同时加入狗狗和蒜头鹅。领养时可以选择宠物类型，再设置昵称和性格。进入主界面后，用户可以旋转查看3D形象，点按宠物与它互动，也可以为它换衣服。

喂食、洗澡、学习和打工等养成玩法仍然保留。新版取消了宠物死亡机制，日常操作更接近轻量化的虚拟陪伴，不需要围绕宠物存活反复操作。

Hy3让宠物不再只有固定台词

新QQ宠物接入了腾讯Hy3大模型。大模型在这里的作用，是让宠物能结合当前场景生成回应，而不是只从预先写好的句子中挑选一条。用户选择的性格会影响宠物的表现方式，宠物也会主动打招呼、分享它的活动。

系统还会每日生成一篇宠物日记，把当天的养成和互动内容整理成文字。这项功能把喂食、打工等重复操作与持续变化的文字内容连接起来，是新版和旧式固定反馈之间最直接的区别。

好友可以帮你喂食和洗澡

QQ宠物没有只停留在单人养成。用户可以前往好友的宠物空间，为好友的宠物喂食、洗澡，也可以进行“踩踩”互动。这些动作和QQ好友关系直接连接，其中互踩还能用来维持好友火花。

宠物也会出现在QQ的聊天列表和对话窗口等位置。用户不必每次都回到独立的宠物主页，在日常聊天时就能看到宠物并触发互动。

如何领养新QQ宠物

打开安卓或iOS版手机QQ，在客户端内搜索“QQ宠物”，打开对应入口即可开始领养。选好宠物类型、昵称和性格后，就可以进入3D宠物主界面，使用喂食、洗澡、换装、学习和打工等功能。

OpenAI 计划在 2026 年 8 月 9 日停止运行 ChatGPT Atlas，浏览器智能体能力将转入 ChatGPT 与 Codex。Atlas 用户应在停用前导出书签、保存重要标签页和历史记录；ChatGPT 对话与 Atlas 浏览器数据分开，不受这次迁移影响。

Atlas 将在 8 月 9 日停止运行

ChatGPT Atlas 是 OpenAI 在 2025 年 10 月推出的 macOS 浏览器，把 ChatGPT、网页浏览和智能体操作放在同一个窗口中。用户可以让 ChatGPT 理解当前页面，也可以用智能体模式打开标签页、点击网页并完成多步任务。

这款独立浏览器计划于 2026 年 8 月 9 日停止运行。届时，Atlas 可能无法继续打开、浏览网页或执行基于浏览器的智能体工作流。公告到停用日之间约有 30 天，现有用户需要在截止日期前完成数据整理和迁移。

Atlas 停用后不应继续作为日常浏览器使用。浏览器依赖持续的安全维护，迁移到仍受支持的浏览器体验，可以继续获得后续更新与安全修复。

浏览器智能体能力转入 ChatGPT 与 Codex

Atlas 停用不等于 OpenAI 放弃浏览器智能体。原先放在独立浏览器里的能力将转入 ChatGPT 与 Codex，目标体验包括多标签页、下载、改进的页面导航和账号登录支持。

需要让智能体在网页中完成较长任务的用户，可以改用新的 ChatGPT 桌面应用。Codex 继续承担软件开发和技术工作，ChatGPT 中的 Work 用于研究、分析以及生成文档、表格、演示文稿等交付物。两者在桌面端都可以在用户授权后使用本地文件和应用。

如果只想在现有浏览器里获得 ChatGPT 辅助，可以改用 Chrome 扩展程序或侧边栏。不同入口的开放范围由套餐、地区、设备和工作空间设置决定，迁移前应先确认自己的账号能使用哪一种入口。

书签、标签页和历史记录不会自动搬走

Atlas 的浏览器数据不会随产品迁移自动进入新应用。书签需要从 Atlas 导出为 HTML 文件，再导入 Chrome 等浏览器。导出时应把文件保存到容易找到的位置，并在新浏览器中检查书签文件夹是否完整。

已打开的标签页也不会自动转移。仍在使用的页面应提前加入书签，或把 URL 复制到文档中。浏览历史同样需要人工筛选：以后还要访问的页面，应在停用日前保存或收藏。

ChatGPT 对话记录与 Atlas 浏览器数据相互独立。只要账号、套餐和工作空间访问权限保持有效，原有 ChatGPT 对话仍可在 ChatGPT 中使用，不需要随书签一起导出。

Atlas 用户现在需要做什么

先打开 Atlas 的书签菜单或书签管理器，选择导出书签，把生成的 HTML 文件保存到本地。随后在 Chrome 中打开“书签和列表”，选择“导入书签和设置”，再载入这份 HTML 文件。

接着逐一检查仍打开的标签页和浏览历史，把重要页面加入书签或记录 URL。团队用户还应更新内部文档、入职材料和操作指南中对 Atlas 的引用，并提醒成员在 8 月 9 日前完成迁移。

最后，根据实际任务选择后续入口：需要多步骤网页操作时使用 ChatGPT 桌面应用；开发任务继续进入 Codex；希望保留 Chrome 浏览习惯的用户可使用 ChatGPT 扩展程序或侧边栏。迁移完成后，再把 Atlas 从默认浏览器和日常工作流中移除。

千问办公已提供 macOS 与 Windows 桌面客户端，以“任务”而不是单轮问答组织工作。它可生成和编辑 Office 文件、分析数据、处理本地文件并执行网页操作，个人版包含免费、标准和高级三个档位。

从聊天窗口变成任务工作台

千问办公是由钉钉科技有限公司、钉钉（中国）信息技术有限公司及其关联公司提供的 AI 办公 Agent。Agent 可以理解目标、拆解步骤并调用工具执行，不只是在对话框里生成一段文字。

产品以“任务对话”作为主要工作方式。用户可以在一个任务中提供目标、附件、格式要求和交付形式，再通过多轮对话调整内容。任务中可切换标准模型与旗舰模型：前者面向格式转换、翻译和模板邮件等规则明确的任务，后者用于研究报告、竞品分析和多步骤流程。

可直接交付 Word、Excel、PPTX 和网页

千问办公支持生成 PPTX、Word、Excel 和 HTML 等产物，并可对 Office 文件进行预览和编辑。这与“把回答复制到办公软件”不同：用户可在原任务里要求修改结构、图表、样式或输出格式，已生成的 Word、Excel 和 PowerPoint 文件也可在线继续编辑。

它还包含图片、音频和视频内容理解，以及网页生成与发布能力。用户可以从自然语言需求开始制作静态或动态网页，预览后再发布；已发布网页可保留历史版本并切换回旧版。专家套件、技能和连接器则用于扩展特定岗位或外部服务的工作流。

macOS 与 Windows 版已提供下载

官网下载页已列出三个桌面安装包：macOS 包含 Apple 芯片版和 Intel 芯片版，系统需要 macOS 14 或更高版本；Windows 版需要 Windows 10 或更高版本，仅支持 64 位系统。

新建任务时，用户可以上传本地文件或从内置网盘选择资料。单条消息最多可添加 20 个网盘文件，每个文件最大 500 MB。任务产物会进入 Agent 工作区，可以预览、编辑、下载、重命名或删除。

免费版可试用，个人订阅按积分分层

个人版分为免费、标准和高级三档。免费版为 0 元，活动期内新用户可获得 2,000 积分，有效期 90 天；每日登录赠送 100 积分，当日有效。积分用于执行模型与任务，不是云盘存储空间。

个人标准版连续包月限时价为 78 元，原价 98 元，每月包含 2,000 基础积分和 10 GB 网盘；个人高级版连续包月限时价为 158 元，原价 198 元，每月包含 4,000 基础积分和 20 GB 网盘。订阅价格和登录赠送均带有活动属性，付费前应以结算页展示为准。

自动执行前先收紧权限

桌面 Agent 的差异来自“能操作”，风险也来自同一点。获得用户授权后，千问办公可能访问本地文件系统、浏览器会话、第三方账户、API 或数据库，并执行读取、写入、删除、移动、上传、下载或发送等操作。

实际使用时，应只授权完成任务必需的目录和账户，批量删除、覆盖文件、对外发送信息或发布网页前人工复核。内置网盘没有回收站，删除文件夹会永久删除其中内容；重要资料在交给 Agent 处理前，应先保留可独立恢复的备份。

Vivix 于 7 月 24 日发布 Vivix-A1 与 Vivix-W1。A1 面向能边听、边说、边行动的全身 AI 角色，W1 面向可被语音、文字、图片和触控持续改变的音视频世界；开发者平台已提供相关 API 文档，实时 W1 仍处于私测阶段。

两款模型处理两类实时互动

Vivix-A1 和 Vivix-W1 都采用流式生成，但解决的问题不同。A1 把交互集中在一个 AI 角色身上：角色可以在持续生成的画面里听取指令、说话、移动，并对场景中的物体采取行动。W1 把交互范围扩展到整个音视频世界，用户可以改变人物、物体、环境、镜头和后续事件。

这种方式与常见的“输入提示词，等待整段视频生成”不同。用户不必在开始前一次性给完条件。新输入可以在生成过程中加入，后面的画面和声音会沿着当前状态继续发展，而不是另起一段互不相干的视频。

Vivix-A1 让角色边听边行动

A1 是面向全身 AI 角色的实时全双工模型。“全双工”原本用于描述双方可以同时发送和接收信息的通信方式。在这里，它指角色说话和行动时仍能接收新输入，用户可以中途打断对话、改变要求，或让角色执行新的动作。

角色不只做口型和上半身手势。A1 支持在开放场景中走动、转身、拿取物品，并让表情、声音、视线、手势和全身动作共同构成回应。用户可以通过语音、文字和图片控制角色。图片也能在互动开始后加入，例如提供一张商品参考图，再让角色把对应物品带入场景并进行展示。

A1 直接在连续的多模态信号上生成回应。多模态指文字、声音、图片和视频等不同信息形式。它不要求所有声音先转换为文字，因此环境声音和语气也可以成为角色反应的条件。上层的 Director Agent 负责规划回答和动作，流式模型则持续生成画面与声音。

Vivix-W1 让故事在播放中改写

W1 面向互动叙事和持续生成的音视频世界。文字、图片、音频和视频既可以定义开场，也可以在故事进行中成为新条件。触屏、鼠标点击、角色移动和镜头控制同样可以改变接下来发生的内容。

W1 会联合生成画面、对白、环境声、空间音效、音乐和动作，并在同一条生成流中安排多镜头叙事。故事切换人物或场景时，模型可以同时处理镜头位置、对白节奏和角色反应。用户中途加入一张图片或选择画面中的物体后，新信息会并入已有情境，后续故事从当前状态继续。

W1 在约 300 亿激活参数的中等训练规模上完成验证。激活参数是模型处理一次输入时实际参与计算的参数数量，不等于模型的全部参数。它支持多模态理解、实时交互、音画联合生成、多镜头叙事和连续流式输出。

流式生成避免等待整段视频

A1 和 W1 都把音视频拆成较小的连续片段逐步生成。每个新片段会参考前面已经发生的内容，同时接收用户刚加入的指令。这样可以更快显示变化，但也增加了长期保持人物、场景、声音和动作一致性的难度。

A1 使用短片段之间的局部连续性信号，并用全局序列信息维持较长时间的角色和场景状态。它还通过多维联合蒸馏把推理压缩到两步。蒸馏是用规模更大或计算步骤更多的模型训练精简版本，以减少每次生成所需的计算。

W1 使用 Vivix-Turbo 降低流式生成的推理步数，并联合优化镜头规划、时间连续性和多模态参考的一致性。它需要同时控制人物身份、场景、镜头、声音和动作，避免故事持续时间变长后逐渐偏离此前状态。

开发者可以从 A1 API 开始接入

Vivix 开发者平台提供实时角色和异步视频生成两类接口。实时角色使用 vivix-a1-stream 或轻量版 vivix-a1-stream-lite，开发者先通过 REST 创建会话，再用实时媒体流接收音视频，并通过 WebSocket 控制通道发送文字、动作和其他交互事件。

只需要生成一份完整视频文件时，可以使用异步接口。A1 系列包含 vivix-a1-lite 和 vivix-a1，W1 系列包含 vivix-w1-fast 和 vivix-w1。开发者提交任务后查询处理状态，完成后取得视频播放地址。

面向实时互动世界的 vivix-w1-stream 仍处于 private beta。开发者可以在官网注册账号、创建 API Key，并通过等待名单申请模型权限。API Key 应保存在服务端，不能直接放进网页或移动应用。

两款模型各有已公开的使用边界

A1 在快速运动、空间导航和精细的人物与物体交互中，可能出现动作不一致、交互位置漂移或物理关系不准确。它更适合先从客服角色、现场表演、互动教学和商品讲解等边界清楚的场景开始验证。

W1 当前版本在专业级画面质量、复杂动作和高密度场景上，与面向离线成片训练的视频模型仍有差距。需要稳定成片和精细后期控制的项目，可以先使用异步生成；需要观众在播放中改变角色或故事时，再评估实时流式模型。

OpenAI 为桌面端 Codex 接入由 GPT-Live 驱动的 ChatGPT Voice。用户可以边说边启动任务、询问进度、打断执行并调整方向，语音对话与后台工作不必轮流等待。

Codex 从语音输入变成实时语音协作

2026 年 7 月 23 日发布的 ChatGPT 桌面应用 26.715，把 ChatGPT Voice 带到了 Codex。它与原有的语音听写不是同一种交互：听写会先把一段录音转成文字，再作为提示词发送；GPT-Live 支持实时双向语音，用户可以在系统说话时插话，也可以要求它先听完再回应。

这套语音能力不会替代 Codex 的任务执行界面。它更像一层实时控制入口：用户负责用自然语言说明目标、补充限制和改变优先级，Codex 继续在已有项目、工具和权限范围内处理工作。

语音可以启动、查看和调整任务

在 Codex 中开启 Voice 后，用户可以新建对话或任务，也可以让它查看其他线程的进度。任务运行期间，可以继续追问当前状态、了解阻塞原因，或用新的指令打断并调整方向。

Voice 还能在一次对话中协调多个智能体。用户不必逐个打开任务窗口确认状态，可以直接询问哪些任务仍在运行、哪些任务需要决策，再决定优先处理哪一个。通过语音发起的任务仍受 Codex 当前工具权限和审批规则约束。

在桌面应用中开启 Voice

使用入口位于 ChatGPT 桌面应用。打开应用后切换到 Codex，进入新对话或现有项目，选择 Voice 控件并授权麦克风，然后直接说明要完成的工作。对话过程中，Codex 的回复会同步显示为文字。

macOS 用户还可以在设置中开启 Screen context。开启后，Voice 可以获取当前最前方窗口的一张 appshot，作为这次对话的屏幕上下文；这不是持续共享整个屏幕。该功能可能需要系统的屏幕与音频录制、辅助功能权限。

支持桌面端和配对的 iOS Remote

Voice for Codex 面向 ChatGPT 桌面应用中的符合条件账户，支持 macOS 和 Windows。Codex 更新日志列出的计划包括 Plus、Pro、Business、Edu 和 Enterprise。配对桌面主机后，用户也可以从 iOS 的 Remote 入口使用这套语音能力。

Codex 仍不能作为独立模式直接从网页或手机端选择，移动端 Remote 连接的是桌面端正在运行的 Codex。系统同一时间只允许一场 Voice 对话。

Voice 使用单独的语音额度；由语音启动的 Codex 任务，仍从现有的智能体任务用量池中计费。对经常并行运行多个任务的用户，语音节省的是切换窗口和重复查看状态的操作，不会绕过原有用量、权限或审批限制。

OpenAI 发布 Presence，为企业部署语音与聊天智能体。它可以连接企业知识和业务系统，在明确权限内处理请求、执行获批操作或转交人工，并通过模拟评估和受控更新覆盖上线前后的管理流程。

Presence 不是一个新的聊天机器人

OpenAI Presence 是一套面向企业的智能体交付产品，覆盖客户服务和内部工作流程。它支持实时语音与聊天，可用于处理账单问题、保险理赔或员工 IT 服务请求等具体工作。

每个智能体从一个明确任务开始，只获得完成这项任务所需的知识和系统访问权限。企业负责设定它可以执行哪些操作、哪些操作需要审批，以及什么情况下必须转交人工。智能体可以查询账户信息、应用业务规则并执行获批操作，但不能自行扩大权限。

这套产品不只提供对话模型。Presence 把业务政策、标准操作流程、护栏、允许执行的操作、模拟环境和评估工具放在同一套部署流程中。企业可以保留跨场景通用的政策和转交规则，再针对不同业务或语音、聊天渠道调整具体配置。

上线前先测试结果、工具和转交流程

智能体面对真实用户前，团队可以用常见请求、边界情况和高风险场景进行模拟。评估项目包括结果是否正确、是否遵守政策、是否使用了正确工具，以及是否在规定情况下转交人工。交互超出企业设定范围时，护栏可以介入。

这类测试关注的不只是回答是否通顺。一个能访问业务系统的智能体还要证明自己没有越权，调用了正确工具，并在需要人类判断时停止自动处理。

Codex 负责提出更新，团队决定是否上线

部署后，生产会话、人工转交记录和质量信号会暴露流程中的缺口。Codex 通过 Presence 插件分析这些信号并提出修改建议。团队可以把建议与生产版本进行对比测试，确认后再分批上线。

产品政策或用户行为发生变化时，企业不必直接修改正在运行的智能体。建议、测试、批准和受控发布被拆成独立步骤，生产环境的最终决定仍由团队掌握。

目前只面向符合条件的企业

Presence 已通过限量正式开放计划提供给符合条件的企业客户。部署由 OpenAI 的前沿部署工程师和指定的全球系统集成商主导，包括确定具体流程、连接知识与业务系统、设置权限和政策、测试并投入生产。

它不是个人用户或开发者可以直接注册开通的自助产品。希望采用 Presence 的企业需要联系自己的 OpenAI 客户团队。现有语音开发者仍可通过 OpenAI API 使用前沿模型，但这条 API 路径与 Presence 的企业交付服务不同。

通义发布 Qwen-Image-3.0，最长可处理 4.5K Token 的图像生成指令，并支持 10px 小字、12 种语言和 100 多种艺术风格。新版本面向信息图、报纸、分镜、试卷与界面等文字密集型图片，普通用户可从发布页面进入千问网页端体验。

最长可处理 4.5K Token 指令

Qwen-Image-3.0 是 Qwen-Image 系列的第三代图像生成基础模型。它把可接受的指令长度提高到 4.5K Token。Token 是模型处理文字时使用的基本单位；可用长度越高，一条提示词就能容纳越多场景、文字、位置和版式要求。

长指令主要服务于信息密度较高的图片。用户可以在一次生成中描述报纸、分镜、试卷、数学课件或多格信息图，并分别指定每个区域的内容。Qwen-Image-3.0 的发布示例中，一条约 3.7K Token 的指令用于生成 3×3 信息图，九个区域包含不同主题、公式、图表与中英文文字，整张图一次完成，不需要逐格拼接。

支持 10px 小字和 12 种语言

Qwen-Image-3.0 支持渲染小至 10px 的文字，覆盖正文、公式、上下标、注释和图表标签等细小元素。对于海报、课件和社交图片之外的任务，这项能力更适合报纸页面、论文排版、知识图解等文字占比较高的画面。

模型原生支持 12 种语言、多种字体和 100 多种艺术风格。多语言文字可以与插图、照片质感和界面元素放在同一张图里，适合制作本地化海报、商品页和面向不同语言用户的内容素材。

同一模型覆盖生成与编辑场景

Qwen-Image-3.0 既能根据文字从零生成图片，也能在已有图片上继续编辑。可用方式包括给书页添加手写批注、补全受损画面、为照片加入信息标注，以及把现有素材整理成结构化信息图。

编辑任务仍然通过自然语言描述目标。用户需要说明要修改的区域、保留的内容和新增元素，模型据此处理图片，不必先在图像软件中完成复杂选区。

普通用户怎么用

普通用户可从 Qwen-Image-3.0 发布页面进入千问网页端，使用图像生成功能输入提示词。制作复杂图片时，可以先写清画布用途和整体风格，再按区域列出文字、对象与位置关系；需要编辑现有图片时，则先上传图片并说明修改范围。

4.5K Token 指令更适合一次描述完整成品，但指令仍需具体。报纸、课件或多格信息图应分别写明标题、分区、文字内容和视觉层级，减少同一区域出现相互冲突的要求。

Google 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。其中，3.6 Flash 在一组综合评测中比 3.5 Flash 少用 17% 输出 Token；前两款已开放 API，Cyber 版将通过 CodeMender 限量提供。

三款模型分别处理通用任务、高吞吐任务和代码安全

Gemini 3.6 Flash 是这次更新中的通用型号，面向编程、知识工作、多模态理解和需要连续调用工具的多步任务。多模态指模型可以同时处理文字、图片、音频、视频和 PDF，而不是只接收文字。

Gemini 3.5 Flash-Lite 把重点放在高吞吐和低成本，适合批量文档解析、结构化数据提取，以及由多个小型执行单元分工完成的智能体任务。Gemini 3.5 Flash Cyber 则建立在 3.5 Flash 之上，针对查找、验证和修复软件漏洞做了专门调整，并与代码安全智能体 CodeMender 配套使用。

3.6 Flash 同时减少输出用量和输出单价

在一组覆盖知识、推理与编程等任务的第三方综合评测中，Gemini 3.6 Flash 完成任务时使用的输出 Token 比 3.5 Flash 少 17%。Token 是模型处理和计费的基本文本单位；同一任务需要的输出 Token 越少，通常代表生成过程更精简。17% 是这组评测的整体结果，不是每次调用都固定减少 17%。

Gemini 3.6 Flash 的 API 输入价格保持每百万 Token 1.50 美元，输出价格从 3.5 Flash 的 9 美元降到 7.50 美元，输出单价降低约 16.7%。实际账单还会受到输入长度、输出长度和调用次数影响。

模型 ID 为 gemini-3.6-flash，支持 1,048,576 个输入 Token 和 65,536 个输出 Token。它可以接收文字、图片、视频、音频和 PDF，输出为文字。

Flash-Lite 面向批量文档和轻量任务

Gemini 3.5 Flash-Lite 的模型 ID 是 gemini-3.5-flash-lite。API 价格为每百万输入 Token 0.30 美元、每百万输出 Token 2.50 美元，比 3.6 Flash 更适合大量、重复、单次复杂度较低的任务。

它与 3.6 Flash 一样支持 1,048,576 个输入 Token 和 65,536 个输出 Token，也能读取文字、图片、视频、音频和 PDF。典型用途包括批量读取票据、从长文档抽取字段、生成结构化 JSON，以及让主智能体把较简单的子任务交给它执行。

Flash Cyber 只通过 CodeMender 限量开放

Gemini 3.5 Flash Cyber 不是面向所有开发者的通用 API 模型。它会先在 CodeMender 的限量试点中提供，开放对象为政府和可信合作伙伴。

CodeMender 会多次调用 Flash Cyber，让多个执行单元扫描代码路径、验证漏洞并合并成一份报告。这个专用型号与公开 Gemini API 分开部署，普通开发者不能直接选择它。

两款通用模型已经可以接入

Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 均已进入正式可用状态，开发者可以通过 Google AI Studio 和 Gemini API 调用。3.6 Flash 也已进入 Google Antigravity 与 Gemini 应用；企业用户还可以在 Gemini Enterprise Agent Platform 中使用。

接入新模型时需要检查现有请求参数。temperature、top_p 和 top_k 已被弃用，接口会忽略这些自定义值；把最后一轮对话预填为模型回复也不再受支持。迁移旧应用时，先移除这些设置可以避免后续接口报错。

阿里上线 Qwen-Audio-3.0-TTS，分为 Flash 和 Plus 两个版本。两者支持语音合成、自然语言指令与情绪、拟声标签，开发者可通过 DashScope API 调用。国际服务按输入字符计费，Flash 每万字符 0.15 美元，Plus 为 0.20 美元。

Flash 和 Plus 面向不同场景

Qwen-Audio-3.0-TTS 把文字转换为可播放的语音，支持边接收文字边返回音频的流式输出。Flash 主要用于语音助手、智能客服等对响应速度敏感的互动场景；Plus 面向有声书、新闻播报和内容配音等更重视成品质量的任务。

两个版本的模型 ID 分别是 qwen-audio-3.0-tts-flash 和 qwen-audio-3.0-tts-plus。它们属于 Qwen-Audio-TTS 产品线，不要与年初发布的 Qwen3-TTS 模型 ID 混用。

用自然语言和标签控制表达

调用接口时，可以在 instruction 参数里直接描述语速、情绪、语气和音色。例如，一段客服播报可以要求“语速稍慢，语气温和”，不需要分别调节多组音频参数。

模型还允许把标签直接写入待合成文本。[excited] 和 [serious] 可在指定位置切换表达方式，[laughing]、[gasp] 和 [sighing] 可插入笑声、吸气或叹气。这类精细标签只适用于单向流式模式。

支持多语言与中文方言

系统预设音色支持范围依具体音色而定，目前包含普通话和英语。克隆音色可用于中文、英语、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语、意大利语、泰语、印度尼西亚语、越南语、马来语、菲律宾语和阿拉伯语。

中文还可通过指令控制广东话、四川话、河南话、上海话等多种方言。实际可用范围与所选音色有关，调用前需按目标语言选择对应音色。

开发者怎么用

开发者需要先在模型服务平台开通服务并配置 DASHSCOPE_API_KEY，然后通过 DashScope Python 或 Java SDK 建立 WebSocket 连接。请求中至少需要指定模型、音色和待合成文本；需要控制表达时，再加入 instruction 参数。输出可保存为 MP3、WAV、PCM 或 Opus 格式。

该服务按输入文本字符数计费，输出音频不单独计费。新加坡区域的国际服务中，Flash 价格为每 1 万字符 0.15 美元，Plus 为每 1 万字符 0.20 美元。国际服务新开通账户有 1 万字符免费额度，有效期为 90 天。